Теория языка | Филологический аспект №03 (131) Март 2026

Влияние алгоритмов социальных сетей на распространение англоязычных неологизмов в молодежной среде России

Захаров Роман Евгеньевич
студент Поволжского государственного университета телекоммуникаций и информатики, г. Самара
Макаров Савелий Александрович
студент Поволжского государственного университета телекоммуникаций и информатики, г. Самара

Аннотация: В статье исследуется влияние алгоритмических систем социальных сетей на процессы заимствования и популяризации англоязычных неологизмов в речи российской молодежи. Авторы отходят от традиционного взгляда на заимствования как результат исключительно культурной экспансии или необходимости номинации новых явлений. В качестве основного фактора распространения лексических инноваций рассматриваются алгоритмы социальных платформ (TikTok, «ВКонтакте», Instagram), обладающие способностью формировать информационную повестку пользователей. Эмпирическую базу составили 450 постов и комментариев, а также данные опроса 120 респондентов в возрасте 14–25 лет. Установлена зависимость между активностью рекомендательных систем и частотой употребления лексем cringe, toxic, scam, random, easy и др. Обосновывается тезис о том, что алгоритмы не только транслируют существующие языковые тенденции, но и конструируют «информационные пузыри», внутри которых происходит ускоренное закрепление новых слов. Вводится понятие «алгоритмической диффузии неологизмов», характеризующее специфику современного этапа языковых контактов.
Ключевые слова: социальные сети, алгоритмические системы, англоязычные заимствования, молодежный сленг, рекомендательные алгоритмы, цифровая лингвистика.

Zakharov Roman Evgenievich
Student, Povolzhskiy State University of Telecommunications and Informatics, Samara
Makarov Saveliy Aleksandrovich
Student, Povolzhskiy State University of Telecommunications and Informatics, Samara

Abstract: The article examines the influence of algorithmic systems of social networks on the processes of borrowing and popularization of English neologisms in the speech of Russian youth. The authors depart from the traditional view of borrowings as a result exclusively of cultural expansion or the need to nominate new phenomena. As the main factor in the dissemination of lexical innovations, the algorithms of social platforms (TikTok, VKontakte, Instagram) are considered, which have the ability to form the user's information agenda. The empirical base consisted of 450 posts and comments, as well as survey data from 120 respondents aged 14–25. A correlation was established between the activity of recommendation systems and the frequency of use of the lexemes cringe, toxic, scam, random, easy. It is substantiated that algorithms not only transmit existing linguistic trends but also construct "information bubbles" within which accelerated consolidation of new words occurs. The concept of "algorithmic diffusion of neologisms" is introduced, characterizing the specificity of the modern stage of language contacts.
Keywords: social networks, algorithmic systems, English borrowings, youth slang, recommendation algorithms, digital linguistics.

Введение

Изучение процессов языкового заимствования имеет давнюю традицию в отечественной лингвистике. В работах Л.П. Крысина, М.А. Кронгауза, В.Г. Костомарова убедительно показано, что основными причинами проникновения иноязычных элементов выступают экстралингвистические факторы: появление новых предметов и понятий, изменение культурных ориентиров, престижность языка-источника. Английский язык на протяжении нескольких десятилетий сохраняет статус основного донора лексических инноваций для русского языка.

Вместе с тем развитие цифровых технологий вносит существенные коррективы в устоявшиеся представления о механизмах языковой диффузии. С середины 2010-х годов всё большее значение приобретает технологическая составляющая, связанная с функционированием персонализированных алгоритмов социальных сетей. В отличие от традиционных каналов распространения информации (телевидение, пресса, книгоиздание), современные платформы формируют индивидуальные ленты контента на основе анализа пользовательского поведения.

Для молодого поколения российской аудитории характерно преобладание рекомендательной модели потребления контента над поисковой. Алгоритмы приложений для коротких видео, оптимизирующие время удержания пользователя, транслируют вирусные видеоролики, содержащие англоязычные вкрапления. При этом значительная часть таких вкраплений (cringe, toxic, easy) имеет полноценные русскоязычные соответствия, что ставит под сомнение объяснительную силу традиционных теорий заимствования.

Актуальность предпринятого исследования определяется следующими обстоятельствами:

• недостаточной разработанностью проблематики, связанной с ролью алгоритмических систем в языковых процессах;
• необходимостью осмысления новых форм языковой диффузии, возникающих в цифровой среде;
• потребностью в прогнозировании дальнейших направлений эволюции молодежного лексикона.

Объект исследования – англоязычные неологизмы, фиксируемые в русскоязычной молодежной интернет-коммуникации. Предмет исследования – механизмы влияния алгоритмов социальных платформ на распространение и закрепление указанных неологизмов. Цель работы состоит в выявлении закономерностей воздействия алгоритмических систем на процессы закрепления англоязычных неологизмов в активном словаре молодежи, а также в описании семантических и грамматических трансформаций, сопровождающих алгоритмическую диффузию заимствований.

Задачи исследования:

1. Провести анализ существующих теоретических подходов к изучению языковых заимствований применительно к условиям цифровой коммуникации, обосновать необходимость введения категории «алгоритмической агентности» в исследовательский аппарат лингвистики.
2. Сформировать корпус англоязычных неологизмов, демонстрирующих наибольшую частотность в лентах социальных сетей российской молодежной аудитории, с применением методов цифрового дискурс-анализа.
3. Провести анкетирование для установления первичных каналов знакомства респондентов с неологизмами и выявления субъективных факторов, влияющих на их употребление.
4. Выявить корреляции между работой алгоритмических механизмов (ранжирование по показателям вовлеченности, коллаборативная фильтрация) и частотными характеристиками исследуемых лексических единиц.
5. Осуществить типологизацию выявленных неологизмов по тематическим сферам, степени грамматической адаптации и платформенной принадлежности.
6. Сформулировать прогностические оценки относительно перспектив закрепления исследуемых неологизмов в русском языке и направлений их дальнейшей адаптации.

1. Научная новизна и отличие от предшествующих исследований

Научная новизна представленной работы заключается в переосмыслении роли технологического фактора в процессах языковых изменений. В отличие от распространённого подхода, рассматривающего цифровые платформы в качестве нейтральной среды распространения языковых инноваций, авторы обосновывают тезис об активной роли алгоритмических систем, обладающих собственной агентностью и способностью модифицировать языковую норму. В исследовании вводится понятие «алгоритмической диффузии неологизмов», отражающее специфику современного этапа языковых контактов, отличную от традиционных форм (контактной, миграционной, культурной диффузии).

В качестве основной гипотезы исследования выдвигается предположение о том, что распространение таких лексем, как toxic или scam, может быть обусловлено не столько актуализацией соответствующих понятий в молодёжной среде, сколько особенностями алгоритмического ранжирования контента на определённых платформах в конкретный временной период. Проверке данной гипотезы и посвящена настоящая работа.

Системное сопоставление полученных результатов с данными предшествующих исследований позволяет зафиксировать следующие принципиальные различия:

• По факторам заимствования. В классических работах (Л.П. Крысин, М.А. Кронгауз, В.Г. Костомаров) в качестве основных причин назывались потребность в номинации новых реалий, культурное влияние стран-доноров, престижность иностранного языка. В настоящем исследовании в качестве значимого фактора выделяются алгоритмы социальных сетей, способные инициировать вхождение слов, имеющих полные русскоязычные аналоги.
• По каналам распространения. Традиционно основными каналами выступали средства массовой информации, профессиональные сообщества, художественная литература и непосредственные межъязыковые контакты. В современной ситуации доминирующим каналом становятся рекомендательные системы, построенные на технологиях машинного обучения и коллаборативной фильтрации.
• По временным параметрам диффузии. Если ранее процесс заимствования занимал годы и десятилетия, предполагая длительную апробацию в различных социальных группах, то сегодня временной интервал сокращается до нескольких недель. Алгоритмическое продвижение создаёт эффект многократного повторения в рамках ограниченного временного промежутка.
• По характеру участия носителя языка. В классической модели носитель языка выступал активным субъектом выбора, сознательно использующим заимствование для обозначения нового понятия или демонстрации определённого социального статуса. В современной ситуации наблюдается возрастание доли пассивного восприятия, когда слово усваивается вследствие высокой частотности предъявления, независимо от его функциональной необходимости.
• По типологическим характеристикам заимствований. В предыдущие периоды доминировали заимствования терминологического характера (экономическая, техническая, научная лексика). В настоящее время значительную долю составляют единицы эмоционально-оценочного характера, относящиеся к сленгу и разговорной речи.
• По методологическим подходам. Традиционные исследования опирались преимущественно на анализ словарей и письменных текстов. В настоящей работе используется комплексная методика, включающая цифровой дискурс-анализ, изучение алгоритмических механизмов и опросные методы.

2. Теоретические основы исследования

Теоретическую базу исследования составляют классические и современные концепции, рассматривающие процессы распространения инноваций и роль технологических посредников в коммуникации.

Фундаментальное значение для понимания механизмов распространения новых явлений имеет теория диффузии инноваций Э. Роджерса (1962), согласно которой каждое новшество проходит через последовательные стадии принятия различными категориями пользователей. В доцифровую эпоху ключевую роль в этом процессе играли средства массовой информации и межличностная коммуникация.

В условиях цифровой среды функции «привратников», определяющих видимость контента, переходят к алгоритмическим системам. В работе Т. Жительмана (T. Gillespie) «The Relevance of Algorithms» обосновывается тезис о том, что алгоритмы не просто отражают существующую реальность, но и участвуют в её конструировании, определяя иерархию значимости информации. К числу значимых для лингвистики свойств алгоритмов относятся:

• селективность – способность отбирать контент на основе анализа поведенческих паттернов пользователя;
• циркулярность – формирование петель обратной связи, усиливающих первоначальные предпочтения;
• непрозрачность – отсутствие у пользователя информации о критериях ранжирования, что создаёт иллюзию естественности возникающей картины.

В проекции на языковые процессы это означает, что лексема, первоначально функционировавшая в узкой социальной группе, при определённых условиях может быть подхвачена алгоритмом и тиражирована для значительно более широкой аудитории, не связанной с исходным контекстом употребления. Возникает феномен, который может быть обозначен как «вирусная лексика».

Дополнительную теоретическую опору составляют работы Л.Ю. Щипицыной, посвящённые компьютерно-опосредованной коммуникации, а также исследования Э. Паризера (E. Pariser) о формировании «информационных пузырей» и Дж. Циттрейна (J. Zittrain) о скрытых последствиях персонализации цифрового контента.

3. Методика и организация исследования

Исследование проводилось в несколько этапов с использованием комплекса методов, обеспечивающих репрезентативность полученных данных.

3.1. Процедура сбора материала

На первом этапе осуществлялся сбор эмпирического материала методом цифрового дискурс-анализа. Общий объём проанализированных текстовых единиц составил 450 позиций, включающих:

• посты в популярных молодёжных сообществах «ВКонтакте» (отбор производился на основе рейтингов агрегатора социальной статистики);
• комментарии к вирусным видеороликам в приложениях для коротких видео (отбирались видео с количеством просмотров не менее 10 000);
• расшифровки аудиодорожек видео, маркированных хэштегами #рек, #сленг, #молодежныйсленг.

3.2. Социолингвистическое анкетирование

На втором этапе проведено онлайн-анкетирование с использованием платформы электронных форм. В опросе приняли участие 120 респондентов, соответствующих следующим критериям: возраст от 14 до 25 лет, активное использование социальных сетей (не менее 2 часов ежедневно), проживание на территории Российской Федерации. Географическое распределение: Москва (40%), Казань (30%), Екатеринбург (20%), другие населённые пункты (10%).

3.3. Экспертные интервью

Для углублённого понимания механизмов формирования вирусного контента проведено три полуструктурированных интервью с администраторами и модераторами студенческих сообществ «ВКонтакте», совокупная аудитория которых превышает 500 000 подписчиков.

3.4. Методы обработки данных

Обработка полученных данных осуществлялась с применением методов статистического анализа (расчёт частотных характеристик, выявление корреляционных зависимостей), контекстуального анализа (выявление семантических сдвигов в употреблении лексем) и сравнительно-сопоставительного анализа (сопоставление с данными предшествующих исследований).

4. Результаты и их интерпретация

4.1. Состав и характеристики исследуемых неологизмов

В результате проведённого анализа был выделен ряд лексем, демонстрирующих устойчивую связь с алгоритмическим продвижением на конкретных платформах.

Лексема cringe (кринж). Фиксируется преимущественное влияние платформ для коротких видеороликов. Согласно данным опроса, 78% респондентов отметили, что начали употреблять данное слово после его многократного появления в рекомендательных лентах в осенний период 2022 года. При наличии русскоязычных соответствий («стыд», «неловкость») респонденты отдают предпочтение англицизму, мотивируя это большей эмоциональной насыщенностью или следованием речевой моде.

Лексема toxic (токсик). Основным каналом распространения выступили психологические паблики «ВКонтакте» и мессенджерные каналы. Популяризация слова связана с ростом интереса к тематике межличностных отношений и психологического насилия.

Лексема scam (скам). Распространение лексемы преимущественно связано с каналами, специализирующимися на разоблачении мошеннических схем. Характерно наличие многочисленных русскоязычных синонимов («обман», «мошенничество», «развод», «лохотрон»), что позволяет рассматривать данное заимствование как избыточное с номинативной точки зрения.

Лексема random (рандомный). Источником распространения послужили игровые стримы на платформе Twitch и связанный с ними контент в приложениях для коротких видео.

Лексема easy (изи). Популяризация связана с вирусными видеороликами, демонстрирующими лёгкое выполнение сложных действий. Используется преимущественно в качестве одобрительной реакции.

Лексемы flex (флекс), creepy (криповый). Данные единицы демонстрируют более узкую сферу употребления, однако также обнаруживают связь с определёнными типами платформенного контента (видео с демонстрацией статуса, хоррор-истории).

Лексема cooked (кукд). Рост популярности в 2025 г. инициирован алгоритмами TikTok. Из геймерского дискурса ('побежденный') лексема стала универсальным предикатом состояния ('я устал', 'все пропало'). 67% респондентов впервые встретили слово в рекомендательной ленте TikTok.

Лексема trauma dumping (траума дампинг). Распространение через психологические паблики VK и Telegram в 2024–2025 гг. Алгоритмы, фиксируя вовлеченность, способствовали переходу термина из специальной лексики в общеупотребительный сленг.

Лексема rug pull (раг пулл). Связана с Telegram-каналами о криптовалютах. В 2024–2025 гг. выходит за пределы криптоаудитории, метафорически обозначая любой обман с нарушенными обещаниями.

Лексема demure (демьюр). Вирализация через TikTok в конце 2024 г. Тренд, высмеивающий 'скромность', ввел лексему в активный словарь исключительно через алгоритмическое тиражирование.

Примечательным результатом опроса является то, что 65% респондентов осознают наличие русскоязычных аналогов используемых англицизмов, однако предпочитают заимствования, объясняя это их большей краткостью, экспрессивностью или соответствием актуальным речевым практикам.

4.2. Механизм алгоритмической диффузии

Обобщение данных интервью и анализа поведенческих паттернов позволяет реконструировать механизм внедрения неологизма через алгоритмические системы в виде последовательности этапов.

Этап генерации. Первичное появление лексемы в вирусном видеоролике, набирающем значительное количество просмотров. Критически важным фактором является эмоциональная нагруженность момента произнесения слова.

Этап экспоненциального роста. Алгоритмическая система фиксирует высокие показатели вовлечённости (лайки, комментарии, длительность просмотра) и начинает транслировать контент смежным пользовательским сегментам. Лексема закрепляется в метаданных (описание, хэштеги, аудиодорожка), приобретая статус поискового маркера.

Этап лексической инфекции. Пользователь сталкивается с лексемой многократно (по разным оценкам, от 5 до 10 раз в день) в различных контекстуальных окружениях. Срабатывает психологический механизм, известный как эффект простого присутствия в поле зрения (mere-exposure effect, Р. Зайонц): повторяющаяся стимуляция снижает первоначальное отторжение и формирует позитивное или нейтральное отношение.

Этап воспроизводства. На определённом этапе пользователь начинает самостоятельно использовать лексему в комментариях и устной речи. Употребление актуального сленга выполняет функцию социального маркера, сигнализирующего о принадлежности к референтной группе и осведомлённости о текущих трендах.

4.3. Особенности грамматической адаптации

Анализ собранного материала свидетельствует об активных процессах грамматического освоения заимствований. Молодёжная речь демонстрирует многочисленные примеры гибридных образований, сочетающих иноязычные корни с русскими словообразовательными элементами:

• адъективные формы: кринжёвый (cringe + суффикс -ёв-);
• глагольные формы: скамить, заскамить (scam + глагольные аффиксы);
• префиксальные образования: покринжевать, зафлексить.

Алгоритмическое тиражирование способствует закреплению именно таких гибридных форм, поскольку именно они фигурируют в пользовательском контенте, попадающем в рекомендательные ленты.

4.4. Платформенная дифференциация лексики

Наблюдается отчётливая связь между типом платформы и характером продвигаемой лексики:

• приложения для коротких видеороликов выступают фактором распространения эмоционально-оценочной лексики, что объясняется форматом контента, требующим быстрой эмоциональной реакции;
• «ВКонтакте» способствует закреплению лексики, связанной с психологической тематикой и межличностными отношениями, благодаря возможности развёрнутых обсуждений;
• мессенджеры обеспечивают распространение лексики из сферы информационной безопасности и финансовых операций, что связано с форматом новостных каналов;
• стриминговые платформы являются источником геймерского сленга, постепенно проникающего в общеупотребительную лексику.

5. Прогностические оценки и направления дальнейших исследований

Обобщение полученных данных позволяет сформулировать некоторые прогнозы относительно дальнейшей динамики исследуемых лексических единиц.

Частичная деактуализация. Лексемы, жёстко привязанные к конкретным медийным событиям или интернет-мемам, с высокой вероятностью утратят актуальность по мере исчерпания соответствующего информационного повода.

Грамматикализация. Наиболее частотные единицы (кринж, токсик, флекс) будут интегрированы в словообразовательную систему русского языка с формированием разветвлённых словообразовательных гнёзд.

Стилистическая нейтрализация. Часть лексем может утратить маркированность как чужеродных элементов и войти в разговорный стандарт, подобно тому как это произошло ранее с заимствованиями «компьютер», «драйв», «имидж».

Перспективные направления дальнейших исследований включают:

• изучение влияния алгоритмических систем на синтаксические структуры, характерные для цифровой коммуникации;
• анализ воздействия голосовых интерфейсов на произносительные нормы заимствований;
• сопоставительное исследование алгоритмического влияния на лексику в различных национальных сегментах интернета.

Заключение

Проведённое исследование позволяет зафиксировать существенную трансформацию механизмов языкового заимствования в современных условиях. Если на предшествующих этапах доминирующими факторами выступали номинативная необходимость и культурное влияние, то в настоящее время значительную роль приобретает технологический фактор, связанный с функционированием алгоритмических систем социальных сетей.

Социальные платформы выступают не только средой функционирования языка, но и активным инструментом его модификации, действующим в режиме реального времени. Алгоритмы, ориентированные на максимизацию пользовательского удержания, объективно выполняют функцию формирователей лексических трендов. Молодёжная аудитория, адаптируясь к языку рекомендательных лент, усваивает и воспроизводит англоязычные элементы, закрепляя их в повседневной коммуникации.

Результаты проведённого анализа подтверждают исходную гипотезу: распространение таких лексем, как toxic или scam, в значительной степени обусловлено не столько актуализацией соответствующих понятий в молодёжной среде, сколько особенностями алгоритмического ранжирования контента. Это свидетельствует о необходимости обновления понятийного аппарата социолингвистики и включения в исследовательский оборот таких категорий, как «алгоритмическая агентность», «информационный пузырь», «цифровая диффузия». Учёт работы рекомендательных систем представляется необходимым условием адекватного описания языковых процессов, происходящих в современном русском языке и других национальных языках в глобальном цифровом пространстве.

1. Костомаров В.Г. Языковой вкус эпохи: наблюдения над речевой практикой масс-медиа / В.Г. Костомаров. – М.: Педагогика-Пресс, 1994. – 248 с.
2. Крысин Л.П. Иноязычные слова в современном русском языке / Л.П. Крысин. – М.: Наука, 2008. – 256 с.
3. Кронгауз М.А. Русский язык на грани нервного срыва / М.А. Кронгауз. – М.: АСТ: Астрель, 2017. – 512 с.
4. Щипицына Л.Ю. Компьютерно-опосредованная коммуникация: лингвистический аспект анализа / Л.Ю. Щипицына. – М.: Либроком, 2010. – 296 с.
5. Gillespie T. The Relevance of Algorithms / T. Gillespie // Media Technologies: Essays on Communication, Materiality, and Society / Ed. by T. Gillespie, P.J. Boczkowski, K.A. Foot. – Cambridge, MA: MIT Press, 2014. – P. 167–194.
6. Pariser E. The Filter Bubble: What the Internet Is Hiding from You / E. Pariser. – New York: Penguin Press, 2011. – 304 p.
7. Rogers E.M. Diffusion of Innovations / E.M. Rogers. – 5th ed. – New York: Free Press, 2003. – 576 p.

Список источников
9. Zittrain J. The Future of the Internet – And How to Stop It [Электронный ресурс] / J. Zittrain. – New Haven; London: Yale University Press, 2008. – 352 p. – URL: https://yalebooks.yale.edu/book/9780300124873/future-of-the-internet/ (дата обращения: 24.02.2026).