Cluster Approach to the Description of Youth Slang in Internet Communication

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

The aim of the study is to substantiate the effectiveness of the cluster approach in classifying and systematizing youth slang in modern Internet communication. The study is based on data from the Russian-language social networks VKontakte and Telegram. To achieve this goal, the following methods are used: contextual and definitional analysis, content analysis, cluster analysis and thematic classification. The main thematic clusters and subclusters that combine youth slang vocabulary in meaning, context of use and emotional coloring into a single system are identified, which made it possible to identify patterns of formation and functioning of youth slang in modern Russian linguoculture.

Авторлар туралы

Julia Kartavtseva

Kuban State Technological University

Хат алмасуға жауапты Автор.
Email: kartav-yuliya@mail.ru

Senior Lecturer, Russian Language Department at the Institute of Fundamental Sciences, Kuban State Technological University

Ресей

Zaineta Khachmafova

Adyghe State University

Email: zaineta@nextmail.ru

Doctor of Philology (Dr. habil.), Professor, Head of the Department of French and German Philology

Ресей

Әдебиет тізімі

  1. Zimareva, O. L., Pesina, S. A. (2019). Cluster Analysis of Polysemous Word Semantic Structure in the Light of Invariant Theory. RUDN Journal of Language Studies, Semiotics and Semantics, 10(4), 860–870. (In Russ.)
  2. Tang, L. (2024). Linguistic politeness in social networks. Synthese, 203(6), 204. doi: 10.1007/s11229-024-04642-8.
  3. Kurochkina, M. A., Kushneruk, S. L. (2023). Linguocognitive markers of the loss of personal identity in the era of social networks. Cognitive studies of language, 3–1(54), 360–365 (In Russ.)
  4. Guseynova, I. A., Gorozhanov, A. I., Kudinova, E. S. (2021). Translationgenius and social networks. Science Journal of Volgograd State University. Linguistics, 20(3), 55–64. doi: 10.15688/jvolsu2.2021.3.5.
  5. Kamalidin, K. E. (2024). Language and communication style in social networks vkontakte and wechat. Mir nauki, kultury, obrazovaniya, 2(105), 384–386. doi: 10.24412/1991-5497-2024-2105-384-386. (In Russ.)
  6. Khomyakov, V. A. (1980). Nestandartnaya leksika v strukture anglijskogo yazyka nacional’nogo perioda = Non-standard vocabulary in the structure of the English language of the national period: abstract of senior doctoral thesis in philology. (In Russ.)
  7. Rozina, R. I. (2002). Kategorial’nyj sdvig aktantov v semanticheskoj derivacii = Categorical shift of actants in semantic derivation. Voprosy Jazykoznanija, 2, 3–15. (In Russ.)
  8. Orlova, N. O. (2004). Sleng vs zhargon: problema definicii = Slang vs jargon: the problem of definition. Yaroslavl Pedagogical Bulletin, 3(40), 36–39. (In Russ.)
  9. Khrolenko, A. T. (2009). Osnovy lingvokul’turologii = Fundamentals of linguoculturology. 5th ed. Moscow: FLINTA. (In Russ.)
  10. Komalova, L. R. (2016). Tipologiya mul’tilingval’noj verbalizacii ehmocional’nogo sostoyaniya “agressiYA”: na materiale raznosistemnykh dannykh korpusnoj lingvistiki = Typology of multilingual verbalization of aggression on the basis of heterogeneous system data of corpus linguistics: senior doctoral thesis in philology. Moscow. (In Russ.)
  11. Vlasyuk, O. I. (2018). Klastery sluzhebnykh slov vo fraze: tipichnye morfologo-semanticheskie modeli soedinenij i ikh prosodicheskaya struktura = Clusters of service words in a phrase: typical morphological and semantic models of compounds and their prosodic structure // Lingvistika, lingvodidaktika, lingvokul’turologiya (pp. 8–11): current issues and development prospects: proceedings of the II International Scientific and Practical Conference, Minsk, March 1–2, 2018. Minsk: Belarusian State University. (In Russ.)
  12. Bulyga, F. S., Kureichik, V. M. (2021). Algoritmy aglomerativnoj klasterizacii primenitel‘no k zadacham analiza lingvisticheskoj ehkspertnoj informacii = Algorithms of agglomerative clustering applied to the tasks of analyzing linguistic expert information. Izvestiya SFU. Izvestiya YUFU. Tekhnicheskie nauki, 6(223), 73–88. (In Russ.)
  13. Buyanova, L. Y. (2023). Cluster as a categorical classification structure of terms systematization: prezentative-integration aspect. Cognitive studies of language, 1(52), 147–152. (In Russ.)
  14. Khorosheva, N. V., Madey, E. D. (2023). Actualization of emotive meanings in translations of A. P. Chekhov’s plays: a cluster approach. Language and culture, 63, 77–99. (In Russ.)

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу


Creative Commons License
Бұл мақала лицензия бойынша қолжетімді Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».