Помощник по написанию исследовательских работ

Руководство по исследовательской работе: алгоритмы рекомендаций и политическая поляризация молодёжи

Уточняющие вопросы

Данных достаточно, чтобы начать. Три вопроса помогут точнее настроить работу:

1. Тип работы. Это теоретико-аналитическая работа (обзор и анализ литературы) или нужно собственное эмпирическое исследование (опрос, интервью, анализ контента)? За 3 недели и на 3500 слов реалистичнее первый вариант, возможно с небольшим пилотным элементом.
2. География. Нужен ли фокус на России, на конкретной стране или на глобальном контексте? От этого зависят платформы (VK, Telegram или TikTok, YouTube, Instagram) и доступность данных.
3. Требования кафедры. Есть ли методичка с обязательной структурой (например, «введение — 2 главы — заключение»), минимальным числом источников или долей иностранной литературы? APA 7 иногда сочетают с требованиями ГОСТа по оформлению титульного листа.

Ниже я исхожу из следующих допущений: теоретико-аналитическая работа, международная литература плюс российский контекст как иллюстрация, 20–30 источников. Если что-то не так, напишите, и я скорректирую план.

1. Тема и тезис

Почему исходную тему нужно сузить

Формулировка «влияние алгоритмов на поляризацию молодёжи 18–25» содержит сразу три широкие переменные:

• «Алгоритмы соцсетей» — это десятки платформ с разной логикой. Лента Facebook, «Для вас» в TikTok и рекомендации YouTube устроены по-разному.

• «Поляризация» бывает как минимум двух видов:

  • идеологическая — расхождение позиций по вопросам;
  • аффективная — неприязнь к «другой стороне» (Iyengar et al., 2019).

  Исследования дают по ним разные результаты, и это ключевое различение для вашей работы.

• «Влияние» подразумевает причинность, а её в этой области доказать очень трудно. Это нужно открыто обсуждать.

Как сузить: три рычага

Варианты исследовательского вопроса

Вариант А (рекомендую, оптимален по масштабу):

Подтверждают ли эмпирические данные 2015–2025 гг. гипотезу «пузыря фильтров» как основного механизма, через который алгоритмы рекомендаций способствуют политической поляризации молодёжи, или более обоснованным является объяснение через алгоритмическое усиление эмоционально заряженного контента?

Почему он хорош: вопрос сравнивает два конкурирующих объяснения. Это даёт готовую аргументационную структуру и позволяет работать с реальными научными спорами, а не пересказывать литературу.

Вариант Б (платформенный фокус):

Как особенности рекомендательных систем платформ коротких видео (TikTok, YouTube Shorts) влияют на аффективную поляризацию пользователей 18–25 лет по сравнению с платформами с преимущественно социальным графом (Facebook, VK)?

Риск: строгих исследований именно по TikTok пока меньше, чем по Facebook и YouTube.

Вариант В (фокус на пользователе):

В какой мере политическая поляризация молодёжи в социальных сетях объясняется работой алгоритмов, а в какой — выбором самих пользователей (селективным потреблением и подписками)?

Сильная сторона: вопрос выводит на спор «алгоритм или человек», центральный для литературы после 2023 года.

Тезисное утверждение (для варианта А)

Слабый тезис выглядел бы так:

«Алгоритмы социальных сетей усиливают поляризацию молодёжи, создавая пузыри фильтров».

Он слабый, потому что спорит с «соломенным чучелом», игнорирует противоречащие данные и не даёт ничего нового.

Сильный тезис:

«Эмпирические исследования последних лет ставят под сомнение популярный тезис о том, что алгоритмы рекомендаций поляризуют молодёжь, изолируя её в „пузырях фильтров“: большинство пользователей сталкиваются с идеологически разнообразным контентом, а кратковременные изменения алгоритмической ленты мало меняют политические установки. Вместе с тем данные указывают на иной, более тонкий механизм: оптимизируя ленту под вовлечённость, алгоритмы непропорционально продвигают эмоциональный и конфликтный контент, что способствует прежде всего аффективной, а не идеологической поляризации. Для аудитории 18–25 лет, чьё потребление политической информации в наибольшей степени опосредовано алгоритмическими лентами, этот эффект может быть выражен сильнее, хотя строгих причинных данных именно по этой возрастной группе пока недостаточно».

Чем он силён:

• делает спорное утверждение, с которым можно не согласиться;
• различает два механизма и два типа поляризации;
• честно обозначает пределы доказательной базы, что на уровне 3 курса оценивается очень высоко;
• напрямую задаёт структуру основной части.

2. Стратегия поиска источников

Типы источников и их роль

Базы данных

Международные:

• Google Scholar — стартовая точка. Функция «Cited by» (Цитируется) помогает найти свежие работы, продолжающие классические.
• Scopus / Web of Science — если есть доступ через вуз. Удобны для фильтрации по годам и числу цитирований.
• JSTOR, SAGE Journals, Taylor & Francis Online, Wiley — журналы по коммуникациям.
• PNAS, Science, Nature — ключевые эмпирические работы о платформах вышли именно там.
• SSRN, arXiv (раздел cs.SI) — препринты. Использовать осторожно и помечать, что работа не прошла рецензирование.

Российские:

• eLibrary.ru (РИНЦ) — фильтруйте по журналам из списка ВАК или ядра РИНЦ.
• КиберЛенинка — открытый доступ, но качество неоднородно, проверяйте журнал.

Статистика и отчёты:

• Reuters Institute Digital News Report (ежегодный) — данные о потреблении новостей по возрастам и платформам, включая долю молодёжи, получающей новости через TikTok и соцсети.
• Pew Research Center — данные по США о молодёжи и соцсетях.
• ВЦИОМ, ФОМ, Левада-Центр — данные по российской аудитории. Проверьте требования кафедры к использованию последнего.

Ключевые журналы для просмотра оглавлений: New Media & Society, Journal of Communication, Political Communication, Information, Communication & Society, Social Media + Society, Digital Journalism.

Поисковые запросы

На английском (основная литература на английском):

"filter bubble" AND "polarization"
"echo chamber" AND "social media" AND (youth OR "young adults")
"recommendation algorithm" AND "political polarization"
"algorithmic amplification" AND politics
"affective polarization" AND "social media"
"YouTube" AND "recommender system" AND (radicalization OR polarization)
"TikTok" AND (politics OR "political content") AND algorithm
"selective exposure" AND algorithm
"news feed" AND experiment AND polarization

На русском:

«пузырь фильтров» поляризация
«эхо-камеры» социальные сети молодёжь
алгоритмы рекомендаций политические взгляды
политическая поляризация молодёжи интернет
алгоритмическая персонализация новостей

Приёмы:

• Используйте кавычки для точных фраз и AND/OR для комбинаций.
• Ставьте фильтр по годам: 2015–2026 для эмпирики, классику брать без ограничений.
• Применяйте метод «снежного кома»: берёте хороший свежий обзор, просматриваете его список литературы (назад) и «Cited by» (вперёд).

С чего начать: опорные работы

Проверьте каждую работу по DOI перед включением в список. Я привожу источники по памяти, и выходные данные нужно сверить.

Обзоры (читать первыми):

• Kubin, E., & von Sikorski, C. (2021). The role of (social) media in political polarization: A systematic review. Annals of the International Communication Association, 45(3), 188–206.
• Lorenz-Spreen, P., Oswald, L., Lewandowsky, S., & Hertwig, R. (2023). A systematic review of worldwide causal and correlational evidence on digital media and democracy. Nature Human Behaviour, 7, 74–101.

Теоретическая рамка:

• Pariser, E. (2011). The filter bubble: What the Internet is hiding from you. Penguin Press. Источник понятия.
• Sunstein, C. R. (2017). #Republic: Divided democracy in the age of social media. Princeton University Press.
• Bruns, A. (2019). Are filter bubbles real? Polity. Критика понятия.
• Iyengar, S., Lelkes, Y., Levendusky, M., Malhotra, N., & Westwood, S. J. (2019). The origins and consequences of affective polarization in the United States. Annual Review of Political Science, 22, 129–146.

Эмпирика против сильной версии «пузыря»:

• Bakshy, E., Messing, S., & Adamic, L. A. (2015). Exposure to ideologically diverse news and opinion on Facebook. Science, 348(6239), 1130–1132.
• Flaxman, S., Goel, S., & Rao, J. M. (2016). Filter bubbles, echo chambers, and online news consumption. Public Opinion Quarterly, 80(S1), 298–320.
• Dubois, E., & Blank, G. (2018). The echo chamber is overstated. Information, Communication & Society, 21(5), 729–745.
• Эксперименты 2023 года на Facebook и Instagram (серия статей в Science и Nature): Guess et al. (2023); Nyhan et al. (2023); González-Bailón et al. (2023).
• Hosseinmardi, H., et al. (2024). Causally estimating the effect of YouTube's recommender system using counterfactual bots. PNAS, 121(8).

Эмпирика в пользу усиления и сегрегации:

• Huszár, F., et al. (2022). Algorithmic amplification of politics on Twitter. PNAS, 119(1).
• Cinelli, M., De Francisci Morales, G., Galeazzi, A., Quattrociocchi, W., & Starnini, M. (2021). The echo chamber effect on social media. PNAS, 118(9).
• Ribeiro, M. H., Ottoni, R., West, R., Almeida, V. A. F., & Meira, W. (2020). Auditing radicalization pathways on YouTube. Proceedings of FAT 2020*.
• Bail, C. A., et al. (2018). Exposure to opposing views on social media can increase political polarization. PNAS, 115(37), 9216–9221. Контринтуитивный и очень полезный для аргументации результат: встреча с противоположными взглядами может усиливать поляризацию.
• Bail, C. (2021). Breaking the social media prism. Princeton University Press.

⚠️ Важное ограничение для вашей темы. Большинство строгих исследований проводятся на взрослой аудитории в целом, чаще всего американской, и на Facebook, Twitter или YouTube. Данных именно по группе 18–25 и по TikTok меньше. Это не проблема, а аргументативный ресурс: вы можете прямо показать этот пробел в разделе обсуждения.

Критерии оценки источников (CRAAP, адаптированный)

Иерархия доказательности (для раздела о причинности): рандомизированный эксперимент в реальной среде → аудит алгоритма (боты, sock-puppets) → анализ поведенческих данных → лонгитюдный опрос → кросс-секционный опрос → кейс или эссе.

3. Структура работы

Общий бюджет: ~3500 слов.

Введение (~400 слов)

Зацепка (2–3 предложения). Цифра или парадокс, а не банальность.

❌ «В современном мире социальные сети играют огромную роль в жизни людей». ✅ «Для значительной части молодых людей первым, а иногда и единственным источником политических новостей становится не редакция, а рекомендательный алгоритм, решающий, какое видео показать следующим (Newman et al., 2025). При этом публичная дискуссия об „эхо-камерах“ опирается на представления, которые эмпирические исследования последнего десятилетия во многом поставили под сомнение».

Статистику возьмите из актуального Digital News Report и сверьте цифры.

Контекст (1 абзац):

• распространённость тезиса о пузырях фильтров (Pariser, 2011);
• рост политической поляризации;
• почему группа 18–25 особенно интересна: она социализировалась в алгоритмической среде и находится в периоде формирования политической идентичности.

Проблема и пробел (1 абзац): в литературе спорят о механизме, а данные по молодёжи фрагментарны.

Исследовательский вопрос и тезис.

Дорожная карта (2–3 предложения):

«В первом разделе уточняются понятия… Во втором рассматриваются данные, касающиеся гипотезы пузыря фильтров… В третьем… Наконец, четвёртый раздел обсуждает…»

Метод (1–2 предложения): «Работа основана на критическом анализе эмпирических исследований 2015–2025 гг., отобранных по критериям…» Это важно даже для обзорной работы.

Раздел 1. Теоретическая рамка (~600 слов)

Раздел играет роль обзора литературы, организованного по понятиям.

• 1.1 Алгоритмы рекомендаций. Кратко объясните, как они работают: оптимизация под вовлечённость (время просмотра, клики, реакции). Без техники, но с объяснением, почему это важно для политического контента.

• 1.2 «Пузырь фильтров» и «эхо-камера». Различайте их:

  • пузырь фильтров — изоляция, созданная алгоритмом;
  • эхо-камера — среда, где взгляды повторяются и подкрепляются, часто через выбор самого пользователя.

  Опирайтесь на Pariser (2011), Sunstein (2017) и Bruns (2019).

• 1.3 Идеологическая и аффективная поляризация (Iyengar et al., 2019). Это различение станет «рабочим инструментом» для разделов 2 и 3.

Переход к разделу 2:

«Если гипотеза пузыря фильтров верна, мы должны наблюдать два эффекта: заметное сужение идеологического разнообразия потребляемого контента и измеримое влияние алгоритмической ленты на политические позиции. Следующий раздел рассматривает, подтверждают ли данные эти ожидания».

Раздел 2. Тезис о «пузыре фильтров»: что показывают данные (~800 слов)

Логика раздела: проверить сильную версию гипотезы и показать, что она не подтверждается в полной мере.

• 2.1 Разнообразие экспозиции. Работы Bakshy et al. (2015), Flaxman et al. (2016), Dubois & Blank (2018). Большинство пользователей не изолированы полностью, а собственный выбор пользователя ограничивает разнообразие сильнее, чем алгоритм.
• 2.2 Экспериментальные данные. Эксперименты 2023 года (Guess et al.; Nyhan et al.): замена алгоритмической ленты хронологической или сокращение контента от единомышленников почти не изменили поляризацию за период исследования. Hosseinmardi et al. (2024) о YouTube.
• 2.3 Ограничения этих данных (обязательно, иначе раздел станет однобоким):
  • короткие сроки экспериментов (недели или месяцы);
  • сотрудничество с платформами;
  • американский контекст;
  • средние эффекты могут скрывать сильное влияние на меньшинство пользователей;
  • González-Bailón et al. (2023) показывают асимметричную сегрегацию.

Переход к разделу 3:

«Таким образом, представление об алгоритмах как о стенах, изолирующих пользователя от чужих взглядов, не находит убедительного подтверждения. Однако отсутствие изоляции не означает отсутствия влияния. Вопрос, возможно, стоит не в том, какой контент видит пользователь, а в том, каким этот контент является».

Раздел 3. Алгоритмическое усиление и аффективная поляризация (~800 слов)

Логика раздела: центральный аргумент, ваш «альтернативный механизм».

• 3.1 Логика оптимизации под вовлечённость. Эмоциональный, морально окрашенный и конфликтный контент получает больше реакций, поэтому системы, ориентированные на вовлечённость, его продвигают. Huszár et al. (2022) показывают неравномерное алгоритмическое усиление политического контента.
• 3.2 Встреча с «чужими» как фактор поляризации. Bail et al. (2018): контакт с противоположными взглядами в форме, которую отбирает лента (самые резкие, карикатурные представители), может усиливать неприязнь. Это объясняет, как поляризация возможна без изоляции. Здесь ключевой синтез работы.
• 3.3 Аффективное измерение. Свяжите с Iyengar et al. (2019): механизм усиления больше подходит к объяснению роста неприязни, чем к изменению позиций.
• 3.4 Контраргумент и ответ. «Но эксперименты 2023 года не нашли и эффекта на аффективную поляризацию». Ответ: кумулятивный долгосрочный эффект и эффекты системного уровня (как алгоритмы меняют поведение политиков и медиа) такие эксперименты по дизайну уловить не могут. Формулируйте это осторожно, как гипотезу.

Переход к разделу 4:

«Большинство рассмотренных исследований проводилось на взрослой аудитории в целом. Остаётся вопрос, в какой мере эти выводы применимы к пользователям 18–25 лет».

Раздел 4. Молодёжная аудитория: специфика и пределы знания (~550 слов)

• 4.1 Почему молодёжь может быть особенно чувствительна:

  • более высокая доля новостей из соцсетей;
  • платформы коротких видео, где социальный граф почти не важен и рекомендации определяют почти всё;
  • период формирования политической идентичности.

  Опирайтесь на данные Reuters Institute и Pew.

• 4.2 Российский контекст (если нужен): VK и Telegram. В Telegram нет алгоритмической ленты, это интересный контрпример: поляризованная среда без рекомендательного алгоритма подкрепляет тезис о роли выбора пользователя.

• 4.3 Пробелы в исследованиях:

  • мало причинных данных по 18–25;
  • сложность доступа к данным TikTok;
  • доминирование американских выборок.

  Сформулируйте 2–3 направления будущих исследований.

Заключение (~350 слов)

1. Ответ на исследовательский вопрос — перефразированный тезис, не копия.
2. Синтез: что работа добавила. Различение двух механизмов и двух типов поляризации.
3. Значение: для регулирования (прозрачность алгоритмов, например в логике европейского Digital Services Act), для медиаобразования молодёжи, для исследователей.
4. Ограничения самой работы: обзорный характер, языковые ограничения выборки источников.
5. Финальная мысль — возврат к «зацепке» из введения.

❌ Не вводите новых данных и источников в заключении. ❌ Не пишите «таким образом, мы доказали, что алгоритмы вызывают поляризацию»: вы этого не доказали, и тезис это не утверждает.

4. Процесс письма

Стратегия черновика

1. Сначала матрица литературы, потом текст. Сделайте таблицу в Excel, Google Sheets или Zotero:

Это главный инструмент против «пересказа статей подряд». Из таблицы видно, какие источники сталкиваются друг с другом, и это позволяет писать синтез.

2. Обратный конспект до текста. Для каждого абзаца заранее напишите одно предложение: главную мысль абзаца. Если план из этих предложений читается как связный аргумент, структура готова.

3. Порядок написания: раздел 2 → раздел 3 → раздел 1 → раздел 4 → введение → заключение. Введение пишут в последнюю очередь, когда вы уже знаете, что именно утверждаете.

4. «Грязный» первый черновик. Не редактируйте в процессе, отмечайте пробелы как [ИСТОЧНИК?] и [ПРОВЕРИТЬ ЦИФРУ]. Цель — 3500–4000 слов текста, лишнее потом сократите.

5. Используйте Zotero (бесплатно) с первого дня. Он формирует ссылки в APA 7 автоматически, но результат нужно проверять вручную (см. раздел 5).

Структура абзаца: модель PEEL

• Point — утверждение, связанное с тезисом.
• Evidence — доказательство из источника.
• Explanation — ваш анализ: что это значит и почему это важно для аргумента.
• Link — связь со следующим абзацем или с тезисом.

Пример абзаца:

[P] Сильная версия гипотезы пузыря фильтров предполагает, что именно алгоритм, а не пользователь, сужает спектр политической информации. [E] Однако анализ данных 10,1 млн пользователей Facebook показал, что собственный выбор пользователей сокращал долю идеологически противоположного контента сильнее, чем алгоритмическое ранжирование ленты (Bakshy et al., 2015). [E] Это означает, что ответственность за селективность потребления, по крайней мере в этом случае, в большей степени лежит на пользователях, чем на системе рекомендаций. Вместе с тем исследование проведено сотрудниками самой компании и относится к ленте 2014 года, что ограничивает возможность переносить его выводы на современные платформы. [L] Более поздние экспериментальные работы позволяют проверить этот вывод строже.

(Сверьте конкретные цифры по оригиналу статьи.)

Интеграция источников

Три способа, от самого частого к самому редкому:

1. Обобщение нескольких работ (самый ценный навык синтеза):

   «Ряд исследований указывает на то, что степень идеологической изоляции пользователей в социальных сетях преувеличена (Dubois & Blank, 2018; Flaxman et al., 2016; Guess et al., 2023)».

   В APA 7 источники внутри одних скобок располагаются по алфавиту и разделяются точкой с запятой.

2. Пересказ одной работы:

   «Бейл и коллеги (Bail et al., 2018) обнаружили, что республиканцы, которым в течение месяца показывали сообщения либерального бота в Twitter, впоследствии выражали более консервативные взгляды».

3. Прямая цитата только если важна сама формулировка (например, определение понятия). Не более 5–10% текста.

   Паризер определяет пузырь фильтров как «a unique universe of information for each of us» (Pariser, 2011, p. 9).

   Для перевода цитаты: «уникальную информационную вселенную для каждого из нас» (Pariser, 2011, p. 9, перевод мой). Уточните на кафедре, принято ли давать цитату в оригинале или в переводе. Номер страницы сверьте по изданию.

Сигнальные глаголы показывают вашу позицию по отношению к источнику:

«Паризер утверждает…» (вы держите дистанцию) «Эксперимент Гесса и коллег показал…» (вы признаёте силу доказательства)

Оформление в тексте по APA 7:

Академический стиль и тон

Хеджирование (осторожные формулировки) особенно важно в теме, где причинность спорна:

Правила:

• Избегайте оценочных и публицистических слов: «зомбирование», «манипуляция сознанием», «очевидно», «шокирующий».
• Сохраняйте нейтральность к политическим сторонам. Работа про механизм, а не про то, чьи взгляды правильные.
• Определяйте термины при первом использовании и дальше употребляйте их единообразно. Не чередуйте «пузырь фильтров», «информационный пузырь» и «эхо-камеру» как синонимы.
• Первое лицо («я», «мы»): APA 7 допускает «я» для описания ваших действий («В работе я рассматриваю…»), но российские кафедры часто предпочитают безличные конструкции («В работе рассматриваются…»). Уточните и будьте последовательны.

Полезные связки:

• Контраст: «Вместе с тем…», «Однако этот вывод следует рассматривать с учётом…», «В отличие от…»
• Развитие: «Этот результат согласуется с…», «Более того…», «Сходные данные получены…»
• Синтез: «Взятые вместе, эти исследования позволяют предположить…»
• Ограничение: «Важно учитывать, что…», «Ограничением данного исследования является…»

5. Проверка качества

Чек-лист саморедактирования

Содержание и аргументация:

• Тезис конкретен, спорен и явно сформулирован в конце введения
• Каждый раздел основной части работает на тезис, а не просто «рассказывает о теме»
• Различение идеологической и аффективной поляризации последовательно проведено через весь текст
• Контраргументы изложены честно, в сильной версии, и на них дан ответ
• Нет утверждений о причинности там, где данные корреляционные
• Специфика группы 18–25 действительно обсуждается, а не только упомянута в названии
• Заключение отвечает на исследовательский вопрос и не вводит новых источников

Структура:

• Первое предложение каждого абзаца передаёт его главную мысль. Проверка: прочитайте только первые предложения, и они должны составить связный конспект
• Между разделами есть переходы, объясняющие логику
• Объём разделов соответствует бюджету (±15%)
• Нет абзацев из одного предложения и абзацев длиннее ~200 слов

Источники:

• Каждый факт, цифра и чужая идея имеют ссылку
• Каждая ссылка в тексте есть в списке литературы и наоборот
• Источники в основном 2015–2026 гг., кроме классики
• Использованы не только источники, поддерживающие тезис
• Цифры сверены с оригиналом, а не взяты из вторичного пересказа

Язык и стиль:

• Нет разговорных и оценочных выражений
• Термины единообразны
• Хеджирование уместно, без чрезмерной категоричности и без «воды»
• Предложения не длиннее 35–40 слов
• Нет повторов одних и тех же слов в соседних предложениях

Как избежать плагиата

Типичные ловушки в обзорных работах:

1. «Мозаичный» пересказ. Вы переставили слова в предложении источника, сохранив его структуру. Это плагиат даже со ссылкой.

   Техника против него: прочитайте фрагмент, закройте источник, запишите мысль своими словами по памяти, затем сверьтесь, не исказили ли смысл.

2. Заимствование чужого синтеза. Если обзор Kubin & von Sikorski (2021) объединил пять исследований в одну мысль, а вы повторили этот вывод, ссылайтесь на обзор, а не только на исходные пять работ.

3. Вторичное цитирование. Если вы не читали оригинал, а видели цитату в другой работе, оформляйте так: (Sunstein, 2001, as cited in Bruns, 2019). В список литературы попадает только Bruns. Используйте это редко: по возможности читайте оригинал.

4. Самоплагиат. Если вы уже писали на эту тему курсовую или эссе, повторное использование текста требует согласования с преподавателем.

5. Использование ИИ. Уточните политику вуза и курса. Если разрешено использовать ИИ для планирования или редактирования, это часто нужно указывать. Ни ИИ, ни поисковик не заменяют проверку каждого источника по оригиналу: ИИ-инструменты могут выдавать правдоподобные, но несуществующие ссылки.

Перед сдачей: проверьте работу в системе, которую использует вуз (часто это «Антиплагиат.ВУЗ»). Высокий процент совпадений нередко даёт корректно оформленные цитаты и список литературы, но смотрите, какие фрагменты подсвечены.

Оформление списка литературы по APA 7

Общие правила:

• заголовок «Список литературы» (или References) по центру, полужирным;
• алфавитный порядок по фамилии первого автора;
• висячий отступ 1,27 см, двойной интервал;
• DOI в формате https://doi.org/... без точки в конце;
• до 20 авторов перечисляются все, при 21 и более — первые 19, многоточие, последний;
• в названиях статей и книг с заглавной буквы пишется только первое слово, первое слово после двоеточия и имена собственные; в названиях журналов — все значимые слова;
• курсив для названия журнала и тома или названия книги.

Образцы.

Статья в журнале с DOI:

Bail, C. A., Argyle, L. P., Brown, T. W., Bumpus, J. P., Chen, H., Hunzaker, M. B. F., Lee, J., Mann, M., Merhout, F., & Volfovsky, A. (2018). Exposure to opposing views on social media can increase political polarization. Proceedings of the National Academy of Sciences, 115(37), 9216–9221. https://doi.org/10.1073/pnas.1804840115

Статья с номером статьи вместо страниц:

Huszár, F., Ktena, S. I., O'Brien, C., Belli, L., Schlaikjer, A., & Hardt, M. (2022). Algorithmic amplification of politics on Twitter. Proceedings of the National Academy of Sciences, 119(1), Article e2025334119. https://doi.org/10.1073/pnas.2025334119

Книга:

Bruns, A. (2019). Are filter bubbles real? Polity Press.

Отчёт организации:

Newman, N., Ross Arguedas, A., Robertson, C. T., Nielsen, R. K., & Fletcher, R. (2025). Reuters Institute digital news report 2025. Reuters Institute for the Study of Journalism. https://doi.org/...

Возьмите точный DOI или URL и полный список авторов со страницы отчёта.

Русскоязычная статья (APA 7 рекомендует давать перевод названия в квадратных скобках, если работа пишется на английском. Для работы на русском уточните правило кафедры: чаще оставляют оригинал на кириллице):

Фамилия, И. О. (2022). Название статьи. Название журнала, 12(3), 45–60. https://doi.org/...

Доклад на конференции:

Ribeiro, M. H., Ottoni, R., West, R., Almeida, V. A. F., & Meira, W., Jr. (2020). Auditing radicalization pathways on YouTube. In Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency (pp. 131–141). ACM. https://doi.org/10.1145/3351095.3372879

Проверка каждой ссылки: вставьте DOI в браузер. Если он ведёт на нужную статью, данные верны. Если DOI нет, найдите статью через Google Scholar и сверьте авторов, год, том и страницы.

Техники вычитки

1. Пауза. Отложите текст минимум на сутки перед финальной вычиткой.

2. Чтение вслух или через озвучивание текста компьютером: вы услышите громоздкие предложения и пропущенные слова.

3. Обратный конспект. Выпишите главную мысль каждого абзаца на отдельный лист. Выбивающиеся из логики абзацы станут заметны.

4. Проходы по одной задаче. Отдельно читайте:

   • (а) аргументацию;
   • (б) переходы;
   • (в) ссылки;
   • (г) грамматику и пунктуацию;
   • (д) оформление.

   Одновременно всё это заметить невозможно.

5. Печать или смена формата. Распечатайте текст или смените шрифт: глаз «замыливается» на привычном виде.

6. Поиск по документу (Ctrl+F): [ИСТОЧНИК, [ПРОВЕРИТЬ, et al., (проверить форматирование), двойные пробелы, «очень», «является» (частый канцелярит).

7. Внешний читатель. Попросите однокурсника прочитать введение и заключение и пересказать ваш тезис. Если он не может, тезис недостаточно ясен.

8. Вычитка списка литературы — отдельно, в последний день, построчно.

График работы: 24 сентября — 15 октября 2026

Сегодня четверг, 24 сентября. Сдача в четверг, 15 октября: ровно 3 недели. В графике заложены 2 буферных дня.

Неделя 1 (24–30 сентября): тема, источники, чтение

✅ Контрольная точка: матрица литературы готова, тезис сформулирован (можно скорректировать). Если есть возможность, покажите тезис и план научному руководителю.

Неделя 2 (1–7 октября): план и первый черновик

✅ Контрольная точка: полный черновик готов. Отправьте его руководителю или однокурснику для обратной связи, если это возможно.

Неделя 3 (8–15 октября): редактура и оформление

Если отстаёте от графика

• Приоритет 1: разделы 2 и 3. В них сосредоточен аргумент работы.
• Можно сократить: российский контекст в разделе 4 (до 1 абзаца), число источников (минимум ~18–20 качественных).
• Нельзя сокращать: проверку источников и оформление ссылок. Ошибки в них заметнее всего при оценке и ближе всего к проблемам академической честности.

Ответьте на три уточняющих вопроса, и я адаптирую план. Я также могу помочь на любом следующем шаге: разобрать конкретную статью, проверить черновик абзаца или раздела или отредактировать введение.