CC BY
17ЮЖНО-РОССИЙСКИЙ ЖУРНАЛ СОЦИАЛЬНЫХ НАУК. 2019. Т. 20. № 4. С. 64-85 I ПОЛИТИЧЕСКИЕ ИНСТИТУТЫ И ПРОЦЕССЫ
АНАЛИЗ СОЦИАЛЬНЫХ СЕТЕЙ МОЛОДЕЖНЫХ ПОЛИТИЧЕСКИХ ОРГАНИЗАЦИЙ НОВОСИБИРСКОЙ ОБЛАСТИ И АЛТАЙСКОГО КРАЯ 1
Д. А. Казанцев, С. Ю. Асеев
Казанцев Дмитрий Анатольевич. Эл. почта: [email protected]. ORCID 0000-0001-7287-6413.
Асеев Сергей Юрьевич. Эл. почта: [email protected]. ORCID 0000-0003-1095-4038. Алтайский государственный университет, проспект Ленина, 61, Барнаул, 656049, Россия.
Аннотация. В статье рассматриваются социальные связи внутри и между молодежными политическими организациями Новосибирской области и Алтайского края, авторы используют инструментарий сетевого анализа социальных сетей для выявления закономерностей в связях между молодежными организациями партийного типа. Цель исследования — выявить на базе онлайн-среды закономерности, особенности, сходства и различия в структуре социальных связей внутри и между молодежными политическими организациями Новосибирской области и Алтайского края как представителей более урбанизированного и менее урбанизированного субъектов Российской Федерации соответственно. На первом этапе авторы анализируют структуру связей внутри наиболее крупных региональных молодежных политических организаций, затем на основании этого проводят кластеризацию групп внутри онлайн-сообществ по количеству связей и местоположению ключевых узлов. На третьем шаге исследуются межрегиональные связи молодежных политических организаций одного идеологического профиля. На заключительном этапе проводится изучение связей между всеми организациями в двух заявленных регионах. Сетевой анализ социальных сетей молодежных политических организаций показал, что пространство молодежных политических организаций можно рассматривать как политический рынок, в котором действуют три различные стратегии игроков: уход, протест и верность. Кроме того, обнаружено, что члены молодежных организаций заводят знакомства и поддерживают связи с участниками разных по идеологиям и ценностям движениям, в том числе в разных регионах. Тем не менее некоторые организации благодаря длительной истории и идеологическому цензу ведут к формированию эхо-камер и высокой лояльности своих участников, что потенциально затрудняет выход членов из их состава.
Ключевые слова: социальные сети, молодежные политические организации, социальные связи, анализ социальных сетей, кластеры, сетевые структуры.
Введение
За последние несколько десятилетий в отечественной, особенно западной, политической науке наблюдается бурное развитие группы методов, которые исследователи именуют анализом социальных сетей, анализом социальных данных или социально-сетевым анализом — social network analysis — сокращенно SNA. Его алгоритм выявляет закономерности в отношениях между членами той или иной социальной группы как в офлайн, так и в онлайн-среде, представленной, в том числе, разнообразными медиаресурсами и площадками в Интернете.
По всей видимости, основы сетевого метода были заложены еще в начале XX в. или немного ранее, однако до сих пор остается дискуссионным вопрос о науч-
1 Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта №18011-01184 «Потенциал молодежного политического лидерства в ходе политической социализации и циркуляции элит в российских регионах в 2010-е годы (на примере Юго-Западной Сибири и Северо-Запада РФ).
ных истоках парадигмы. Одна часть исследователей отдает пальму первенства в формировании подхода естественным наукам, другая находит его артефакты в науках социальных (Зиммель, 1996; Дюркгейм, 2000). Так, Г. Зиммель, занимаясь «формальной социологией», описывал устойчивые, стабильные и повторяющиеся формы взаимодействий или отношений между людьми, что не может не напоминать современные идеи сетевого анализа. Э. Дюркгейм, как известно, сосредоточил внимание на проблемах социальной интеграции и социальных фактах. Анализируя общество, ученый характеризовал его как совокупность эгоистичных людей, которые, тем не менее, подчинены ряду норм, таких как ценности и мораль, что ведет индивида к неизбежной интеграции в социум и человеческому взаимодействию. В свою очередь, ряд исследователей (Кастельс, 2000; Гидденс, 1992) указывают на более позднюю дату появления сетей, чем начало XX в., и в качестве причины их возникновения называют информатизацию общества. По мнению исследователей, социальные сети образуются за счет изменения количества и качества информации, циркулирующего в современном обществе, построенном вокруг электронных устройств.
Так или иначе, но первые исследования в рамках SNA появились еще в 1930-е гг. в США (Moreno, 1934). Он попытался исследовать межличностные отношения с помощью метода, который будет назван социометрией. Я. Морено помещал группу людей в комнату и опрашивал каждого на предмет их взаимодействий: кто кому нравится, кто с кем пошел бы в ресторан, как бы кто провел свободное время и т.д. Все ответы фиксировались и затем представлялись в виде графа (со-циограммы), на котором точками обозначали человека, а линиями — связи между ними. В итоге формировались матрицы, иллюстрирующие силы «притяжения» (симпатии) и «отталкивания» (антипатии) между людьми. Позднее данный метод ляжет в основу графического инструментария анализа социальных сетей на современном этапе. Идеи Морено были развиты А. Бейвласом (Bavelas, 1948), он предположил, что точки и линии образуют разные виды и модели структур и задался вопросом о том, могут ли эти структуры по-разному влиять на участников сетей. Ответом на данный вопрос послужила новая концепция сетей, для Бейвла-са они стали не только совокупностью субъектов, но и определенными структурами, которые могут задавать разные правила, позиции, роли и ресурсы составляющих их элементов.
Дальнейшие исследования в области сетей связывают с именами антрополога А. Радклифф-Брауна (Radcliffe-Brown, 1940), математика Т. Ньюкомба (Newcomb, 1943), преподавателя Манчестерского университета Д. Барнса (Barnes, 1954), венгерских математиков П. Эрдоса и А. Реньи (Erdos, Renyi, 1960), американских социологов С. Милгрэма и М. Грановеттера (Granovetter, 1973). Первый разработал категориальный аппарат сетевого подхода в антропологии, введя в научный оборот термин «сеть социальных отношений», а также использовал инструментарий сетевого анализа для изучения структур традиционных обществ. Второй вместе с коллегами предпринял попытку синтеза теории графов с теорией социальных сетей, что существенно обогатило методику подхода. Третий в 1954 г., используя методологию сетевого анализа, ввел в науку понятие «социальная сеть» и написал работу «Классы и собрания в норвежском островном приходе». В ней он исследует городские и сельские сообщества на предмет сходств и отличий в структуре социальных связей. Барнс обнаруживает более насыщенную плотность
связей между людьми в сельских поселениях, чем в городских и делает вывод о степени взаимодействий социальных групп в данных местах проживаниях, а именно: в небольших поселениях, в отличие от крупных, люди чаще сталкиваются друг с другом, имеют большее количество общих знакомых и, следовательно, обладают большей гомогенностью. П. Эрдос и А. Реньи в конце 1950-х и начале 1960-х гг. применили теорию случайных графов к так называемым «сложным сетям» и описали принципы построения пуассоновских социальных сетей. Затем в 1969 г. в городе Омаха Стэнли Милгрэм провел эксперимент, позволивший ему установить количество «рукопожатий», через которые любые два человека знакомы друг с другом. Выяснилось, что эта норма равна 5 рукопожатиям. Исследования, проведенные в XXI в. в онлайн-социальных сетях, корректируют данную цифру к 4-5 связям. И наконец в 1970-е гг. М. Грановеттер описал феномен силы «слабых связей» внутри социальных сетей. С его точки зрения, информация быстрее и масштабнее распространяется в «слабых сетях» или непересекающихся, т.е. через знакомых, коллег, соседей, а не родственников и друзей, что может создавать возможности и угрозы для отдельного индивида. «Сильные» связи, по его мнению, ведут к перенасыщению бессмысленной информацией, «слабые» — к усвоению более необходимой, выгодной, полезной. Он иллюстрирует свою позицию примером из сферы трудоустройства и заключает, что более полезны для поиска работы те связи, которые являются «слабыми». В этом и заключается, с одной стороны их сила, с другой — слабость.
В 1990-е гг. публикуется работа Д. Воттс и С. Строгатца, где рассматриваются «тесные» типы сетей и их эволюция (Watts, Strogatz, 1998). Ученые показывают, что при погружении в социальную сеть некоторого, как правило, небольшого числа случайных связей происходит уменьшение ее диаметра. На рубеже XX-XXI вв. в науку входит понятие безмасштабных сетей (Barabasi, Reka, 1999), иными словами, графов, где число связей точек-вершин определяется степенным законом. Такие сети, считает А. Барабаши, часто устроены вертикально, а их характеристики не зависят от номинального размера сети.
Следует заметить, что до второй половины XX в. исследования социальных сетей касались структуры связей только офлайн-сообществ, но с активным развитием компьютерных технологий и Интернета во второй четверти XX в. стало возможным изучать онлайн-сообщества. Поскольку в конце 1990-х гг. и к началу 2000-х гг. создаются такие платформы как MySpace и Facebook, а позднее в нашей стране «Вконтакте» и пр., то это привело к появлению современных работ в сфере SNA (Kwon, Stefanone, Barnett, 2014; Morales, Losada, Benito, 2012). Кроме того, существуют работы, в которых рассматриваются отдельные феномены в теории и практике социальных сетей: электронная почта и ее возможности (Adamic, Adar, 2005; Haythornthwaite, 2005); блогосфера (Glance, 2005; Hargittai, 2006); так называемые эго-сети (Hogan, Carrasco, Wellman, 2007; Van Der Gaag, 2005).
В настоящее время анализ социальных сетей является быстроразвивающимся и междисциплинарным методом, поэтому количество публикаций по теме растет из года в год. Особого внимания при этом заслуживают работы и статьи ученых, сосредотачивающих фокус внимания на роли социальных сетей в политической сфере. Одни авторы описывают социальные сети как форумы для сбора, распространения, обсуждения, анализа политических новостей и мобилизации онлайн политического участия граждан (Gil de Zúñiga, Copeland, Bimber, 2013;
Towner, 2013; Xenos, Vromen, Loader, 2014). Другие ученые рассматривают связи политических и (или) волонтерских организаций в онлайн среде, их взаимодействие, мобилизационный потенциал (Bode, Vraga, Borah, Shah, 2014; Klofstad, 2011). Некоторое количество работ отводится хэштэг-активности пользователей и организаций в социальных сетях (Hon, 2016; Xiong, Cho, Boatwright, 2018; Tsai, Men, 2018).
В 2015 г. были опубликованы (Boulianne, 2015) результаты мета-анализа 36 научных количественных исследований за предыдущие годы, которые демонстрируют корреляционную связь между использованием социальных сетей и участием людей в гражданской и политической жизни того или иного государства. При этом более 80% коэффициентов связи оказываются положительными, но только половина коэффициентов — статистическими значимыми. Метаданные, продолжает она, не позволяют утверждать о причинно-следственных связах в выборках, так как, судя по всему, фактор использования социальных сетей и участия в политической жизни зависит во многом от личных качеств человека. По этой причине связь между использованием социальных сетей и политическим участием может быть ложной.
Метод анализа социальных сетей широко распространен и в российской политической науке. Например, Л. В. Сморгунов рассмотрел основные теоретические школы, которые применяют сетевой подход как собственную методологию, а также проанализировал его аспекты (Сморгунов, 2001). В том же году Г. В. Гра-досельская первой в отечественной политологии представила диссертационное исследование на тему «Анализ социальных сетей», в котором она изучила накопленный научный опыт в соответствующей сфере (Градосельская, 2001). Позднее появилось еще несколько диссертационных исследований по теме SNA (Малов, 2014; Рыков, 2016; Парфенова, 2016; Суслов, 2017).
Интересным представляется анализ онлайн-сетей и взаимодействий (Гвоздиков, 2015). Автор предлагает рассмотреть сетевые интеракции через социальную организацию общества, используя для этих целей цифровые технологии. Термин «локальная политика» (Мирошниченко, Рябченко, 2015) используют для описания территориального элемента публичной политики в онлайн пространстве. Исследователь занимается вопросами электронных муниципалитетов, которые призваны повысить качество жизни граждан посредством сетевых ресурсов. На материалах социальную сети «Вконтакте» была создана модель политической мобилизации (Шерстобитов, Брянов, 2016).
Социальные сети являются перспективным политическим инструментом для развития гражданского общества (Дуйсембина, 2018). На основе проведенного анализа Е. О. Дуйсембина отмечает сложившуюся тенденцию увеличения использования сообществ в социальных сетях как источников политической информации, что может способствовать не только росту гражданской активности и укреплению доверительных отношений населения с правительством, но и увеличению фейковой информации.
На основе контент-анализа предвыборной кампании Д. Трампа было выявлено, что в ее ходе у пользователей американских социальных сетей возникло впечатление прямого личного контакта с кандидатом в президенты США, кроме того, по мнению авторов, особую роль в политической агитации Д. Трампа сыграли фей-ковые новости (Рябченко, Малышева, Гнедаш, 2019).
Д. С. Мартьянов и Н. А. Мартьянова не только обозначили специфические признаки и основные подходы к изучению онлайн-сообществ в социальных сетях, но и проанализировали 115 из них в социальной сети «Вконтакте» (Мартьянов, Мартьянова, 2019). В ходе сравнительного анализа была выявлена субъект-объектная модель управляемости для российских виртуальных сообществ. Исследуется также потенциал политического воздействия СМИ и социальных сетей (Григорьев, Билида, Лапаев, 2019).
А. В. Пак обращает внимание на вопрос о необходимости присутствия политических лидеров в пространстве социальных сетей. Проведя анализ активности конкретных политических деятелей, она отмечает, что аккаунты в социальных сетях становятся мощным политическим инструментом для продвижения и изучения реакции граждан на происходящие изменения в стране (Пак, 2019). Особое место в российской политической науке отводится исследованиям на стыке политического имиджа и сетевого подхода. Так, Л. Л. Нгок в своей работе анализирует акка-унты политических и государственных деятелей в социальных сетях (Нгок, 2020).
В настоящей статье предлагается анализ социальных связей членов молодежных политических организаций (далее — МПО) Алтайского края и Новосибирской области как представителей более урбанизированного и менее урбанизированного субъектов России на территории Сибирского федерального округа (далее — АК и НО), представленных соответствующими сообществами в социальной сети «ВКонтакте». Исследование направлено на изучение социальных связей членов молодежных политических организаций, в ходе которого планируется провести оценку включенности молодёжи во внутрирегиональные и межрегиональные социальные взаимодействия через призму социальных сетей.
Согласно гипотезе авторов, потенциал молодежного политического лидерства в ходе политической социализации формируется, помимо всего прочего, в молодежных политических организациях, поскольку связи имеют свойство определять лидера, равно как и наоборот (среда воспитывает лидера, лидер — среду). В результате анализа социальных связей, которые складываются в МПО между ее членами, становится возможным охарактеризовать феномен лидерства во всех его проявлениях, особенно на региональном уровне, где объективно существует проблема в количестве и качестве его институтов. Тем не менее исследовательскую задачу облегчает то, что большинство современных МПО имеет онлайн представительство в социальной сети «Вконтакте».
Основываясь на данных Д. Барнса и М. Грановеттера и других указанных авторов, предположим обнаружение существенных различий в структуре связей между членами онлайн-сообществ менее урбанизированного Алтайского края и более урбанизированной Новосибирской области. Согласно Д. Барнсу, более насыщенную плотность связей между людьми и большую гомогенность следует искать в менее крупных населенных пунктах, каким и является Алтайский край по сравнению с Новосибирской областью. Также невыясненным остается вопрос о динамике связей между членами разных МПО: каким образом устанавливаются связи в регионе между теми или иными типами организаций? Имеет ли процесс формирования связей сдерживающие факторы к распространению, например, в виде политической идеологии, или он смело заходит на поле к другому «игроку»? Кроме того, действительно ли, как говорил М. Грановеттер, внутри МПО можно обнаружить силу «слабых связей»? И значит ли это, что многочисленные
непересекающиеся контакты ведут к более оперативному распространению информации в более объемном сообществе?
В то же время, оставляя за пределами данной статьи разговор о типе политического лидерства, сосредоточимся на структуре связей, анализ которых позволит в дальнейшем вести речь и о лидерстве.
Дизайн сетевого анализа социальных сетей на примере молодежной политической организации «Молодежное Яблоко, Алтайский край»
Выбор социальной сети «Вконтакте» в качестве объекта обусловлен данными аналитического агентства Brand Analytics за 2018 г., «соцсетью номер один по-прежнему остается ВКонтакте: и по числу публичных сообщений, и по числу активных авторов... Возрастные группы наиболее полно представлены в ВК: наиболее активна здесь группа авторов в возрасте 25-34 лет, но при этом 23,3% авторов — пользователи в возрасте от 18 до 24, и еще 20% — младше 18 лет»2.
Дизайн исследования подобран для исследовательских нужд авторов и опирается на ряд этапов: построение графа социальных связей членов соответствующей МПО для определения формы связей; анализ луркеров, демографии и плотности социальных связей; анализ активности; анализ нормального распределения; эксплораторный анализ эхо-камер в целях поиска ответа на вопрос о сдерживающих факторах роста связей; определение межрегиональных связей организаций одного идеологического вектора. На последнем шаге оценивается качество связей между сторонниками разных идеологических МПО, находящимися в соседних регионах. Для сбора статистического материала в социальной сети «ВКонтакте» использовался парсер «TargetHunter», симуляция некоторых процессов разворачивалась на языке программирования «R», конструирование графов велось в программе «Gephi». Кроме того, для коррекции количественных данных с отдельными членами МПО проводились интервью.
В выборку по состоянию на 1 сентября 2019 г. вошло суммарно более 10 тыс. чел., распределенных по 9 молодежным политическим организациям (табл. 1). Так, в сообществе Ленинского комсомола Алтайского края (далее — ЛКСМ) находится 544 чел., что составляет 5,1% от общего объема выборки. При этом наиболее крупными сообществами оказались «Команда Навального» в Новосибирской области (46,9%) (далее — КН), затем «Команда Навального» в Алтайском крае (17,2%) и «Молодая Гвардия Алтайского края» (16,5%) (далее — МГЕР). Оставшиеся МПО по количеству человек в группе заняли размах в пределах от 0,5% до 5% от общего объема выборки соответственно. Следует подчеркнуть, что в целом возрастной состав всех онлайн-сообществ МПО в «ВКонтакте» за некоторым исключением представлен молодежной когортой. Например, «Команда Навального» в Алтайском крае и Новосибирской области имеет возрастной интервал шире по сравнению со всеми остальными организациями (в среднем от 18 до 40 лет). Тем не менее для учета всего многообразия связей, которые возникают между членами разных групп, в исследовании принимают участие все возрастные составы.
В целях редукции описательной части количественного анализа в качестве примера для сетевого анализа используется наименее крупное онлайн-сообщество
2 Социальные сети в России: Цифры и тренды, осень 2018. Режим доступа https://br-analytics.ru/ blog/socseti-v-rossii-osen-2018/
Таблица 1. Характеристика выборки, чел., % Table 1. Sampling data, people, %
Молодежная политическая организация (МПО) Чел. % чел. от общего кол-ва чел.
1. Молодая Гвардия Алтайского края (МГЕР АК) 1739 16,5
2. Молодая Гвардия Новосибирской области (МГЕР НО) 563 5,3
3. Молодежная организация ЛДПР в Алтайском крае (ЛДПР АК) 255 2,4
4. Молодежное Яблоко Алтайского края (МЯ АК) 53 0,5
5. Молодежное Яблоко Новосибирской области (МЯ НО) 220 2
6. ЛКСМ Новосибирской области (ЛКСМ НО) 398 3,7
7. ЛКСМ Алтайского края (ЛКСМ АК) 544 5,1
8. Команда Навального Новосибирской области (КН НО) 4950 46,9
9. Команда Навального Алтайского края (КН АК) 1814 17,2
Всего 10536 100
Источник: сообщества молодежных политических организаций в социальной сети «ВКонтакте»; ссылки на сообщества, действующие на 01.09.2019: «Молодая Гвардия Алтайского края» (МГЕР АК) — https://vk.com/mgaltai; «Молодая Гвардия Новосибирской области» (МГЕР НО) — https://vk.com/molgvarnso; «Молодежная организация ЛДПР в Алтайском крае» (ЛДПР АК) — https://vk.com/molodejldpr_altai; «Молодежное Яблоко Алтайского края» (МЯ АК) — https://vk.com/alt_molyabloko; «Молодежное Яблоко Новосибирской области» (МЯ НО) — https://vk.com/youthyablokonsk; ЛКСМ Новосибирской области (ЛКСМ НО) — https://vk.com/ lksmnsk; ЛКСМ Алтайского края (ЛКСМ АК) — https://vk.com/komsomol22; Команда Навального Новосибирской области (КН НО) — https://vk.com/teamnavalny_nsk; Команда Навального Алтайского края (КН АК) — https://vk.com/teamnavalny_barnaul; молодежная организация ЛДПР в Новосибирский области отсутствует.
молодежной политической организации «Яблоко» в Алтайском крае (в сообществе состоит 53 чел. в возрасте от 18 до 23 лет). Построение графа, отражающего социальные связи членов молодежной организации, становится первым шагом (рис. 1). Открытый API социальной сети «ВКонтакте» и программный язык «R» позволяют собрать данные о связях членов сообщества и представить их в графическом виде. Интерпретация графа основана на различении узлов-точек и ребер-связей таким образом, что каждый узел является человеком, а ребро — связью между членами молодежной политической организации. Наличие трех и более кластеров в структуре организации подкрепляется не только количественным, но и проведенным в виде опроса членов сообщества качественным анализом. Первый кластер назван «партийным», он является самым объемным в структуре связей организации и агрегирует от 13 до 16 чел. (находится слева, средне-серая окружность). При этом пространственное положение узлов определено количеством связей конкретной точки по отношению к другим точкам организации. Например, А. Гончаренко обладает связями преимущественно с левой частью графа, что позволяет алгоритму разместить его узел в центре «партийного» кластера. Такое имя дано кластеру вследствие того, что А. Гончаренко, являясь главой партии «Яблоко» в Алтайском крае, и часть связанных с ним лю-
Рис. 1. Граф социальных связей членов МПО «Яблоко» в Алтайском крае Fig. 1. The graph of social relations of members of "Yabloko" PYO in Altai Territory
дей занимается конъюнктурной работой в МПО. Следующий кластер расположен в правой части графа (светло-серая окружность), он объединяет членов МПО по принадлежности к студенческому сообществу Алтайского государственного университета и потому назван «университетским». Нижняя часть схемы занята группой людей, которая входит в организацию, но проживает в другом регионе, например, в Санкт-Петербурге или Новосибирской области (темно-серая окружность). Как правило, данный класс связей отражает знакомства членов молодежной организации с членами той же организации, но из другого региона, не обязательно соседнего. Любопытно выглядят связи членов МПО, которые занимают центральное положение на графике в структуре знакомств, например, Д. Орлов, И. Чеботов, поскольку они связаны с каждым кластером практически равным количеством связей, постольку они занимают лидирующие позиции в количестве социальных связей в организации и потенциально могут стать основными агентами создания и (или) потребления контента. Помимо всего прочего, граф МПО «Яблоко» позволяет запечатлеть луркеров (от англ. Ы^г — наблюдатель — (субъект в тени)), т.е. пассивного участника группы. Чаще всего луркеры являются свидетельством ботов или искусственного завышения членов сообщества, а также колеблющихся или «молчаливых» сторонников организации. В данном случае в организации имеется адекватное с точки зрения нормального распределения количество луркеров, а именно 9 чел. или 17%. В целом, следует заключить, что на 1 чел. в среднем по медиане приходится по 6 социальных связей (7 по средней
арифметической), на каждых 5 чел. по 1 луркеру (каждый 6-й является луркером). В то же время в группе наблюдаются незначительные отклонения (в виде выбросов) — некоторые члены МПО обладают от 11 до 24 связей на человека.
Изучение «активностей», т.е. наличие и количество лайков, комментариев, постов и их репостов, а также иных форм в группе «Молодежное Яблоко», осуществлялось парсером Та^еШиП;ег. Полученные данные позволяют зафиксировать пересечение пользователей сообщества по двум параметрам: проявляемые «активности» в группе и количество социальных связей на одного члена сообщества. В том случае, если эти параметры пересекаются, создатели и потребители контента чаще всего это одни и те же люди. Действительно, согласно статистике, контент в группе потребляется его же создателями, а не какой-либо другой аудиторией, например, сторонниками МПО «Яблоко», о чем также говорит индекс вовлеченности (ER) — 46%. Более того, не происходит пересечения пользователей сообщества по параметрам потенциальные «вовлекатели» в группу (люди, на страницах которых высокая активность) и проявляемые «активности» в сообществе, иными словами, контент в группе не потребляется людьми, которые могли бы стать «адвокатами бренда» и привлекать аудиторию в сообщество.
Следующий шаг в изучении сетевой структуры молодежных политических организаций — анализ эхо-камер. Согласно теории, эхо-камера — это ситуация повторения и последующего закрепления «правильной» информации, а также отрицания «неправильной» информации в некоторой закрытой или полузакрытой системе (Поцелуев, Подшибякина, 2018). Подобный феномен ведет к тому, что члены сообщества, разделяющие ту или иную идею или политическую идеологию, соглашаются только с тем, что не противоречит их ценностной картине мира или принятым в сообществе правилам. В настоящее время существует множество методов симуляции эхо-камер. В целях настоящего исследования необходимо воспользоваться инструментами «целевые сообщества» и «целевые вступления» парсера Та^еШи^ег. Настройка «целевые сообщества» выявляет наиболее популярные среди членов организации группы, в которых они на данных момент состоят, в свою очередь, инструмент «Целевые вступления» позволяет узнать, в какие группы «яблочники» вступали за последний месяц (или иной срок), что частично отражает повестку дня, в которой пребывает молодежь. В случае, если данные сообщества представлены большим числом схожих по идеологическому профилю групп, то сторонников МПО можно наделить косвенными признаками эхо-камер в их сознании. Так, для членов алтайского «Яблока» наиболее популярными сообществами стали: «Вагпаи122», «Лентач», «Медуза», «Команда Навального», «Сатира Без Позитива», «РБК», «Телеканал Дождь» и др.
Таким образом, сетевой анализ социальных сетей МПО «Яблоко» в Алтайском крае показал, что в сообществе имеется размежевание на три кластера: партийный, университетский, внешний. Большую часть группы составляют мужчины в возрасте от 18 до 23 лет, при этом на 1 чел. в среднем приходится 6 социальных связей, в группе нормальное количество луркеров (в пределах одной четверти, 17%), нет следов искусственных накруток или ботов. Контент потребляется его же создателями, а не сторонниками. Индекс вовлеченности аудитории в онлайн-деятельность сообщества составляет 46% от общего количества контента в группе. Группа не создает «адвокатов бренда», поэтому популярные люди, которые могли бы привлечь новую аудиторию в сообщество, не потребляют его контент.
Имеются косвенные признаки эхо-камер, так как члены Молодежного Яблока состоят в группах преимущественно одного и того же идеологического характера («Дождь», «Лентач», «ФБК» и т.д.).
В свою очередь сетевой анализ онлайн-сообщества молодежного «Яблока» в Новосибирской области показал наличие размежевания сообщества на два кластера: аборигенный и внешний. Большую часть группы составляют мужчины в возрасте от 30 до 45 лет (из указанных). На 1 чел. в среднем приходится 11 социальных связей, таким образом, связи в новосибирском «Яблоке» плотнее связей в алтайском «Яблоке». В группе нормальное количество луркеров (в пределах одной четверти, 15%), т.е. нет следов искусственных накруток или ботов. Контент равномерно потребляется и создателями, и сторонниками МПО, в отличие от молодежного «Яблока» в Алтайском крае. Индекс вовлеченности аудитории в онлайн-деятельность сообщества равен 290% от общего количества контента в группе. Имеются косвенные признаки эхо-камер: плотность или теснота связей высока, члены МЯ состоят в группах преимущественно одного и того же идеологического характера («Лентач», «Дождь», «Свободные новости», «Медуза» и пр.).
Межрегиональные коммуникации и статистический срез по молодежным политическим организациям
Далее, согласно дизайну исследования, осуществлялось построение графа для молодежных политических организаций одного идеологического вектора, но из разных регионов (рис. 2). Как видно из графа, в котором его левая часть представлена алтайским «Яблоком», обведенным для удобства пунктиром, а правая — новосибирским «Яблоком», связи между молодежным «Яблоком» Алтайского края и молодежным «Яблоком» Новосибирской области проходят в основном через внешний кластер, т.е. группу связей, представленных и для той и другой группы людьми, проживающими в других регионах, например, в центральной части России. По этой причине наблюдается малое количество прямых связей: связей — 39, друзей — 31. Таким образом, плотность связей составляет 1,2 дружеской связи на 1 чел., что свидетельствует о низкой межрегиональной связанности членов организации друг с другом, поэтому они принимают характер косвенных знакомств.
Обобщив результаты сетевого анализа социальных сетей для исследуемых молодежных политических организаций, представим их в табл. 2. Характеризуя половозрастной состав сообществ, можно заключить, что преобладающая часть МПО состоит из молодых мужчин, исключая МГЕР в НО и АК, где, в целом, одинаковое количество парней и девушек в возрасте от 18 до 30 лет. Согласно критерию «Количество кластеров в МПО», в структуре каждой организации выделяется от 2 и более кластеров. Например, размежевание членов МГЕР АК происходит на следующие группы: 1-е поколение «мгеровцев»; новое поколение; поколение, присоединившееся к организации по итогам последних выборов; кластер внешних связей, который представлен, помимо всего прочего, политиками федерального уровня; луркеры (10%). В отличие от «мгеровцев» в Алтайском крае, их новосибирские коллеги имеют более тесные связи и разделены на три кластера: старое поколение «мгеровцев», которое на графе выглядит как вытянувшееся стрела, обособленная от остальных; новые поколения, имеющие достаточно тесные и широкие связи по типу «все со всеми»; внешние связи; луркеры (14%). Особый интерес представляет онлайн-сообщество «Ленинского комсомола» в Алтайском
Построено в Gephi по данным авторов.
Рис. 2. Граф социальных межрегиональных связей членов МПО «Яблоко» в Алтайском
крае и Новосибирской области Fig. 2. The graph of interrégional social relations of members of "Yabloko" PYO in Altai Territory
and Novosibirsk region
крае. Во-первых, в его структуре проявляется так называемая «старая» и «новая» гвардия, представленная бывшими и новыми лидерами организации, а также объемные внешние связи.
Во-вторых, обращает на себя внимание количество луркеров, которых в организации около 34% при общем численном составе сообщества в 544 чел., что говорит о ботах и наблюдателях со стороны. Иная ситуация разворачивается в сообществе ЛКСМ РФ в НО, здесь количество луркеров адекватно общему числу членов группы, а разбиение совокупности предполагает 2-3 кластера. Отдельным случаем становится «Команда Навального» в обоих субъектах РФ. Общим для той и другой организации является узелковая структура сообщества, т.е. его члены объединены друг с другом сложными, почти не пересекающимися связами. Каждый член группы знаком с другим членом через некоторое количество рукопожатий (от 1 и более). Более того, существует достаточно большое количество малых групп, которые состоят из 2-3 чел. или более, но никак не связаны ни с кем другим. Наконец, выделяется мощное «озеро луркеров», где находится часть участников организации, не связанных ни с кем ни одной связью (по 38 и 35% соответственно).
Таблица 2. Критерии сравнения молодежных организаций, действующих в Новосибирской области и Алтайском крае
Table 2. Comparison criteria for youth organizations operating in Novosibirsk region and Altai Territory
Критерий МГЕР МГЕР ЛКСМ ЛКСМ КН АК КН НО ЛДПР МЯ АК МЯ
АК НО АК НО НО
Кол-во 4 3 3 2 и 3 и 4 и 3 и 3 2 и
кластеров более более более более более
в МПО
Кол-во 9 7 6 9 2 2 4 6 11
связей на
1 чел.
Кол-во 10 14 34 18 45 38 14 16 14
лур-
керов,%
Кем Всеми, Всеми, Всеми, Преим. Польз. Польз. Всеми, Созд. Всеми,
потре- баланс баланс баланс созд., баланс баланс
бляется перевес
контент?
ER-индекс 277% 163% 327% 582% 498% 363% 358% 46% 290%
Эхо- Нет: Да/Нет: Да: Да: Да/Нет: Да/ Нет: Да: Да:
камеры цс - цс -50 цс — цс — цс — 50 Нет: цс — цс — цс —
разные, на 50, сов., сов., на 50, цс — 40 разные, сов., сов.,
цв - цв — нет цв цв — цв —50 на 60, цв — цв — цв —
разные — сов. сов. на 50 цв — 50 разные разные разные
на 50
Пол М и Ж Ж и М М М М М М М М
(70%) (65%) (75%) (70%) (60%) (80%) (72%)
Возраст 18-25 18-30 25-35 25-35 18-30 18-40 18-30 18-23 30-45
Источник: данные и расчеты авторов. Примечание: критерий «Эхо-камеры» интерпретировать как «Нет» — не имеются признаки эхо-камер, «Да» — имеются признаки эхо-камер. Сокращение «цс» означает целевые сообщества, сокращение «цв» — целевые вступления. При этом слово «разные» означает, что члены соответствующего МПО состоят в разных по идеологии, идеям группам; слово «сов.» означает, что члены соответствующего МПО состоят в совпадающих по идеологии, идеям группам. Цифры обозначают примерное соотношение по проценту из списка 100 анализируемых, совпадающих и разных по идеологии, идеям групп.
Подобное положение дел может быть объяснено демографической и возрастной особенностью сторонников А. А. Навального. Последняя для наблюдения организация — ЛДПР в АК — структурируется вокруг лидера-вождя, что хорошо видно на графе. Она состоит из трех областей: кластер лидера, кластер университетских связей и кластер внешних связей.
По-разному проявляется активность участников онлайн-сообществ МПО. Так, в группах «Команды Навального» в АК и НО контент потребляется преимущественно пользователями группы, о чем говорит анализ активностей членов организации. Обратная картина характерна для МЯ в АК, где активность производят и потребляют его же создатели. Что касается остальных МПО, то для них свой-
Таблица 3. Плотность связей молодежных политических организаций, действующих в Новосибирской области и Алтайском крае
Table 3. The density of ties among the PYOs operating in Novosibirsk region and Altai Territory
Критерий МГЕР АК МГЕР НО ЛКСМ АК ЛКСМ НО КН АК КН НО МЯ АК МЯ НО
Кол-во связей 338 1474 403 39
Кол-во друзей 239 277 400 31
Плотность связей (связи/ друзья) 1,4 5,3 1 1,2
Вид связи между МПО В основном через внешний кластер Как прямые и насыщенные, так и через внешний кластер Узловые, сложные В основном через внешний кластер
Источник: данные и расчеты авторов.
ственно равное потребление контента как его создателями, так и пользователями, что демонстрирует индекс вовлеченности (ER-индекс).
Следующий критерий — «Количество связей на 1 человека» — помогает ранжировать онлайн-сообщества МПО по степени плотности связей между его членами. Наиболее тесные связи установлены между участниками МЯ в НО (11), МГЕР в АК (9) и ЛКСМ в НО (9). Наименее плотные — КН АК (2), КН НО (2), ЛДПР в АК (4). На этом основании представляется возможным выделить три модели связей в МПО: узелковые, линейные и распределенные. Первые характеризуются низкой теснотой связей, высокой ролью малых групп и лидера в структуре МПО. Линейные сети ведут к образованию более устойчивых и многообразных связей между членами организации, распределенные требуют от членов сообщества связей по типу «все со всеми», являясь высококонцентрированными знакомствами. При описании феномена эхо-камер следует обратить внимание на сообщества, где признаки эхо-камер проявляются наиболее отчетливо. Таковыми стали организации с наиболее длительной институциональной историей и наличием косвенного ценза в виде политической идеологии — «Ленинский комсомол» и «Молодежное Яблоко» в обоих регионах.
На следующем этапе сетевого анализа предлагается рассмотреть структуру межрегиональных связей молодежных политических организаций, принадлежащих к одной политической идеологии или партии (табл. 3). Пара КН в АК и КН в НО описывается через 403 чел. при 400 связях, при этом плотность связи составляет 1 связь на человека. Более насыщенными показателями связанности обладают другие пары, например, связь для МЯ в АК и МЯ в НО определена через 1,2 связи на человека. МГЕР в АК и МГЕР в НО близки по значениям плотности связи с коллегами из Молодежного Яблока, но при этом обгоняют их в этом на 0,2 связи. Лидерами в этом вопросе становится пара ЛКСМ в АК с ЛКСМ в НО, их критерий связанности равен 5,3 связи на 1 чел. Высокая концентрация межрегиональных знакомств в ЛКСМ связана с активной работой партии КПРФ с молодежью в Сибирском федеральном округе, например, каждый год партия организует слет комсомольцев в Новосибирске — «Торнадо», проводит различные образователь-
Рис. 3. Межрегиональная коммуникация молодежных политических организаций по плотности связей между сообществами (связи/друзья)
Fig. 3. Interregional communication of the PYOs based on the density of ties between communities
(contacts / friends)
ные школы и проекты (Новосибирской области прошел слет Комсомольского актива Сибири «Торнадо-2019», 2019).
Графическое изображение связей членов онлайн-сообществ молодежных политических организаций, принадлежащих к разным политическим идеологиям или партиям, представлено на рис. 3. Исключая кейс комсомольцев, которые соединяют Алтайский край и Новосибирскую область как 5,3 связей на человека, следует привести в пример организации ЛКСМ НО и МЯ НО, имеющие 2,1 связь на человека, МЯ НО и КН НО с 2,1 связью на человека, КН АК и МГЕР АК - 1,9 связи на человека, а также МГЕР НО и МЯ НО — 1,7 связи на человека. В свою очередь наименьшим потенциалом связей обладают следующие пары организаций: МЯ АК — ЛДПР АК, ЛДПР АК — КН НО, МЯ НО — МГЕР АК, МГЕР НО — КН АК, МГЕР АК — КН НО, КН НО — МЯ АК, МГЕР НО — ЛКСМ АК.
Распределение МПО по исследуемым критериям концептуально объясняется теорией «верности» А. О. Хиршмана. Он описал стратегии людей, которых не устраивает ситуация в фирме или организации, и выбирающих поэтому между двумя вариантами действий: выйти из состава организации или протестовать против ее изменения. Ученый считает, что если уход возможен, то человек изберет его, особенно эффективно эта опция действует на рынке (Хиршман, 2009). При сравнительной дешевизне выхода готовность обратиться к голосу определяется двумя обстоятельствами: ценой голоса или перспективой улучшения каче-
ства продукта и способностью членов влиять на организацию. По мнению Хирш-мана, если организация реагирует на голос, а не на выход, то она, скорее всего, будет корректировать отклонения качества, которые высказывают потребители. Но вот отклонения, ведущие к выходу потребителей из фирмы, достаточно долго не будут корректироваться, так как недовольные и самые «крикливые» выходят из организации, а оставшиеся молчаливо ждут. При этом в теории действует еще одна переменная, названная Хиршманом «верностью» или «преданностью». Хиршман пишет, что вероятность обращения к протесту тем выше, чем выше преданность члена организации, особенно если верность закрывает возможность ухода (Хиршман, 2009). Интересным для целей настоящей статьи представляется следующее размышление Хиршмана: «...полезность "верности" зависит от близости доступного субинститута». Когда между продуктами двух конкурирующих организаций огромное расстояние в смысле качества или цены, «голос» может встать на пути последовательного упадка, одно из них прежде, чем «выход» сделает ситуацию необратимой». Таким образом, здесь «верность», вряд ли нужна, но ее роль в качестве препятствия для «выхода» может оказаться очень конструктивной, когда организации легко могут стать заменой друг для друга, так что небольшое ухудшение в одной из них вызовет мгновенное бегство клиентов в другую» (Хиршман, 2009).
Объяснительный потенциал данной модели помогает понять найденные различия МПО друг от друга и решить поставленные в начале статьи проблемы. Следуя логике ученого, можно представить пространство МПО как политический рынок, в котором пребывают агенты разных идеологических координат. Организации, представляя собой условных продавцов, обладают определенными количественными и качественными характеристиками, в которых заинтересованы покупатели, т.е. сторонники или члены этой организации, а также лидеры и колеблющиеся наблюдатели, желающие вступить в ее ряды. Часть движений, например, ЛКСМ РФ и МЯ, обладают более длительной историей, чем другие, также их можно охарактеризовать как организации, требующие соответствия определенной политической идеологии (ценностей), в отличие от МГЕР или КН в обоих регионах. Поскольку рынок МПО достаточно разнообразен и в то же время узок, цена выхода члена, особенно лидера той или иной МПО из ее состава повышается, а, следовательно, вероятность такого исхода снижается, по этой причине МПО, имеющие длительную институциональную историю, а также идеологический ценз, требуют большей лояльности или верности от своих членов, тем более лидеров. Именно по этой причине в организациях по типу ЛКСМ или МЯ обнаруживаются косвенные признаки эхо-камер, являясь прообразом лояльности Хиршмана. Фактически лояльность создает эхо-камеру, т.е. ситуацию последовательного закрепления и воспроизводства принятых и одобренных в МПО ценностей и правил, что формирует преданность организации, образуется замкнутый круг и условия для соответствующего типа лидерства. Кроме того, это ведет к закономерному повышению тесноты связи между членами соответствующей МПО, но также и к потенциальному повышению конфликтности между лидерами. В случае, если верность и голос теряют потенциал для сдерживания опции «уход» члена МПО, например, ЛКСМ (сплошная окружность), то вероятность данного ухода в другую МПО иного идеологического вектора маловероятна. Скорее всего, такой человек, если он не был изгнан, выберет организацию смежного идеологического характера. То же самое справедливо и для
Построено в Gephi по данным авторов.
Рис. 4. Граф социальных связей членов онлайн-сообществ молодежных политических организаций в Новосибирской области и Алтайском крае
Fig. 4. The graph of social relations of PYO members of online communities in Novosibirsk région
and Altai Territory
членов других МПО. Но в отличие от ЛКСМ, например, члены МГЕР, а также члены КН не обладают строго выраженным идеологическим профилем, по этой причине на рис. 4 можно наблюдать обширное переплетение членов МГЕР и ЛДПР друг с другом (два черных квадрата), а также с членами КН.
Важной составляющей графа является его правая часть, где сосредоточен узел связей «всех со всеми» (пунктирная окружность): здесь располагаются члены абсолютно всех организации, которые связаны друг с другом. Как можно заметить, этот узел является крупным, в основном в нем расположены связи молодогвардейцев с членами КН из разных регионов. Тем не менее на рис. 4 мы видим классическую картину деления МПО по лево-правой шкале идеологий. Оппозиционные силы, представленные ЛКСМ, КН, МЯ, находятся снизу графа (пунктирный квадрат), позиционные, представленные МГЕР и ЛДПР, распложены в верхней части графа. Заметно, что члены МГЕР активнее взаимодействуют с членами ЛДПР. В свою очередь МЯ идеологически близка к КН, на фоне
этого обособленно, как ранее было сказано, выглядит узел связей членов ЛКСМ (сплошная окружность). Таким образом, с одной стороны, мы наблюдаем размежевание МПО по идеологиям, с другой стороны — их переплетение. Кроме того, поскольку у членов МГЕР не так ярко выражена идеология, как в ЛКСМ, то возможно прогнозировать, что в случае если организация теряет свои привилегии, как и их сторонники, то «мгеровцы» могут переместиться в другие организации, с членами, которых имеют тесные связи, поскольку имеют менее развитые эхо-камеры и верность организации. Следовательно, чем сильнее эхо-камера и верность в МПО, тем выше вероятность использования протеста и ниже вероятность использования ухода.
И, наоборот: в организациях, где менее выражены эхо-камеры, в случаях потери организацией тех или иных выгод, представленных на рынке, члены этой организации скорее всего воспользуются опцией ухода в ту сторону, где они обладают максимальным количеством связей и потенциальных выгод. По этой причине неудивительно, что члены МГЕР и КН имеют такое количество друзей и связей между собой. Возможно, в каком-то отдаленном будущем мы увидим, как возникнет новый кластер (и форма лидерства) на фоне этих связей, о чем частично свидетельствует отдельный клубок связей, расположенный в правой части рис. 4 (пунктирная окружность).
Выводы
Таким образом, отвечая на поставленные в начале статьи исследовательские вопросы, можно заключить, что в структуре любого онлайн-сообщества молодежной политической организации заметны области концентрации связей и разряженные области, что ведет к выделению кластеров различного профиля. Например, для ЛДПР размежевание возникает из-за наличия лидера-вождя, в МГЕР это связано с межпоколенческими сдвигами, в ЛКСМ — вид партийной работы или деятельности и т.д. Внутрирегиональные связи МПО плотнее, чем межрегиональные. По всей видимости, связи устанавливаются в три этапа: на первом этапе они кристаллизируются внутри сообщества данного субъекта РФ, затем связи устанавливаются в смежных идеологических организациях, на третьем этапе они эволюционируют в сторону оппонентов или / и в соседние регионы. В соответствии с критерием «Количество связей на одного человека» можно выделить три модели связей в МПО: узелковые, линейные, распределенные. Узелковые сети в МПО чаще всего формируются под влиянием лидера-вождя и приводят к образованию малых групп в структуре сообщества, нетипичных форм мобилизации и политической коммуникации (при сопутствующих условиях). Линейные сети в МПО соединяют признаки узелковых и распределенных сетей. Распределенные сети предполагают коммуникацию всех со всеми и высокую плотность связей между членами сообщества. Некоторые признаки эхо-камер наблюдаются преимущественно в сообществах, которые обладают длинной институциональной историей, предполагают условный ценз в виде политической идеологии и среднюю или высокую «лояльность» к организации со стороны ее членов, затрудняющих «выход» по терминологии А. О. Хиршмана. При этом классификация регионов на более или менее урбанизированные теряет свой смысл, так как социальные связи между членами МПО обусловлены в первую очередь историей, а также идеологией организации, что в конечном счете может определять тип лидерства.
Библиографический список
В Новосибирской области прошел слет Комсомольского актива Сибири «Торнадо-2019». ВКонтакте. Режим доступа https://vk.com/waU-51433398_21690
Гидденс, Э. (1992). Стратификация и классовая структура. Социологические исследования, 11, 107-120.
Гвоздиков, Д. С. (2015). Онлайн сети и развитие сетевых взаимодействий. Вестник СПбГУ, 12(2), 100-107.
Градосельская, Г. В. (2001). Анализ социальных сетей (Кандидатская диссертация). Москва.
Григорьев, И. Д., Билида, А. А., Лапаев, А. Д. (2019). Социальные сети как инструмент политического воздействия. Студенческий, 1(56), 47-51.
Дуйсембина, Е. О. (2018). Социальные сети как политический инструмент в Российской Федерации. Диалог: политика, право, экономика, 1(8), 21-50.
Дюркгейм, Э. (2000). О разделении общественного труда: метод социологии. М.: Наука.
Зиммель, Г. (1996). Избранное. М.: Юрист.
Кастельс, М. (2000). Информационная эпоха: экономика, общество и культура. М.: Изд-во ГУ-ВШЭ.
Малов, Е. А. (2014). Феномен социальных сетей: акторно-сетевой контекст, теоретико-методологический анализ (Кандидатская диссертация), Санкт-Петербург.
Мартьянов Д. С., Мартьянова Н. А. (2019). Управляемость виртуальных сообществ: сравнительный анализ политизированных групп «Вконтакте». Журнал политических исследований, 3, 79-93.
Мирошниченко И. В., Рябченко Н. А. (2015). Сетевые ресурсы развития локальной политики. Среднерусский вестник общественных наук, 5, 38-49.
Нгок, Л. Л. Социальные сети как механизм формирования имиджа политического лидера. Вопросы национальных и федеративных отношений, 1(58), 170-175.
Пак, А. В. (2019). Социальные сети и политическое поведение. Вести научных достижений, 6, 28-31.
Парфенова, Ю. В. (2016). Сетевые формы политического участия в современной России и постсоветском пространстве (Кандидатская диссертация), Санкт-Петербург.
Поцелуев, С. П., Подшибякина, Т. А. (2018). О факторах политической радикализации в сетевой коммуникации посредством «эхокамер». Научная мысль Кавказа, 2(94), 29-34.
Рыков, Ю. Г. (2016). Структура социальных связей в виртуальных сообществах: сравнительный анализ онлайн-групп социальной сети «ВКонтакте» (Кандидатская диссертация), Москва.
Рябченко, Н. А., Малышева, О. П., Гнедаш, А. А. (2019). Управление политическим контентом в социальных сетях в период предвыборной кампании в эпоху постправды. ПОЛИС. Политические исследования, 2, 93-106.
Сморгунов, Л. В. (2001). Сетевой подход к политике и управлению. ПОЛИС. Политические исследования, 3, 103-112.
Шерстобитов, А. С., Брянов К. А. (2013). Технологии политической мобилизации в социальной сети «ВКонтакте»: сетевой анализ протестного и провластного сегментов. Исторические, философские, политические и юридические науки, культурология иискусствоведение. Вопросы теории и практики, 10(1), 196-202.
Суслов, С. И. (2017). Сетевые агенты политической интернет коммуникации в русскоязычной онлайн пространстве (Кандидатская диссертация), Санкт-Петербург.
Хиршман, А. О. (2009). Выход, голос и верность: реакция на упадок фирмы, организации и государств. М.: Новое издательство.
Adamic, L., & Adar, E. (2005). How to Search a Social Network. Social Networks, 27(3), 187-203.
Adamic, L., & Glance, N. (2005). The Political Blogosphere and the 2004 U. S. Election: Divided They Blog. Working Paper.
Barabasi, A. L., Reka, A. (1999). Emergence of Scaling in Random Networks. Science, 286, 509-512.
Barnes, J. A. (1954). Class and Committees in a Norwegian Island Parish. Human Relations, 7, 39-58.
Bavelas, A. (1948). A Mathematical Model for Group Structures. Human organization, 7(3), 16-30.
Bode, L., Vraga, E. K., Borah, P., Shah, D. V. (2014). A New Space for Political Behavior: Political Social Networking and Its Democratic Consequences. Journal of Computer-Mediated Communication, 19, 414-429.
Boulianne, S. (2015). Social Media Use and Participation: a Meta-Analysis of Current Research. Information, Communication & Society, 18, 524-538.
Erdos, P., Renyi, A. (1960). On the Evolution of Random Graphs. Publ. Math. Inst. Hungar. Acad. Sci, 5, 17-61.
Gil de Zuniga, H., Copeland, L., & Bimber B. (2013). Political Consumerism: Civic Engagement and the Social Media Connection. New Media & Society, 16(3), 488-506.
Granovetter, M. (1973). The Strength of Weak Ties. American Journal of Sociology, 78(6), 1360-1380.
Hargittai, E., Zehnder, S., Gallo, J. (2005). Mapping the Political Blogosphere: An Analysis of Large-Scale Online Political Discussions. Annual Meeting of the The Midwest Political Science Association, 5, 67-86.
Haythornthwaite, C. (2005). Social Networks and Internet Connectivity Effects. Information, Communication & Society, 8(2), 125-147.
Hogan, B., Carrasco, J., Wellman, B. (2007). Visualizing Personal Networks: Working with Participant Aided Sociograms. Field Methods, 19(2), 116-144.
Hon, L. C. (2016). Social Media Framing within the Million Hoodies Movement for Justice. Public Relations Review, 42, 9-19.
Klofstad, C. (2011). Civic Talk: Peers, Politics, and the Future of Democracy. Philadelphia, PA: Temple University Press.
Kwon, K. H., Stefanone, M. A., Barnett, G. A. (2014). Social Network Influence on Online Behavioral Choices Exploring Group Formation on Social Network Sites. American Behavioral Scientist, 58(10), 1345-1360.
Morales, A. J., Losada, J. C., Benito, R. M. (2012). Users Structure and Behavior on an Online Social Network During a Political Protest. Physica A: Statistical Mechanics and its Application, 391(21), 5244-5253.
Moreno, J. L. (1934). Who Shall Survive? Washington DC: Nervous and Mental Disease Publishing Company.
Newcomb, T. (1943). Personality and Social Change: Attitude Formation in a Student Community. New York. Dryden Press.
Radcliffe-Brown, A. R. (1940). On Social Structure. Journal of the Royal Anthropological Society of Great Britain and Ireland, 1(70), 1-12.
Towner, T. (2013). All Political Participation is Socially Networked?: New Media and the 2012 Election. Social Science Computer Review, 31(5), 527-541.
Tsai, W.-H. S., Men, R. L. (2018). Social Messengers as the New Frontier of Organization-Public Engagement: A WeChat Study. Public Relations Review, 44(3), 419-429.
Van Der Gaag, M. P. J., & Snijders, T. A. B. (2005). The Resource Generator: Social Capital Quantification with Concrete Items. Social Networks, 27(1), 1-29.
Watts, D. J., Strogatz, S. H. (1998). Collective Dynamics of "Small-World" Networks. Nature, 393, 440-442.
Xenos, M., Vromen, A., Loader, B. D. (2014). The Great Equalizer? Patterns of Social Media Use and Youth Political Engagement in Three Advanced Democracies. Information, Communication & Society, 17(2), 151-167.
Xiong Y., Cho M., Boatwright, B.C. (2018). Hashtag Activism and Message Frames among Social Movement Organizations: Semantic network analysis and thematic analysis of Twitter during the #MeToo movement. Public Relations Review, 45(1), 10-23.
Статья поступила в редакцию 20.11.2019 Статья принята к публикации 24.12.2019
Для цитирования: Казанцев Д. А., Асеев С. Ю. Анализ социальных сетей молодежных
политических организаций Новосибирской области и Алтайского края.—Южно-российский
журнал социальных наук. 2020. Т. 21. № 1. С. 64-85.
SOCIAL NETWORK ANALYSIS OF YOUTH POLITICAL ORGANIZATIONS OF NOVOSIBIRSK OBLAST AND ALTAI KRAI D. A. Kazantsev, S. Y. Aseev
Dmitry A. Kazantsev. E-mail: [email protected]. ORCID 0000-0001-7287-6413 Sergey Y. Aseev. E-mail: [email protected]. ORCID 0000-0003-1095-4038 Altai State University, Lenin Str., 61, Barnaul, 656049, Russia.
Acknowledgements. This article is a result of the study supported by Russian Foundation for Basic Research, project no. 18-011-01184 "The Potential of Youth Political Leadership in Processes of Political Socialization of Youth and in Circulation of Elites in Russian regions in 2010 (based on data from regions of South-West Siberia and the North-West of the Russian Federation)".
Abstract. The article deals with social relations inside and between political youth organizations of Novosibirsk oblast and Altai krai. The authors use the social network analysis to get insight of the consistent pattern of social relations between youth organizations of political party type. The objective of this study is, on basis of social media, to find the consistency, special features, similarities and differences in social relations structure inside and between political youth organizations of Novosibirsk oblast and Altai krai as the more urbanized and less urbanized Russian Federation states accordingly. First, the authors analyze the structure of relations inside the largest regional political youth organizations. Second, using the results, they perform the clusterization of groups inside online communities based on the number of contacts and the key points. Third, the authors study the interregional relations of political youth organizations inside one ideological speciality. The final step is dedicated to studying the relations between all organizations in two mentioned regions. Social network analysis of youth political organizations shown that the sphere of political youth organizations can be described as the political market, where the three strategies of playing are applied. The strategies are recession, protest and loyaty. Moreover, the members of political youth organizations make acquaintances and keep in touch with the members of other movements representing different ideologies, including with other regions. However, due to the long history and certain ideological quaities needed for membership, some organizations create the echo-chambers and gain extreme loyalty among their members, which makes it difficult for people to leave these organizations.
Keywords: social network, political youth organizations, social relations, clusters, network structures.
DOI: 10.31429/26190567-21-1-64-85 References
Adamic, L., & Adar, E. (2005). How to Search a Social Network. Social Networks, 27(3), 187-203. Adamic, L., & Glance, N. (2005). The Political Blogosphere and the 2004 U. S. Election: Divided They Blog. Working Paper.
Barabasi, A. L., Reka, A. (1999). Emergence of Scaling in Random Networks. Science, 286, 509-512. Barnes, J. A. (1954). Class and Committees in a Norwegian Island Parish. Human Relations, 7, 39-58. Bavelas, A. (1948). A Mathematical Model for Group Structures. Human organization, 7(3), 16-30. Bode, L., Vraga, E. K., Borah, P., Shah, D. V. (2014). A New Space for Political Behavior: Political Social Networking and Its Democratic Consequences. Journal of Computer-Mediated Communication, 19, 414-429. Boulianne, S. (2015). Social Media Use and Participation: a Meta-Analysis of Current Research.
Information, Communication & Society, 18, 524-538. Castells, M. (2000). Informacionnaya epoha: ekonomika, obshchestvo i kul'tura [The Information
Age: Economy, Society and Culture]. М.: GU-HSE Publisher. Duisembina, Y. O. (2018). Sotsial'nye seti kak politicheskiy instrument v Rossiyskoy Federatsii [Social Networks as a Political Instrument in Russian Federation]. Dialog: politika, pravo, ekonomika [Dialogue: Politics, Law, Economics], 1(8), 21-50. Durkheim, E. (2000). O razdelenii obshchestvennogo truda: metod sociologii [The Division of Labour in Society: Sociological Method]. М.: Nauka.
Erdos, P., Renyi, A. (1960). On the Evolution of Random Graphs. Publ. Math. Inst. Hungar. Acad. Sci, 5, 17-61.
Giddens, A. (1992). Stratifikaciya i klassovaya struktura [The Class Structure of the Advanced Societies]. Sociologicheskie issledovaniya [Sociological studies], 11, 107-120.
Gil de Zuniga, H., Copeland, L., & Bimber B. (2013). Political Consumerism: Civic Engagement and the Social Media Connection. New Media & Society, 16(3), 488-506.
Gradoselskaya, G. V. (2001). Analizsocial'nyh setey [Analysis of Social Networks]. (Candidate Dissertation), Moscow.
Granovetter, M. (1973). The Strength of Weak Ties. American Journal of Sociology, 78(6), 1360-1380.
Grigor'ev, I. D., Bilida, A. A., Lapaev, A. D. (2019) Sotsial'nye seti kak instrument politicheskogo vozdeystviya [Social Networks as a Tool for Political Mobilization of Citizens in Modern Russia]. Studencheskiy [Student's]. 1(56), 47-51.
Gvozdikov, D. S. (2015). Onlayn seti i razvitie setevykh vzaimodeystviy [Online Networks and Development of Network Interactions]. Vestnik SPbGU [Vestnik of Saint Petersburg University], 12(2), 100-107.
Hargittai, E., Zehnder, S., Gallo, J. (2005). Mapping the Political Blogosphere: An Analysis of Large-Scale Online Political Discussions. Annual Meeting of the The Midwest Political Science Association, 5, 67-86.
Haythornthwaite, C. (2005). Social Networks and Internet Connectivity Effects. Information, Communication & Society, 8(2), 125-147.
Hirshman, A. O. (2009). Exit, Voice and Loyalty: The Reaction Towards the Recess of a Company, Organization and Government. М.: New Publisher.
Hogan, B., Carrasco, J., Wellman, B. (2007). Visualizing Personal Networks: Working with Participant Aided Sociograms. Field Methods, 19(2), 116-144.
Hon, L. C. (2016). Social Media Framing within the Million Hoodies Movement for Justice. Public Relations Review, 42, 9-19.
Klofstad, C. (2011). Civic Talk: Peers, Politics, and the Future of Democracy. Philadelphia, PA: Temple University Press.
Kwon, K. H., Stefanone, M. A., Barnett, G. A. (2014). Social Network Influence on Online Behavioral Choices Exploring Group Formation on Social Network Sites. American Behavioral Scientist, 58(10), 1345-1360.
Mart'yanov, D. S., Mart'yanova, N. A. (2019). Upravlyaemost' virtual'nykh soobshchestv: sravni-tel'nyy analiz politizirovannykh grupp "Vkontakte" [Manageability of Virtual Communities: Comparative Analysis of Politicized Vkontakte Groups]. Zhurnalpoliticheskih issledovaniy [Journal of Political Research], 3, 79-93.
Miroshnichenko, I. V., Ryabchenko, N. A. (2015). Setevye resursy razvitiya lokal'noy politiki [Networking Resources of the Development of Local Politics]. Srednerusskiy vestnik obshchestvennyh nauk [Central Russian Journal of Social Sciences] 5, 38-49.
Morales, A. J., Losada, J. C., Benito, R. M. (2012). Users Structure and Behavior on an Online Social Network During a Political Protest. Physica A: Statistical Mechanics and its Application, 391(21), 5244-5253.
Moreno, J. L. (1934). Who Shall Survive? Washington DC: Nervous and Mental Disease Publishing Company.
Newcomb, T. (1943). Personality and Social Change: Attitude Formation in a Student Community. New York. Dryden Press.
Ngok, L. L. (2020). Sotsial'nye seti kak mekhanizm formirovaniya imidzha politicheskogo lidera [Social Networks as a Mechanism for Forming the Image of Political Leaders]. Voprosy natsion-al'nykh i federativnykh otnosheniy [Questions of National and Federal Relations], 1(58), 170-175.
Pak, A. V. (2019). Social'nye seti i politicheskoe povedenie [Social Networks and Political Behavior]. Vesti nauchnyh dostizheniy [Conduct Scientific Achievements], 6, 28-31.
Parfenova, Yu. V. (2016). Setevye formy politicheskogo uchastiya v sovremennoj Rossii ipostsovetskom prostranstve [Network Forms of Political Participation in Modern Russia and the Post-Soviet Space]. (Candidate Dissertation), Saint-Petersburg.
Potseluyev, S. P., Podshibyakina, T. A. (2018). O faktorakh politicheskoy radikalizatsii v setevoy kommunikatsii posredstvom "ekhokamer" [On the Factors of Political Radicalization in Network Communication through "Echo Chambers"]. Nauchnaya myslKavkaza [Scientific thought of Caucasus], 2(94), 29-34.
Radcliffe-Brown, A. R. (1940). On Social Structure. Journal of the Royal Anthropological Society of Great Britain and Ireland 1(70), 1-12.
Ryabchenko, N. A., Malysheva, O. P., Gnedash, A. A. (2019). Upravlenie politicheskim kontentom v sotsial'nykh setyakh v period predvybornoy kampanii v epokhu postpravdy [Presidential Campaign in Post-Truth Era: Innovative Digital Technologies of Political Content Management in Social Networks Politics]. Polis. Politicheskie issledovaniya [Polis. Political Studies], 2, 93-106.
Rykov, Yu. G. (2016). Struktura sotsial'nykh svyazey v virtual'nykh soobshchestvakh: sravnitelnyy analiz onlayn-grupp sotsialnoy seti "vKontakte" [The Structure of Social Ties in Virtual Communities: a Comparative Analysis of Online-Groups of Social Network "VKontakte"]. (Candidate Dissertation), Moscow.
Sherstobitov, A. S., Bryanov, K. A. (2013). Tekhnologii politicheskoy mobilizatsii v sotsial'noy seti "VKontakte": setevoy analiz protestnogo i provlastnogo segmentov [Political Mobilization Technologies in Social Network "Vkontakte": Network Analysis of Protest and Pro-Regime Segments]. Istoricheskie, filosofskie, politicheskie i yuridicheskie nauki, kul'turologiya iiskusstvovedenie. Voprosy teorii i praktiki [Historical, Philosophical, Political and Law Sciences, Culturology and Study of Art. Issues of Theory and Practice], 10(1), 196-202.
Simmel, G. (1996). Izbrannoe [Selected Works]. М.: Jurist.
Smorgunov L. V. (2001). Setevoy podkhod k politike i upravleniy [The Network Approach to Policy Making and Governance]. Polis. Politicheskie issledovaniya [Polis. Political Studies], 3, 103-112.
Suslov, S. I. (2017). Setevye agenty politicheskoy internet kommunikatsii v russkoyazychnoy onlayn prostranstve [Network Agents of Political Internet Communication in Russian Online Sphere] (Candidate Dissertation), Saint-Petersburg.
Towner, T. (2013). All Political Participation is Socially Networked?: New Media and the 2012 Election. Social Science Computer Review, 31(5), 527-541.
Tsai, W.-H. S., Men, R. L. (2018). Social Messengers as the New Frontier of Organization-Public Engagement: A WeChat Study. Public Relations Review, 44(3), 419-429.
V Novosibirskoy oblasti proshel slet Komsomol'skogo aktiva Sibiri "Tornado-2019" [A rally of the Komsomol Activists of Siberia "Tornado-2019" took place in Novosibirsk Region]. Retrieved from https://vk.com/wall-51433398_21690.
Van Der Gaag, M. P. J., & Snijders, T. A. B. (2005). The Resource Generator: Social Capital Quantification with Concrete Items. Social Networks, 27(1), 1-29.
Watts, D. J., Strogatz, S. H. (1998). Collective Dynamics of "Small-World" Networks. Nature, 393, 440-442.
Xenos, M., Vromen, A., Loader, B. D. (2014). The Great Equalizer? Patterns of Social Media Use and Youth Political Engagement in Three Advanced Democracies. Information, Communication & Society, 17(2), 151-167.
Xiong Y., Cho M., Boatwright, B.C. (2018). Hashtag Activism and Message Frames among Social Movement Organizations: Semantic Network Analysis and Thematic Analysis of Twitter During the #MeToo Movement. Public Relations Review, 45(1), 10-23.
Received 20.11.2019 Accepted 24.12.2019
For citation: Kazantsev D. A., Aseev S. Y. Social Network Analysis of Youth Political Organizations
of Novosibirsk Oblast and Altai krai. 2020.— South-Russian Journal of Social Sciences. Vol. 21.
No. 1. Pp. 64-85.
© 2020 by the author(s). This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license (http://creativecommons.org/licenses/by/4.0/).
