В условиях глобального роста политической напряженности и повсеместного учащения протестных выступлений изучение динамики аффективной поляризации становится все более актуальным. Этот феномен, ранее доминировавший в политическом ландшафте США и изучавшийся сквозь призму партийной принадлежности, приобретает значение и в других странах. Распространение аффективной поляризации фиксируется и для России, имеющей богатую историю политических размежеваний. Несмотря на актуальность темы, исследования аффективной поляризации сталкиваются с проблемой разработки объективных и нереактивных методов анализа, свободных от предвзятости традиционных опросов. Кроме того, открытым остается вопрос о связи аффективной поляризации и политической мобилизации - действительно ли эти явления, развивающиеся схожими трендами, усиливают друг друга? Этот вопрос является основной гипотезой исследования. Для ее тестирования предложена методология, основанная на машинном обучении: спектральной кластеризации, тематическом моделировании BERTopic и энтропии Шеннона. В качестве эмпирической базы использованы первичные данные сообщений социальной сети «ВКонтакте», собранные в период летних протестов 2019 г. в Москве и представляющие собой сообщения пользователей, в которых выражен язык ненависти (как основной индикатор аффективной поляризации). Результаты подтвердили выдвинутую гипотезу: обнаружено статистически значимое увеличение энтропии Шеннона и выявление поляризованных тематик в период протестной мобилизации. Это свидетельствует о том, что политическая мобилизация действительно положительно связана с распространением аффективной поляризации. Разработанная методология позволяет проводить объективный анализ политических процессов и может быть использована для мониторинга и оценки рисков, связанных с эскалацией социальной напряженности.
Исследование предлагает новую методологическую основу для анализа ключевых социально-психологических процессов - внутригруппового сплочения и аффективной поляризации - в цифровых медиа в периоды кризисов. На примере эмоциональной динамики в русскоязычных Telegram-каналах (2.5 тыс. каналов, 1.2 млн сообщений) за месяц до и после начала Специальной военной операции (СВО) демонстрируется асимметричная трансформация: усиление позитивной консолидации внутри идеологически близких сообществ на фоне роста межгрупповой поляризации, особенно во внешних связях. Используя методы машинного обучения, обработки текстовых данных и сетевого анализа, работа не только фиксирует специфику реакции на конкретное событие - триггер, но и вносит вклад в теорию социальной идентичности, подчеркивая фундаментальную роль эмоциональных границ в формировании цифровых сообществ, что сохраняет актуальность для понимания динамики социальных сетей в условиях современных конфликтов и расколов.