CC BY
89
Вестник Челябинского государственного университета.
2017. № 12 (408). Филологические науки. Вып. 110. С. 129—135.
УДК 009
АНАЛИЗ КОММУНИКАТИВНОЙ АКТИВНОСТИ ПРОТЕСТНЫХ ГРУПП В СОЦИАЛЬНЫХ СЕТЯХ МЕТОДАМИ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ
А. А. Морозова, К. Н. Кальярова
Челябинский государственный университет. Челябинск, Россия
Исследование проведено за счет гранта Президента Российской Федерации для государственной поддержки молодых
российских ученых МК 7210.2016.6
В статье рассматривается проблема изучения социальных сетей как площадки для координации протестных движений. Анализируется возможность применения на практике методов математического моделирования, реализованных в современном программном обеспечении для исследования онлайн-сообществ. На примере построения и изучения графа группы в социальной сети «ВКонтак-те» «СТОП ГОК/Группа по проблеме Томинского ГОКа» демонстрируется эффективность выбранной методики.
Ключевые слова: математическое моделирование, протестные движения, социальные медиа, социальные сети, теория графов.
Термин «социальные сети» значим не только для специалистов, связанных с цифровой коммуникацией, но и для обширного круга исследователей, в фокусе внимания которых оказывается общение людей в самом широком смысле, так как оно стало играть заметную роль в политической, культурной сферах, влиять на общественное мнение. Как пишет Д. В. Руденок, «социальная сеть на данный момент представляет собой не просто глобальную виртуальную площадку для общения, но еще и платформу для внедрения интерактивных медиатехнологий, которая играет огромную роль в формировании общественного мнения и современного информационного пространства в целом» [7. С. 86-87]. Возникает потребность исследовать коммуникативное поведение пользователей социальных сетей, объяснить его риски и эффекты. Однако обнаруживается проблема выработки методологии исследований и использования конкретных методов для изучения поведения пользователей.
Сегодня появляются новые методы изучения социальной деятельности различных субъектов, позволяющие обрабатывать большие данные: корпусная лингвистика, математическое моделирование. Разновидностью последнего является сетевое моделирование. В основе сетевого моделирования социальных процессов лежит отдельная философия анализа данных, которая позволяет для решения социологических задач комбинировать различные математические подходы: статистические, кибернетические, си-
стемные, имитационные. Сетевой анализ помогает моделировать структурные взаимодействия между социальными единицами: людьми, коллективами, организациями. Анализ социальных сетей сегодня широко применяется в экономике и управлении, в социологии, в медицине (например, при изучении путей распространения инфекционных заболеваний), в криминалистике (террористические сети, сети распространения наркотиков и т. п.) [3].
Обратившись к российскому опыту и вспомнив электоральный цикл 2011-2012 гг., сможем проанализировать, какую роль социальные медиа сыграли в продвижении протестных настроений.
Из-за отсутствия полноценных конкурентных выборов и при фактическом запрете на создание новых партий значительная часть российских идеологически ориентированных политиков была лишена возможности строить стандартную политическую карьеру, превратившись в партийных активистов. Оппозиционеры, лишившись возможности осуществлять коммуникацию с электоратом посредством традиционных СМИ, были вынуждены искать другие формы взаимодействия. Вместо подготовки к следующим выборам и работы с избирателями активисты занялись формированием протестного электората посредством социальных медиа и сетей, которые в меньшей степени подвергаются жесткой цензуре со стороны официальных властей. В социальных сетях стали появляться организации, состоящие из одних активистов без общепризнанных
лидеров. В них бурлила жизнь, стала складываться сложная система напряженных межличностных взаимоотношений, возникали и разрешались конфликты, по итогам горячих дебатов принимались принципиальные резолюции, проходили конкурентные выборы. Иначе говоря, здесь присутствовали почти все атрибуты той же политической игры, что в и традиционном пространстве, с той разницей, что деятельность в социальных сетях не требовала серьезных денежных вложений и организационных мероприятий, а внешний мир не проявлял к этим событиям особого интереса.
На первых этапах широкого внедрения про-тестных настроений в сознание пользователей российского Интернета активисты заручились поддержкой довольно значительного числа сторонников. Аккумулируя общественный протест в сетевых сообществах, постоянно поддерживая высокий градус социального негодования участников, оппозиционерам удалось расширить аудиторию своих сторонников. В эти группы стали вступать не столько политически ангажированные, сколько социально активные люди, склонные к критичному отношению.
Одновременно в «не-цифровой» реальности для привлечения внимания онлайн и оффлайн-СМИ, значит, и наибольшего числа сторонников, активисты стремились к созданию как можно большего числа информационных поводов. Эту задачу они выполняли с помощью классических PR-методов: устраивали пресс-конференции, дискуссии, опросы, расследования и так далее. Одним из самых эффективных способов создания информационного повода является проведение специального события (event), который впоследствии перерос в целую информационно-организационную индустрию. Митинги, шествия, «гуляния» стали очень эффективным способом попасть в новостную повестку дня.
В то же время пространство российского политического Интернета изобилует резкими оппо -зиционными высказываниями различного толка. Политические аналитики нередко метафорически описывают противостояние между «партиями Интернета» и «партиями телевизора». Очевидно, что доступ к сети Интернет в России первоначально получили относительно молодые и преуспевающие жители мегаполисов. Именно эта часть российских граждан предъявляла спрос на политическую свободу. Благодаря тому, что культура протеста превратилась в социальный мар-
кер, в нее рванули сотни и тысячи «околополитичных» граждан. Однако до недавнего времени у «партии Интернета» не было походящего формата для организации коллективных действий.
Первым и наиболее успешным протестным интернет-движением можно считать проект «РосПил» Алексея Навального. В поддержку проекта, помимо основной интернет-платформы на сайте http://rospil.info, были созданы сообщества в самых популярных социальных сетях России. Сторонникам А. Навального удалось охватить все основные каналы распространения информации в социальных сетях, рассчитанные на разные целевые аудитории. Тем самым Алексей Навальный убедительно продемонстрировал, что оставшиеся неподконтрольными государственной власти сегменты коммуникационного пространства предоставляют достаточный простор для формирования эффективных сетевых политических проектов [6].
Таким образом, одной из целей мониторинга социальных сетей является анализ процессов, происходящих в обществе и получающих отражение в виртуальном пространстве. Иногда он-лайн-активность, напротив, предшествует событиям, которые случаются в реальной жизни. Так происходит, например, с организацией протест-ных акций. Социальные сети служат платформой для мобилизации людей и координации их совместных действий. Как ведется эта работа? Какие приемы используют активисты для привлечения внимания широкого круга пользователей? Каким образом выстраивается разветвленная сеть протестующих, по каким показателям ее можно оценить? Эти вопросы являются актуальными для исследования. Мы остановимся на последней озвученной проблеме — создании модели социальных связей между участниками социальной виртуальной группы и выявлении качественных и количественных характеристик сети.
Поставленная нами задача может быть решена благодаря применению теории графов, которая сформировалась на стыке дискретной математики и социологии. Ее принцип лежит в основе социальных сетей. Социальный граф представляет собой множество вершин-участников сети и социальные связи между ними. С помощью различных алгоритмов можно определить количественные и качественные метрики, позволяющие провести всеобъемлющий анализ социальной сети [4].
Процесс моделирования состоит из двух этапов. Первый этап — сбор необходимой инфор-
мации с помощью специальных программ или интернет-сервисов. Для решения этой задачи мы воспользовались программой VK Miner, которую разработали специалисты Санкт-Петербургского филиала Высшей школы экономики.
Программа работает по принципу поискового робота. Сначала она сохраняет список уникальных номеров страниц пользователей, находящихся в группе. Затем анализирует перечень «друзей» каждого человека и выясняет, кто из членов сообщества связан «дружескими» отношениями. Впоследствии выстраивается разветвленная сеть, состоящая из узлов-пользователей и ребер-связей между ними.
В качестве площадки для ведения активной де -ятельности многие протестные движения и активисты выбирают социальную сеть «ВКонтакте». Это объясняется несколькими причинами. Самый главный фактор, согласно данным, указанным на странице администрации сайта: «ВКонтакте — самый посещаемый ресурс русскоязычного сегмента сети Интернет. Каждый день на сайт заходят более 95 миллионов человек, всего зарегистрировано более 340 миллионов пользователей» [1]. По информации другого источника: «При этом в России «ВКонтакте» находится на первом месте среди всех посещаемых сайтов» [2]. Таким образом, для инициаторов протестных движений открыт безграничный доступ к электоральному ресурсу в виде пользователей популярнейшей социальной сети в России.
С другой стороны, сами пользователи ведут активную коммуникативную деятельность, так как социальная сеть «ВКонтакте» предоставляет им следующие возможности для формирования социальных связей:
— декларированное членство (вступление в группу или подписка на страницу);
— разнообразные виды коммуникации через контент (посты, комментарии, лайки);
— взаимное признание через добавление в друзья или одностороннее через добавление в подписчики [5].
Мы можем говорить, что внутри сообщества возникает особая социальная структура, происходит ее институционализация: «Массовые социальные сети наподобие ВКонтакте образовали собственную медиасреду: по мере роста аудитории и ее массовизации институционально оформились средства массовой информации — сообщества (группы и паблики)» [8].
Социальная структура сообществ может быть представлена в виде карты сетей виртуальной
«дружбы» участников сообщества с обозначением различных видов и уровней их контентной активности. Анализ таких карт, в частности, соответствия центральности в сети и активности участников, а также связи структур групп с их целями, позволят лучше понять природу этих со -обществ и те формы социальности, которые эти группы порождают и поддерживают.
С помощью программы VK Miner мы получили большой корпус данных об отношениях между членами протестной группы «СТОП ГОК/ Группа по проблеме Томинского ГОКа». На момент сбора информации (28.08.2017) в сообществе состояло 26 тыс. 788 человек. Данные были загружены в программы Gephi и Pajek, которые могут анализировать и визуализировать полученную информацию. У нас получилась сеть с 26788 узлами и 472996 ребрами — «дружескими» связями между пользователями. Первая количественная характеристика говорит о достаточно высокой степени популярности движения «СТОП ГОК». Однако можно согласиться с мыслью американского исследователя Роберта Меткалфа о том, что для коммуникационной сети ценность пропорциональна количеству связей, а не количеству участников [10].
Как правило, первый шаг в сетевом анализе — визуализация. Визуализированные графы — это наиболее приемлемые модели для быстрого распознавания образов. Они могут рассказать смотрящему человеку, какие узлы являются ближайшими, по какой причине и где можно найти плот -ные кластеры активности. Социальный граф изучаемого сообщества, построенный с помощью программы Gephi, можно увидеть на рис. 1.
На рисунке видно, что социальная сеть неодно -родна. Она состоит из кластеров разного размера
Рис. 1. Социальный граф сообщества «СТОП ГОК/Группа по проблеме Томинского ГОКа»
и плотности. Подмножество вершин графа, являющееся как внутренне устойчивым, так и внешне устойчивым, называется ядром. Ядро графа — это максимально независимое и минимально доминирующее множество людей. Ядро — это пользователи, объединенные наличием «дружеских» связей, но не имеющие таких связей между собой. На периферии — отдельные сообщества людей, которые составляют изолированные группы. Изучение причин образования кластеров в данной группе — актуальная задача для более углубленного исследования [3; 4]. Для этого следует вручную изучить страницы «изолянтов», чтобы понять, что их объединяет.
Использование математических методов, алгоритмы которых реализованы в программном обе -спечении Pajek, дают значительно больше материала для анализа. В данной статье мы рассмотрим лишь несколько значимых метрик социальной сети. Одна из самых важных — плотность, она определяет, насколько разрежен или плотен граф. согласно числу связей на один узел. Чем больше связей между людьми, тем выше этот показатель, а значит, скорость и интенсивность распространения информации по сети будут выше [5]. Этот показатель позволяет оценить «сплоченность» группы. Можно констатировать, что социальный граф группы «СТОП ГОК/Группа по проблеме Томинского ГОКа» отличается низкой плотностью, ее показатель — 0,001 при максимуме 1. Это значит, что большая часть членов сообщества не связана прямыми «дружескими» отношениями. Следовательно, их объединяют не личные связи, а наличие общих интересов и цели. Можно отметить, что при низкой плотности сети эффективность распространения информации будет выше, так как «перепосты» будут видны в новостных лентах большего количества пользователей.
Еще один показатель — модулярность сети. Ее значение равно разности между долей ребер внутри сообщества и ожидаемой доли связей, если бы ребра были размещены случайно. Модулярность дает возможность эффективно пересчитывать при небольших изменениях в кластерах. Коэффициент позволяет выявить в структуре графа подграфы — сообщества или группы пользователей. Показатель в изучаемом сообществе также оказался достаточно низким — 0,3. Однако, по мнению исследователей М. Ньюмана и М. Гирвана, на практике значение модулярности, лежащее в диапазоне от 0,3 до 0,7, означает, что сеть имеет вполне различимую структуру с
сообществами, и применение алгоритма обнаружения групп имеет смысл [9].
Мы планируем провести кластеризацию сети, выделить группы, объединенные по определенным признакам. Коэффициент кластеризации показывает, насколько сильно вершины склонны образовывать группы, которые характеризуются тем, что вершины, входящие в одну группу, соединены между собой гораздо плотнее, чем со всем остальным графом. Таким образом, можно выяснить, что разделяет и что объединяет членов группы. Также в дальнейшем мы изучим влияние лидеров мнений на группу, определим социально-демографические характеристики, проведем анализ вовлеченности участников в жизнь сообщества: создание контента, комментирование, распространение информации.
В нашем «пилотном» исследовании обратимся к изучению контента сообщества «СТОП ГОК/ Группа по проблеме Томинского ГОКа». На основе полученных данных мы можем сказать, что 7 % участников сообщества квалифицируются поисковыми системами как «боты». В среднем в группе публикуется по семь постов в сутки.
Нами были определены десять самых «резонансных» постов, вызвавших наибольшее количество откликов. Качественный контент-анализ данных сообщений будет проведен на следующей стадии нашего исследования.
Также интересно проанализировать активность администраторов сообщества. Так, мы установили, что сообщения на стене группы публикуются систематически, но наблюдается зависимость от дня недели. Как видно, чаще всего посты выкладывают в воскресенье (рис. 2).
Пи Вт Ср чт пг Сб йс
□ СТОП ГОК | Груп...
Рис. 2. График недельной активности администраторов группы «Рабочая группа по проблеме Томинского ГОКа»
Рис. 3. График почасовой активности администраторов группы «Рабочая группа
по проблеме Томинского ГОКа»
Проанализировав время публикаций, мы проследили определенную закономерность. Явно видна системность в размещении сообщений. Большинство «постов» выкладывается в 20.00, 16.00, в 12.00 и в 3 утра — утренние новости в ленте перед началом рабочего дня, обеденный перерыв, середина дня и прайм-тайм. К слову, именно эти промежутки времени считаются наиболее эффективными для работы у специалистов SMM-продвижения и направлены на то, чтобы как можно большее количество пользователей увидело сообщение (рис. 3).
Также мы выяснили, что большая часть контента, размещенного в группе, — это тексты среднего и крупного формата. Такое явление нетипично для социальных сетей, пользователи которых предпочитают видеть в новостях визуальные образы и короткие подписи к ним. Можно
предположить, что авторы сообщений используют некую стратегию в своей интернет-деятельности. Выявление данной технологической составляющей их работы - одна из наших последующих исследовательских задач.
Таким образом, используя метод сетевого моделирования, мы получили количественные показатели активности протестных движений в социальной сети «ВКонтакте», которые демонстрируют, с одной стороны, высокую гражданскую активность пользователей, с другой стороны, свидетельствуют об использовании PR-технологий в продвижении определенных идей и формировании оппозиционных настроений. Возникает риск использования групп и сообществ в социальных сетях для решения конъюнктурных политических задач.
Список литературы
1. Аудитория «ВКонтакте». — URL: https://vk.com/about. — Дата обращения: 19.11.2017.
2. Аудитория пользователей Интернета в России в 2017 году составила 87 млн человек. — URL: http:// mediascope.net/press/news/744498/. — Дата обращения: 19.11.2017.
3. Губанов, Д. А. Концептуальный подход к анализу онлайновых социальных сетей / Д. А. Губанов // Упр. большими системами. — 2013. — № 45. — С. 222-236.
4. Губанов, Д. А. Модели репутации и информационного управления в социальных сетях / Д. А. Губанов // Мат. теория игр и ее приложения. — 2009. — Т. 1, вып. 2. — С. 14-37.
5. Губанов, Д. А. Социальные сети: модели информационного влияния, управления и противоборства / Д. А. Губанов. — СПб., 2010. — 228 с.
6. Кальярова, К. Н. Использование pr-технологий в продвижении протестных настроений в социальных медиа / К. Н. Кальярова // Рекламное и PR-образование в условиях информационно-технологических перемен: актуальные вопросы и тренды : сб. ст. — Челябинск, 2016. — С. 202-208.
7. Руденок, Д. В. Социальные сети как источник информации / Д. В. Руденок // Вестн. электрон. и печат. СМИ. — 2016. — № 1 (24). — С. 86-99.
8. Степанов, В. А. Сообщества в социальной сети «ВКонтакте» как СМИ: особенности типологии и перспективы развития / В. А. Степанов // Весшк Беларускага дзяржаунага ушверсгтэта. Серыя 4. Фшалопя. Журналютыка. Педагопка. — 2015. — № 2. — С. 86-90.
9. Newman, M. E. J. Finding and evaluating community structure in networks / M. E. J. Newman, M. Girvan. — URL: https://arxiv.org/abs/cond-mat/0308217. — Date of access: 02.09.2017.
10. Simeonov, S. Metcalfe's Law: more misunderstood than wrong? / S. Simeonov. — URL: http://blog. simeonov.com/2006/07/26/metcalfes-law-moremisunderstood-than-wrong. — Date of access: 02.09.2017.
Сведения об авторах
Морозова Анна Анатольевна — кандидат филологических наук, доцент кафедры журналистики и массовых коммуникаций, директор Учебно-научного центра медиаобразования, Челябинский государственный университет. Челябинск, Россия. [email protected]
Кальярова Карина Нигматжановна—магистрант третьего года обучения по направлению «Журналистика» факультета журналистики, Челябинский государственный университет. Челябинск, Россия. [email protected]
Bulletin of Chelyabinsk State University.
2017. No. 12 (408). Philology Sciences. Iss. 110. Pp. 129—135.
ANALYSES OF COMMUNICATIVE ACTIVITY OF PROTESTING GROUPS IN SOCIAL NETWORKS WITH METHODS OF MATHEMATICAL MODELING
A. A. Morozova
Chelyabinsk State University, Chelyabinsk, Russia. [email protected]
K. N. Kalyarova
Chelyabinsk State University, Chelyabinsk, Russia. [email protected]
The article considers the problem of studying of social nets as a platform for coordination of the protesting movements. It analyses an opportunity of applying the methods of mathematical modeling realized in contemporary software for researching of online-communities. The article demonstrates effectiveness of the methods by the example of designing and studying the graph of the group in the social net "Vkontakte" "STOP GOK/ Group on the problem of Tominsk GOK".
Keywords: mathematical modeling, protesting movements, social media, social nets, theory of graphs.
References
1 Auditoriya VKontakte [VKontakte audience]. Available at: http://vk.com/about, accessed 19.11.17. (In Russ.).
2. Auditoriyapol 'zovatelejInterneta v Rossii v 2017godu sostavila 87 mln. chelovek [Internet users' audience in Russia in 2017 made up 87 million people]. Available at: http://mediascope.net/press/news/744498/, accessed 19.11.17. (In Russ.).
3. Gubanov D.A. Konceptual'nyj podhod k analizu onlajnovyh social'nyh setej [Conceptual approach to the analyses of online social nets]. Upravlenie bol'shimi sistemami [Management of big systems], 2013, iss. 45, pp. 222-236. (In Russ.).
4. Gubanov D.A. Modeli reputacii i informacionnogo upravlenija v social'nyh setjah [Models of reputation and informational management in social nets]. Matematicheskaja teorija igr i ee prilozhenija [Mathematical theory of games and its appliances], 2009, vol. 1, iss. 2, pp. 14-37. (In Russ.).
5. Gubanov D.A. Social'nye seti: modeli informacionnogo vlijanija, upravlenija i protivoborstva [Social nets: models of informational influence, management and struggle]. St. Petersburg, 2010. 228 p. (In Russ.).
6. Kal'jarova K.N. Ispol'zovanie pr-tehnologij v prodvizhenii protestnyh nastroenij v social'nyh media [Using pr-technologies in promoting protest moods in social media]. Reklamnoe i PR-obrazovanie v uslovijah
informacionno-tehnologicheskih peremen: aktual'nye voprosy i trendy [Advertising and PR education in the context of information and technological change]. Chelyabinsk, 2016. Pp. 202-208. (In Russ.).
7. Rudenok D.V. Social'nye seti kak istochnik informacii [Social nets as a source of information]. Vestnik ehlektronnyh ipechatnyh SMI [Herald of digital and printed mass media], 2016, iss. 1 (24), pp. 86-99. (In Russ.).
8. Stepanov V.A. Soobshhestva v social'noj seti «VKontakte» kak SMI: osobennosti tipologii i perspektivy razvitija [Communities in the social network "VKontakte" as media: features of typology and development prospects]. Vesnik Belaruskaga dzjarzhaynaga universitjeta. Seryja 4. Filalogija. Zhurnalistyka. Pedagogika [Bulletin of the Belarusian State University. Series 4. Philology. Journalism. Pedagogy], 2015, iss. 2, pp. 86-90. (In Belarus.).
9. Newman M.E.J., Girvan M. Finding and evaluating community structure in networks. Available at: https://arxiv.org/abs/cond-mat/0308217, accessed 02.09.2017.
10. Simeonov S. Metcalfe's Law: more misunderstood than wrong? [Electronic resource]. Available at: http:// blog.simeonov.com/2006/07/26/metcalfes-law-moremisunderstood-than-wrong, accessed 02.09.2017.
