CC BY
16
Точка зрения
DOI: 10.23932/2542-0240-2020-13-2-13
Количественные текстовые характеристики как фактор успешности продвижения публикаций в рамках протестной коммуникации в социальных сетях
Илья Борисович ФИЛИППОВ
студент аспирантской школы по политическим наукам
Национальный исследовательский университет «Высшая школа экономики»,
101000, ул. Мясницкая, д. 20, Москва, Российская Федерация
E-mail: ibfilippov@gmail.com
ORCID: 0000-0002-1464-2923
ЦИТИРОВАНИЕ: Филиппов И.Б. (2020) Количественные текстовые характеристики как фактор успешности продвижения публикаций в рамках протестной коммуникации в социальных сетях // Контуры глобальных трансформаций: политика, экономика, право. Т. 13. № 2. С. 249-268. DOI: 10.23932/2542-0240-2020-13-2-13
Статья поступила в редакцию 10.03.2020.
ФИНАНСИРОВАНИЕ: Исследование проведено при поддержке РФФИ, проект № 18-011-01134 «Динамика развития политической нестабильности: построение теоретической модели и ее эмпирическое тестирование».
АННОТАЦИЯ. Полноценный анализ протестной активности в XXI в. невозможен без учета сложной взаимосвязи между онлайн- и офлайн-поведени-ем различных акторов. Социальные медиа и, более широко, все интернет-пространство становятся площадкой для новых форм состязательной политики и делают возможными формы поведения, трансформирующие классические методы протеста. При этом цифровые площадки не являются нейтральными по отношению к самой коммуникации: взаимодействие пользователей в Сети имеет свои особые зако-
ны и свойства, которые сказываются на том, как различные акторы пытаются коммуницировать в онлайн-про-странстве и каких успехов они в этом достигают. Данная работа направлена на исследование воздействия количественных характеристик стилистики публикаций на коммуникацию вокруг протестного движения в социальных сетях. В набор использованных характеристик вошли средняя длина слова в постe, число слов в посте, отношение числа знаков вопроса к числу слов в посте, отношение числа восклицательных знаков к числу слов в посте, отно-
шение числа скобок к числу слов в посте, фиктивная переменная на наличие разницы между числом открывающих и закрывающих скобок. С помощью регрессионного анализа на выборке оригинальных постов из социальной сети «ВКон-такте» за 2018 г. авторы обнаружили, что количественные показатели стилистики текста являются статистически значимыми факторами, которые влияют на успешность продвижения постов, включенных в политическую коммуникацию. Тем не менее при попытке использовать данные предикторы для объяснения изменчивости широты и активности протестной коммуникации в различных контекстах объяснительная сила данных показателей оказалась незначительной.
КЛЮЧЕВЫЕ СЛОВА: политическая коммуникация, онлайн-коммуникация, социальные медиа, социальные сети, digital politics, политический протест, протестное движение, социальные движения
Онлайн-коммуникация как фактор состязательной политики
На данный момент в политической науке отсутствует полноценная теория, которая описывала бы взаимосвязь между онлайн- и офлайн-про-тестом. Возможность создания интегральной картины этой взаимосвязи пока под вопросом: возможно, что она выкристаллизуется в ближайшие годы. За менее чем 10 лет роль новых медиа, слабо контролируемых государствами и предоставляющих социальным движениям уникальную площадку для донесения своей повестки до неограниченного круга потенциальных сторонников, выросла от просто доступного способа координации, как было во вре-
мя протестных акций «Арабской весны» [Arafa, Armstrong 2016], до главной площадки протестной коммуникации. Уже во время обсуждения протестов начала 2010-х гг. некоторые комментаторы утверждали, что коммуникация в социальных сетях - ключевой фактор успеха протестующих [Howard, Hussain 2011; Wolfsfeld, Segev, Sheafer 2013], однако на тот момент это было еще преждевременно [Wolfsfeld, Segev, Sheafer 2013; Lynch 2011]. Теперь же цифровая политика становится не просто еще одним «фронтом работ» для протестующих -она становится тканью политической повседневности для участников и наблюдателей протестного движения, зачастую более реальной, чем офлайн-ак-ции протеста: акции протеста проходят время от времени, а цифровые сообщества в сети воспроизводятся в коммуникации на постоянной основе [Wong, Wright 2019].
Проникновение социальных сетей в «состязательную политику» создает новые проблемные области: например, влияние деятельности репрессивного аппарата правящего режима в онлайн-пространстве на формы и активность протеста или взаимодействие офлайн и онлайн акторов в рамках протест-ных активностей [Honari 2018]. Новые предметы для исследования возникают и в рамках «старых» дискуссий: например, закономерным является вопрос о влиянии социальных сетей на механизмы и магнитуду протестной мобилизации [Larson, Nagler, Ronen, Tucker 2019], а также роль социальных сетей в медиации связи между репрессиями и динамикой дальнейшего протеста [Ах-ременко, Филиппов 2019].
При этом качественное продвижение в понимании вклада социальных сетей в «состязательную политику» требует отказа от такого дизайна исследования эффектов социальных сетей, при котором сами социаль-
ные сети оказываются «черным ящиком», каким-то образом сказывающимся на исследуемой зависимой переменной просто за счет своего присутствия в социальной системе. Важно понимать, что, когда мы говорим о «влиянии социальных сетей» на некоторые процессы, мы на самом деле имеем в виду влияние или актуально наличествующей коммуникации в социальных сетях, или потенциала такой коммуникации. Чтобы раскрыть этот «черный ящик», нужно обратить внимание на три классических аспекта коммуникации: на коммуницирующих акторов, на среду, в которой происходит коммуникация, и на собственно содержание этой коммуникации. Хотя в целом отчуждать среду от акторов в контексте социальных сетей не вполне корректно, мы считаем, что в первом приближении для валидного анализа поведения акторов требуется начать с описания этой среды, которая при включении в коммуникацию противостоит акторам как данность. Ключевыми структурными особенностями среды оказываются ее графовый (т. е. сетевой) характер и ее текстоцентричность - обмен мнениями между неограниченным кругом пользователей происходит (по крайней мере, пока) в основном в текстовом формате. Сетевые особенности онлайн-коммуникации исследованы относительно подробно: обнаружены принцип гомофилии, структурирующий стабильные сети коммуникации по принципу подобия участников коммуникации [Barberá, Jost, Nagler 2015; Himelboim et al. 2016] и зависимость распространения информации от наиболее популярных пользователей социальных сетей [González-Bailón, Wang 2016].
Особенности, которые привносит текстоцентричность, изучены довольно скудно. Ключевым исследованием здесь представляется попытка уловить
влияние особенностей текста на продвижение публикаций в сети Twitter в рамках изучения протестной коммуникации в Венесуэле [Ахременко, Стукал, Петров 2020], где было обнаружено влияние не только сетевых факторов, но и текстовых, хотя оно было и ощутимо меньше.
Опираясь на дизайн этого исследования, мы дополняем вопрос о том, как в ходе протестной коммуникации количественные текстовые характеристики публикаций влияют на успешность продвижения постов, двумя дополнительными вопросами. Во-первых, нас интересует, как эффект текстовых характеристик меняется в зависимости от контекста, в котором проходят про-тестные акции. Во-вторых, мы исследуем, насколько успешно изменение количественных характеристик публикуемых текстов в результате изменения информационного повода может объяснить контекстуально обусловленную трансформацию коммуникации в целом.
Постановка второго вопроса кажется нам обоснованной, потому как изменение количественных параметров текстов может зависеть от обстоятельств в большей степени, нежели от автора. Понятно, что сам инфоповод влияет на ценность передаваемой информации. Но инфоповод задает не только содержание поста, но может и диктовать его формат и стилистику: более серьезные события больше располагают к вдумчивому и серьезному изложению, менее серьезные допускают более простое изложение. Это может приводить к изменению «облика» среднестатистического поста по теме, а через это - к изменению успешности продвижения повестки в целом, ведь текстовые характеристики отражают изменения в стилистике и могут влиять на характер взаимодействия пользователей с постом.
Коммуникация вокруг протестного движения в социальной сети «ВКонтакте»: две акции весны 2018 г.
В качестве эмпирической базы исследования мы используем данные социальной сети «ВКонтакте» за период с 29 апреля по 7 мая 2018 г. В данной работе пристально изучается только коммуникация за 30 апреля, 1, 5 и 6 мая. Ранее тот же массив изучался нами на других подвыборках и в других аспектах: нас интересовало влияние полицейского насилия на динамику абсолютных и относительных величин, а также соотношение просмотров [Ахременко, Филиппов 2019]. В этой работе мы обращаемся к влиянию стилистики текстов на соотношение просмотров и реакций, о чем подробнее будет сказано ниже.
Принцип сбора массива данных не было случайным. 30 апреля - день проведения акции «За свободный Интернет», формально организованный М. Световым, но на котором выступали представители различных ветвей российской политической оппозиции, включая А. Навального. 5 мая состоялся митинг «Он нам не царь», организованный сторонниками А. Навального. Первый митинг был согласован, прошел без вмешательства полиции и задержаний. Второй митинг был жестко подавлен силами правопорядка. Таким образом, с разницей в 5 дней прошло два митинга одного и того же социального движения, но с разными стратегиями, примененными правящим режимом. Мы полагаем, что применение насилия при прочих приближенных к равному меняет информационный повод, изначально созданный протестной акцией, обогащая его как дополнительной фактологией, так и некоторой информацией о правящем режиме: насилие может быть воспринято и как сигнал решимости [Young 2019], и как ин-
дикатор слабости режима [Peterson, Wahlström 2015]. Благодаря этому, на базе данного примера можно оценить вклад текстовых факторов в продвижение постов в различных условиях. Более раннее разведочное количественное исследование коммуникации вокруг протестной активности в социальной сети «ВКонтакте» показало, что применение насилия по отношению к протестующим сказывается на числе коммуницирующих и на качестве вовлеченности в нее, но это влияние не сказывается на всех аспектах коммуникации единообразно [Ахременко, Филиппов 2019]. Таким образом, разница в реакции полиции дает возможность оценить вклад текстовых характеристик в более широком контексте трансформации коммуникации под воздействием внешних факторов.
Нами был собран пул публично доступных сообщений пользователей, в которых упоминалось слово «митинг», наличие которого с большой вероятностью свидетельствовавшего о включенности поста в коммуникацию вокруг протеста. Поскольку акция сторонников А. Навального проходила не только в Москве, а также имели место менее масштабные акции по локальным поводам, был составлен пул стоп-слов, присутствие которых в посте, или ник-нейме отправителя, или на площадке, где было размещено сообщение, автоматически приводило к исключению поста из выборки. В этот лист попали различные топонимы, упоминания 1 мая, Дня Победы и «обманутых дольщиков». Собранный набор постов был обогащен доступными данными авторов и площадок размещения, включившими в себя информацию о числе друзей и подписчиков.
В выборку попали, соответственно, дни проведения акций и последующий день. Из выборки были исключены посты, написанные в дни акций ранее
14 часов (время начала майской акции): мы не уверены, что посты, написанные 5 мая ранее 14 часов, могут достоверно отражать реакцию на насилие, а выборку по 30 апреля следовало обрезать для сравнимости (внесение систематической ошибки ввиду такой фильтрации отобранных сообщений представляется нам маловероятным).
Было установлено, что применение полицейского насилия увеличивает как число оригинальных постов пользователей и сообществ с упоминанием про-тестной акции, так и число комментариев, причем как в ответах к политически ангажированным постам, так и к публикациям, изначально не упоминающих протестные акции. При этом увеличивается не только число постов, но и их способность вовлечь пользователей в дальнейшую коммуникацию (написать комментарий) или распространение изначального сообщения (его ре-пост на свою страницу или страницу администрируемого пользователем сообщества).
При этом если говорить о «популярности» оригинальных постов (чис-
ле просмотров и лайков), то упоминания акции, прошедшей мирно, превзошли публикации по мотивам второй акции (см. табл. 1). Однако, даже несмотря на то, что после первой акции средний пост был увиден большим числом пользователей, количество более «дорогих» для пользователей реакций оказалось меньшим даже в абсолютных значениях. Если рассматривать эту задачу в разрезе «вероятности» вызвать реакцию у пользователя, увидевшего пост, то ситуация еще более показательная.
Так, на каждый репост в случае майской акции приходилось в два раза меньшее число просмотров (см. табл. 2). Это наиболее показательно: ведь если комментариев под одним постом активный пользователь может оставить несколько, то репост одной записи от уникального пользователя всегда единичен из-за технических особенностей системы.
Возникает вопрос: объясняется ли разница в способности постов вовлечь пользователей в более активную коммуникацию только лишь информационным поводом? Разумная гипотеза состоит в том, что акции с разным тече-
Таблица 1. Пользовательские реакции на пул собранных постов (средние и абсолютные значения)
Table 1. User Responses to the Pool of Collected Posts (Average and Absolute Values)
п Число Число Число Даты оригинальных » " г просмотров репостов лаиков Число комментариев
С 14:00 30 апреля до 00:00 2 мая 6895 17059497 12795 296641 36364
С 14:00 5 мая до 00:00 7 мая 9543 14046501 18290 248484 54089
П Среднее число Среднее число Среднее число Даты оригинальных г г г _ " г просмотров репостов лаиков постов Среднее число комментариев
С 14:00 30 апреля до 00:00 2 мая 6895 2474,18 1,86 43,02 5,27
С 14:00 5 мая до 00:00 7 мая 9543 1471,91 1,92 26,04 5,67
нием событий могли обратить на себя внимание разных сообществ и пользователей. Но даже если мы отсеем сообщения пользователей, которые комму-ницировали только до или после применения насилия, то наблюдаемая закономерность сохранится (см. табл. 3).
Задача данного исследования состоит в том, чтобы проверить, насколько
свойства самих опубликованных постов могут считаться драйверами указанных закономерностей. Наше внимание направлено на изменение стилистики постов, выражающееся в трансформации базовых количественных характеристик самого текста, и то, как это изменение сказывается на «успешности» поста в различных условиях.
Таблица 2. Соотношение просмотров и пользовательских реакций (средние и абсолютные значения)
Table 2. The Ratio of Views and User Responses (Average and Absolute Values)
Даты Число просмотров Число репостов Число лайков Число комментариев
С 14:00 30 апреля до 00:00 2 мая 17059497 12795 296641 36364
С 14:00 5 мая до 00:00 7 мая 14046501 18290 248484 54089
Даты Среднее число просмотров Среднее число просмотров на один репост Среднее число просмотров на один лайк Среднее число просмотров на один комментарий
С 14:00 30 апреля до 00:00 2 мая 17059497 1333,29 57,51 469,13
С 14:00 5 мая до 00:00 7 мая 14046501 767,99 56,53 259,69
Таблица 3. Соотношение просмотров и пользовательских реакций на подвыборке авторов, участвовавших в обсуждении обеих акций (средние и абсолютные значения) Table 3. The Ratio of Views and User Reactions in a Subset of Authors who Participated in the Discussion of Both Campaigns (Average and Absolute Values)
Число Число Число Даты Число постов » просмотров репостов лайков Число комментариев
С 14:00 30 апреля до 00:00 2 мая 2790 8516891 6819 146502 21195
С 14:00 5 мая до 00:00 7 мая 3877 9116227 11875 165462 35497
П .. Среднее число Среднее число Среднее число Даты Число постов ¥ " ¥ " ¥ " . просмотров репостов лайков Среднее число комментариев
С 14:00 30 апреля до 00:00 2 мая 2790 3052,65 2,44 52,51 7,60
С 14:00 5 мая до 00:00 7 мая 3877 2351,36 3,06 42,68 9,16
Текстовые характеристики как предикторы успешности постов
Используемые количественные характеристики текста будут едины во всех представленных ниже моделях, с включением других, нетекстовых, характеристик там, где это поможет описать больше изменчивости независимых переменных и защитит модель от смещенности оценок (см. табл. 4).
Первые две метрики указывают главным образом на информативность текста и «затраты» пользователя на его прочтение. Восклицательные и вопросительные знаки используются как прок-си для оценки общей эмоциональности текста. Доля скобок в тексте несет двойной смысл: общая структурная перегруженность текста (наличие большого количества пояснений и обстоятельств), а также указание на неформальность стиля - в случае если скобка используется в качестве смайла, текстовой имитации улыбки. Чтобы лучше учесть эту двойственность, мы также используем фик-
тивную переменную на равенство числа открывающих и закрывающих скобок: если оно не выполняется, значит, скобки в посте несут также функцию смай-ла. Эта фиктивная переменная несет как свой собственный смысл (указывает на то, что текст написан не в строгой тональности), так и используется для формирования условной переменной, для оценки влияния доли скобок в посте в случае, когда скобки несут только пунктуационный смысл, и в случае, когда скобки эмоционально насыщают текст.
Используемые нетекстовые метрики:
1. Фиктивная переменная на то, что пост был написан после вмешательства полиции в ходе протест-ной акции.
2. Число подписчиков автора поста (сумма подписчиков и друзей).
3. Фиктивная переменная на то, что пост был размещен сообществом.
4. Просмотры на один лайк (см. табл. 5).
Фиктивная переменная на полицейское насилие применяется только в мо-
Таблица 4. Используемые количественные характеристики стилистики поста Table 4. Used Quantitative Characteristics of the Post Style
Выборка Все 30 апреля - 1 мая 5-6 мая
Показатель Среднее Sd Среднее Sd Среднее Sd
Средняя длина слова в посте 8.02 6.41 94.44 244.90 98.06 240.43
Число слов в посте 124.49 285.11 8.18 6.66 8.11 8.85
Отношение числа знаков вопроса к числу слов в посте 0.01 0.06 0.04 0.38 0.03 0.43
Отношение числа восклицательных знаков к числу слов в посте 0.03 0.37 0.01 0.06 0.01 0.07
Отношение числа скобок к числу слов в посте 0.00 0.03 0.00 0.01 0.00 0.02
Фиктивная переменная на наличие разницы между числом открывающих и закрывающих скобок 0.04 0.19 0.04 0.19 0.04 0.19
делях на выборке, включающей в себя посты, написанные в ходе обсуждения обеих акций. Число подписчиков пользователя, разместившего пост, необходимо учитывать, т. к. между этим показателем и числом просмотров существует прямая связь: размещенный на странице автора пост появится в лентах у всех подписчиков. Нельзя исключать, что вероятность реакции на увиденный пост отличается в зависимости от того, размещен он на странице обычного пользователя или в сообществе, поэтому в модели включена как фиктивная переменная на размещение поста в паблике, так и переменная взаимодействия между ней и числом подписчиков. Отношение числа просмотров к числу лайков в одном случае является зависимой переменной, но далее используется как интегральная метрика, позволяющая оценить, насколько пост способен вызвать реакцию «мне нравится» у увидевшего пользователя: исключать, что это свойство написанного текста не может повлиять на вероятность репоста или комментария, нельзя.
В каждом случае мы использовали линейную модель, устойчивую к скор-релированности предикторов и наличию выбросов. Выбор в пользу такой модели сделан из-за неоднородности распределения пользовательского внимания и пользовательских реакций -большое количество лайков, репостов и комментариев приходится на сравнительно небольшое количество постов. В такой ситуации возникает много потенциально влиятельных наблюдений, присутствие которых требуется с точки зрения внутренней валидности, но приводит к некорректности обычной линейной оценки. Стандартные ошибки рассчитаны с учетом поправки на наличие гетероскедастичности1.
Таблица 5. Регрессия числа просмотров на один лайк на количественные показатели стилистики текста на подвыборке по двум акциям
Table 5. Regression of the Number of Views per Like on Quantitative Indicators of Text Style in a Sub Sample for Two Promotions
Модель I.I I.II
Зависимая переменная Просмотры на один лайк
Среднее значение по выборке 92.22 87.94
Полицейское насилие s.e. 0.801 (1.011) -0.983 (1.525)
Подписчики s.e. 0.00001 (0.00004) 0.0001 (0.0003)
Длина слов s.e. 0.359 (0.167) 0.352 (0.256)
Число слов 0.008 0.009
s.e. (0.002) (0.003)
Знаки вопроса/слова s.e. 14.600 (14.479) 0.437 (23.778)
Восклицательные знаки/слова s.e. -1.762 (3.779) -19.913 (13.557)
Нарушение баланса скобок s.e. 4.775 (2.193) 4.505 (4.293)
Скобки/символы 32.431 -71.004
s.e. (50.302) (51.571)
Скобки/символы X
Нарушение баланса скобок -78.815 172.182
s.e. (66.917) (221.231)
Автор - сообщество s.e. 14.025 (1.037) 16.825 (1.703)
Автор - сообщество X Число подписчиков s.e. 0.00003 (0.00004) -0.0001 (0.0003)
Constant 54.197 46.676
s.e. (6.615) (9.804)
Фикс. эффекты часа Да Да
Выборка: авторы Все Обсуждавшие обе акции
Выборка: время с 14:00 30 апреля по 00:00 2 мая с 14:00 5 мая по 00:00 7 мая
N 9,004 3,518
p<0.1; p<0.05; p<0.01
1 Непостоянство дисперсии ошибок предсказания модели, которое приводит к неэффективности оценок коэффициентов регрессии, полученных методом наименьших квадратов.
Каждая модель (см. табл. 6) рассмотрена на восьми различных выборках, рассмотрены пулы постов по каждой акции отдельно и общий пул. Общий пул исследован в трех вариациях: пул полностью и фильтрованный, в кото-
рый войдут только посты авторов, активных в ходе обсуждения обеих акций. При изучении пулов по дням акций мы используем те же вариации, но, кроме того, отдельно обращаемся к сообщениям авторов, активных при об-
Таблица 6. Регрессия числа просмотров на один лайк на количественные показатели стилистики текста на подвыборках по каждой акции
Table 6. Regression of the Number of Views per Like on Quantitative Indicators of Text Style in sub Samples for Each Promotion
I.III I.IV I.V I.VI I.VII I.VIII
Зависимая переменная Просмотры на один лайк
Среднее значение по выборке 87.19 83.727 89.03 95.87 90.50 99.66
Подписчики s.e. 0.00001 (0.00004) 0.0004 (0.001) 0.00001 (0.00004) -0.00005 (0.0002) -0.00003 (0.0003) 0.0001 (0.0004)
Длина слов s.e. 0.740 (0.242) 1.001 (0.500) 0.695 (0.312) 0.121 (0.218) 0.029 (0.298) 0.220 (0.242)
Число слов s.e. 0.013 (0.004) 0.015 (0.006) 0.012 (0.005) 0.005 (0.003) 0.006 (0.004) 0.007 (0.004)
Знаки вопроса/слова s.e. -2.990 (21.351) -49.390 (20.194) 13.463 (22.285) 45.032 (33.600) 59.942 (56.780) 40.516 (35.685)
Восклиц. знаки/слова s.e. -5.476 (5.272) -58.601 (35.187) -5.646 (5.453) -1.244 (6.059) -15.924 (11.542) -1.244 (2.637)
Нарушение баланса скобок s.e. 3.094 (3.185) -0.054 (7.553) 2.824 (3.753) 6.816 (3.097) 7.874 (5.896) 4.613 (3.805)
Скобки/символы s.e. 26.306 (92.304) -111.688 (80.810) 148.197 (198.814) 23.625 (57.296) -73.405 (68.050) 57.824 (78.642)
Скобки/символы X Нарушение баланса скобок s.e. 25.844 (130.123) 401.129 (1,301.379) -103.018 (227.978) -162.021 (77.804) 76.378 (247.421) -216.233 (99.169)
Автор - сообщество s.e. 11.932 (1.573) 18.213 (3.208) 10.737 (2.034) 15.389 (1.492) 14.918 (2.360) 18.285 (2.148)
Автор - сообщество X Число подписчиков s.e. 0.00002 (0.00004) -0.0004 (0.001) 0.00001 (0.00004) 0.0001 (0.0002) 0.0001 (0.0003) -0.0001 (0.0004)
Constant s.e. 66.372 (9.978) 74.964 (20.576) 58.867 (11.568) 45.291 (7.678) 28.050 (7.879) 57.191 (12.272)
Фикс. эффекты часа Да Да Да Да Да Да
Выборка: авторы Все Обсуждавшие обе акции Обсуждавшие одну акцию Все Обсуждавшие обе акции Обсуждавшие одну акцию
Выборка: время С 14:00 30 апреля по 00:00 2 мая с 14:00 30 апреля по 00:00 2 мая с 14:00 30 апреля по 00:00 2 мая с 14:00 5 мая по 00:00 7 мая с 14:00 5 мая по 00:00 7 мая с 14:00 5 мая по 00:00 7 мая
N 3,812 1,341 2,471 5,192 2,177 3,015
p<0.1; p<0.05; p<0.01
суждении только данной конкретной акции. Таким образом мы прослеживаем не только общие закономерности, но и их изменчивость на различных подвыборках и в различных условиях. Поскольку соотношение просмотров и реакций может быть очень большим в случае, когда реакция единична, то при изучении более редких «дорогих» реакций мы исключили из выборки посты, вызвавшие изучаемую реакцию менее двух раз. И поскольку во все модели так или иначе включено соотношение лайков и просмотров, из рассмотрения исключены посты, которые не получили ни одной реакции «мне нравится».
Модели 1.11-1.VIII показывают неоднородность влияния факторов по выборке. Длина слов сказывалась на продвижении поста только во время обсуждения апрельской акции, при этом модуль эффекта увеличился вполовину. Число слов оказывается значимым фактором при рассмотрении обеих акций, но в случае акции, прошедшей без вмешательства сил правопорядка, негативный эффект на «успешность» поста в полтора-два раза заметнее. Использование скобок в качестве смайлов являлось значимым (и сильным) предиктором только во время обсуждения майской акции, а ее влияние имело сложный характер: в целом оно ассоциировалось с более низкой конвертируемостью просмотров в лайки, но если уж авторы использовали их, то успешнее были те, кто делал это неоднократно. Значимость эффекта восклицательных и вопросительных знаков представляется артефактом самой маленькой из подвыборок: значимость пограничная, а этот эффект не воспроизводится больше нигде.
По итогу рассмотрения восьми моделей можно отметить, что самое постоянное негативное влияние оказы-
Таблица 7. Регрессия числа просмотров на один репост на количественные показатели стилистики текста на подвыборке по двум акциям
Table 7. Regression of the Number of Views per Repost to Quantitative Indicators of Text Style in a Sub Sample for two Shares
Модель II.I II.II
Зависимая переменная Просмотры на один репост
Среднее значение по выборке 886.05 936.87
Полицейское насилие s.e. -51.310 (11.585) -41.521 (16.022)
Просмотры на лайк s.e. 5.071 (0.587) 4.340 (0.624)
Подписчики s.e. 0.0004 (0.001) 0.005 (0.002)
Длина слов s.e. -3.533 (1.033) -4.010 (1.569)
Число слов -0.118 -0.080
s.e. (0.015) (0.022)
Знаки вопроса/слова s.e. 85.795 (263.996) 195.848 (332.047)
Восклицательные знаки/слова s.e. -1.941 (36.605) -19.630 (45.129)
Нарушение баланса скобок s.e. 15.400 (77.741) 12.358 (60.024)
Скобки/символы -81.448 241.145
s.e. (615.077) (1,228.967)
Скобки/символы X
Нарушение баланса скобок s.e. 1,993.251 (9,525.165) -3,270.761 (7,614.181)
Автор - сообщество s.e. 27.585 (13.226) 33.020 (19.380)
Автор - сообщество X Число подписчиков s.e. 0.002 (0.001) -0.001 (0.002)
Constant 152.002 156.762
s.e. (75.684) (153.385)
Фикс. эффекты часа Да Да
Выборка: авторы Все Обсуждавшие обе акции
С 14:00 С 14:00
Выборка: время 30 апреля по 00:00 2 мая 5 мая по 00:00 7 мая
N 2,545 1,392
вала общая «затратность» для читателя: комбинация длины слов и их количества. При этом информация о применении насилия по отношению к протестующим усиливала этот эф-
фект: такие сообщения менее располагают к легкомысленному отношению читателей.
Модели 11.1 и II.II (см. табл. 7) свидетельствуют, что сообщения об ак-
Таблица 8. Регрессия числа просмотров на один репост на количественные показатели стилистики текста на подвыборках по каждой акции
Table 8. Regression of the Number of Views per Repost to Quantitative Indicators of Text Style in Sub Samples for Each Promotion
Модель II.III II.IV II.V II.VI II.VII II.VIII
Зависимая переменная Просмотры на один репост
Среднее значение по выборке 1135.51 1204.9 1063.79 708.91 766.12 634.17
Просмотры на лайк s.e. 6.035 (1.914) 3.546 (2.742) 7.694 (2.115) 4.361 (0.904) 4.420 (0.689) 3.908 (1.055)
Подписчики s.e. 0.0003 (0.001) 0.010 (0.008) 0.0003 (0.00004) 0.002 (0.002) 0.003 (0.002) 0.002 (0.006)
Длина слов s.e. -4.864 (4.905) -6.299 (17.783) -2.053 (4.803) -3.462 (1.115) -3.669 (1.983) -2.769 (2.728)
Число слов s.e. -0.184 (0.040) -0.133 (0.090) -0.230 (0.050) -0.083 (0.017) -0.062 (0.022) -0.108 (0.030)
Знаки вопроса/слова s.e. -137.172 (377.901) 129.870 (350.788) 249.787 (2,501.449) 384.929 (357.593) 500.557 (549.434) 546.507 (996.461)
Восклиц. знаки/слова s.e. -62.770 (94.862) -157.478 (184.838) -28.022 (124.837) -1.722 (20.669) -10.942 (14.675) -3.423 (66.058)
Нарушение баланса скобок s.e. -26.541 (90.282) 62.367 (130.887) 21.767 (150.333) 33.785 (33.466) 24.946 (55.820) 48.905 (53.520)
Скобки/символы s.e. -603.035 (1,301.489) -548.257 (2,939.735) -2,251.415 (1,983.351) 356.334 (716.928) 922.457 (1,802.251) -356.474 (1,093.551)
Скобки/символы X Нарушение баланса скобок s.e. 0.003 (0.003) -0.006 (0.009) 0.002 (0.001) 0.001 (0.002) 0.00004 (0.002) -0.001 (0.006)
Автор - сообщество s.e. 23.186 (53.787) 56.294 (91.859) 66.591 (47.807) 43.968 (16.492) 32.853 (17.106) 86.619 (31.513)
Автор - сообщество X Число подписчиков s.e. 11,033.550 (2,023.507) -18,019.650 (22,600.570) 12,438.040 (2,484.617) -393.145 (1,103.219) -3,189.893 (6,339.227) -14.627 (1,517.480)
Constant s.e. 310.821 (232.621) 459.959 (611.792) -91.340 (91.733) 50.275 (61.975) -40.047 (118.481) 107.669 (72.263)
Фикс. эффекты часа Да Да Да Да Да Да
Выборка: авторы Все Обсуждавшие обе акции Обсуждавшие одну акцию Все Обсуждавшие обе акции Обсуждавшие одну акцию
Выборка: время С 14:00 30 апреля по 00:00 2 мая с 14:00 30 апреля по 00:00 2 мая с 14:00 30 апреля по 00:00 2 мая с 14:00 5 мая по 00:00 7 мая с 14:00 5 мая по 00:00 7 мая с 14:00 5 мая по 00:00 7 мая
N 1,062 541 521 1,483 851 632
ции, разогнанной полицией, в среднем при прочих равных имели большую «вирусность» - распространялись пользователями они охотнее. В данном случае на подвыборках большой разницы между коэффициентами нет. Ключевыми текстовыми характеристиками, как и в случае с лайками, являются показатели «затратности» текста для прочтения, но с обратным знаком: чем текст больше, сложнее и информативнее, тем, при прочих равных, активнее он распространялся увидевшими его пользователями. Примечательно, что при прочих равных более привлекательные посты (т. е. посты, имеющие меньшее соотношение просмотров и лайков) распространялись пользователями более активно, хотя релевантные для обеих переменных предикторы влияют разнонаправленно.
На подвыборках по акциям проявляется, что длина слов являлась релевантным предиктором только при обсуждении майской акции: использование более сложных слов ассоциировалось с большей привлекательностью поста для дальнейшего распространения. Аналогичным образом, но на обеих подвыборках, было значимо и число слов. При этом по модулю эффект был значимо сильнее во время обсуждения акции в защиту свободного Интернета.
Рассмотрев модели II.1-11. VIII, можно сделать вывод о том, что «стоимость» текста для восприятия в данном случае является ковариатом информативности сообщения и выступает главным текстовым фактором для принятия решения о репосте (см. табл. 8).
Вовлечение пользователей в комментарии обнаруживает, что текстовые факторы вообще мало влияли именно на этот аспект «успешности» поста: значимость обнаружилась только на полной выборке и у одного предиктора - у числа слов в посте.
Таблица 9. Регрессия числа просмотров на один комментарий на количественные показатели стилистики текста на подвыборке по двум акциям
Table 9. Regression of the Number of Views per Comment on Quantitative Indicators of Text Style in a Sub Sample for Two Promotions
Модель III.I III.II
Зависимая переменная Просмотры на один комментарий
Среднее значение зависимой переменной по выборке 409.55 476.03
Полицейское насилие s.e. -46.400 (8.102) -36.827 (10.765)
Просмотры на лайк s.e. 0.092 (0.031) 0.108 (0.034)
Подписчики s.e. 0.0001 (0.0001) 0.007 (0.002)
Длина слов s.e. 0.316 (2.001) -0.084 (2.228)
Число слов -0.027 -0.001
s.e. (0.013) (0.015)
Знаки вопроса/слова s.e. -111.626 (138.076) -124.325 (182.030)
Восклицательные знаки/ слова -15.580 211.752
s.e. (47.869) (181.940)
Нарушение баланса скобок s.e. -21.487 (14.898) -19.715 (23.487)
Скобки/символы -118.411 -307.816
s.e. (300.506) (421.439)
Скобки/символы X Нарушение баланса скобок s.e. 400.915 (609.283) 197.987 (2,258.398)
Автор - сообщество s.e. 66.679 (8.588) 83.456 (14.976)
Автор - сообщество X Число подписчиков s.e. 0.0004 (0.0001) -0.007 (0.002)
Constant 74.437 32.717
s.e. (35.532) (46.844)
Фикс. эффекты часа Да Да
Выборка: авторы Все Обсуждавшие обе акции
с 14:00 с 14:00
Выборка: время 30 апреля по 00:00 2 мая 5 мая по 00:00 7 мая
N 2,803 1,506
Рассмотрение регрессий на подвы-борках (см. табл. 9 и 10) показывает немного более пеструю картину влияния текстовых факторов: она оказалась довольно разной для двух акций протеста.
На подвыборках по майской акции значимым текстовым фактором оказалось только наличие знаков вопроса. Сложность прочтения текста имела значение, но только при обсуждении в акции, за-
Таблица 10. Регрессия числа комментариев на один репост на количественные показатели стилистики текста на подвыборках по каждой акции Table 10. Regression of the Number of Comments Per Repost to Quantitative Indicators of Text Style in Sub Samples for Each Promotion
III.III III.IV III.V III.VI III.VII III.VIII
Зависимая переменная Просмотры на один комментарий
Среднее значение по выборке 535.90 678.39 396.076 325.14 356.81 284.593
Просмотры на лайк s.e. 0.199 (0.084) 0.211 (0.066) 0.226 (0.191) 0.103 (0.036) 0.120 (0.047) 0.082 (0.123)
Подписчики s.e. 0.0001 (0.0001) 0.003 (0.005) 0.00004 (0.0002) 0.005 (0.006) 0.008 (0.002) 0.002 (0.054)
Длина слов s.e. -1.732 (2.350) -4.766 (1.613) 6.027 (6.192) 1.264 (2.707) 5.653 (4.552) 1.271 (2.012)
Число слов s.e. -0.076 (0.024) -0.040 (0.025) -0.101 (0.064) -0.003 (0.016) 0.019 (0.022) -0.013 (0.029)
Знаки вопроса/слова s.e. -10.943 (127.549) -341.684 (353.626) -19.836 (200.987) -293.635 (122.234) -292.227 (236.068) -335.256 (214.638)
Восклицательные знаки/ слова s.e. -37.242 -136.356 -50.021 49.668 155.805 -10.706
(51.690) (458.755) (67.715) (99.805) (189.949) (134.387)
Нарушение баланса скобок s.e. -72.614 (28.920) -28.475 (39.984) -90.816 (40.452) -23.022 (17.392) -19.806 (33.519) -30.835 (40.638)
Скобки/символы s.e. -901.797 (540.832) -217.935 (559.900) -2,111.554 (1,219.882) 103.894 (425.035) -109.398 (719.661) 249.954 (919.944)
Скобки/символы X Нарушение баланса скобок s.e. 24,521.140 (2,919.814) -3,886.767 (6,184.856) 26,226.780 (2,782.139) 60.961 (650.666) 238.752 (2,515.535) -103.283 (975.403)
Автор - сообщество s.e. 74.034 (15.803) 66.060 (29.147) 101.254 (28.975) 87.744 (22.458) 83.257 (14.191) 98.570 (143.183)
Автор - сообщество X Число подписчиков s.e. 0.0005 (0.0002) -0.002 (0.005) 0.0002 (0.0004) -0.005 (0.006) -0.007 (0.002) -0.002 (0.054)
Constant s.e. -29.514 (37.395) -50.131 (31.463) -60.361 (55.114) 22.377 (43.705) -22.872 (52.664) 37.097 (111.822)
Фикс. эффекты часа Да Да Да Да Да Да
Выборка: авторы Все Обсуждавшие обе акции Обсуждавшие одну акцию Все Обсуждавшие обе акции Обсуждавшие одну акцию
Выборка: время С 14:00 30 апреля по 00:00 2 мая С 14:00 30 апреля по 00:00 2 мая С 14:00 30 апреля по 00:00 2 мая с 14:00 5 мая по 00:00 7 мая с 14:00 5 мая по 00:00 7 мая с 14:00 5 мая по 00:00 7 мая
N 1,123 556 567 1,68 950 730
кончившейся мирно. При этом влияние сложности используемых слов прослеживалось исключительно при рассмотрении подвыборки стабильно вовлеченных в обсуждение протестов авторов. Интересный характер имеет влияние использования в посте скобок: посты, в которых они используются для уточнения, в среднем вызвали меньшую вовлеченность пользователей в дискуссию, но там увеличение числа скобок ассоциировалось с ростом вовлечения - а при использовании скобок с целью выражения эмоций закономерность ровно обратная.
В целом набор текстовых предикторов оказался практически иррелеван-тен зависимой переменной при рассмотрении майской акции, но оказался полезен для описания акции в защиту Интернета (см. табл. 11).
Вместо заключения: предсказательная сила количественных текстовых характеристик
Мы свели качественные выводы из отдельных регрессионных моделей в единую таблицу для большей наглядности (см. табл. 12). В этой таблице слово «чаще» подразумевает снижение соотношения между числом просмотров и числом реакций, «реже» - его увеличение. Первый вывод состоит в том, что информация о применении насилия не приводит к радикальному изменению характера связи между текстовыми показателями и вероятностью реакции пользователя, - ни один параметр не начинает работать на увеличение вероятности реакции при том, что до инфор-
Таблица 11. Качественный характер влияния количественных текстовых показателей на вероятность пользовательских реакций
Table 11. Qualitative Character of the Influence of Quantitative Text Indicators on the Probability of User Reactions
По всей выборке По стабильно участвующим в политической коммуникации
Пул В среднем 30 апреля 5 мая В среднем 30 апреля 5 мая
Длина слов Реже лайкают, чаще репостят Реже лайкают Чаще репостят Чаще репостят Реже лайкают, чаще комментируют Чаще репостят
Число слов Реже лайкают, чаще репостят, чаще комментируют Реже лайкают, чаще репостят, чаще комментируют Реже лайкают, чаще репостят Реже лайкают, чаще репостят Реже лайкают Чаще репостят
Знаки вопроса / слова Нет Нет Чаще комментируют Нет Чаще лайкают, чаще комментируют Нет
Восклицательные знаки/слова Нет Нет Нет Нет Чаще лайкают Нет
Нарушение баланса скобок Реже лайкают Чаще комментируют Реже лайкают Нет Нет Нет
Скобки / символы | скобки для уточнения Нет Чаще комментируют Нет Нет Нет Нет
Скобки / символы | скобки как смайлы Нет Реже комментируют Чаще лайкают Нет Нет Нет
мации о применении насилия сказывался негативно. Верно и обратное. Зато в ряде случаев наблюдается картина, когда значимые закономерности во время обсуждения одной акции являются незначимыми во время обсуждения второй. Примечательно, что все это сказывается и на общих закономерностях. При этом следует особо отметить, что отсутствие статистически значимой взаимосвязи еще не означает отсутствие связи вообще: подробное рассмотрение коэффициентов в регрессионных выдачах выше показывает, что в ряде случаев от модели на более общей выборке к модели на подвыборке сам коэффициент не меняется, но на подвыборках он оказывается незначим из-за большей стандартной ошибки (разница в размерах которой вызвана тем, что подвыборка по определению меньше самой выборки).
Самый устойчивый эффект на «успешность» поста показали метрики «затратности» для читателя, они же метрики информативности: длина слов и количество слов в предложении. Ока-
залось, что в среднем они ответственны за снижение вероятности лайка и увеличение вероятности репоста как на всей выборке, так и на выборке авторов, стабильно участвующих в коммуникации вокруг протестов. При этом если на пуле сообщений вокруг акции 30 апреля лучше прослеживается негативное влияние на вероятность лайка, то 5 мая четче прослеживается влияние на репосты. Единственным показателем, находящим влияние в целом по выборке и имеющим отношение к эмоциональности поста, оказывается факт использования скобок в качестве смайлов. При том сам по себе этот факт указывает не столько на степень эмоциональности, сколько на «регистр», в котором написан текст -что говорит в равной мере о тексте и о площадке, где он размещен. Поскольку эффект не фиксируется на подвыбор-ке стабильно участвующих в коммуникации авторов и привносится авторами, которые участвовали в коммуникации только после одной из акций, мы атри-буцируем его значимость именно свой-
Таблица 12. Соотношение просмотров и пользовательских реакций (средние и абсолютные значения)
Table 12. The Ratio of Views and User Responses (Average and Absolute Values)
разница межда доля объясненной обсуждением акций Прогнозная разница " 5 мая и 30 апреля разницы
Общая выборка
Среднее число просмотров на одинлайк -0,98 -0,064 6,50%
Среднее число просмотров на один репост -565,3 0,484 -0,09%
Среднее число просмотров на один репост -209,44 -0,098 0,05%
Выборка по авторам, активным при обсуждении обеих акций
Среднее число просмотров на одинлайк -3,04 -0,028 0,91»%
Среднее число просмотров на один репост -481,31 0,938 -0,19»%
Среднее число просмотров на один репост -145,02 0 0,00%
ствами авторов/площадок, которые коррелируют с использованием более низкого «регистра».
Хуже всего набор текстовых предикторов объясняет отношение просмотров к комментариям. По всей видимости, непосредственное вовлечение в коммуникацию в большей степени, нежели другие реакции, требует особых свойств текста, несводимых к набору поверхностных количественных характеристик. Репосты и лайки имеют близкий набор значимых текстовых предикторов, но влияние разнонаправленно. Это не означает, что пост или хорошо репостится, или хорошо лайкается -корреляция между этими показателями на самом деле ощутима, и в наших моделях это учтено - но именно текстовые характеристики влияют на вероятности разных реакций по-разному.
Все эффекты, даже значимые, оказались не очень велики по модулю. Если мы попробуем объяснить с их помощью различия в поведении пользователей, то увидим, что объясняется не такая большая доля различий.
В представленной таблице прогнозная разница рассчитана по различиям средних показателей по постам двух акций на основе коэффициентов в моделях 1.1-1.11, II.I-II.II и III.I-III.II. Как видно из таблицы, лучше всего текстовые отличия объясняют поведение пользователя при принятии решения о самом «дешевом» типе взаимодействия с постом. В остальных случаях текстовые характеристики оказываются либо практически бесполезны, либо вообще предсказывают иной характер различий.
Результаты проведенного исследования показывают, что изменение количественных текстовых характеристик не является значительным фактором, объясняющим разницу во взаимодействии пользователей социальных сетей с информацией о протесте между акциями, прошедшими мирно, и акции, подавлен-
ной полицией. Изменение набора авторов, их взаимодействий между собой, а также увеличение смысловой нагрузки информации для пользователей доминируют над разницей в характере политического письма в социальных сетях. Эффект оказывается мал, и структурные факторы вкупе с соображениями информационной полезности могут полностью обнулить его воздействие.
Список литературы
Ахременко А.С., Стукал Д.К., Петров А.П. (2020) Сеть или текст? Факторы распространения протеста в социальных медиа: теория и анализ данных // ПОЛИС. № 2. С. 73-91. DOI: 10.17976/jpps/2020.02.06
Ахременко А.С., Филиппов И.Б. (2019) Влияние силового подавления протеста на обсуждение протестной акции в социальных сетях // Мониторинг общественного мнения. № 5. С. 220225. DOI: 10.14515/monitoring.2019.5.10 Akhremenko A., Yureskul E., Petrov A. (2019) Latent Factors of Protest Participation: A Basic Computational Model // 2019 Twelfth International Conference "Management of Large-scale System Development" (MLSD). IEEE, pp. 1-4. DOI: 10.1109/MLSD.2019.8910999
Arafa M., Armstrong C. (2016) "Face-book to Mobilize, Twitter to Coordinate Protests, and YouTube to Tell the World": New Media, Cyberactivism, and the Arab Spring // Journal of Global Initiatives: Policy, Pedagogy, Perspective, vol. 10, no 1, pp. 73-102 // https://digitalcom-mons.kennesaw.edu/cgi/viewcontent. cgi?article=1187&context=jgi, дата обращения 20.05.2020.
Ayanian A.H., Tausch N. (2016) How Risk Perception Shapes Collective Action Intentions in Repressive Contexts: A Study of Egyptian Activists during the 2013 Postcoup Uprising // British Journal of Social
Psychology, vol. 55, no 4, pp. 700-721. DOI: 10.1111/bjso. 12164
Barberá P., Jost J., Nagler J. (2015) Tweeting from Left to Right: Is Online Political Communication More Than an Echo Chamber? // Psychological Science, vol. 26, no 10, pp. 1531-1542. DOI: 10.1177/0956797615594620
Breuer A., Landman T., Farqu-har D. (2015) Social Media and Protest Mobilization: Evidence from the Tunisian Revolution // Democratization, vol. 22, no 4, pp. 764-792. DOI: 10.1080/13510347.2014.885505
Della Porta D. (2017) Global Diffusion of Protest: Riding the Protest Wave in the Neoliberal Crisis, Amsterdam: University Press.
Drury J., Reicher S. (2000) Collective Action and Psychological Change: The Emergence of New Social Identities // British Journal of Social Psychology, vol. 39, no 4, pp. 579-604. DOI: 10.1348/014466600164642
Fewsmith J. (2001) China since Tiananmen: The Politics of Transition, Cambridge: University Press.
González-Bailón S., Wang N. (2016) Networked Discontent: The Anatomy of Protest Campaigns in Social Media // Social Networks, vol. 44, pp. 95-104. DOI: 10.1016/j.socnet.2015.07.003
Himelboim I. et al. (2016) Valence-based Homophily on Twitter: Network Analysis of Emotions and Political Talk in the 2012 Presidential Election // New Media & Society, vol. 18, no 7, pp. 1382-1400. DOI: 10.1177/1461444814555096
Honari A. (2018) "We Will Either Find a Way, or Make One": How Iranian Green Movement Online Activists Perceive and Respond to Repression // Social Media+Society, vol. 4, no 3, pp. 1-11. DOI: 10.1177/2056305118803886
Howard P.N., Hussain M.M. (2011) The Upheavals in Egypt and Tunisia: The Role of Digital Media // Journal of Democracy, vol. 22, no 3, pp. 35-48. DOI: 10.1353/jod.2011.0041
Larson J., Nagler J., Ronen J., Tucker J. (2019) Social Networks and Protest Participation: Evidence from 130 Million Twitter Users // American Journal of Political Science, vol. 63, no 3, pp. 690-705. DOI: 10.7910/DVN/RLLL1V
Lynch M. (2011) After Egypt: The Limits and Promise of Online Challenges to the Authoritarian Arab State // Perspectives on Politics, vol. 9, no 2, pp. 301-310. DOI: 10.1017/S1537592711000910
Nugent E. (2019) The Psychology of Repression and Polarization // World Politics, vol. 72, no 2, pp. 291-334. DOI: 10.1017/S0043887120000015
Onuch O., Sasse G. (2016) The Maidan in Movement: Diversity and the Cycles of Protest // Europe-Asia Studies, vol. 68, no 4, pp. 556-587. DOI: 10.1080/09668136.2016.1159665
Opp K-D., Gern C. (1993) Dissident Groups, Personal Networks, and Spontaneous Cooperation: The East German Revolution of 1989 // American Sociological Review, vol. 58, no 5, pp. 659680. DOI: 10.2307/2096280
Peterson A., Wahlström M. (2015) Repression: The Governance of Domestic Dissent // The Oxford Handbook of Social Movements (eds. Della Porta D., Diani M.), pp. 634-652. DOI:10.1093/oxfordhb/9780199678402.013.2 Wolfsfeld G., Segev E., Sheafer T. (2013) Social Media and the Arab Spring: Politics Comes First // The International Journal of Press/Politics, vol. 18, no 2, pp. 115-137. DOI: 10.1177/1940161212471716
Wong S.C., Wright S. (2019) Hybrid Mediation Opportunity Structure? A Case Study of Hong Kong's Anti-National Education Movement // New Media & Society, pp. 1-22. DOI: 10.1177/1461444819879509
Young L.E. (2019) The Psychology of State Repression: Fear and Dissent Decisions in Zimbabwe // American Political Science Review, vol. 113, no 1, pp. 140-155. DOI: 10.1017/S000305541800076X
Point of View
DOI: 10.23932/2542-0240-2020-13-2-13
Quantitative Indicators of Text Style as a Factor of the Post Promotion in a Social Media Protest Communication
Ilya B. PHILIPPOV
PhD Student of Political Science
National Research University "Higher School of Economics", 101000, 20, Myasnitskaya St., Moscow, Russian Federation E-mail: ibfilippov@gmail.com ORCID: 0000-0002-1464-2923
CITATION: Philippov I.B. (2020) Quantitative Indicators of Text Style as a Factor of the Post Promotion in a Social Media Protest Communication. Outlines of Global Transformations: Politics, Economics, Law, vol. 13, no 2, pp. 249-268 (in Russian). DOI: 10.23932/2542-0240-2020-13-2-13
Received: 10.03.2020.
ACKNOWLEDGEMENTS: The research was supported by the RFBR, project no 18-011-01134 "Dynamics of political instability: building a theoretical model and its empirical testing".
ABSTRACT. A complete analysis of protest activity in the XXI century is not possible without an account of complex interrelations between online and offline behavior of different actors. Social media and the whole internet-space become a placement for new forms of behavior that transform the classical types of protest activity. Digital placements are not neutral to the communication due to specific laws and characteristics of online-interactions that affect the way actors try to communicate in the online and the extent they succeed doing that. This work investigates the influence of quantitative characteristics of text style on communication around protest movement in social media. The set of used characteristics consisted of mean length of a word in a post, the number of words in a post, a fraction of question marks over number of words
in a post, a fraction of exclamation marks over number of words in a post, a fraction of brackets over over number of words in a post and a dummy on the difference between opening and closing brackets. Using regression analysis on a sample of original posts published in social media "Vkontakte" in 2018, we found that quantitative characteristics of text style have statistically significant impact on the promotion of the politically engaged posts. However, the predictive ability of these predictors to describe the variation between activity and broadness of protest communication in different context was inconsiderable.
KEY WORDS: political communication, online communication, social media, social networks, digital politics, political protest, protest movement, social movements
References
Ahremenko A.S., Stukal D.K., Petrov A.P. (2020) Network or Text? Factors of Protest Propagation in Social Media: Theory and Data Analysis. POLIS, no 2, pp. 73-91 (in Russian). DOI: 10.17976/jpps/2020.02.06
Ahremenko A. S., Filippov I. B. (2019) The Impact of Forcible Suppression of a Protest on the Discussion of a Protest Action in Social Networks. Monitoring of Public Opinion, no 5, pp. 220-225 (in Russian). DOI: 10.14515/monitoring.2019.5.10
Akhremenko A., Yureskul E., Petrov A. (2019) Latent Factors of Protest Participation: A Basic Computational Model. 2019 Twelfth International Conference "Management of Large-scale System Development" (MLSD). IEEE, pp. 1-4. DOI: 10.1109/MLSD.2019.8910999
Arafa M., Armstrong C. (2016) "Facebook to Mobilize, Twitter to Coordinate Protests, and YouTube to Tell the World": New Media, Cyberactivism, and the Arab Spring. Journal of Global Initiatives: Policy, Pedagogy, Perspective, vol. 10, no 1, pp. 73-102. Available at: https://digitalcommons.kennesaw.edu/cgi/ viewcontent.cgi?article=1187&context=jgi, accessed 20.05.2020.
Ayanian A.H., Tausch N. (2016) How Risk Perception Shapes Collective Action Intentions in Repressive Contexts: A Study of Egyptian Activists during the 2013 Post-coup Uprising. British Journal of Social Psychology, vol. 55, no 4, pp. 700-721. DOI: 10.1111/bjso. 12164
Barberá P., Jost J., Nagler J. (2015) Tweeting from Left to Right: Is Online Political Communication More Than an Echo Chamber? Psychological Science, vol. 26, no 10, pp. 1531-1542. DOI: 10.1177/0956797615594620
Breuer A., Landman T., Farquhar D. (2015) Social Media and Protest Mobilization: Evidence from the Tunisian Revolution. Democratization, vol. 22, no 4, pp. 764792. DOI: 10.1080/13510347.2014.885505
Della Porta D. (2017) Global Diffusion of Protest: Riding the Protest Wave in the Neoliberal Crisis, Amsterdam: University Press.
Drury J., Reicher S. (2000) Collective Action and Psychological Change: The Emergence of New Social Identities. British Journal of Social Psychology, vol. 39, no 4, pp. 579604. DOI: 10.1348/014466600164642
Fewsmith J. (2001) China since Tiananmen: The Politics of Transition, Cambridge: University Press.
González-Bailón S., Wang N. (2016) Networked Discontent: The Anatomy of Protest Campaigns in Social Media. Social Networks, vol. 44, pp. 95-104. DOI: 10.1016/j.socnet.2015.07.003
Himelboim I. et al. (2016) Valence-based Homophily on Twitter: Network Analysis of Emotions and Political Talk in the 2012 Presidential Election. New Media & Society, vol. 18, no 7, pp. 1382-1400. DOI: 10.1177/1461444814555096
Honari A. (2018) "We Will Either Find a Way, or Make One": How Iranian Green Movement Online Activists Perceive and Respond to Repression. Social Media+Society, vol. 4, no 3, pp. 1-11. DOI: 10.1177/2056305118803886
Howard P.N., Hussain M.M. (2011) The Upheavals in Egypt and Tunisia: The Role of Digital Media. Journal of Democracy, vol. 22, no 3, pp. 35-48. DOI: 10.1353/jod.2011.0041
Larson J., Nagler J., Ronen J., Tucker J. (2019) Social Networks and Protest Participation: Evidence from 130 Million Twitter Users. American Journal of Political Science, vol. 63, no 3, pp. 690-705. DOI: 10.7910/DVN/RLLL1V
Lynch M. (2011) After Egypt: The Limits and Promise of Online Challenges to the Authoritarian Arab State. Perspectives on Politics, vol. 9, no 2, pp. 301-310. DOI: 10.1017/S1537592711000910
Nugent E. (2019) The Psychology of Repression and Polarization. World Politics, vol. 72, no 2, pp. 291-334. DOI: 10.1017/S0043887120000015
Onuch O., Sasse G. (2016) The Maidan in Movement: Diversity and the Cycles of Protest. Europe-Asia Studies, vol. 68, no 4, pp. 556-587. DOI: 10.1080/09668136.2016.1159665
Opp K-D., Gern C. (1993) Dissident Groups, Personal Networks, and Spontaneous Cooperation: The East German Revolution of 1989. American Sociological Review, vol. 58, no 5, pp. 659680. DOI: 10.2307/2096280
Peterson A., Wahlström M. (2015) Repression: The Governance of Domestic Dissent. The Oxford Handbook of Social Movements (eds. Della Porta D., Diani M.), pp. 634-652. DOI: 10.1093/oxfordhb/9780199678402.013.2
Wolfsfeld G., Segev E., Sheafer T. (2013) Social Media and the Arab Spring: Politics Comes First. The International Journal of Press/Politics, vol. 18, no 2, pp. 115-137. DOI: 10.1177/1940161212471716
Wong S.C., Wright S. (2019) Hybrid Mediation Opportunity Structure? A Case Study of Hong Kong's Anti-National Education Movement. New Media & Society, pp. 1-22. DOI: 10.1177/1461444819879509 Young L.E. (2019) The Psychology of State Repression: Fear and Dissent Decisions in Zimbabwe. American Political Science Review, vol. 113, no 1, pp. 140-155. DOI: 10.1017/S000305541800076X
