Дерюгин П.П., Давыдов С.А., Алексеева О.М., Ли Миньсюан Алгоритмическая селекция общества: таргетинговые фильтры и новые грани социальной стратификации

Научная статья
УДК 316.342
https://doi.org/10.24158/tipor.2026.7.2
 
Алгоритмическая селекция общества:
таргетинговые фильтры и новые грани социальной стратификации
 
Павел Петрович Дерюгин¹, Сергей Анатольевич Давыдов²,
Ольга Максимовна Алексеева³, Ли Миньсюан^4
1,4Санкт-Петербургский государственный университет, Санкт-Петербург, Россия,
¹Санкт-Петербургский государственный электротехнический университет «ЛЭТИ»
имени В.И. Ульянова (Ленина), Санкт-Петербург, Россия,
¹Социологический институт Российской академии наук – филиал Федерального
научно-исследовательского социологического центра Российской академии наук,
Санкт-Петербург, Россия,
²Санкт-Петербургский государственный экономический университет,
Санкт-Петербург, Россия,
³Центр содействия адаптации детей-инофонов, Корпоративный университет развития,
Москва, Россия,
¹deriuginpav@yandex.ru, https://orcid.org/0000-0002-5380-8498
²licurg@inbox.ru, https://orcid.org/0000-0002-5043-9543
³leliaal@mail.ru, https://orcid.org/0009-0003-0834-2515
⁴limingxuan4869221@gmail.com, https://orcid.org/0009-0009-4925-569X
 
Аннотация. Алгоритмическая стратификация информационного пространства создает новые формы социального неравенства, основанные на доступе к релевантной информации. Таргетинг способствует изоляции пользователей от альтернативных точек зрения, усиливая поляризацию общества. Несмотря на риски усиления дискриминации, технологии таргетинга содержат потенциал для преодоления неравенства при условии осознанного управления их развитием в интересах всего общества. Систематизированы методологические основания исследований и индикаторы измерений технологий таргетинга в социологии. Показаны направления влияния алгоритмического таргетинга на формирование социально дезориентированных групп, включая распад традиционных связей, манипулятивные воздействия, системное исключение из целевой аудитории. Предлагаются направления для минимизации негативных последствий таргетинга, предполагающие обучение алгоритмов на репрезентативных данных, проектирование платформ с учетом принципов доступности, использование цифровой стратификации для выявления и устранения системных дисбалансов.
Ключевые слова: таргетинг, алгоритмическая стратификация, информационные пузыри, социальная сегрегация, цифровое неравенство, персонализация контента, социальная стратификация, общество дополненной современности
Финансирование: работа выполнена при финансовой поддержке гранта РНФ (проект № 24-18-00261 «Социоструктурная модель перехода российского общества в режим дополненной современности»).
Для цитирования: Дерюгин П.П., Давыдов С.А., Алексеева О.М., Ли Миньсюан. Алгоритмическая селекция общества: таргетинговые фильтры и новые грани социальной стратификации // Теория и практика общественного развития. 2026. № 7. С. 34–43. https://doi.org/10.24158/tipor.2026.7.2.
 
Original article
 
Algorithmic Selection of Society:
Targeting Filters and New Dimensions of Social Stratification
 
Pavel P. Deryugin¹, Sergey A. Davydov²,
Olga M. Alekseeva³, Li Minxuan^4
1,4St. Petersburg State University, St. Petersburg, Russia,
¹St. Petersburg Electrotechnical University “LETI” named after V.I. Ulyanov (Lenin),
St. Petersburg, Russia,
¹Institute of Sociology of the Russian Academy of Sciences – Branch of the Federal
Research Center of Sociology of the Russian Academy of Sciences,
St. Petersburg, Russia,
²St. Petersburg State University of Economics,
St. Petersburg, Russia,
³Corporate University for Development,
Moscow, Russia,
¹deriuginpav@yandex.ru, https://orcid.org/0000-0002-5380-8498
²licurg@inbox.ru, https://orcid.org/0000-0002-5043-9543
³leliaal@mail.ru, https://orcid.org/0009-0003-0834-2515
⁴limingxuan4869221@gmail.com, https://orcid.org/0009-0009-4925-569X
 
Abstract. Algorithmic stratification of the information space creates new forms of social inequality based on access to relevant information. Targeting contributes to the isolation of users from alternative viewpoints of view, intensifying social polarization. Despite the risks of increased discrimination, targeting technologies have the potential to overcome inequality provided that their development is consciously managed for the benefit of society as a whole. The article demonstrates methodological foundations of research for targeting technologies in social science. The article shows the impact of algorithmic targeting on the formation of socially disoriented groups, including the breakdown of traditional ties, manipulative influences, and systemic exclusion from the target audience. The approaches to minimizing the negative consequences of targeting, including training algorithms on representative data, designing platforms in accordance with accessibility principles, and using digital stratification to identify and eliminate systemic imbalances.
Keywords: targeting, algorithmic stratification, information bubbles, social segregation, digital inequality, content personalization, social stratification, society of augmented modernity
Funding: This study was financed by the Russian Science Foundation, grant number 24-18-00261 “Sociostructural Model of the Transition of Russian Society to the Mode of Augmented Modernity”).
For citation: Deryugin, P.P., Davydov, S.A., Alekseeva, O.M. & Li Minxuan (2026) Algorithmic Selection of Society: Targeting Filters and New Dimensions of Social Stratification. Theory and Practice of Social Development. (7), 34–43. Available from: doi:10.24158/tipor.2026.7.2 (In Russian).

© Дерюгин П.П., Давыдов С.А., Алексеева О.М., Ли Миньсюан, 2026

Список источников:
 
Амбарова П.А. Социальная фрагментация сообществ в современной России: в поисках социологической теории // Социологические исследования. 2022. № 1. С. 41–51. https://doi.org/10.31857/S013216250017229-4.
Вебер М. Основные понятия стратификации // Социологические исследования. 1994. № 5. С. 147–156.
Веблен Т. Теория праздного класса. М., 1984. 367 с.
Зиммель Г. Избранное. Т. 2: Созерцание жизни. М., 1996. 607 с.
Зомбарт В. Собрание сочинений : в 3 т. М., 2008. Т. 3: Исследования по истории развития современного капитализма. 478 с.
Ильин А.Н. Социальная атомизация и ослабление политической активности в условиях консюмеризма // Информационный гуманитарный портал Знание. Понимание. Умение. 2015. № 5. С. 58–82.
Коулман Дж. Капитал социальный и человеческий // Общественные науки и современность. 2001. № 3. С. 122–139.
Лейбенстайн Х. Аллокативная эффективность в сравнении с «Х-эффективностью» // Теория фирмы. СПб., 1995. С. 477–506.
Марченко О.М. X-неэффективность фирм (модель Х. Лебенстайна): теория и российская практика // Новый университет. Серия: Экономика и право. 2013. № 12 (34). С. 110–113.
Никитина С.А., Болтачева Е.Р. Разработка архитектуры нейронной сети для классификации пользователей по комментариям // Вестник кибернетики. 2024. Т. 23, № 2. С. 49–56. https://doi.org/10.35266/1999-7604-2024-2-6.
Оразбаева А.Р. Цифровая асимметрия и вызовы стратегического PR в эпоху алгоритмического неравенства // Актуальные исследования. 2025. № 30-2 (265). С. 46–51. https://doi.org/10.5281/zenodo.16455675.
Резбаев В.М. О концептуальных основах и особенностях перехода к инфляционному таргетированию // Проблемы востоковедения. 2010. № 1 (47). С. 21–26.
Смит А. Теория нравственных чувств. М., 1997. 350 с.
Фромм Э. Анатомия человеческой деструктивности. М., 2007. 621 с.
Хевтагогические стратегии обучения маркетологов в условиях технологической акселерации / Е.В. Мищенко [и др.] // Прикладные экономические исследования. 2026. № 1. С. 221–228. https://doi.org/10.47576/2949-1908.2026.1.1.026.
Худяков В.В., Ананьев А.А. Цифровые следы // Криминологический журнал. 2023. № 4. С. 243–246. https://doi.org/10.24412/2687-0185-2023-4-243-246.
Baudrillard J. Ecstasy of Communication // The AntiAesthetic: Essays on Postmodern Culture. Port Townsend, 1983. P. 126–133.
Mau S. Numbers Matter! The Society of Indicators, Scores and Ratings // International Studies in Sociology of Education. 2020. Vol. 29, iss. 1–2. P. 19–37. https://doi.org/10.1080/09620214.2019.1668287.
 
References:
 
Ambarova, P.A. (2022) Social Fragmentation of Communities in Modern Russia: in Search of a Sociological Theory. Sotsiologicheskie Issledovaniya. (1), 41–51. Available from: doi:10.31857/S013216250017229-4. (In Russian)
Baudrillard, J. (1983) Ecstasy of Communication. In: The AntiAesthetic: Essays on Postmodern Culture. Port Townsend, pp. 126–133.
Fromm, E. (2007) Anatomiya chelovecheskoi destruktivnosti [The Anatomy of Human Destructiveness]. Moscow. 621 p. (In Russian)
Ilyin, A.N. (2015) Social Atomization and the Slackening of Political Activity under Conditions of Consumerism. Informacionnyj gumanitarnyj portal Znanie. Ponimanie. Umenie. (5), 58–82. (In Russian)
Khudyakov, V.V. & Ananyev, A.A. (2023) Digital traces. Criminological Journal. (4), 243–246. Available from: doi:10.24412/2687-0185-2023-4-243-246 (In Russian)
Coleman, J. (2001) Kapital sotsial’nyi i chelovecheskii [Social and Human Capital]. Social Sciences and Contemporary World. (3), 122–139. (In Russian)
Leibenstein, H. (1995) Allokativnaya ehffektivnost’ v sravnenii s «Kh-ehffektivnost’yu» [Allocative Efficiency vs. “X-Efficiency”]. In: Teoriya firmy. St. Petersburg, pp. 477–506. (In Russian)
Marchenko, O.M. (2013) X-neehffektivnost’ firm (model’ Kh. Lebenstaina): teoriya i rossiiskaya praktika [X-Inefficiency of Firms (H. Lebenstein’s Model): Theory and Russian Practice]. Novyi universitet. Seriya: Ehkonomika i pravo. (12 (34)), pp. 110–113. (In Russian)
Mau, S. (2020) Numbers Matter! The Society of Indicators, Scores and Ratings. International Studies in Sociology of Education. 29 (1–2), 19–37. Available from: doi:10.1080/09620214.2019.1668287.
Mishchenko, E.V., Grechina, I.V., Klimovich, K.I. & Alekseev, D.V. (2026) Heutagogical Strategies for Training Marketers in the Context of Technological Acceleration. Applied Economic Research. (1), 221–228. Available from: doi:10.47576/2949-1908.2026.1.1.026. (In Russian)
Nikitina, S.A. & Boltacheva, E.R. (2024) Developing a Neural Network Architecture to Perform User Segmentation with Targeted Advertising. Proceedings in Cybernetics. 23 (2), 49–56. Available from: doi:10.35266/1999-7604-2024-2-6. (In Russian)
Orazbayeva, A. (2025) Digital Asymmetry and Challenges of Strategic PR in the Era of Algorithmic Inequality. Aktual’nye issledovaniya (30-2 (265)), 46–51. Available from: doi:10.5281/zenodo.16455675. (In Russian)
Rezbayev, V.M. (2010) On Conceptual Foundations and Peculiarities of Transition to Inflation Targeting. The Problems of Oriental Studies. (1 (47)), 21–26. (In Russian)
Smith, A. (1997) Teoriya nravstvennykh chuvstv [The Theory of Moral Sentiments]. Moscow. 350 p. (In Russian)
Weber, M. (1994) Osnovnye ponyatiya stratifikacii [Basic Concepts of Stratification]. Sociologicheskie issledovaniya. (5), 147–156. (In Russian)
Veblen, T. (1984) Teoriya prazdnogo klassa [The Theory of the Leisure Class]. Moscow. 367 p. (In Russian)
Simmel, G. (1996) Izbrannoe. T. 2: Sozercanie zhizni [Selected Works. Vol. 2: Contemplation of Life]. Moscow. 607 p. (In Russian)
Sombart, W. (2008) Sobranie sochinenij. T. 3: Issledovaniya po istorii razvitiya sovremennogo kapitalizma [Collected Works. Vol. 3: Studies in the History of the Development of Modern Capitalism]. Moscow. 478 p. (In Russian)