CC BY
15
ВЕСТН. МОСК. УН-ТА. СЕР. 12. ПОЛИТИЧЕСКИЕ НАУКИ. 2020. № 4
Галина Витальевна Градосельская,
кандидат социологических наук, ведущий социолог Агентства социальных исследований «Столица» (ул. Ленинская Слобода, д. 26, стр. 28, 115280, Москва, Россия), e-mail: mss981009@mail.ru
Алексей Николаевич Расходчиков,
кандидат социологических наук, сопредседатель Фонда «Московский центр урбанистики "Город"» (ул. Ленинская Слобода, д. 26, стр. 28, 115280, Москва, Россия), e-mail: silaslowa@mail.ru
ДВА СЦЕНАРИЯ БУДУЩЕГО МОЛОДЕЖИ: РЕЗУЛЬТАТЫ КАРТИРОВАНИЯ ГРУПП СОЦИАЛЬНОЙ СЕТИ «ВКОНТАКТЕ» НА ПРИМЕРЕ ТОМСКА*
Социальные сети являются средой, отражающей социальные практики молодежи. Из ситуативной активности каждой группы складываются крупные кластеры, аккумулирующие установки соответствующего слоя молодежи. Исследование проведено по региональным группам социальной сети «ВКонтакте» города Томска. Сбор и визуализация данных развивают актуальную в сетевом анализе методологию картирования информационного пространства (community detection). Содержательно получено наличие двух социально-дифференцирующих стратегий поведения Томской молодежи. У них разные повседневные практики, ценности, референтные группы и информационные источники, системы самостигматизации. «Низкие» социально-культурные практики соответствуют социальной группе, которую можно охарактеризовать как «группа без будущего» с негативной идентичностью. Кардинально отличаются от них практики социальной группы, нацеленной на получение высшего образования и выстраивание карьеры. Ее представители ориентируются на зарубежные источники, организации и образцы. Значительное внимание в статье уделяется методологии, процессу картирования и интерпретации результатов исследования.
Ключевые слова: сетевой анализ, поиск сообществ, политическая активность молодежи, Томск.
* Статья подготовлена при финансовой поддержке РФФИ и АНО ЭИСИ, проект «Политическое конструирование университетского города в формируемом образе будущего России», № 20-011-31664.
Galina Vitalevna Gradoselskaya,
Kandidat of Sociological Sciences, Principal Sociologist, Stolitsa Sociological Research Agency (ul. Leninskaya Sloboda 26, str. 28, Moscow 115280, Russia), e-mail: mss981009@mail.ru
Aleksei Nikolaevich Raskhodchikov,
Kandidat of Sociological Sciences, Co-Chair, Moscow Centre of Urban Studies "City " Foundation (ul. Leninskaya Sloboda 26, str. 28, Moscow 115280, Russia), e-mail: silaslowa@mail.ru
TWO SCENARIOS FOR THE FUTURE OF YOUTH: THE RESULTS OF MAPPING GROUPS IN THE SOCIAL NETWORK VKONTAKTE IN THE CITY OF TOMSK
Social networks are an environment that reflects the social practices of youth. From the situational activity of each network group, large clusters are formed which accumulate attitudes of the corresponding layer of young people. This study focuses on regional groups of the social network VKontakte in the city of Tomsk. Data collection and visualization create a methodology for mapping this information space ("community detection ") that is relevant in network analysis. The presence of two socially differentiating strategies of behavior among the youth of Tomsk were substantiated by the study. They feature different everyday practices, values, reference groups and information sources, andself-stigmatization systems. "Low" socioculturalpractices correspond to a social group that can be described as a "group without a future," with a negative identity. The practices of another social group, aimed at obtaining higher education and building a career, differ radically from those of the former. Its representatives are guided by foreign sources, organizations and models. Significant attention in the study is given over to issues of methodology, the mapping process and the interpretation of research results.
Key words: network analysis, community detection, youth political activity, Tomsk.
Двойственная природа социальных сетей
как отражение социально-политической реальности
Социальные сети представляют современное коммуникативно-информационное пространство, технически реализованное в интернете. Обмен информацией производится разными способами: публикацией постов, а также комментариями, оставляемыми акторами. Таким образом, возможности социальных медиа расширяются, и помимо манипулирования информацией они переходят к прямому социальному проектированию, провоцированию социальных действий.
Исследование распространения информации в социальных сетях затрудняет двойственная природа социальных сетей, которые, с одной стороны, держатся на физических носителях — акторах, группах; с другой стороны, акторы связаны информационными потоками, более или менее плотными. Двойственность природы социальных сетей предполагает детальное рассмотрение (по модели, предложенной Дж. Коулманом1) обоих компонентов: акторов и информационных связей. Распространение информации в социальных сетях — один из базовых процессов, требующих изучения в современных социально-политических реалиях.
Сетевые процессы стали отражением объективных социальных установок, складывающихся на протяжении значительного отрезка времени. В то же время сетевые взаимодействия стали механизмом, консолидирующим группы граждан по сходству социально-политических установок.
Молодежь особенно подвержена влиянию социальных сетей, которые играют большую роль в социализации молодых людей, поскольку способствуют построению их собственной идентичности и выбору жизненных стратегий.
Проблематизирует исследования социальных сетей их социально-техническая двойственность: с одной стороны, они являются проявлением социально-политической активности молодежи, а с другой — технической платформой, обеспечивающей реализацию социальных процессов. В связи с этим при проведении исследований возникает масса вопросов содержательного и методологического характера.
При исследовании политической социализации молодежи и, в частности, региональной томской молодежи важным является вопрос о соотнесении уровней влияния федеральных политических движений на региональную политическую активность. Как выстраивается политическая активность: центр провоцирует политическую активность в регионах или регионы передают политический импульс в центр?
Возникает также вопрос о горизонтальном сравнении региональной активности в социальных сетях томской молодежи и региональной активности молодежи других регионов.
Для исследования сопряженности политической и «обычной» социализации молодежи крайне важен контекст, сопровождающий политические темы, которые интересуют региональную молодежь. Политический контент сопровождается пограничной тематикой социальной направленности, в том числе подразумевающей со-
1 Coleman J. The Foundations of Social Theory. Cambridge: Belknap of Harvard University Press, 1990.
циализацию молодежи, ее становление, привитие норм, понятие приемлемого.
Цель данного исследования — изучить политическую социализацию молодежи на примере Томской области. Забегая вперед, хотелось бы раскрыть содержание основного вывода нашего исследования о политической социализации томской молодежи.
Особенностью социализации современной молодежи, которую мы наблюдаем в Томском регионе, является ее резкая дифференци-рованность, которая была бы немыслима еще полтора десятилетия назад. Так, по результатам нашего исследования, выделяются две четкие, весьма разнородные и почти не пересекающиеся по интересам и способу социализации молодежные группы: так называемые высшие и низшие. Низшие — это молодежь, не имеющая возможности поступить в университет. Фактически их вертикальный рост можно считать законченным. Они сами понимают свое положение, и это проявляется в социальной тематике, сопровождающей молодежные группы. На уровне речевых маркеров работают механизмы самостигматизации и самоотбора — так называемый быдло-контент, различные «вписки», «АУЕ», рэп-культура, «пацаны на районе» и т.п. Высшие — это студены, ориентированные на получение высшего образования, вертикальный рост и максимальное дистанцирование от низших. На эту группу молодежи значительное влияние оказывают зарубежные социальные стандарты, напрямую влияют международные организации и фонды. Обе эти молодежные группы на уровне социальных сетей различаются правилами, лексиконом, подбираемым визуальным рядом и т.п. Фактически речь идет о закреплении дифференцирующих норм поведения и самостигматизации молодежи.
Важнейшим вопросом исследования социализации и политической активности молодежи в социальных сетях является методологический: какие объекты и показатели из социальных сетей нужно собрать, чтобы продемонстрировать социализацию и политическую активность молодежи региона? Как эти данные можно обработать и визуализировать, чтобы обосновать содержательные выводы?
У нашего исследовательского коллектива есть наработки, позволяющие выстроить методологию исследования и сократить избыточные этапы по сбору данных. Это уникальная методология картирования регионального информационного пространства в социальных сетях. Основной единицей анализа является не персона, а группа, которая четко демонстрирует свою региональную, политическую, социальную идентичность, нацеленность на определенную аудиторию. Мы можем объективно зафиксировать поведение актора
в социальных сетях: на уровне персональной активности в политических группах и на открытых страницах.
Таким образом осуществляется двухуровневое рассмотрение социальных сетей. Основной «точкой входа» в социально-политическое пространство социальных сетей является группа. На практике политическую ориентацию индивида сложно определить по текстам публикаций, прежде всего из-за того, что характерный политический дискурс сложно выделить из общеупотребимого бытового дискурса. Традиционно применяемый лингвистический подход практически не дает достоверных результатов. Однозначная привязка к политическим группам как раз соответствует политической самоидентификации индивидуальных акторов. По этому принципу был проведен ряд исследований политической активности в Рунете на федеральном и региональном уровнях с 2013 по 2019 г.
Помимо содержательных вопросов, крайне острой является проблема разработки методологии, алгоритма и программного инструментария, позволяющих быстро собирать информацию о социально-политических процессах, протекающих в социальных сетях.
Картирование политически активных групп в социальных
сетях методом зерновой кластеризации
В современном сетевом анализе применительно к социальным сетям проблематизируется поиск сообществ, не определенных четкими содержательными или формально-технологическими рамками. Для этого методологического направления существует англоязычный термин "community detection" (буквально — «определение сообществ»). В данном направлении активно работают математики, лингвисты, социологи и многие другие исследователи2.
В этом же направлении работает и наша исследовательская группа, разработавшая уникальный исследовательский инстру-
2 Azaouzi M., RhoumaD., Romdhane L.B. Community Detection in Large-scale Social Networks: State-of-the-art and Future Directions // Social Network Analysis and Mining. 2019. Vol. 9. No. 1. P. 1-32; Moosavi S.A., Jalali M., Misaghian N., ShamshirbandSh., Anisi M.H. Community Detection in Social Networks Using User Frequent Pattern Mining // Knowledge and Information Systems. 2017. Vol. 51. No. 1. P. 159-186; Sarswat A., Jami V., Guddet R.M.R. A Novel Two-step Approach for Overlapping Community Detection in Social Networks // Social Network Analysis and Mining. 2017. Vol. 7. No. 1. Article 47; Wang D., Li J., Xu K., Wu Y. Sentiment Community Detection: Exploring Sentiments and Relationships in Social Networks // Electronic Commerce Research. 2017. Vol. 17. No. 1. P. 103-132.
мент — метод зерновой кластеризации3. Данный метод был предложен Г.В. Градосельской в 2013 г. при решении исследовательской проблемы структурирования политически активных групп России. Существующие на тот момент стандартные математические и лингвистические подходы не принесли практической пользы и/или оказались слишком затратными с точки зрения времени и финансов.
С 2013 г. по настоящий момент было проведено более 20 исследований научного и коммерческого характера по картированию сетей на разных уровнях: федеральном, региональном, городском и районном. Это были исследования политической, социальной, профессиональной, националистической, криминальной активности и т.п. Во всех случаях были получены интересные содержательные результаты.
Метод зерновой кластеризации сочетает поисковые подходы и алгоритмы кластеризации объектов на графах. После автоматического сбора объектов (групп) проводится экспертная кодировка, которая способствует содержательной интерпретации собранных данных. Автоматическая кластеризация поможет более четко структурировать политическое пространство, а экспертная кодировка поможет понять сущностные, содержательные механизмы, регулирующие процессы в политическом сегменте социальных сетей.
Основной посыл в разработке метода зерновой кластеризации состоит в том, что кластеры в социальных сетях имеют не формальную, а социальную природу. Поэтому, чтобы построить кластеры с учетом этой социальной природы, нужно следовать содержательным связям. Наше предположение состоит в том, что деятельность групп и акторов происходит по принципу «социального заражения» через связи. Актор, которого интересует определенная тематика, будет входить в несколько групп. При этом набор групп для каждого актора может быть разным, но количество групп конечно. Объединяя персональные активности, мы получаем рисунок общей структуры связей между социально активными группами. Связь между группами определяется через сходство по набору участников. Чем больше
3 Подробнее о методе зерновой кластеризации см.: Градосельская Г.В., Щеглова Т.Е., Карпов И.А. Картирование политически активных групп в Фейсбуке: динамика 2013-2018 гг. // Вопросы кибербезопасности. 2019. № 4. С. 94-104; Gradoselskaya G., Karpov I., Shcheglova T. Mapping of Politically Active Groups on Social Networks of Russian Regions (On the Example of Karachay-Cherkessia Republic) // Network Algorithms, Data Mining, and Applications (NET, Moscow, Russia, May 2018) / Eds. I. Bychkov, V. Kalyagin, P. Pardalos, O. Prokopyev. Cham: Springer, 2020. P. 187-200. (Springer Proceedings in Mathematics & Statistics; Vol. 315).
акторов одновременно входят в две социально активные группы, тем сильнее связь.
Методология картирования групп Томской области:
обоснование отбора и их типологизация
Для картирования социально-политической ситуации в социальных сетях Томской области будет проводиться сбор информации о группах соответствующей тематической направленности. Для анализа была выбрана социальная сеть «ВКонтакте», поскольку она имеет особенности выборки и представляет наиболее «молодежный» срез российского общества.
Приведем выкладки по числу отобранных групп для картирования и обоснования порогового значения связей между группами.
Сначала были отобраны через поисковик в социальной сети «ВКонтакте» 149 зерновых групп. Методом зернового приращения были получены несколько тысяч групп, из которых были экспертно отобраны 1728 групп, имеющих непосредственное отношение к Томску и области, подходящие по тематике (молодежь, общественно-политические и социальные группы, хобби, места притяжения, городские группы и т.п.). Далее, были проведены анализ и дополнительная экспертная кодировка четырьмя экспертами. Были отсеяны неактивные группы, группы, которым эксперты присвоили разные коды, и группы с тематикой, не подходящей под цели исследования. Осталось 607 групп. Из-за того, что интернет-контент очень подвижен, часть групп в процессе работы оказались заблокированы или изменили тематику, количество групп сократилось до 569. Это финальный список групп перед визуализацией.
Процесс определения порогового значения связей для визуализации представляет самостоятельную исследовательскую процедуру. Повышение порогового уровня сокращает число групп для визуализации. Цель состоит в том, чтобы показать наиболее четкую структуру связей и выделить устойчивые клики (участки сети с повышенной плотностью и содержательно однородные). В случае Томского региона структура стабилизировалась примерно на уровне 1100-1200 совместных пользователей между группами. Это довольно высокий уровень, что объясняется региональным фактором. Для сравнения — в Москве для визуализации групп пороговый уровень составляет 200-300 совместных пользователей.
В ходе экспертной кодировки группы были распределены по типам, указанным в табл. 1.
После отбора и типологизации групп происходит непосредственная отрисовка в специальной программе для визуализации
Таблица 1
Типология групп для визуализации
Кодировка Тип
0 Не относится ни к одному из перечисленных типов или не проставлен тип (закрытые группы)
1 Группы о городе
2 Сетевые СМИ
3 Общественные объединения и инициативы
4 Молодежные группы
5 Культурный досуг, события, развлечения
6 Группы органов власти и МСУ
7 Политические группы
8 Группы по интересам
9 Группы для рекламы бизнеса
10 Религиозные группы
11 Девиантные группы
социальных сетей — ORA4. Далее, проводится содержательный анализ визуализированных структур и расчет сетевых индикаторов — центральностей — для выявления ключевых и самых влиятельных в структурном смысле групп.
Визуализация картирования молодежных групп по Томской области: два кластера — два варианта будущего
Ниже на рис. 1 показаны результаты визуализации картирования групп Томска. Здесь присутствуют группы всех типов, указанных в предыдущем разделе: молодежные, политические, органов власти, городские, группы по интересам и т.п.
Сеть централизована, в центре находятся группы, посвященные городу Томску, его истории, архитектуре, интересному времяпрепровождению в нем. Основываясь на анализе содержания этих групп, можно сказать, что томичи в большинстве своем любят свой город и являются его патриотами.
Вокруг центральной клики, посвященной городу, группируются остальные сообщества: хобби, спорт, музыка, общественная актив-
4 ORA-LITE // CASOS. URL: http://www.casos.cs.cmu.edu/projects/ora/
Рис. 1. Картирование групп в Томске, уровень связей между группами — 1200 совместных участников
ность и т.п. Наблюдается в том числе и множество молодежных групп, которые тесно пересекаются с другими группами.
Молодежные группы неоднородны, они распадаются на две клики, которые разделяются как структурно, так и содержательно.
Одна молодежная клика слева репрезентует так называемые быдло-группы (это видно по названиям):
• Вписка Томск | Знакомства;
• Ненавижу | Томск/Северск;
• Гнилой Томск;
• Томские отбросы;
• Большая вписка в Томске;
• Фото | батл Томск.
Эта левая клика напрямую не связана с правой молодежной кликой. Она связана с центральными городскими группами о Томске. Левая молодежная клика собирает молодежь города, которая не связана с высшим образованием: преимущественно это подростки школьного возраста или обучающиеся в средних специальных учебных заведениях. Группы левой молодежной клики показывают
места и способы проведения досуга. Также они связаны с закреплением негативных социальных норм и самостигматизацией данной категории молодежи.
Этот тип молодежи имеет отличительные характеристики, которые проявляются в смежных группах: предпочтение культуры «АУЕ», «вписки», «секс-знакомства», «депрессивные/чернушные» группы. Негативные социальные практики закрепляются в самостигматизации и проектировании негативного будущего.
Справа к томским городским группам примыкает молодежная клика — социальная противоположность левой клики. Это преимущественно студенческие группы, привязанные к конкретным учебным заведениям (ТГУ, ТПУ, СибГМУ, ТГПУ и т.д.) или к ценностным социальным ориентирам этой категории молодежи. Студенты медицинского университета держатся несколько особняком, а вот студенты остальных вузов Томска пересекаются на общих коммуникативных площадках, например:
• Лиза Алерт Томск;
• Молодежь Томска;
• Великие преподаватели Томска;
• Спортивный клуб Томск.
Центром притяжения является активность Томского государственного университета (ТГУ), с которым связаны группы не только учебной тематики, но и социальной направленности:
• Профсоюзная организация студентов ТГУ;
• Центр культуры ТГУ;
• Центр волонтерства ТГУ "UNIVOL".
Также интересна активность международных организаций, целевым образом работающих среди студенчества Томска:
• AIESEC в Томске / Международные стажировки;
• Work and Travel USA Tomsk\ Kemerovo\ Barnaul\ NKZ.
Эта молодежная клика представляет продвинутую молодежь, ориентированную на высшее образование и дальнейшую карьеру. Они имеют отличительные характеристики, которые проявляются в смежных группах: волонтерство, общественная активность, спорт, культура, музыка и т.п.
Таким образом, закладывается и закрепляется будущая социальная неоднородность общества и обосновывается возможность классовых конфликтов.
Можно предварительно озвучить еще один содержательный вывод о картировании молодежных групп Томска. Особенность
политической активности молодежи в социальных сетях Томска состоит в том, что активность местных политических групп практически отсутствует. Единственное местное политическое движение, проявляющее активность в регионе, — это группа поддержки А. Навального. Политическую активность молодежь Томска проявляет прежде всего в группах федерального уровня. Поэтому найти региональные группы политической активности молодежи Томска практически невозможно.
Центральности молодежных групп по Томской области
Помимо содержательной интерпретации визуальной структуры, также проводятся дополнительные расчеты серии показателей получившейся сети. Наиболее информативным считается расчет центральностей по трем основным параметрам:
• степень центральности (в англоязычных источниках — "degree centrality");
• близость центральности ("closness centrality");
• центральность как посредничество ("betweeness centrality"). Все эти показатели показывают степень влияния данной группы
в пределах построенной нами сети. Чем больше значение индикатора, тем сильнее сетевое влияние5.
Расчет центральностей топ-40 групп сети Томска показан в табл. 2. Группы проранжированы по убыванию показателя центральности как посредничества — самой информативной метрике структурных характеристик. Помимо показателей центральностей, в табл. 2 приведены также размер группы (число подписчиков) и число других групп, с которыми связана данная группа (степень вершины).
Итак, проведем содержательную интерпретацию таблицы цен-тральностей по томским группам.
На первых трех местах находятся общегородские группы «Ре-гион-70 | Томск», «Я из Томска», «Томские.ру».
Далее следуют группы, передающие негативную информацию о городе и регионе, которая в целом повышает депрессивное, негативное восприятие окружающей реальности. Например, «Черный
5 О том, как рассчитываются центральности, см.: Wasserman S., Faust K. Social Network Analysis Methods and Applications. Cambridge: Cambridge University Press, 1994; Градосельская Г.В. Сетевые измерения в социологии: Учебное пособие. М.: Издательский дом «Новый учебник», 2004. См. также классические работы по теории графов: Оре О. Теория графов. М.: Наука, 1980; Харари Ф. Теория графов. М.: Мир, 1973.
Топ-40 влиятельных групп по Томской области, ранжировка центральностей по посредничеству
№ Название группы Адрес группы Размер группы Число связей (Degree) Степень центральности (Degree centrality) Близость центральности (СТовпевв сеп№аШу) Центральность по посредничеству (Ве^еепевв сеп^аШу)
1 Регион-70 Томск https://vk.com/tomskl23 215 670 256 0,90 0,91 11 209,17
2 Я из Томска https://vk.com/ya tomich 152 229 249 0,88 0,89 8440,35
3 Томские.ру https://vk.com/tomskie 142 792 246 0,87 0,88 8229,80
4 Черный список Томска https://vk.com/black list tomsk 88 219 186 0,65 0,74 2717,48
5 Жесть Томска Новости • ДТП • ЧП • Видео • Фото https://vk.com/ghest tomsk 72 286 142 0,50 0,67 1171,31
6 Интересный Томск https://vk.com/goodcity70 94 354 136 0,48 0,66 1062,62
7 Томский государственный университет ТГУ https://vk.com/tomskuniversity 32 379 53 0,19 0,54 971,26
8 Типичный Томск https://vk.com/typical tomsk 68 047 131 0,46 0,65 837,34
9 Найдись Ищу тебя Томск Знакомства https://vk.com/find tomsk 64 868 118 0,42 0,63 749,34
10 ЗнайГород Томск https://vk.com/znaigorod 45 847 116 0,41 0,62 625,82
11 Креативный Томск https://vk.com/creativetsk 19712 31 0,11 0,52 568,70
№ Название группы Адрес группы Размер группы Число связей (Degree) Степень центральности (Degree centrality) Близость центральности (Closness centrality) Центральность по посредничеству (Betweeness centrality)
12 Томск Куда пойти? https://vk.com/kuda70 41 104 116 0,41 0,62 553,31
13 Томская зоозащитная организация «СОДРУЖЕСТВО» Ьйр8 :/Мс.сот/зосЗгугев^о 23 339 59 0,21 0,55 362,91
14 ТОМСК ЗНАКОМСТВА ИЩУ ТЕБЯ https://vk.com/70znak 10 102 17 0,06 0,51 283,33
15 Белый список Томска https://vk.com/white Ьжик 39 159 93 0,33 0,59 259,57
16 Телевидение Колпашева https://vk.com/tvknews 14 877 10 0,04 0,50 235,38
17 Подслушано в Колпашево https://vk.com/podslyshano ко1ра8Ьеуо 13 601 10 0,04 0,50 235,38
18 Халява в Томске https://vk.com/free Ьжик 33 110 89 0,31 0,59 230,45
19 РИА Томск https://vk.com/riatomsk 33 040 85 0,30 0,58 191,52
20 СПОРТИВНЫЙ ТОМСК Ьйр8 :/Мс.сот/8рог1у1от8ке70 45 233 78 0,27 0,58 175,76
Топ-40 влиятельных групп по Томской области, ранжировка центральностей по Betweeness (продолжение)
№ Название группы Адрес группы Размер группы Число связей (Degree) Степень центральности (Degree centrality) Близость центральности (Closness centrality) Центральность по посредничеству (Betweeness centrality)
21 Томск Знакомства Ищу тебя https://vk.com/flirtvtomske 30 257 35 0,12 0,52 169,36
22 ТПУ Томский политехнический университет https://vk.com/tpunews 20 440 32 0,11 0,52 167,58
23 Вписка Томск https://vk.com/vpiskatomsk 18 032 32 0,11 0,52 164,13
24 Подслушано в Томске https://vk.com/one overhear tomsk 39 674 78 0,27 0,58 141,91
25 Вписка Томск Знакомства https://vk.com/vpiskatsk 23 445 25 0,09 0,51 136,92
26 Знакомства в Томске (Томск) 16+ https://vk.com/flirt tsk 15 112 25 0,09 0,51 135,93
27 Подслушано в ТПУ https://vk.com/overhear tpu 12 708 23 0,08 0,51 123,58
28 Подслушано Колпашево https://vk.com/podslushano kolpashevo 15 124 11 0,04 0,50 97,04
29 МОЙ ТОМСК https://vk.com/citytomsk 24 086 72 0,25 0,57 92,11
30 Развлечения в Томске https://vk.com/entertomsk 31 623 68 0,24 0,56 82,55
L<J
№ Название группы Адрес группы Размер группы Число связей (Degree) Степень центральности (Degree centrality) Близость центральности (Closness centrality) Центральность по посредничеству (Betweeness centrality)
31 ТОМСК В КУРСЕ https://vk.com/tomskvkurse 30 013 65 0,23 0,56 63,61
32 Томская Афиша https://vk.com/afisha tomska 18 905 57 0,20 0,55 56,54
33 Помогашки в ТПУ https://vk.com/pomogashkitpu 5667 8 0,03 0,50 54,71
34 МОЛОДЕЖНЫЙ ТОМСК https://vk.com/tomsk m 18 058 55 0,19 0,55 51,65
35 Подслушано в ТГУ https://vk.com/overhear tsu 14 577 26 0,09 0,52 41,49
36 СибГМУ https://vk.com/ssmutomsk 14 002 20 0,07 0,51 32,32
37 Happy Лайк Day. Розыгрыши призов в Томске https://vk.com/happylikeday 13 481 45 0,16 0,53 20,00
38 Simpa Tomsk https ://vk.com/simpatomsk 10 855 32 0,11 0,52 19,92
39 ФК «Томь» Томск https://vk.com/fctomtomsk 28 095 38 0,13 0,53 18,89
40 Профсоюзная организация студентов СибГМУ https://vk.com/prof com ssmu 5430 14 0,05 0,50 18,72
список Томска», «Жесть Томска | Новости • ДТП • ЧП • Видео • Фото» и пр.
Большой интерес вызывает свой город (томскую молодежь можно назвать патриотами своего города), ему посвящены группы, находящиеся в центре сети: «Интересный Томск», «ЗнайГород Томск», «Креативный Томск», «Томск | Куда пойти?» и пр.
Также у молодежи популярны группы знакомств: «Найдись | Ищу тебя | Томск | Знакомства», «ТОМСК ЗНАКОМСТВА ИЩУ ТЕБЯ» и пр.
Активность проявляют группы, связанные с городом Томской области Колпашево: «Телевидение Колпашева», «Подслушано в Колпашево» и пр.
Вообще, следует обратить внимание на группы, начинающиеся со слова «Подслушано...». Это своего рода социально-сетевая франшиза групп с узнаваемым единым оформлением, на логотипе которых нарисован забавный лось. Подобные группы можно встретить во всех регионах страны, и они специализируются на сборе и распространении разного рода сплетен и слухов. Можно предположить, что все эти группы координируются из единого центра. Подобная группа есть и в Томске («Подслушано в Томске»), и в крупных образовательных центрах, вузах («Подслушано в ТПУ»), («Подслушано в ТГУ»).
Вузы Томска также попали в топ-40 самых центральных сетевых групп: «ТПУ | Томский политехнический университет», «Помо-гашки в ТПУ», «СибГМУ», «Профсоюзная организация студентов СибГМУ».
Есть и общемолодежная группа Томска: «МОЛОДЕЖНЫЙ ТОМСК». Эта группа включена в большой круг групп молодежных интересов, связанных с музыкальной, театральной, городской тематиками.
Итоги исследования социальной сети «ВКонтакте»:
фрагментация процессов социализации молодежи Томска
Молодежь города Томска и области вовлечена в активную социальную и общественно-политическую жизнь посредством социальных сетей. Помимо очевидных политических предпочтений работает тонкий механизм социализации и вовлечения в повседневные практики. Также формируются устойчивые речевые маркеры и концепты, посредством которых осуществляется социальная стигматизация и поляризация групп молодежи. Таким образом за-
крепляются нормы поведения, социальная сегментация общества, будущие социально-политические конфликты.
Также хотелось бы добавить несколько наблюдений, которые возникли при анализе полной базы данных групп, попавших в региональные подвыборки после использования метода зерновой кластеризации, но не попавших в визуализацию структуры. В названиях групп могут присутствовать другие города и регионы, они могут быть федерального уровня, но следует иметь в виду, что они популярны у томичей.
Эксплуатация тела. При проведении регионального картирования в подвыборке групп по Томску были выявлены группы, посвященные видам заработка, связанным с эксплуатацией тела. Прежде всего это группы девушек на содержании, которые так и называются: «Содержанки, спонсоры». Это касается не только Томска, но и ближайших областей (Красноярск, Екатеринбург), и центральных регионов (Москва, Санкт-Петербург).
Другим, более пристойным способом заработка является суррогатное материнство и донорство ооцитов: рынок выстроен с ориентацией прежде всего на центральные регионы.
Есть также группы, направленные на дискредитацию традиционных отношений, разрушение семьи, женоненавистничество.
Характерные хобби. Особенностью томской подвыборки является большая популярность музыки как сферы интересов, хобби, самоидентичности молодежи. Большой популярностью в Томске пользуется такое хобби, как фотографирование. Это воплощается в группах, обучающих фотографированию, тематической фотографии, — фото Томска, портреты. Есть также интересное явление — фото-баттлы.
Характерным молодежным хобби и популярным времяпрепровождением являются «квесты» и «квизы», экскурсии по «заброш-кам» Томска, группы так называемых выживальщиков.
Выстраивание идентичности молодежи через национализм и патриотизм. По Томску наблюдается много националистических групп и групп, основанных на так называемой новой славянской мифологии. Наблюдается большое число патриотических групп, которые гордятся новейшей историей России, а также групп, участники которых ностальгируют по СССР.
Наряду с патриотическими группами присутствует небольшое число русофобских групп, которые характеризуются негативным восприятием государства. Число участвующих в этих группах
томичей достаточно велико: от 1000 до 1800 человек. Приведем примеры названий таких групп: «Русская смерть», «Русская пустота», «РАСЕЯНСТВО», «Горжусь Россией?». Общее число подписчиков групп колеблется от 200 тыс. до миллиона — это очень большие группы даже по федеральным меркам.
Разрушение идентичности молодежи через депрессивные группы. При построении молодежных и политических подвыборок по томским группам наблюдается большая включенность томской молодежи в депрессивные группы. Приведем примеры таких групп: «Лепра» (число подписчиков в России почти 5 млн, из Томска — 10 799 участников), «Мы дети странного поколения» (общее число подписчиков 839 823 человека, из Томска — 804 участника), «Грустные подростки» (число подписчиков 422 798 человек), «Хардкор» (число подписчиков 670 086 человек, из Томска — 1743 участника).
Стоит отметить, что томские региональные власти практически не контролируют информационное пространство социальных сетей. Политическая повестка и тематические тренды задаются на федеральном уровне, в которые встраивается томская молодежь.
ЛИТЕРАТУРА
Градосельская Г.В. Сетевые измерения в социологии: Учебное пособие. М.: Издательский дом «Новый учебник», 2004.
Градосельская Г.В., Щеглова Т.Е., Карпов И.А. Картирование политически активных групп в Фейсбуке: динамика 2013-2018 гг. // Вопросы кибербезопас-ности. 2019. № 4. С. 94-104.
Оре О. Теория графов. М.: Наука, 1980.
Харари Ф. Теория графов. М.: Мир, 1973.
Azaouzi M., Rhouma D., Romdhane L.B. Community Detection in Large-scale Social Networks: State-of-the-art and Future Directions // Social Network Analysis and Mining. 2019. Vol. 9. No. 1. P. 1-32.
Coleman J. The Foundations of Social Theory. Cambridge: Belknap of Harvard University Press, 1990.
Gradoselskaya G., Karpov I., Shcheglova T. Mapping of Politically Active Groups on Social Networks of Russian Regions (On the Example of Karachay-Cherkessia Republic) // Network Algorithms, Data Mining, and Applications (NET, Moscow, Russia, May 2018) / Eds. I. Bychkov, V. Kalyagin, P. Pardalos, O. Prokopyev. Cham: Springer, 2020. P. 187-200. (Springer Proceedings in Mathematics & Statistics; Vol. 315).
Moosavi S.A., Jalali M., Misaghian N., ShamshirbandSh., Anisi M.H. Community Detection in Social Networks Using User Frequent Pattern Mining // Knowledge and Information Systems. 2017. Vol. 51. No. 1. P. 159-186.
Sarswat A., Jami V., Guddet R.M.R. A Novel Two-step Approach for Overlapping Community Detection in Social Networks // Social Network Analysis and Mining. 2017. Vol. 7. No. 1. Article 47.
WangD., Li J., Xu K, Wu Y. Sentiment Community Detection: Exploring Sentiments and Relationships in Social Networks // Electronic Commerce Research. 2017. Vol. 17. No. 1. P. 103-132.
Wasserman S., Faust K. Social Network Analysis Methods and Applications. Cambridge: Cambridge University Press, 1994.
REFERENCES
Azaouzi, M., Rhouma, D., and Romdhane, L. B. "Community Detection in Large-scale Social Networks: State-of-the-art and Future Directions," Social Network Analysis and Mining, Vol. 9, No. 1, 2019, pp. 1-32.
Coleman, J. The Foundations of Social Theory. Cambridge: Belknap of Harvard University Press, 1990.
Gradosel'skaia, G. V. Setevye izmereniia v sotsiologii: Uchebnoeposobie. Moscow: Izdatel'skii dom «Novyi uchebnik», 2004.
Gradosel'skaia, G. V., Shcheglova, T. E., and Karpov, I. A. "Kartirovanie politicheski aktivnykh grupp v Feisbuke: dinamika 2013-2018 gg.," Voprosy kiberbezopasnosti, No. 4, 2019, pp. 94-104.
Gradoselskaya, G., Karpov, I., and Shcheglova, T. "Mapping of Politically Active Groups on Social Networks of Russian Regions (On the Example of Karachay-Cherkessia Republic)," Network Algorithms, Data Mining, and Applications (NET, Moscow, Russia, May 2018), eds. I. Bychkov, V. Kalyagin, P. Pardalos, and O. Prokopyev. Cham: Springer, 2020, pp. 187-200.
Harary, F. Teoriia grafov. Moscow: Mir, 1973.
Moosavi, S. A., Jalali, M., Misaghian, N., Shamshirband, Sh., and Anisi, M. H. "Community Detection in Social Networks Using User Frequent Pattern Mining," Knowledge and Information Systems, Vol. 51, No. 1, 2017, pp. 159-186.
Ore, 0. Teoriia grafov. Moscow: Nauka, 1980.
Sarswat, A., Jami, V., and Guddet, R. M. R. "A Novel Two-step Approach for Overlapping Community Detection in Social Networks," Social Network Analysis and Mining, Vol. 7, No. 1, 2017, Article 47.
Wang, D., Li, J., Xu, K., and Wu, Y. "Sentiment Community Detection: Exploring Sentiments and Relationships in Social Networks," Electronic Commerce Research, Vol. 17, No. 1, 2017, pp. 103-132.
Wasserman, S., and Faust, K. Social Network Analysis Methods and Applications. Cambridge: Cambridge University Press, 1994.
