Репрезентации аутизма в цифровом пространстве: траектории дискурса социальных медиа

В России и в мире в целом наблюдается рост числа детей с аутизмом, что актуализирует вопросы социальной инклюзии. Большое значение для решения вопросов стигматизации и депривации людей с расстройством аутистического спектра (РАС) как научной и практической проблемы играют социальные медиа, которые отражают и задают траектории информированности, осмысления и социальных оценок ситуации. Цель исследования – выявить тенденции изменения дискурса об аутизме в социальных медиа в контексте оценки влияния на социальное восприятие людей с РАС. На основании сравнительного анализа сообщений социальных медиа 2018 и 2025 гг. выявлены тенденции изменения объема и структуры сообщений, маскулинизации дискурса, позитивизации тональности сообщений. Интерпретативный анализ наиболее популярных сообщений позволяет предположить смену траекторий дискурса с локальных семейных и бюрократических историй на глобальные сенсационные сценарии, в которых размывается экспертная повестка. Практическая значимость работы заключается в выявлении механизмов формирования общественного мнения о людях с РАС в цифровой среде, что важно для разработки стратегий социальной инклюзии и противодействия стигматизации.

1. Аутизм. Основные факты. URL: https://www.who.int/ru/news-room/fact-sheets/detail/autismspectrum-disorders (дата обращения: 15.05.2026).

2. В России впервые посчитали детей с аутизмом. URL: https://runews24.ru/society/15/05/2026/vrossii-vpervyie-poschitali-detej-s-autizmom-rezultat-shokiroval (дата обращения: 16.05.2026).

3. 6A02 Autism spectrum disorder // ICD-11 for Mortality and Morbidity Statistics. URL: https://icd.who.int/browse/2024-01/mms/en#437815624 (дата обращения: 15.05.2026).

4. Курюкин А.Н. Социально-экономические и правовые аспекты развития социальных сетей в России в 2020-е годы // Социальные и политические науки. 2025. Том 15. № 6. С. 78–91.

5. Сервис мониторинга социальных сетей. URL: https://www.mlg.ru/products/smm/ (дата обращения: 14.05.2026).

6. Ogbuokiri B., Obaido G., Kamalu Ch., Aruleba K., Achilonu O., Mienye I., Echezona S., Ujah-Ogbuagu B., Seyyed-Kalantari L. Cross-domain fairness audit of sentiment label bias in foundation models: Comparing human and machine annotations on tweets and reviews // Machine Learning with Applications. 2025. Vol. 21. URL: https://doi.org/10.1016/j.mlwa.2025.100717. https://www.sciencedirect.com/science/article/pii/S2666827025001008 (дата обращения: 16.05.2026).

7. Домбровская А.Ю., Бродовская Е.В. Оценка релевантности идентификации текстов об эмиграции большими языковыми моделями для мониторинга социальных медиа // Вестник Московского университета. Сер.10. Журналистика. 2025. № 5. С. 209–232.

8. Медиалогия обновила систему мониторинга соцсетей. URL: https://www.mlg.ru/blog/features/medialogiya-obnovila-sistemu-monitoringa-sotssetey-/ (дата обращения: 15.05.2026).

9. Савельева Ж.В. Аутизм в дискурсе российских медиа: конструирование образа человека с РАС // Вестник «Биомедицина и социология». 2020. Т. 5. № 4. С. 37–43.