CC BY
67
I КАРТИРОВАНИЕ ПОЛИТИЧЕСКИ АКТИВНЫХ ГРУПП В ФЕЙСБУКЕ: ДИНАМИКА 2013-2018 ГГ.1
Градосельская Г.В.2, Щеглова Т.Е.3, Карпов И.А.4
Аннотация. Социальные сети являются уникальной инфраструктурой, опосредующей социально-политическую активность молодежи. Картирование связей акторов и групп позволяет сделать социальные процессы наглядными, а наблюдение их в динамике позволяет зафиксировать соответствующие тенденции. Авторами статьи предложен уникальный метод зерновой кластеризации, позволяющий с минимальными техническими затратами максимально полно отразить текущую картину политической активности в социальных сетях. За период с 2013 по 2018 гг. авторами проведено более 20 исследований по картированию политической активности разного уровня - федерального и регионального. В данном исследовании подробно описываются результаты картирования 2018 года, одновременно дается сравнение в динамике с предыдущими исследованиями. Рассматриваются три основных кластера:«пропутинский», «националистический» и «оппозиционный» в сети Фейсбук. Объем итоговой выборки составляет 1535 политически активных групп федерального уровня.
Ключевые слова: зерновая кластеризация, сетевой анализ, on-line социальные сети, картирование политических групп, Фейсбук
1. Понимание информационной структуры в социальных сетях: постановка проблемы
Социальные сети предоставляют современное коммуникативно-информационное пространство, технически реализованное в Интернет. Обмен информации 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 (в Коулмановском смысле5) обоих компонент: акторов и информационных связей. Распространение информации в социальных сетях - один из базовых процессов, требующих изучения в современных социально-политических реалиях.
5 Coleman, J. The Foundations of Social Theory // Cambridge, MA: Belknap of Harvard UP, 1990.
DOI: 10.21681/2311-3456-2019-4-94-104
Сетевые процессы стали отражением объективных социальных установок, складывающихся на протяжении значительного отрезка времени. В то же время, сетевые взаимодействия стали механизмом, консолидирующем группы граждан по сходству социально-политических установок.
На схеме выше показано расположение уровней рефлексии реальности актором, который является активным участником политических процессов, происходящих в Интернете.
На самом нижнем уровне происходит накопление бытового опыта актора, повседневное внесетевое общение, результаты которого актор транслирует в сети -на своих персональных страницах, в группах обсуждения политических вопросов или открытых страницах. В свою очередь, эти группы могут быть подвержены внешнему воздействию, идеологическим вбросам и т.п., которые позволяют направлять политическую активность населения в необходимом направлении.
Мы не можем достоверно измерять крайние нижний и верхний уровни (повседневных практик актора и уровень информационных манипуляций), но можем объективно зафиксировать поведение актора в соци-
1 Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта «16-29-09583 офи_м» Разработка методологии, методов и средств выявления и информационного противодействия распространению в сети Интернет организованных информационных кампаний.
2 Градосельская Галина Витальевна, кандидат социологических наук, исследователь Международной лаборатории прикладного сетевого анализа, Национальный исследовательский университет - Высшая школа экономики, г Москва, Россия. E mail: mss981009@mail.ru
3 Щеглова Тамара Евгеньевна, стажер-исследователь, Международная лаборатория прикладного сетевого анализа, Национальный исследовательский университет - Высшая школа экономики, г Москва, Россия. E mail: teshcheglova@gmail.com.
4 Карпов Илья Александрович, младший научный сотрудник, Международная лаборатория прикладного сетевого анализа, Национальный
исследовательский университет - Высшая школа экономики, г Москва, Россия. E mail: karpovilia@gmail.com
Рисунок 1. Уровни информационного взаимодействия между социальными сетями и внешним социально-политическим пространством
альных сетях - на уровне персональной активности и в политических группах и на открытых страницах.
Исходя из схемы, показанной на рисунке 1, 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 не дает практически достоверных результатов. А вот однозначная привязка к политическим группам как раз соответствует политической самоидентификации индивидуальных акторов. По этому принципу были проведены ряд исследований политической активности в Рунете на федеральном уровне с 2013го по 2018 гг.
Помимо содержательных вопросов, крайне острой является проблема разработки методологии, алгоритма и программного инструментария, позволяющие быстро собирать информацию о социально-политических процессах, протекающих в социальных сетях.
2. Методологические и содержательные подходы картирования социальных сетей
2.1. Картирование политических ресурсов в on-line социальных сетях
Картирование политических ресурсов в Интернете имеет весьма долгую традицию, и широкий спектр приложения к разным технологическим платформам: это электронная почта, чаты, блоги, соцсети (Фейсбук, Твит-
тер). С развитием технологии менялись типы связей, но объекты картирования оставались неизменными: либо политические предпочтения индивидуальных акторов, либо политические предпочтения коллективных акторов (групп, пабликов и т.п.). Цели картирования также с течением времени не менялись: необходимо было понять какие политические установки присутствуют политическом сегменте Интернета того или иного региона (страны), и как позиционируются по отношению друг к другу. И эта информация не является самоценной - с ее помощью необходимо понять социальные процессы, происходящие в обществе, предсказать развитие политической ситуации.
Основные конкурирующие подходы к сетевому картированию в политических сетях можно обозначить как автоматическое кодирование объектов против экспертного.
Наиболее известна работа Л. Адамик [1] по автоматическому картированию американкой блогосферы на выборах 2004 года. Между персональными политическими блогами визуализированы связи и получены реально наблюдаемые кластеры. При большом объеме работы по сбору информации, содержательные выводы получаются весьма предсказуемыми. Существуют два основных кластера, поддерживающие один - демократическую партию, другой - республиканскую партию. Между ними наблюдается небольшое число связей и блогов-посредников.
Интересной работой, реализующей противоположный, экспертный подход, яляется исследование Б. Эйт-линга и др. [6] о публичном дискурсе в российской блогосфере. Картирование Рунета здесь проводится с
целью понять процессы политической мобилизации в России, под руководством Исследовательского центра Беркмана. Была проведена большая работа сбору эмпирической информации и экспертному кодированию блогов. Картина политических группировок получается более сложная и пестрая, чем в исследовании Л. Ада-мик. Однако, когда используется только экспертный подход, полученное многомерное пространство сложно проинтерпретировать со структурной точки зрения.
Такие же принципы и методологические приемы использовались в другой работе Исследовательского центра Беркмана авторами Дж. Келли и Б. Эйтлингом [9] в 2008 году по картированию иранской публичной сферы.
2.2. Методологические вопросы кластеризации в социальных сетях
Проблема развития методологии поиска сообществ в социальных сетях постоянно обсуждается представителями многих наук, технических и гуманитарных. Особенно волнует вопрос методологии, так как она закладывает идеологию сбора релевантной информации. Но таких работ нам не удалось обнаружить, на верхнем уровне все сводится скорее к обсуждению алгоритмов. Одна из последних интересных работ в этом направлении посвящена определению сообществ в социальных сетях Б.Пунам и Ч.Шарма 2016 года [14]
Одним из ключевых вопросов определения сообщества является нечеткость границы, темпоральная изменчивость, поэтому особенно важен вопрос типологизации и группировок. Например, в исследовании А.Корниа и др. 2018 года подробно рассматривается вопрос алгоритмов сбора информации и при их неоднородности [5]. Эта работа была подготовлена в основном журналистами. Сходной проблеме пересекающихся сообществ посвящена работа математиков 2015 года Я. Ксинга и др. [18]. Этой же проблеме посвящены работа М.Азаузи и др. 2019 года [3]. Обзор генетических алгоритмов на тему обнаружения сообществ приведен в статье и А.Сарсват [16].
Технический вопрос сбора информации постоянно обсуждается в подобного рода исследований сбора и визуализации связей между объектами в виртуальном пространстве. Этому вопросу посвящена работа Дж.Лин и др. [11]. Для каждого прикладного исследования открыт вопрос алгоритмов сбора, так же как в исследовании С.П.Боргатти и Р.А.Кросс [4] о поисковых и обучающих процедурах в социальных сетях.
Вопрос измерения силы связи в виртуальных социальных сетях также актуален и исследовался в работе Петроци А. и др. [13].
Интересен подход определения сообществ через сходство распространяемой информации - так называемый лингвистический подход представлен в работах Д.Ванг и др. [17], Х.Хуанг и др. [8] и Дж.И.Лэйн [10].
Весьма интересна работа С.Ах.Мосави [12], где подчеркивается, что пользователи социальных сетей находятся на пересечении повторяющихся паттернов поведения. Пытается предсказать наличие и знак связи между объектами исследование Ш.Гу и др. [7].
Можно сказать, что оптимальным подходом при
проведении картирования является сочетание автоматического сбора информации и экспертного кодирования для понимания социальных механизмов политических процессов, происходящих в Интернете.
В нашем исследовании используется подход, сочетающий поисковые алгоритмы и графовые методы кластеризации при картировании социальных сетей. Он зафиксирован в нашем авторском алгоритме зерновой кластеризации, описанном в статьях Г.В. Градосельской 2017 гг. [20] и [21]. Авторами данной статьи были проведены региональные исследования во многих регионах России. В работе Г.В. Градосельской и др. 2017 [21] исследовались социально-политические процессы в социальных сетях восьми регионах России: от Якутии до Московской области.
2.3. Исследования манипулятивных практик при взаимодействии в Интернете
Помимо сетевого подхода при исследовании политических процессов в социальных сетях затрагиваются еще один существенный аспект исследования. Необходимо понимать, что процессы, группирующие акторов в социальных сетях по политическим предпочтениям не всегда происходят по естественным причинам. Со временем все большую активность получают манипу-лятивные процессы распространения информации и социального проектирования.
Работы Дж.Раш [15] и Б.Аткинс и В.Хуанг [2] посвящены исследованию приемов социальной инженерии в Интернет-мошенничествах. Хотя в них рассматриваются и не политические процессы, но приемы манипулирования те же: «авторитарность», «традиция»Т^Шоп, «привлекательностыАШасйоп, «неизбежность, безотлагательность», «страх/угроза», «симпатия и уподобление», «взаимообмен», «социальная обоснованность» и т.д.
Дж.Раш [15] особо выделяет психологические аспекты манипуляции в Интернет -мошенничествах, и описывает использующиеся принципы социальной психологии. Отдельно он описывает принципы «обратного проектирования», нацеленные на обывательскую психологию и типичную ситуативную реакцию.
2.4. Картирование политических ресурсов в России
В русскоязычной литературе картирование политического пространства в регионах имеет прежде всего прикладное значение. В работе Ф.И. Шаркова [25] рассматриваются соотношение сетевой (виртуальной) и реальной идентичностей, а так же переход к феномену «массового человека». Рассматриваются теоретические основы процессов социального проектирования в виртуальном пространстве. Особенностью восприятия политических процессов является их погружение в коммуникативный контекст.
Наиболее явные последствия социального проектирования в виртуальном пространстве проявляются в массовых общественных акциях, как показывают О.В. Келашев и др. [22]. Они рассматривают механизмы воздействия на целевые аудитории, их мобилизации, а так же организацию диалога (или конфронтации) власти и общественных активистов.
Вообще, в России подробными исследованиями регионов занимается Институт Социологии РАН. Результаты показаны в объемных публикациях « Власть и общество в регионах России: практики взаимодействия» [19], Н.Д. Козлов [23].
Исследование В.А. Колосова и А.Б. Себенцова [24] показывает геополитический дискурс о Северном Кавказе в России. Они выделяют националистический, оппозиционный, исламистский дискурсы, что частично совпадает с результатами нашего исследования, представленного в данной статье.
3. Картирование политически активных групп в социальных сетях методом зерновой кластеризации (методология исследования)
Метод зерновой кластеризации был предложен Г.В.Градосельской в 2013 году 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 того времени по настоящий момент было проведено более 20 исследований научного и коммерческого характера по картированию сетей на разном уровне: федеральном, региональных, городских и районных. Это были исследования политической активности, социальной, националистической, криминальной, профессиональные сети и т.п. Во всех случаях были получены интересны 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 акторов одновременно входят в две социально-активные группы, тем сильнее связь.
Основные идеи, которые мы принимаем в основу разработанного метода:
Идея 1. Естественные кластеры. Мы полагаем, что существует естественно образованные группы повышенной плотности, которые можно «зацепить» через одну «зерновую группу». Это аналогично тому, как потянув за одну виноградину, мы можем вытащить и всю кисть.
Идея 2. Значение эксперта. Значение эксперта при кластеризации обычно недооценивают или заслуженно принижают. Мы делаем роль эксперта в исследовании более четкой, указывая явно, на каком этапе алгоритма работает эксперт, а где начинают работать математические принципы расширения кластера. В нашем алгоритме для каждого из кластеров экспертом определяются 3-5 зерновых групп, из которых потом будут наращиваться остальные группы.
Идея 3. Актор как связь. Каждый пользователь включен в несколько групп. Его персональная микросеть объединяется с другими микросетями, и образует макроструктуру взаимосвязей между группами. Таким образом, связи между группами можно представить в виде акторов, одновременно входящих в обе группы.
4. Итоги картирования политически активных групп в социальной сети Фейсбук
4.1. Особенности социальной сети Фейсбук
Основным инструментом организации гражданской и общественной активности пользователей в социальных сетях являются «профильные» группы и сообщества. В нашем исследовании по сообществам Фейсбу-ка мы попытались понять, каким образом они связаны между собой, и как работают социальные механизмы их пополнения. Методом зерновой кластеризации были выделены три кластера активных сообществ Фейсбука: проправительственный, националистический и оппозиционный. У каждого кластера оказались свои социальные механизмы пополнения, регулирования деятельности и информационного обмена. В каждом кластере также была проведена типологизация сообществ и акторов - участников социально-активных групп Фейсбука. Существование четких общественно-активных кластеров в Фейсбуке было бы невозможным без ма-нипулятивных практик, которые применяются во всех типах кластеров, как со стороны участников сети, так и обусловленных политикой самой сети.
Особенности сбора данных в сети Фейсбук:
- Технически самая сложная для сбора сеть. Постоянно меняются коды и адреса, «прячутся» участники групп. Наибольшая трата по времени для сбора данных.
- Крайне политизированная сеть, направлена на поддержку протестной активности. При наборе в поисковике Фейсбука ключевых слов в первую очередь появляются протестные группы оппозиционной направленности.
- Сеть обеспечивает консолидацию протестной и националистической активности со всех регионах Российской Федерации и общефедеральной оппозиции. Активное присутствие зарубежных политических и общественных групп, направленных на российскую аудиторию.
4.2. Краткие результаты картирования политически активных групп в Фейсбуке 2013 г.
К сожалению, объем публикации не позволяет в полной мере показать результаты картирования 2013 года в статье. Это будет сделано в докладе. Выводы по результатам кластеризации 2013 года:
- Наблюдаются процессы стандартизации механизмов манипулирования политически активными группами: группы на продажу, захват групп, активность ложных сущностей (реклама, MLM, финансовые пирамиды).
- Значительная часть политически активных групп является искусственно созданными и пополняе-
4.3. Результаты картирования политически активных групп в Фейсбуке 2018 г.
Объектом нашего изучения являются группы в социальных сетях Фейсбук. Информация об объектах хранится в базе данных с экспертными полями.
Процедура отбора групп для визуализации и экспертного кодирования многоэтапна и технически сложна. Число групп на каждом этапе кратко изложена в таблице 1. Подробнее содержательные проблемы отбора, решаемые на каждом этапе, описаны ниже.
Таблица 1
Данные по формированию итоговой матрицы для анализа и визуализации картирования
Источники Оппозиционный кластер Националистический кластер Пропутинский кластер
Зерновые группы 94 42 15
Отобрано экспертно 693 653 189
Общее число групп для анализа (в матрицу) 1535
мыми, захваченными, сектами и т.п. (около 50% политически активных групп подвергаются мани-пулятивным практикам).
- Механизмы пополнения политически активных групп значительно различаются в зависимости от типа кластеров. Однако везде присутствует активность профессиональных манипуляторов информационным пространством и группами.
- В пропутинском кластере преобладает формальный подход и набор пассивной массы за счет т.н. «рекламных» групп, «технических ботов».
- В оппозиционном кластере делают ставку на вербовку активистов и предварительную разметку информационного пространства под будущие возможные социальные конфликты.
- Политически активных акторов можно разделить в зависимости от выполняемых ролей: профессионалы, серые кардиналы, наполнители контента и локальные авторы.
С 2013 года произошли значительные изменения в социально-политической сфере России. Произошли события на Украине, в Сирии. Произошел ряд изменений в социально-экономической жизни общества как по внутриполитическим, так и по внешнеполитическим причинам. Естественно, все эти процессы нашли отражение в социально-политической активности пользователей социальных сетей в Рунете. Изменился количественный и качественный состав групп и кластеров - мы имели возможность наблюдать это по другим исследованиям социальных сетей Рунета как на региональном, так и федеральном уровнях.
В таблице 2 показано цветовое отображение экспертного кодирования на верхнем уровне. Эта же цветокодировка применяется при визуализации экспертной кодировки при картировании политически активных групп. Кодирование проводилось в 2 прохода двумя разными экспертами. В среднем совпадение кодировок между экспертами для разных кластеров варьировалось от 80 до 90%.
Таблица 2
Цветовая кодировка экспертных группировок по результатам 2018 года
цвет кодировка
оранжевый Украина
синий оппозиция
красный пропутинские
зеленый национализм
фуксия антипутинская
бирюзовый общественная активность
желтый после 2014
СССР
бледно синий политическая активность
ярко розовый патриотическая
салатовый поддержка России в мире
болотный религия
цвет кодировка
фиолетовый характерная
коричневый регионы России
ярко зеленый экстремизм
серый помоечные группы
В принципе, все расшифровки интуитивно понятны, но необходимо пояснить кодировку «после 2014». Это группы, которые появились после украинских событий 2014 года, но которые нельзя однозначно отнести к большому тематическому направлению «Украина» (их 34 группы). Они посвящены конфликтным ситуациям в Новороссии, Крыму, и по тональности могут поддерживать ту или иную сторону. Мы не стали дробить кодировку и отметили группы в одной тематике «после 2014» (их 5 групп).
На этапе визуализации в нашем исследовании стало очевидно структурное отличие от исследования 2013 года - появился новый отдельный кластер по московской оппозиции (в 2013 году он «растворялся» в общефедеральном оппозиционном кластере).
Ниже показан автоматическая кластеризация на пороговом уровне 250 совместных участников с нанесенным экспертным кодированием (рисунок 2).
Первой структурной особенностью, отличающей картирование политически активных российских групп от 2013 года было появление нового кластера (вернее выделение групп в новый кластер) - кластер по московской оппозиции. В 2013 году эти группы были довольно равномерно «размазаны» по всему оппозиционному кластеру, а спустя 5 лет выделились в отдельный сегмент даже не на уровне экспертного кодирования, а на структурном уровне.
Может быть несколько причин. Один из вариантов -раньше оппозиция концентрировалась на столичном регионе, а за последние 5 лет провела диверсификацию активности и двинулась в регионы России, особенно в Сибирь.
Также на уровне структуры автоматической кластеризации видно, как кластеры взаимно проникают друг в друга. Довольно тесна взаимосвязь между националистическим и пропутинским кластерами. Прежде всего это связано с освещением «режущей тематики» - отношение к событиям на Украине и вообще внешней политики России.
На уровне экспертного кодирования видно, как сильно изменилось информационное поле - оно отражает сложившуюся социально-политическую ситуацию. Появилось много групп, посвященных тематике Украины. Это серьезно повлияло как на содержательное, так и структурное изменение общей карты политических групп в Фейсбуке.
Также на уровне экспертного кодирования становится очевидным еще одно существенное изменение - практически отсутствуют «рекламные» и «технические» группы, которых в 2013 году в пропутинском кластере было много. В настоящее время видно, что сторонники действующей власти развернули активную работу в
социальных сетях, включаясь в обсуждение актуальных тем и отстаивание своей позиции.
4.4. Оценка групп по центральностям -наиболее влиятельные в структуре
Ниже показаны таблицы с группами, проранжи-рованными по центральностям. Рассчитаны основные центральности: degree, doseness, betwenness, eigenvector. Ранжировка проведена по ключевому показателю, наиболее оптимально подходящему к таким типам данных - eigenvector.
Интересны группы, наиболее влиятельные в целом по всей структуре. Однако появилось очень много групп, посвященных Украине. Поэтому ниже представлены две таблицы, показывающие топ 20 групп по центральностям с украинскими группами, и без украинских групп.
Наиболее сильно группы по Украине включены в кластер националистов, поэтому подробную содержательную интерпретацию проведем в параграфе, посвященном соответствующему кластеру.
В целом по всей структуре наиболее влиятельнымияв-ляется оппозиционная проукраинская группа («NO VATA!» https://facebook.com/groups/400116900158009). Дальше идут 10 украинских групп. Из них самой влиятельной являются «Народний патрютичний союз.» (https://facebook.com/groups/171330059678251) и «За В^ьну Украшу / Офщшна группа» (https://facebook. com/groups/445856555543598), см. таблицу 5.
Если же удалитьукраинские группы,то на втором и третьем месте окажутся «Diktatura» (https://facebook.com/ groups/210821539267608), «Запад Восток» (https:// facebook.com/groups/283226591886565), см. таблицу 6. Далее по значимости идут группы «СТОП КГБ-ФАШИЗМ. STOP KGB-FASCISM» (https://facebook.com/ groups/683465115039395) и «Russia without Putin» (https://facebook.com/groups/288452917944054).
5. Выводы
Результаты картирования российских политически активных групп в Фейсбуке 2018 года показали кардинальные изменения по сравнению с 2013-2014 гг. Эти изменения касаются и структурных характеристик, и классификации групп, и содержания политических процессов, которые реализуются через информационное пространство социальной сети Фейсбук.
Общие структурные изменения можно описать, прежде всего, как увеличение размера кластеров - в 2-3 раза. Увеличение кластеров происходит, прежде всего, за счет появления новых групп, открытия новых тематических направлений социально-политического характера.
Наиболее сильные изменения претерпел пропутинский кластер. В пропутинском кластере сократились почти все «технические» группы (искусственные, имитирующие активность), которые составляли 95% кластера в 2013 году. Сейчас провластные структуры начали работать с актуальной информационной повесткой, привлекать активные аккаунты.
Националистический кластер также достаточно силь-
о о
о* а> "и а\
Мы были не Болотной гАщади. M 'ОМАДСЬКА РАДА Щ1
ние "Шлидарность"
Я ВЫСТУПАЮ ПРОТИВ ПУТИН®И Ef РАД Россий» И1 |А-СВ0ОПА-Р<
ЗА СИРИЮ И БАШАРА АСАДА
Вести Донецкой Народной ЧЕМОДАН-ВОКЭАЛ-АМЕРИКА
КОМИТЕТ ОБЪЕДИНЕНИЯ ЛЕВЫХ СИЛ Я ВАТНИК геСвЮтМЙЮШд^ сщд ПРЕСТУПНЫЕ ДЕЯНИЯ ПЯТАгНфЛОННЫ И РУСОФОБОВ
. ни СШАбС и киевской фашисткой хун иПп ГруАэ сторонников В.В.Путина.
Национал ьно-ОсВободи
Владимир ВладимировивПутин-НАШ ПРЕЗИДЕНТ СуТЬ врвмвЙЙ " УССР 2 0 Г{
ПОЛ ITH'
Ж^хняПрава
reedoniÜKRAlNE проеокайр Правди Третий Рим 5 г Майпянпы ГасиОвату NK Исто(ЛУПА мандат.- ^ АткЛп Vmm КРИМ - ЦБУКРАТНА ykpäiha>GREAT UKRAINE БойцовШий клуб Owynaijh СССР ПАТРЮТУКРАТНИ АГОЛ
Дшспора в Н.мвччин, (УДИ) Israel supports ^<ne .ЯТЮР^А НАРОДОВ ^ÄÄ^^ ПРАВЫвВЫБОР
Вчний украшен обраний 78% ^у^адв^аТни р«=с"я = Майданом , СТОП КГБ-ФАШИЗМвТОР KGB-FASCISM 'Di НАРОДНАЛЮСТРАЦ1ЯУКРАТНА NOATA! УКРА1НАПРОТИЮЛ1 За парсбргкСрашя
ДЕМОКРАТИЯ»ЕЗ ПРИПРАВ Информационное сопротивление РУН Русскоговорящие Украине
Россия-мать! тебя ^нЙГ ^ ^н^ШЬ^СТРША. bÜmST- ВОЛЯ?"" ^
УкраТнська ВсеСвпня £дн1сть • Украинское Всемирное Единство Free Cr» — .... . ^^ г
(ниАппот Цивилизации пан'Крим НОВОСТИ В МИРЕ Едина УкраТна I Единая Украина^^КримНаш Правс
РУХ ЗА ПРОЦВ1ТАЮЧУ УКРАТНУ разрушен. INFORM (Антиботы)
Наш д«£> УкраТна Ахтунг-лента'Аи/ир
Ukraine - EiMpoan choice ПОГОВОРИМО? ¿6IT УКРАТНЛ. МИ
МПОбЛьвп
(А ПЕРЕМОЖЕ
УКРАТНОМОВНА СПШЬНОТА - НЁНЬКО У КРАТНО - МИ ТВ01Д1ТИ 148 Путина! БОИ БЕЙПРАВИЛ OAV Груз 200 Правду не скрыл
СПШЬНОТА В1Л6НИХ ГРОМАДЯН УкраТнщ (Ukrainians) Нова Украша Тв1й МАЙДАН - До ПЕРЕМОГИ ? | МИ ПАТРЮТИ УКРАГНИ | ?
СТО|Асдеп _ Луганск 24 ORDA vs KÍEVAN RUS Националисты России за истреблеиие А»
лзнив России!^ ОТЛИЧНИЦЫ МИ - БАНДЕР1ВЦ1! INFA УЙРАТНА Patriots of Ukraine Worldwide Movement - Всв<я1тн1й Pyx Патр1от1в УкраТни
.йдан УКРАТНСЬКА СВ1ТОВА1ЙФОРМАЦ1ИНА МЕРЕЖА .
Сирикинформация и дискуссии УКРА1НЦ1 - 6ДНАЙМОСЯ! Донбас це УкраТна! НОВОСТИ РусаА Мир Санкт-Петербург. ПИТор -протж Путина!!
всероссийский государь руССКИЙ еекто£у'*-р03'
Восток Россия Суть времени - УССР победы
РОССИЯ УКРАИНА БЕЛАРУСЬ-ЭТО
РОССИЯ и МЫ ! (груг
УКРАТНСЬКА 1НФОРМАЦ1ЙНА ВЦ
Путин дй&кен уйти
iix CwilBce о бо Всем!!!
Приколи украТнською! Мова - шля* До'перемоги над росгйським оку /ortd without KGB PutinMafla2Úto39;s Imperialism -Resistance
ЛЮСТРАЦИЯ КРИМИНАЛ-ЗЯшизма КГБ.Закон и Свобода.
Ikraine УКРАИНА ГОТОВА РАССТАТЬСЯ с
ютив Путана (без цензуры)
М1Й Д1М - УКРА1НА НацЮн Патрюти УкраТни - еднаймося! Без цвнзури. и установление УССД в Украине Pussy Riot Рг I-
Пол1т8'язн1 - Ukrainian Human Rights Inll
в!йна! (Нацйог ! RechtA Pussy Riot for
та Hai® - Г
ky for democracy
за Донбасс за свободную Украину без Кремля! (лСАкш
, вина бей цензуры Импичмент Порошенко Общественное национальное движение "Народный Президент
- - Патргаткмна Сообщество Анонвшых Инопланетян УкраТна I Груз1я - бойове Братерство
Путина лсд суд. htt(KArputinapodsud.org/en Украина ДрузТРУХУ КРИМ Нацюнально-визвольна eiüwä УкраТнська ВсеСв1тня Сднкть •
НАРОДНАЯ ГАЗЕТА УКРАИНЫ УкраТна Группа поддераМ ATO в Украине Прихильники Руху Нов« Сил Mikheil Saakashvih
----------народ Вгдроджешя Укражи МАРШ НЕБАЙДУЖИХ Our Leader ts Níkheil Saakashv.li Активные борцы зССаакашвили и Pyx
Международный антифашистский фронт Донецк 'Русская Весна" Украинский се,Ь*р геололтики Тиловий Патрйт | «Свромайдан М;жвародн11Й Квнгрес УкраТни СвроМайдан - УкраТнська РйюлюЩя Чест, й Пднос* НацП.
ЗА КАДДАФИ (АКЦИИ)* FOR Gaddafi (ACTIONS) Одесса за Саакашвипи Па1р1о™Укра,н'' Правы Cexäp Беларусь №&1Г.Быдлофобы&д1:&д1; МЫ ЗА РОССИЮ Б* БЫДЛА! ЛУЧШИЕ ВСЕГДА В МЕНЬШИНСТВЕ
•Авыйфронт» _ Соии^-де.юфагическоАв««ние (СЩР) ^ ЦЕНТРАЛЬНИЙ СЕКТОР: ВСЕ БУДЕ - УКРАТНА!
1ый Презиг
ОткрытАтрибуна
'стер ПутИв-
Укран
0uht i i-каи укклина Народно-освободительйое движение Украины За Родину Фа Сталина!
;й8Ьнное обозрение)
Вернём СССР-Йяерёд в будущее . . ПОДДЕАСКИ ПУТИНА В.В. МЕЖДУНАРОДНОЕ ДВ1
.Путиным ДОРОГАМИ BOAbll Патриотическое воспитание молодёжи! -— ------------•------------.----
Традиции предков. Аавяне. Скандинавы _ ЗА КАДДАФИ И ЕГ
Путина (команда ПутуА - патриоты и будущее России) Сильная Россия - русвая империя в XXI веке
РУССКИЕ • РОССИЙСКИЕ' СОВЕТСКИЕ * RUSSIANS " RUSOS • RUSSISCHEN Правда п£Ьтив силы.
SOCIALISTICHESKIJ FRONT СрочйьАювости
^спрмоги»<ру выжить! Сирия выстоит и победу РОвСИЯ —. Служим О
ВСЕЯ РОССИЯ ...•и вокруг да около ые «°тные 1
По волнамнЛей памяти... Координационный Сове?Юго-Восточной Украины
Международная АШоциация Блоге)>ов^^ Сварожичи. нЛтедие предков! Павел ГрудиниивНАШ През
"""" " Народ! За Социален Грудинйн Г
внт, 6ДИНА СОБ0РНА УКРА1Н, „„ Мисс оппАция 2012 Voice of Uki КОНСТИТУЦИОННАЯ (ЙОНАРХИЯ Свободная страна (свобоДйая от Путина и лутинизма) КонсоЛдация Гаагвкдёт РУХ НОВИХ СИЛ - УкраТна Mi
Гражданский Контроль над ранами управления (власти) ет солвдарности " Немцвм;
Пороше^йЬ на нары Михайло Саакашвш1 i Pyx Нових 0»Л — благословенний шанс УкраТни
;»„qw^.cwi ........
РОССИИ Одесйты за Свидетели Сени ЧеченЛвго-Приднестровского??
ГдаШРНО СЛАВА УКРАИНЕ! СЛАЙА ГЕРОЯМ МАЙДАНА! Бойкот Российских СреЛв Массовой Пропаганды КАЯ ВАТА Против пыга» Stop torture! Поддержка фигурантов уголовЛх дел "Новое величие
™ ЗА РОССИЮ БЕЗ ПРОвВВОЛА И КОРРУПЦИИ!
Наш Бо[Л Немцов Группа «Збоченц! та Виверга Ре""—""-'"'' гь.поПо..!т.
(иной БудЛ ада - «МНР» — МОСКОВСКАЯ«АРОДНАЯ PF--------
Журнай>"Боец" Вы деркЛвсь здесь
m -нвицов МОСТ"
КОН»ЕСС е "Будущее России" НАШАЮССИЯ Путин — не ><iu президент. Repressions 1лЛе Soviet Union
НАС. ДЬкоалиция. Команда ОтА^ой России Депо против Навальногф-~ НЕМЦОв Помним ПреступленЖс—-
<мки Прййдентг
КлубАгвАи Креп Изба-читал
народ For Gaddafi and his people «««v—
Б / ДОТУ I Концепция Существенной Безопасности Виртуальный К^б Суть Времени fls
Пугина! Общественный ТрибунаЮчад Путинским режимом. ПАРНАС
1 «ССР Российские судьи-нарушител®закона прав и свобод граждан ПЕРЕСТРОЙКА»злоха перемен ^ wltt« -------------------- ■ ----------------——-
Большш Дума. Волна Аремен Влада Народу АЛ-П(Ьте.ст ьи милуша Бандеровский Телеграф1|Бандер.всьв1й Телефаф
у) СССР-2 новый HHTepHauH0HWi/URSS-2 nuava Internacional СерЛмПо ВАТА TV Группа oflilaror.UA» Народовластие - Вячеславяпльцев - ПУТИНА ПОД СУД!
СЛАВЯНСКОЕ ВЕДИЧвбКОЕЦРАВОСЛАВИЕ СОПРОТИВЛЕНИЕ •моолмка и street-art хроника текших событий МихаиЛЬеллер Политзаключенны®1утинского режима
*щ«.0В-Платану HBII ^ ^ ^ Д.. „«¡¡.^ РУССКИЙ МИР
»евйэчиков (ОПР) - Москва Рыжков - нЛ президент! ПОЛИТПЛЩАДКА., _ВСТРАНвПУРАКОВ
"'"" " тники Ллои Лб
)Е ВЕДИ«еКОЕЛРАВ0СЛАВИЕ 1 Славяно^Ар^ские Веды Память о Бс#*» Hi
ПоследЖй aj
Народ против коррупционер НОВОСТНОЙ ПОРТАЯРОССИИ sknews.ru
Антикриэисг4М
Свободу невиАо ПЧЕЛы (партЛчестных людей)
Массовые нарушения пдай^аждан в российо
С!!!^!1!™,, C"W,-""ÎS'&■кnOУнJ""•"^H~'""в", "ЯЯИЮШ
АНТИВАТНИК nxynncWBOREVER! Свидетели Керенского Моста
i сторонников АлександЭНовзоров ЦерковЛтеистов Мы-Атеисты!•Veereatheisls! Группа «РвпЛт - Опиум.»
/жденным ЯбпочнА росток Яблоко - Жоронники Лечение Правосла»я Головного Мозга Правда-вРелиги
ТРОПАРЕВО-Н^ЛИНО для всех Группа УДыхЛюдеИ ^-__Вс§^ЦАХЛЛе и сЖцслужбах Израиля
КПРФ & Патрио-ДА - ЗАЩИТНИКАМ ЛТ - ПРЕСТУПНИКАМ! ■итинг №1 Institute of Ntttonal I
СВОБОДУДвИУШКИНУ!!!! РУССК1» '
а. Сокол/ПокрАжое-СтрешнеаоПушиноДДукиг
За Ла^-Русь Volga - со Чувашия - народовластие
РОСС*ЙСНГЗ ройки ХорЛиво-1
<вичи првив Собянин. Московский Дворец Пионеров. Движв! гтапьный pcUd.IT МКД в Москве
клровский район СВАО ели портал А Москва. Наш город» - <
IA МОСКВУ! ОбщАтвенное Дви>
.О (Восточный админи<А>атиг
подмоскоеАя га
;тные HoeoAi Подмосковья
Юридический фронАкхжовс»
Гагарин^Р
Архйкзор МосховгАй Совет
ЖКХвосквы
> региона Союз Активных Аюквичей (САМ)
Местное самоуп|Лвлвние. Москва.
Автомобилмты Москве лдлюн». Спасем А» Дубки! Mocki
Реновация (неправовое изъятие Абственнос зичи против платных парковок
Объединение инициативных эко-г^пп Мое ки дилеАтов Собянина р„.
1йон Московскв политика '
----МАву-20181 Как не ппати1®за капр
Сохраним БАдевский лес! Суды по поводу «ос
Проект "НароЖый кандидат" За ТРАВУ! Противнтиозеленителей!
Против Реновации БеАолитичеси
Рисунок 2. Экспертная кодировка политически активных групп в Фейсбуке, 2018г., уровень связей 250 общих пользователей и выше.
I
3
£
0
№ §
С m
а §
с
3
с «
m
S
s:
Q
1 С
S
О"
£
a №
■в-m Ce
t
fb • •
a* i 1
I
Nj О M U> Nj О M 00 JU cv»
а> "О
а\
Топ 20 центральностей по всему графу (без Украинских групп)
Таблица 3
Название группы Ссылка Тип Eigenvector centrality Closness centrality Between ess centrality Degree centrality (norm)
1 N0 VATA! https://facebook.corn/groups/400116900158009 оппозиция 1,000 0,491 0,044 0,303
2 Diktatura https://facebook.com/groups/210821539267608 оппозиция 0,968 0,469 0,016 0,244
3 Запад Восток https://facebook.com/groups/283226591886565 оппозиция 0,908 0,453 0,006 0,216
4 СТОП КГБ-ФАШИЗМ. STOP KGB-FASCISM https://facebook.com/groups/683465115039395 оппозиция 0,847 0,455 0,006 0,204
5 Russia without Putin https://facebook.com/groups/288452917944054 анти путинская 0,805 0,466 0,051 0,244
6 ЛЮСТРАЦИЯ КРИМИНАЛ-фашизма КГБ. Закон и Свобода. https://facebook.com/groups/44 3 5 3 9 2157 24741 оппозиция 0,785 0,452 0,008 0,196
7 РАД Российское Антивоенное движение https://facebook.com/groups/682332398502639 оппозиция 0,707 0,472 0,013 0,192
8 Я ВЫСТУПАЮ ПРОТИВ ПУТИНА И ЕГО ВОРОВСКОЙ ВЛАСТИ!!! https://facebook.com/groups/3 07189 6 6 9 3474 80 анти путинская 0,680 0,469 0,019 0,186
9 Русскоязычная Украина «Восток» https://facebook.com/groups/193405990688040 после 2014 0,629 0,476 0,047 0,202
10 РОССИЯ БЕЗ ЛИБЕРАЛОВ https://facebook.com/groups/2 2 6 5 4 431412742 6 пропутинские 0,613 0,480 0,032 0,257
11 Ахтунг-лента «Blow up Putinism» https://facebook.com/groups/694484810637560 оппозиция 0,606 0,397 0,000 0,119
12 Русская цивилизация https://facebook.com/ groups/1493441334212636 национализм 0,596 0,472 0,011 0,224
13 Общественно-политическое Движение «Будущее России» https://facebook.com/groups/524568294257161 оппозиция 0,588 0,490 0,070 0,230
14 СИЛА В ПРАВДЕ https://facebook.com/groups/191345627610558 пропутинские 0,579 0,453 0,007 0,216
15 СССР. РОССИЯ - наша Родина https://facebook.com/groups/881506688637610 СССР 0,577 0,459 0,023 0,226
16 Политика Факты События -все тайны и секреты https://facebook.com/groups/43 244 9316 9374 26 оппозиция 0,576 0,455 0,011 0,210
17 ДОЛОЙ КИЕВСКИЙ РЕЖИМ! https://facebook.com/groups/679243948886318 после 2014 0,575 0,443 0,009 0,224
18 ВЛАДИ МИ Р. В. ПУТИН https://facebook.com/groups/702213993186811 пропутинские 0,573 0,456 0,014 0,220
19 ЗА Сильную Справедливую Современную Россию I https://facebook.com/ groups/1559383634281128 национализм 0,572 0,451 0,007 0,216
20 Люблю Россию https://facebook.com/groups/495160683960192 пропутинские 0,562 0,434 0,004 0,208
21 ПРЕСТУПНЫЕ ДЕЯНИЯ ПЯТОЙ КОЛОННЫ И РУСОФОБОВ https://facebook.com/groups/683421975041138 национализм 0,562 0,448 0,005 0,202
22 Россия https://facebook.com/groups/724696594291219 пропутинские 0,547 0,443 0,005 0,188
S
U) м О»
3
О
О
• •
м О Nj М О» 00 М
ъ
U) м м
U)
Vfl Ch
Nj О М
vo
£ §
но изменился - он пополнился группами, поддерживающими украинских националистов и еврейскими националистическими группами. Произошло содержательное расщепление националистических групп по теме Украины. Те, кто настроены против текущей политики Украины, «мигрировали» в пропутинский кластер вместе с группами.
Оппозиционный кластер в 2013 году больший упор делал на тематику общественного движения и протест-ной активности. В 2018 году происходит концентрация содержательной активности оппозиции на личности Путина, появилось большое количество антипутнских групп, с негативным контентом. В то же время появилось общественное движение, посвященное памяти Немцова, и ряд групп.
Расширился спектр общественных движений, вовлеченных в оппозиционную, протестную активность -экологические, антиклерикальные (в основном, направленные против РПЦ), автомобилисты, и т.п.
Во всех кластерах произошла персонификация общественных движений, которые ассоциируются с их лидерами: Ходорковским, Прохоровым, Кургиняном, Прохановым и т.п. Имена лидеров выносятся в заголовки групп, сами заголовки являются мотивирующими и мобилизационными.
Также во всех кластерах наблюдаются группы, посвященные советской истории. Однако, в пропутин-
ском кластере, период Советского Союза обсуждается в положительном контексте, а в оппозиционном кластере - в негативном.
Интересно, что стратегии содержательной работы пропутинского и оппозиционнго кластеров можно определить как ассиметричные. Провластные группы посвящены борьбе с оппозиционной идеологией (де-персонифицировано), а вот оппозиционные группы очень таргетированы на главной целевой персоне, с которой ведется борьба - с Путиным. Эта ассиметрия неосознанно поддерживается стратегией работы пропутинских групп. Содержательно данная ассиметрия приводит к перегрузке ответственности - Путин концентрирует на себе всю ответственность, фактически он единственная фигура на своем поле, в отличии от оппозиционного поля, где много акторов-игроков.
Помимо этого, произошли и видимые структурные изменения, которые заключаются в том, что оппозиционный кластер стал менее консолидированным, разделился на 2 части: общую федеральную оппозицию и выделился новый кластер московской оппозиции. В кластере московской оппозиции наблюдается несколько координирующих, консолидирующих движений (например, «Московский Совет», «Самоуправление Москва» и т.д.).
Литература
1. Adamic L. Glance N. The Political Blogosphere and the 2004 U.S. Election: Divided They Blog, http://www-personal.umich.edu/~ladamic/ projects/, last accessed 2018/10/17 [https://www.researchgate.net/publication/228766359_The_Political_Blogosphere_and_ the_2004_US_Election_Divided_They_Blog]
2. Atkins B., Huang W., A Study of Social Engineering in Online Frauds\\ Open Journal of Social Sciences 2013. Vol.1, No.3, pp. 23-32 9
3. Azaouzi M., D. Rhouma, L.B. Romdhane. Community detection in large-scale social networks: state-of-the-art and future directions \\ Social Network Analysis and Mining (2019) 9:23 https://doi.org/10.1007/s13278-019-0566-x
4. Borgatti S.P. Cross R. A Relational View of Information Seeking and Learning in Social Networks \\ Management Science Vol. 49, No. 4, April 2003, pp. 432-445
5. Cornia A., Sehl A., Levy D. A. L., and Nielsen R.K. Private Sector News, Social Media Distribution, and Algorithm Change\\ Reuters Institute, University of Oxford, 2018. https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2018-10/Cornia_Private_Sector_ News_FINAL.pdf
6. Etling B., Alexanyan K., Kelly J., Faris R., Palfrey J., Gasser U. Public Discourse in the Russian Blogosphere: Mapping RuNet Politics and Mobilization \\ Berkman Center Research Publication No. 2010-11 October 19, 2010
7. Gu Sh., L. Chen, B. Li, W. Liu, B. Chen. Link prediction on signed social networks based on latent space mapping \\ Applied Intelligence(2019)49:703-722 https://doi.org/10.1007/s10489-018-1284-1
8. Huang H., H. Wu, X. Wei, Y. Gao, Sh. Shi. Mapping sentences to concept transferred space for semantic textual similarity \\ Knowledge and Information Systems https://doi.org/10.1007/s10115-018-1261-3
9. Kelly J., Etling B. Mapping Iran's Online Public: Politics and Culture in the Persian Blogosphere \\ The Berkman Center for Internet & Society at Harvard Law School, Research Publication No. 2008-01 April 6, 2008
10. Lane J.E. Semantic network mapping of religious material: testing multiagent computer models of social theories against real-world data \\ Cogn Process (2015) 16:333-341 DOI 10.1007/s10339-015-0649-1
11. Lin J., Halavais A., Zhang B., The Blog Network in America: Blogs as Indicators of Relationships among US Cities. \ Connections 17 (2007): pp. 15-23.[ https://asu.pure.elsevier.com/en/publications/the-blog-network-in-america-blogs-as-indicators-of-relationships-]
12. Moosavi S.Ah., M. Jalali, N. Misaghian, Sh. Shamshirband, M. H. Anisi. Community detection in social networks using user frequent pattern mining \\ Knowl Inf Syst (2017) 51:159-186 DOI 10.1007/s10115-016-0970-8
13. Petroczi, A., Nepusz T., and Bazso F. "Measuring tie-strength in virtual social networks." Connections 27.2 (2007): 39-52.
14. Punam B, Sharma Ch. Community detection in social networks \\ February 2016 Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery 6(3):n/a-n/a DOI: 10.1002/widm.1178 https://www.researchgate.net/publication/295395520_Community_ detection_in_social_networks
15. Rusch, J.J. (1999). The Social Engineering of Internet Fraud. Paper Presented Internet Society Annual Conference, Retreived 26 March, 2007, from http://www.isoc.org/isoc/conferences/inet/99/proceedings/3g/3g_2.htm
16. Sarswat A., V.Jami, R. M. R.Guddeti. A novel two-step approach for overlapping community detection in social networks\\ Soc. Netw. Anal. Min. (2017) 7:47 https://doi.org/10.1007/s13278-017-0469-7
17. Wang D., J. Li, K. Xu, Y.Wu. Sentiment community detection: exploring sentiments and relationships in social networks \\ Electron Commer Res (2017) 17:103-132 DOI 10.1007/s10660-016-9233-8
18. Xing Y., M. Fanrong, Zh. Yong, Z. Ranran. Overlapping Community Detection by Local Community Expansion \\ July 2015 Journal of Information Science and Engineering 31(4):1213-1232 https://www.researchgate.net/publication/281958913_Overlapping_ Community_Detection_by_Local_Community_Expansion
19. Власть и общество в регионах России: практики взаимодействия: [монография] [Электронный ресурс] / отв. ред. И.А. Халий. -Электрон. текст. дан. (объем 2 Мб). - М.: Институт социологии РАН, 2015. - 183 с. [http://www.isras.ru/publ.html?id=4049]
20. Градосельская Г.В. Анализ социальных сетей в контексте выявления социокультурных различий во внутри региональных социальных отношениях\\ Россия: реформирование властно-управленческой вертикали в контексте проблем социокультурной модернизации регионов. 2017. Раздел 4. Стр. 272 - 348
21. Градосельская Г.В., Карпов И.А., Щеглова Т.Е. Информационное пространство социальных сетей как отражение социальных установок населения по отношению к органам власти и управления\\ Россия и мир: глобальные вызовы и стратегии социокультурной модернизации. Материалы Международной научно-практической конференции (Москва, 12-13 октября 2017 г.) / Отв. ред. А.В. Тихонов. М.: ФНИСЦ РАН, 2017. 760 с. Стр.172-179
22. Келашев О.В., Казаков С.В., Лейес А.Ю. Специфика коммуникации власти и населения в контексте массового публичного протеста \\ Журнал социологии и социальной антропологии. 2006. Том IX. № I (34) рр. 103 - 122.
23. Козлов Н.Д. Политические культуры регионов России: уравнение со многими неизвестными \\ http://www.civisbook.ru/files/File/ Kozlov_2008_4.pdf
24. Колосов В.А., Себенцов А.Б. Северный Кавказ в российском геополитическом дискурсе \\ Полис. Политические исследования. 2014. № 2. С. 146-163.
25. Шарков Ф.И. Визуализация политического медиапространства \\ Полис. Политические исследования. 2016 №5. Стр.97-107
MAPPING OF POLITICALLY ACTIVE GROUPS ON FACEBOOK: DYNAMICS OF 2013-2018
Gradoselskaya G.V.6, Scheglova T.E.7, KarpovI.A.8
Summary. Social networks is unique infrastructure mediating socio-political activity of youth. Mapping of communications of actors and groups allows to make social processes evident, and observation them in dynamics allows to record the corresponding trends. Authors of article offered the unique method of a grain clustering allowing to reflect most fully with the minimum technical expenses the current picture of political activity in social networks. From 2013 for 2018 authors conducted more than 20 researches on mapping of political activity of different level -federal and regional. In this researches described in detail results of mapping 2018, but also provide comparison in dynamics with the previous researches. Three main political clusters in Facebook are considered: pro-Putin, nationalist and oppositional. The volume of total selection is 1535 politically active groups of federal level.
Keywords: grain clastering, network analysis, on-line social networks, mapping of political groups, Facebook
References
1. Adamic L. Glance N. The Political Blogosphere and the 2004 U.S. Election: Divided They Blog, http://www-personal.umich.edu/~ladamic/ projects/, last accessed 2018/10/17 [https://www.researchgate.net/publication/228766359_The_Political_Blogosphere_and_ the_2004_US_Election_Divided_They_Blog].
2. Atkins B., Huang W., A Study of Social Engineering in Online Frauds\\ Open Journal of Social Sciences 2013. Vol.1, No.3, pp. 23-32 9
3. Azaouzi M., D. Rhouma, L.B. Romdhane. Community detection in large-scale social networks: state-of-the-art and future directions \\ Social Network Analysis and Mining (2019) 9:23 https://doi.org/10.1007/s13278-019-0566-x.
4. Borgatti S.P. Cross R. A Relational View of Information Seeking and Learning in Social Networks \\ Management Science Vol. 49, No. 4, April 2003, pp. 432-445.
6 Galina Gradoselskaya, Ph.D. of Sociology, Research Fellow, International laboratory for Applied Network Research, National Research University - Higher School of Economics, Moscow, Russia. E mail: mss981009@mail.ru
7 Tamara Scheglova T.E. Research Assistant, International laboratory for Applied Network Research, National Research University - Higher School of Economics, Moscow, Russia. E mail: : teshcheglova@gmail.com
8 Ilya Karpov I.A. Junior Research Fellow, International laboratory for Applied Network Research, National Research University - Higher School of Economics, Moscow, Russia. E mail: karpovilia@gmail.co
5. Cornia A., Sehl A., Levy D. A. L., and Nielsen R.K. Private Sector News, Social Media Distribution, and Algorithm Change\\ Reuters Institute, University of Oxford, 2018. https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2018-10/Cornia_Private_Sector_ News_FINAL.pdf.
6. Etling B., Alexanyan K., Kelly J., Faris R., Palfrey J., Gasser U. Public Discourse in the Russian Blogosphere: Mapping RuNet Politics and Mobilization \\ Berkman Center Research Publication No. 2010-11 October 19, 2010.
7. Gu Sh., L. Chen, B. Li, W. Liu, B. Chen. Link prediction on signed social networks based on latent space mapping \\ Applied Intelligence(2019)49:703-722 https://doi.org/10.1007/s10489-018-1284-1.
8. Huang H., H. Wu, X. Wei, Y. Gao, Sh. Shi. Mapping sentences to concept transferred space for semantic textual similarity \\ Knowledge and Information Systems https://doi.org/10.1007/s10115-018-1261-3.
9. Kelly J., Etling B. Mapping Iran's Online Public: Politics and Culture in the Persian Blogosphere \\ The Berkman Center for Internet & Society at Harvard Law School, Research Publication No. 2008-01 April 6, 2008.
10. Lane J.E. Semantic network mapping of religious material: testing multiagent computer models of social theories against real-world data \\ Cogn Process (2015) 16:333-341 DOI 10.1007/s10339-015-0649-1.
11. Lin J., Halavais A., Zhang B., The Blog Network in America: Blogs as Indicators of Relationships among US Cities. \ Connections 17 (2007): pp. 15-23. [ https://asu.pure.elsevier.com/en/publications/the-blog-network-in-america-blogs-as-indicators-of-relationships-]
12. Moosavi S.Ah., M. Jalali, N. Misaghian, Sh. Shamshirband, M. H. Anisi. Community detection in social networks using user frequent pattern mining \\ Knowl Inf Syst (2017) 51:159-186 DOI 10.1007/s10115-016-0970-8.
13. Petroczi, A., Nepusz T., and Bazso F. "Measuring tie-strength in virtual social networks." Connections 27.2 (2007): 39-52.
14. Punam B, Sharma Ch. Community detection in social networks \\ February 2016 Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery 6(3):n/a-n/a DOI: 10.1002/widm.1178 https://www.researchgate.net/publication/295395520_Community_ detection_in_social_networks.
15. Rusch, J.J. (1999). The Social Engineering of Internet Fraud. Paper Presented Internet Society Annual Conference, Retreived 26 March, 2007, from http://www.isoc.org/isoc/conferences/inet/99/proceedings/3g/3g_2.htm.
16. Sarswat A., V.Jami, R. M. R.Guddeti. A novel two-step approach for overlapping community detection in social networks\\ Soc. Netw. Anal. Min. (2017) 7:47 https://doi.org/10.1007/s13278-017-0469-7.
17. Wang D., J. Li, K. Xu, Y.Wu. Sentiment community detection: exploring sentiments and relationships in social networks \\ Electron Commer Res (2017) 17:103-132 DOI 10.1007/s10660-016-9233-8.
18. Xing Y., M. Fanrong, Zh. Yong, Z. Ranran. Overlapping Community Detection by Local Community Expansion \\ July 2015 Journal of Information Science and Engineering 31(4):1213-1232 https://www.researchgate.net/publication/281958913_Overlapping_ Community_Detection_by_Local_Community_Expansion.
19. Vlast> i obshchestvo v regionakh Rossii: praktiki vzaimodeystviya \\ Moskva Insti-tut sotsiologii RAN, 2015, 183 s.
20. Gradoselskaya G.V. Analiz sotsial>nykh setey v kontekste vyyavleniya sotsiokul>-turnykh razlichiy vo vnutri regional>nykh sotsial>nykh otnosheniyakh\\ Rossiya: re-formirovaniye vlastno-upravlencheskoy vertikali v kontekste problem sotsio-kul>turnoy modernizatsii regionov. 2017. Razdel 4. Str. 272 - 348.
21. Gradoselskaya G.V., Karpov I.A., Scheglova T.E. Information Space of Social Networks as Reflection of Social Installations of the Population on the Relation to Bodies of Authority and Management \\ Rossiya i mir: global>nyye vyzovy i strategii sotsiokul>turnoy dinamiki, Materialy Mezhdunarodnoy nauchno-prakticheskoy konferentsii (Moskva, 12-13 oktyabrya 2017 g.) pp. 172-179.
22. Kelasiev O.V., Kazakov S.V., Leies A.U. Spetsifika kommunikatsii vlasti i naseleniya v kontekste massovogo publichnogo protesta \\ Zhurnal sotsiologii i sotsial>noy antropologii. 2006. Tom IX. № I (34) rr. 103 - 122.
23. Kozlov N.D Politicheskiye kul>tury regionov Rossii: uravneniye so mnogimi neizvestnymi \\ http://www.civisbook.ru/files/File/ Kozlov_2008_4.pdf.
24. Kolosov V. A., Sebentsov A. B.. «Severnyy Kavkaz v rossiyskom geopoliticheskom diskurse.» Polis. Politicheskiye issledovaniya 2 (2014): 146-163.
25. Sharkov F.I. Visualization of Political Media Space \\ Polis. Political Studies. 2016. No. 5. P. 97-107.
