CC BY
13
ВЕСТН. МОСК. УН-ТА. СЕР. 10. ЖУРНАЛИСТИКА. 2022. № 6
НОВЫЕ МЕДИА
Бродовская Елена Викторовна, доктор политических наук, доцент, главный научный сотрудник Центра политических исследований Департамента политологии, факультет социальных наук и массовых коммуникаций Финансового университета при Правительстве РФ, Москва, Россия; e-mail: brodovskaya@inbox.ru
Домбровская Анна Юрьевна, доктор социологических наук, директор Центра политических исследований Департамента политологии, факультет социальных наук и массовых коммуникаций Финансового университета при Правительстве РФ, Москва, Россия; e-mail: an-doc@yandex.ru
Азаров Артур Александрович, кандидат технических наук, ведущий научный сотрудник Центра политических исследований Департамента политологии, факультет социальных наук и массовых коммуникаций Финансового университета при Правительстве РФ, Москва, Россия; e-mail: artur-azarov@ yandex.ru
Лукушин Владимир Андреевич, лаборант-исследователь Центра политических исследований Департамента политологии, факультет социальных наук и массовых коммуникаций Финансового университета при Правительстве РФ, Москва, Россия; e-mail: valukushin@fa.ru
КОНТЕКСТЫ СОЦИАЛЬНОГО НЕДОВОЛЬСТВА В НОВЫХ МЕДИА РОССИЙСКИХ РЕГИОНАЛЬНЫХ КЛАСТЕРОВ1
В статье показана специфика репрезентации контекстов социального недовольства, отраженных в социально-медийном пространстве российских регионов, кластеризированных по экономическим и социально-политическим признакам. В ходе кластеризации использовались открытые данные индексов экономического и политического развития регионов России. Сегментация субъектов РФ осуществлена с применением иерархического кластерного анализа (метод complete) на языке программирования R. Для анализа региональных особенностей репрезентации контекстов социального недовольства использовалось когнитивное картирование содержания социально-медийных сообществ субъектов РФ, входящих в разные кластеры. База данных когнитивного картирования обработана в программе IBM SPSS Statistics 26.0. Среди картируемых переменных — объекты, субъекты, сферы, триггеры, форматы социального недовольства, характеристики пользовательской активности региональных пользователей цифровых групп, выражающие различные контексты социального недовольства. Ивент-анализ региональных социально-экономических и социально-политических событий позволил
дополнить результаты интерпретации данных когнитивного картирования. Для ряда региональных кластеров выявлено сопряжение между содержательными аспектами социального недовольства, репрезентированными в социальных медиа российских регионов и спецификой их экономического развития. Одновременно эмпирический анализ показал существование нелинейности во взаимосвязи социально-медийных дискурсов социального недовольства и экономических показателей, характерных для другой части региональных кластеров.
Ключевые слова: социальные медиа, сети социального недовольства, контексты социального недовольства, когнитивное картирование, кластерный анализ, регионалистика.
Elena V. Brodovskaya, Doctor of Political Sciences, Associate Professor, Chief Researcher of the Center for Political Studies of the Department of Political Science, Faculty of Social Sciences and Mass Communications, Financial University affiliated to the Government of the Russian Federation, Moscow, Russia; e-mail: brodovskaya@ inbox.ru
Anna Yu. Dombrovskaya, Doctor of Sociology, Professor at the Department of Political Science, Director of the Center for Political Studies of the Department of Political Science, Faculty of Social Sciences and Mass Communications, Financial University affiliated to the Government of the Russian Federation, Moscow, Russia; e-mail: an-doc@yandex.ru
Artur A. Azarov, PhD in Technical Sciences, Deputy Director of the North-West Institute of Management of the Russian Presidential Academy of National Economy and Public Administration, Leading Researcher at the Center for Political Studies of the Department of Political Science, Faculty of Social Sciences and Mass Communications, Financial University affiliated to the Government of the Russian Federation, Moscow, Russia; e-mail: artur-azarov@yandex.ru
Vladimir A. Lukushin, Research Assistant at the Center for Political Studies of the Department of Political Science, Faculty of Social Sciences and Mass Communications, Financial University affiliated to the Government of the Russian Federation, Moscow, Russia; e-mail: valukushin@fa.ru
CONTEXTS OF SOCIAL DISCONTENT IN NEW MEDIA OF RUSSIAN REGIONAL CLUSTERS
This article shows the specifics of the representation of the contexts of social discontent reflected in the social media space of the Russian regions, clustered according to economic and socio-political characteristics. While clustering, open data of the indices of economic and political development of the regions of Russia were used. Segmentation of the constituent entities of the Russian Federation was carried out using hierarchical cluster analysis (the "complete" method) in the R programming language. Cognitive mapping of the content of social media communities of the constituent entities of the Russian Federation included in different clusters was used to analyze regional features of the
representation of contexts of social discontent. The cognitive mapping database was processed in the IBM SPSS Statistics 26.0 program. Among the mapped variables are objects, subjects, spheres, triggers, formats of social discontent, characteristics of user engagement of regional users of digital groups expressing various contexts of social discontent. Event analysis of regional socio-economic and socio-political events made it possible to supplement the results of the interpretation of cognitive mapping data. For a number of regional clusters, a conjugation was revealed between the substantive aspects of social discontent represented in the social media of the Russian regions and the specifics of their economic development. At the same time, an empirical analysis showed the existence of non-linearity in the relationship between social media discourses of social discontent and economic indicators that are characteristic of the other part of regional clusters.
Key words: social media, social discontent networks, social discontent contexts, cognitive mapping, cluster analysis, regional studies.
DOI: 10.30547/vestnik.journ.6.2022.5786
Введение
В условиях глобального кризиса, а также на фоне внутренних региональных и локальных общественных противоречий, усиливающихся в связи с социально-экономическими последствиями санкционного режима, более заметными становятся цифровые потоки, отражающие социальные фобии, опасения и недовольство в локальных сегментах социальных медиа Рунета. Информационный фон социальных медиа в отдельных регионах определяется деструктивной, деконсолидирующей активностью акторов (следующих интересам внешних политических сил), сфокусированной на попытках подрыва доверия россиян к органам власти разных уровней. Региональные и городские онлайн-группы выступают как площадки для мобилизации установок социального недовольства по отношению к локальным общественным проблемам. Цифровые акторы, активизирующие недовольство региональных и локальных пользователей, довольно разнообразны: от лидеров и центров общественного мнения до городских и новостных сообществ, распространяющих критические контексты региональных и локальных проблем. Чаще всего таргетной группой цифровых потоков недовольства служат социально депривированные слои населения, более всего мотивированные на негативное восприятие работы органов власти, государственных организаций. Значимая
задача заключается в мониторинге настроений недовольства, отраженных в региональных социальных медиа, анализе контекстов, обладающих наиболее высоким потенциалом мобилизации общественного недовольства.
Исходя из этого, цель исследования концентрируется на определении содержательных, дискурсивных, технологических маркеров цифровой среды, отражающих социальное недовольство в социальных медиа субъектов РФ.
Теоретическая основа исследования
Теоретическая канва исследования представлена различными теориями и концепциями. Первая группа теорий концентрируется на изучении особенностей коллективного поведения. Так, Г. Ле-бон отмечает, что в условиях толпы поведение человека трансформируется, становясь более упрощенным, иррациональным, склонным к агрессии. Толпа формирует условия для стихийного насилия из-за анонимности и невидимости (2011). Развивая идеи Г. Лебона, Н. Смелзер отмечает, что существующие в обществе проблемы могут быть рассмотрены как структурные деформации, которые становятся причинами активизации напряженности в обществе, становящейся причиной запуска социальных движений. Появление повода, которое может быть рассмотрено как событие-триггер, становится основой для взрыва недовольства (Smelser, 1965).
В свою очередь, С. Тарроу основывает изучение динамики общественных движений на особенностях коллективного поведения. Развитие общественных движений, соответственно, происходит на основании изменений в структуре политической борьбы. Выделяется нескольких типов коллективного действия — депривации (недовольства), ресурсов, культурных рамок и политической борьбы (Tarrow, 1998; Tarrow, 2011). Т. Гурр, разрабатывая концепцию относительной депривации, выявляет ее связь с политическим насилием. Относительная депривация возникает в условиях, когда есть несоответствие между имеющимся и ожидаемым. Протяженное ощущение относительной депривации становится причиной для активизации гнева и насильственных действий (Gurr, 1970).
Одним из оснований возникновения общественных движений, согласно концепции мобилизации ресурсов, является социальная
дезорганизация и напряжение, которое позволяет находить сторонников среди групп, имеющих статус изолированных и отчужденных. Успешность движений в данном случае определяется теми ресурсами, которые есть у субъектов общественных движений (Turner, Killian, 1987).
Возможности мобилизации протестной активности в современной действительности расширились за счет развития социальных медиа. Пространство социальных медиа становится платформой для обмена «печалью» и «надеждой» (Castells, 2012). Социальные сети являются площадкой для воздействия на протест-ные установки пользователей. Установки пользователей трансформируются под влиянием регулярных сообщений о протестных действиях, что способствует росту недовольства и протестной активности граждан (Азаров и др., 2014).
Методология и методика исследования
Методология исследования была построена на сочетании структурно-функционального подхода, Predictor Mining и сетевого подхода. Структурно-функциональный подход позволил рассматривать социальные сети недовольства с точки зрения нарушения функциональности среды (Parsons, 1967; Мертон, 2006). Методологический подход Predictor Mining позволяет через автоматизированный анализ цифровых следов прогнозировать развитие социальных и политических процессов, которые отражают риторику сетей социального недовольства (Бродовская, 2017). В рамках сетевого подхода обеспечивается понимание взаимного воздействия социально-медийных лидеров общественного мнения и их аудитории (Howard, Parks, 2012).
Перечислим эмпирические объекты исследования и соответствующие им методы сбора и анализа информации.
Была применена авторская методика когнитивного картирования документов социальных медиа, апробация которой представлена в ряде научных публикаций авторского коллектива (Бродовская, 2017; Бродовская, 2019; Домбровская, 2021 a, б; Дом-бровская, Давыдова, 2022). Основу данной методики составили работы отечественных и зарубежных исследователей: Ю. Вин (Вин, Кондратьев, 2012), В. Г. Громакова (Громакова, Варданян, 2020), О. В. Жиляева (Жиляева, 2017), О. А. Алимурадова (Когнитивно-фреймовый, 2009), Р. Бауэр (Bauer, lnkels, Kluckhohn, 1956),
Дж. Боема, М. Шапиро (Bonham, Shapiro, 1976), О. Холси (Holsi, 1984), У. Нейсера (Neisser, 1975) и др.
Когнитивное картирование как уникальная разновидность контент-аналитических методик, сочетающая эвристику количественного и качественного подходов к анализу текста, позволило решить задачи, связанные как с выявлением контекстуального поля документов (содержательные маркеры), так и с фиксацией частотности определенного смысла, значения в исследуемом массиве текстов (структурные маркеры). Отдельной задачей когнитивного картирования было обоснование семантического ядра изучаемого информационного потока, то есть выявление речевых конструкций, характеризующих семантику, язык конкретного контента социальных медиа.
В ходе реализации когнитивного картирования содержания социально-медийных сетей недовольства установлены смысловые характеристики текста, которые подлежали квантифицированию для выявления доминантных контекстов и дискурсов, представленных в цифровых группах каждого отдельного регионального кластера.
Первым этапом когнитивного картирования стало обоснование релевантных теме исследования социально-медийных сообществ (см. приложение к настоящей статье). Критериями отбора сообществ, помимо релевантности содержания документов, служили публикационная активность социально-медийной группы (не менее 3 документов в неделю в период с 01.01 по 01.09.2022 г.); невысокая ботовость группы2 (менее 10%). Всего отобрано 480 социально-медийных сообществ с риторикой социального недовольства из 3 социальных сетей: «ВКонтакте», «Одноклассники», TikTok и мессенджера Telegram. Для формирования выборки был проведен ручной анализ материалов отобранных сообществ. Цель анализа — определение основных дискурсов и контекстов, использование которых в социальных медиа направлено на мобилизацию социального недовольства региональных пользователей (из 6 000 исследованных постов методом целевого отбора в базу данных отобрано 600 документов, глубина анализа — период с 10 января по 10 августа 2022 гг., база данных когнитивного картирования обработана в программе IBM SPSS Statistics 26.0).
На втором этапе были разработаны параметры для матрицы когнитивного картирования. В осуществленном исследователь-
ском проекте использовалось несколько десятков параметров для картирования содержания анализируемых документов, в том числе жанровые, тематические, контекстуальные, дискурсивные, технологические и прочие переменные. В настоящем материале в соответствии с темой статьи фокус ставится на контекстуальном и дискурсивном параметрах когнитивного картирования (контекст показывает смысловой фон дискурса, дискурс — способ обсуждения в документе определенного предмета).
Предпосылкой когнитивного картирования в данном исследовании служил кластерный анализ регионов РФ по уровню социально-экономического и социально-политического развития. Региональные кластеры были выделены на основе следующих показателей развития регионов РФ:
— соотношение среднедушевого долга и зарплаты,
— объем задолженности перед банками на одного человека в тыс. руб.,
— отношение медианных доходов к стоимости фиксированного набора товаров и услуг,
— доля людей за чертой бедности и крайней бедности,
— социально-экономическое положение региона,
— финансовое благополучие жителей региона,
— уровень безработицы,
— количество расследованных преступлений по ст. 290 УК РФ (на 1000 человек),
— рейтинг влияния глав субъектов РФ,
— социальные расходы консолидированного бюджета на одного жителя в тыс. руб.,
— результаты выборов в ГД (явка и количество проголосовавших за Единую Россию),
— результаты выборов в местные органы законодательного собрания (явка и количество проголосовавших за Единую Россию),
— численность пользователей Интернета (на 100 тыс. населения, в %),
— доля домохозяйств, имеющих широкополосный доступ к Интернету (в %),
— оценка качества оказания электронных услуг населению (в баллах).
Кластерный анализ был проведен с помощью языка R, был выбран метод complete (расчет кластеров осуществляется на основе расстояния между самыми дальними наблюдениями кластеров). При этом рассматривается Эвклидово расстояние, которое представляет собой геометрическое расстояние в многомерном пространстве. Оно рассчитывается по формуле:
Р( X У) =
I (x- уг)2
где х = (х1,..., хп ), у = (у,..., уп ) вектора значений сравниваемых величин рейтинга, п — количество значений каждого показателя. Указанный перечень показателей позволяет рассматривать сразу несколько различных предпосылок возникновения социального напряжения граждан.
Отметим, что результаты настоящего исследования основаны на пилотажном анализе, данные которого опубликованы в «Изве-стях Тульского государственного университета» (2022, № 3). Совершенствование инструментария по результатам пробного исследования предполагало дополнение параметров кластеризации индексами, связанными с особенностями электоральной активности жителей региональных кластеров, а также дополнение категорий когнитивного картирования такими позициями, как формат, тип репрезентации социального недовольства, специфические дискурсы регионального недовольства, таргетные группы сетей социального недовольства. Эти необходимые изменения обусловили перегруппировку региональных кластеров в сопоставлении с пилотажными данными.
Результаты исследования
По результатам показанной в разделе «Методология и методика исследования» сегментации регионы были разделены на 6 кластеров (рис. 1), распределение субъектов РФ по кластерам представлено в приложении.
Рисунок 1. Результаты кластерного анализа регионов РФ по уровню социального недовольства
Первый кластер характеризуется высокой степенью закредито-ванности населения, средним уровнем финансового благополучия, фактически совпадающим с медианным значением по стране и достаточно низким уровнем безработицы.
Отметим, что в первом кластере широко представлены регионы со специфическими социальными проблемами: пограничные, этнические субъекты РФ, острота экономических и межэтнических противоречий которых делает их регионами — мишенями внешнего информационного воздействия.
Когнитивная карта информационных потоков социального недовольства цифровых региональных групп первого кластера показана на рисунке 2.
Рисунок 2. Контексты социального недовольства в регионах 1 кластера по результатам когнитивного картирования
В информационных потоках недовольства в регионах первого кластера в качестве объектов социального недовольства чаще всего показаны муниципальные органы власти и другие структуры муниципального подчинения (в 43,6% всех проанализированных документов кластера), в 12,1% сообщений — региональные органы власти и прочие региональные структуры, при этом в трети документов объект недовольства деперсонифицирован или не конкретизирован (29,3%). Следует отметить, таким образом, преобладание в региональных онлайн-сетевых группах первого кластера локальных, местных источников недовольства (локальный уровень триггера отражен в 47,9% документов). Выразителями недовольства в абсолютном большинстве случаев выступают новостные сообщества (67,1%), и в каждом третьем случае — городское социально-медийное сообщество 28,6%. Наиболее часто упоминаемые сферы недовольства региональных групп первого кластера — неудовлетворительная работа ЖКХ (27,9%) и транспортной сферы (21,4%). Чаще всего эти проблемы отражены в «неполитических» контекстах (77,1%) и не содержат дискурсов недовольства властью, вместе с тем в остальных 22,9% документах присутствуют так называемые «политические требования». Показательными нарративами могут выступать
такие цитаты: «Мусор не убирают, а деньги платить заставляют»; «Проблемы с вывозом мусора со стихийной свалки»; «Улицы выглядят ужасающе...»; «Чиновники допустили то, что в городе нет общественного транспорта» и др.
Авторы сообщений, выражающих социальное недовольство в 41,0% случаев, применяют комбинированный тип воздействия, сочетая эмоциональное (аффективное) влияние и рациональную аргументацию, а в 19,4% сообщений преобладает чисто эмоциональное воздействие. В информационных потоках социального недовольства сетей первого кластера существенное место занимает дегуманизация (объектов недовольства) как технология эмоциональной мобилизации недовольства пользователей (41,2%). Типичные примеры дискурсивных практик: «Нелюди. издеваются над людьми»; «Столько денег отмыли. а к жителям города, как к скоту».
Анализ сообщений региональных сообществ первого кластера показал доминирование диффузного, ситуационного формата недовольства (99,3%). Вместе с тем фактически во всех выявленных контекстах объединяющими служат паттерны «недовольства локальными элитами», «рассерженных горожан» и «направленного недовольства»: «Чиновники решили побаловать себя»; «Люди возмущены, наплевательски относятся к жителям, уволить всех чиновников!»; «Просто стыдно за Россию!»; «Игнорируют жалобы людей»; «Почему закрывают глаза на этот бардак?»; «Их это не волнует!»; «Куда власти смотрят?»; «Где мозги народных «благодетелей»?». В первом кластере также обнаружены паттерны недовольства незащищенностью приграничных регионов. В целом следует отметить ключевой контекст недовольства — неудовлетворенность жителей качеством работы местных чиновников, социальным неравенством, недоступностью обратной связи с местной властью.
Второй кластер определяется самым высоким уровнем закре-дитованности населения, однако объем задолженности населения перед банками ниже медианного значения по стране. Также данный кластер отличается одним из самых низких показателей отношения медианных доходов к стоимости фиксированного набора товаров и услуг. Уровень поддержки власти в данных регионах самый низкий. Здесь наблюдается самый низкий рейтинг влияния глав субъектов РФ, а также низкие показатели явки на выборы в Государственную думу.
Когнитивная карта информационных потоков социального недовольства цифровых региональных групп второго кластера показана на рисунке 3.
Рисунок 3. Контексты социального недовольства в регионах 2 кластера по результатам когнитивного картирования
Сообщения социальных сетей недовольства 2 кластера характеризуются существенной степенью деперсонализации объектов недовольства (39,1%), органы государственной власти выступают как объекты недовольства в каждом десятом случае (9,8%), муниципальные органы власти, другие структуры муниципального подчинения — в 21,7% документов. Выразителями недовольства служат городские (68,5%) и региональные сообщества (15,2%). Чаще всего для мобилизации настроений недовольства используется локальный уровень триггера (68,5%). Доминирующие сферы недовольства, как и в первом кластере, — транспорт (27,2%), ЖКХ (20,7%). Примеры релевантных нарративов: «Людей бесят неровности на дорогах»; «Неработающие кондиционеры в жару»; «Жителям трудно и долго добираться до своих домов»; «Чиновники не убирают мусор»; «Вместо того чтобы починить, ждут когда доломают».
Во втором кластере довольно заметно недовольство сферой здравоохранения (14,1%): «Жители не могут найти лекарства для лечения»; «Врачи не могут оказать качественные медицинские услуги больным гражданам»; «Врачи хамят детям».
Сетевые агенты социального недовольства чаще всего используют комбинированный (рационально-аффективный) формат воздействия (67,1%), строго на рациональную аргументацию ориентируются 23,7% авторов проанализированных документов второго кластера. Как и в первом кластере, неполитический контекст недовольства преобладает (94,6%), это в большинстве случаев также диффузный, ситуационный формат недовольства (77,2%). Вместе с тем каждое четвертое сообщение характеризуется указанием на системный характер недовольства и резонируется поддержкой комьюнити значительным числом лайков (более 500), доминированием позитивных комментариев и объемом вовлеченной аудитории более 20 000 пользователей в наиболее весомых сообществах.
В третьем кластере сосредоточилось большинство республик Северного Кавказа со специфическими особенностями экономического и социально-политического уклада. В этом кластере наблюдается самый низкий по стране показатель отношения медианных доходов к стоимости фиксированного набора товаров, как следствие — самая высокая доля людей за чертой бедности и крайней бедности и самый низкий интегральный балл по социально-экономическому положению. Очевидно, что эти регионы также демонстрируют самую негативную динамику вкладов населения. Ответные меры Правительства Российской Федерации на указанные выше показатели привели к повышению доли социальных расходов в суммарных расходах консолидированного бюджета, что во многом обеспечило довольно высокую долю поддержки «Единой России» на выборах и высокие показатели явки граждан на выборы.
Когнитивная карта информационных потоков социального недовольства цифровых региональных групп третьего кластера показана на рисунке 4.
Рисунок 4. Контексты социального недовольства в регионах 3 кластера по результатам когнитивного картирования
Материалам социальных медиа 3 кластера свойственно указание на региональные органы власти и другие структуры регионального подчинения как на ключевые объекты недовольства (40,0%), а также на муниципальные органы власти, другие структуры муниципального подчинения — в 26,7% случаев. Субъектами формирования аттитюдов недовольства служат региональные (53,3%) и городские сообщества (33,3%). Сферы недовольства, представленные в цифровых сообществах регионов третьего кластера, существенно отличаются от этих сфер в первом и втором региональных кластерах. В третьем кластере доминирует недовольство сферой государственного управления, оно отражено в 36,7% проанализированных документов. Каждое третье сообщение указывает на триггер социального недовольства федерального уровня, что в среднем втрое чаще, чем в других кластерах. На фоне этого недовольства в социальных медиа регионов третьего кластера заметны и сецессионные установки. Недовольство региональным уровнем власти выражается в сообществах изучаемого кластера в указании на несоответствие должностных лиц в местных администрациях требованиям, предъявляемым к «народным
служителям»: «злоупотребление служебным положением»; «коррупция в регионе»; «отсутствие патриотизма среди представителей органов власти»; «после показа на камеру выполненного дела, все вернулось обратно»; среди более конкретных причин недовольства — «задержка социальных выплат»; «отмена празднования Дня защиты детей» и некоторые другие.
Эмоциональная подача аттитюдов недовольства в сообществах третьего кластера доминирует и представлена в 56,7% случаев, комбинация аффективного и рационального влияния отражена в 36,7% документов. Заметен тот факт, что мотивирование к действию в защиту позиции рядовых жителей представлено в 13,3% сообщений. В большинстве случаев таргетные группы потоков недовольства не определены, но в 27,6% — это оппозиционно ориентированные граждане, «социально недовольные» и в 20,7% случаев — социально уязвимые слои населения (пожилые, многодетные, люди с ОВЗ, люди в трудной жизненной ситуации, мигранты и т. д.). Социально-медийные группы третьего кластера имеют наиболее широко репрезентированный политический контекст недовольства (53,3%), что в среднем вдвое выше, чем аналогичный показатель в других кластерах. В тех же документах представлен системный, поддерживаемый комьюнити формат недовольства: более 280 000 пользователей активно вовлечены в потоки с политическим контекстом, то есть содержащим так называемые политические требования.
Четвертый кластер включает некоторые регионы — мишени, имеющие приграничный статус и характеризующиеся сецессион-ными процессами, как и некоторые регионы третьего кластера. Принципиальным отличием четвертого кластера являются самые высокие показатели объема задолженности перед банками на одного человека, при этом наблюдается высокое значение отношения медианных доходов к стоимости фиксированного набора товаров и услуг. В целом все финансовые показатели регионов, входящих в этот кластер, находятся в верхнем квартиле аналогичных показателей по стране.
Когнитивная карта информационных потоков социального недовольства цифровых региональных групп четвертого кластера показана на рисунке 5.
/----ч
Муниципальные органы власти
V_
Рисунок 5. Контексты социального недовольства в регионах 4 кластера по результатам когнитивного картирования
В четвертом кластере муниципальные органы власти, другие структуры муниципального подчинения вызывают существенно большее недовольство, чем региональные органы власти и другие структуры регионального подчинения (35,6% и 24,4% соответственно). При этом наибольший объем потоков социального недовольства принадлежит региональным социально-медийным сообществам (91,1%). Болевые точки регионов четвертого кластера — сфера недовольства ЖКХ (26,7%) и здравоохранением (13,3%), остальные социальные сферы упоминаются в статистически незначимом объеме сообщений. Среди проблем ЖКХ часто артикулируются проблемы с программой переселения из аварийных домов, вывозом мусора, недостаточным освещением дворов и улиц, прорванными трубами, главными объектами недовольства в этом контексте выступают управляющие организации, игнорирующие, по мнению пользователей социальных медиа, существующие проблемы. Сфера здравоохранения — также источник мобилизации социального недовольства в новых медиа регионов четвертого кластера. В региональных цифровых сообществах чаще всего поднимаются темы отношения медицинского персонала к пациентам и необеспеченности больниц лекарствами.
Примечательно, что лишь в четвертом кластере заметен электоральный контекст: он звучит в 17,8% сообщений, тогда как в региональных группах других кластеров аналогичный показатель в среднем втрое ниже. Ключевой аспект электоральной темы — «отсутствие выбора на выборах», в социальных медиа прослеживается формирование настроений социальной апатии и деморализация. Свой вклад в развитие упаднических установок в регионах данного кластера вносит нередкое применение сетевыми агентами технологии обесценивания (в 15,6% случаев), что предполагает нивелирование позитивных аспектов функционирования социальных сфер и зацикливание на негативных позициях.
Ставка на эмоциональную подачу информации в потоках недовольства делается в 37,8% случаев, в 53,3% — используется аффективно-рациональное воздействие. В большинстве случаев определить конкретные таргетные группы не представляется возможным, но в каждом четвертом случае (24,4%) — это оппозиционно ориентированные граждане, социально недовольные, легко вовлекаемые в дискурсы критического и негативного восприятия деятельности региональных и местных государственных организаций. При этом все же неполитический контекст недовольства преобладает (77,8%), однако превалирующий формат недовольства — системный, поддерживаемый комьюнити — предполагает вовлечение в контексты недовольства в среднем более 70 000 региональных пользователей.
Пятый кластер содержит единственный субъект РФ — город федерального значения Москву. Выделение столичного региона в отдельный кластер связано со спецификой социально-экономических и социально-политических показателей Москвы, отличных от других субъектов РФ. Москва имеет наиболее высокие финансовые показатели по стране, низкую закредитован-ность, при наибольших запасах населения на вкладах, наиболее низкие показатели по безработице и по количеству людей, находящихся за чертой бедности и крайней бедности. Однако показатели явки на выборы — едва ли не самые низкие среди выделенных кластеров.
Когнитивная карта информационных потоков социального недовольства цифровых региональных групп пятого кластера показана на рисунке 6.
Рисунок 6. Контексты социального недовольства в регионах 5 кластера по результатам когнитивного картирования
В московском кластере более половины документов — с де-персонифицированными объектами социального недовольства (50,8%), чаще всего проявляется такая характеристика информационных потоков, как «безадресное недовольство», выражение негативного отношения к происходящему в регионе, обобщенная установка на критику «ситуации в целом». Вместе с тем муниципальные органы власти, другие структуры муниципального подчинения обозначены как объекты недовольства в каждом пятом случае. Локальный уровень триггера представлен в 63,1% — соответственно, в московских социальных сетях недовольства более трети документов содержат федеральный уровень триггера, предполагающий выражение недовольства ситуацией в стране в целом. В 87,7 генераторами потоков недовольства служат новостные сообщества. В изучаемом кластере сфера государственного управления выступает объектом недовольства в 21,5%, в полтора раза чаще — сфера ЖКХ (36,9%). В московских цифровых сообществах недовольство правозащитной и судебной сферами фигурирует в 6,2% документов, что втрое больше доли, приходящейся на данный контекст в остальных региональ-
ных кластерах. Заслуживают внимания лингвопаттерны недовольства защитой прав личности: «добровольно-принудительные поборы», «карательная машина», «права — для элит, у простых людей — только обязанности». Посредством дегуманизации (32,3%) представителей органов власти и рациональной аргументации (20,0%) критической оценки различных сфер социальной жизни в столичном кластере цифровых потоков недовольства превалирует комбинированный, аффективно-рациональный тип информационного воздействия на пользовательскую аудиторию, составляющую в среднем 120 000 человек, включенных в информационное поле потоков социального недовольства. По сравнению с 12-миллионной цифровой аудиторией столичного региона, это относительно незначительный объем, однако это та социальная группа, которая вовлекается в потоки социальной апатии и депрессии, выражающие установку «от нас ничего не зависит». Эти дискурсивные практики, по сути, являются логическим продолжением контекстов недовольства элитами, их недоступностью и бесправностью простого гражданина. При этом социальное недовольство в цифровой среде в связи с этими аспектами выражается в неполитическом контексте и с преобладанием диффузного, ситуационного формата.
Шестой региональный кластер — это класс субъектов РФ, который аккумулирует регионы с центрами — мегаполисами и со средними значениями абсолютно по всем как экономическим, так и социальным показателям, которые подлежали рассмотрению.
Когнитивная карта информационных потоков социального недовольства цифровых региональных групп шестого кластера показана на рисунке 7.
Рисунок 7. Контексты социального недовольства в регионах 6 кластера по результатам когнитивного картирования
В сообщениях цифровых групп регионов шестого кластера, как и в московских сетях, происходит деперсонификация объектов недовольства (51,4%), при этом в каждом пятом документе объект недовольства — муниципальные органы власти, другие структуры муниципального подчинения (21,1%), что предопределяет преимущественно локальный уровень триггеров социального недовольства. Ключевые выразители недовольства — городские сообщества. Традиционные для большинства сетей региональных кластеров сферы недовольства ЖКХ и транспортом характерны и для данного регионального сегмента (29,4% и 20,2% соответственно). В шестом кластере на уровне статистической значимости фигурируют проблемы социальной защиты (11,0%). Заметным также является контекст недовольства региональными представителями власти в связи с режимом ЧС в отдельных регионах кластера: «Ни ответственные за гражданскую оборону и борьбу с чрезвычайными ситуациями ведомства, ни даже губернатор, не произнесли ни слова, чтобы успокоить или проинформировать жителей». Свойственное для многих регио-
нальных кластеров недовольство работой чиновников в шестом сегменте субъектов РФ также имеет многогранное отражение в следующих нарративах: «Ничего не делают, только тройные тарифы собирают»; «Хотелось бы, чтобы власти не только с нас деньги брали, но и дела делали»; «Собирают дань»; «За что люди платят деньги? Куда смотрит начальство? Какая тут безопасность?; «Какой толк от местных депутатов?». В этих дискурсивных практиках проявляется внешний локус контроля, или, по-другому, паттерналистические установки массового сознания, неготовность к социальной ответственности. Признается, что ответственность за все проблемы несут исключительно представители органов власти, а гражданам отводится позиция критиков. На фоне этих убеждений диффузный, ситуационный формат недовольства комбинируется с неполитическим контекстом недовольства изученных информационных потоков.
Обобщенные ключевые характеристики по выявленным региональным кластерам показаны в таблице 1.
Ближайшими перспективами исследования, позволяющими уточнить характеристики проанализированных региональных кластеров, служат такие направления, как автоматизированный социально-медийный анализ информационных потоков недовольства в регионах РФ с использованием сервиса для мониторинга социальных сетей IQBuzz с целью выявления весовых, динамических, технологических характеристик этих потоков, а также социально-демографических показателей аудитории данных потоков; построение социальных графов цифровых сообществ социального недовольства для выявления технологий управления таргетными группами сетей социального недовольства; когнитивная инструментальная диагностика: айтрекинг пользователей региональных сообществ, состоящий в изучении глазодвигательной реакции граждан на стимульный цифровой контент, отражающий контексты и дискурсы социального недовольств в социальных медиа регионов и муниципалитетов РФ.
оо
Основные характеристики региональных кластеров
Таблица 1
Показатели 1 кластер 2 кластер 3 кластер 4 кластер 5 кластер 6 кластер
Уровень закредито-ванности Высокий Очень высокий Высокий Ниже среднего Низкий Средний
Уровень благосостояния Средний Ниже среднего Низкий Выше среднего Высокий Средний
Ориентированность на электоральную поддержку доминирующей политической партии Средняя Средняя Высокая Средняя Средняя и ниже среднего Средняя
Рейтинг главы субъекта Федерации Средний и ниже среднего Низкий Средний и ниже среднего. Исключение: Чечня (высокий) Средний Средний и ниже среднего Средний
Сферы социального недовольства в региональных онлайн-сетях ЖКХ, транспорт, прочие неполитические контексты Транспорт, ЖКХ, здравоохранение, социальная сфера в целом Текущие политические и социально-экономические вызовы на фоне глобального кризиса Социальная сфера, электоральные контексты Вопросы государственного управления, правозащитная, судебная сферы Вопросы управления региональным развитием, социальная сфера
Уровень объектов социального недовольства в региональных онлайн-сетях Региональные и муниципальные органы власти Нет явно выраженного уровня объектов недовольства Региональные и муниципальные органы власти Муниципальные органы власти Нет явно выраженного уровня объектов недовольства Нет явно выраженного уровня объектов недовольства
Ведущий тип онлайн-сетевых агентов социального недовольства Новостные и городские сообщества социальных медиа Городские и региональные сообщества социальных медиа Городские и региональные сообщества социальных медиа Региональные сообщества социальных медиа Новостные сообщества Городские сообщества
Тип доминирующей технологии мобилизации социального недовольства Аффективно-рациональный, преобладание дегуманизации объектов недовольства Аффективно-рациональный, явная техника когнитивного воздействия отсутствует Эмоциональный, явная техника когнитивного воздействия отсутствует Аффективно-рациональный, явная техника когнитивного воздействия отсутствует Аффективно-рациональный, преобладание дегуманизации объектов недовольства рациональной аргументации в мобилизации недовольства Аффективно- рациональный, явная техника когнитивного воздействия отсутствует
Заключение
Анализ информационных потоков региональных сообществ показал существование доминирующей причины социального недовольства, выражаемого по отношению ко многим сферам общественной жизни (ЖКХ, транспорт, здравоохранение, образование, государственное управление и др.) — ощущение социального неравенства, разницы в уровне жизни рядовых граждан и представителей элиты, чиновников, убежденность в том, что принадлежность к социальному слою власть имущих предопределяет обязательную коррумпированность, использование своей профессиональной позиции для получения личных выгод и благ. Значительный уровень деперсонализации объектов недовольства — лишнее тому свидетельство: предполагается, что не отдельные, конкретные представители власти пренебрегают своими обязанностями, но есть некий общий, «деперсонифи-цированный», собирательный образ «далекого от нужд граждан чиновника». Именно этими представлениями объясняются проблемы во всех социальных сферах жизни регионов. Существование таких социальных установок и стереотипов обеспечивает питательную среду для мобилизации социального недовольства и протестных настроений в цифровом пространстве независимо от уровня социально-экономического развития регионов фактически.
Информационные потоки с подобными нарративами закрепляют стереотипы о том, что «рядовых жителей региона не берут на борт» и они не могут ни на что повлиять. Напрашивается сопоставление этой стороны менталитета современной аудитории цифровых потоков недовольства с доминировавшей в СССР идеологией «каждый советский человек — строитель коммунизма». Аудитория изученных социально-медийных потоков служит выразителем совершенно иной позиции, и это является значительной проблемой, особенно в период глобальных преобразований, совершаемых российским государством, в период, предполагающий необходимость совместных консолидированных усилий всей нации по преодолению кризиса, вызванного противостоянием с западным миром.
Сопоставление итогов кластеризации регионов по уровню экономического и социально-политического развития, а также результатов когнитивного картирования регионального социально-
медийного контента, репрезентирующего контексты социального недовольства, позволило установить региональные кластеры, в которых низкий уровень благосостояния населения и в целом невысокие показатели социально-экономического развития комбинируются с высоким уровнем доверия граждан региональной власти. В регионах данного типа недовольство концентрируется в неэкономических и нематериальных сферах и имеет объектом федеральные структуры, а триггером становится неравномерное развитие регионов, неравенство возможностей удаленных субъектов РФ.
Содержательный анализ информационных потоков показывает, что экономически благополучные регионы, с высокими показателями социально-экономического развития, демонстрируют высокое недовольство в сфере правозащиты, прав и свобод личности, отсюда основными объектами недовольства становятся не региональные органы власти, а федеральные, которые определяют политический курс.
Примечания
1 Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию Финансового университета.
2 Показатели «ботовости» сообщества рассчитывались по 3 методикам. Затем в расчет бралось среднее значение. Первые две методики — встроенные методы расчета «ботовости» сообществ из библиотек, с помощью которых реализуется подключение к API социальных сетей. Третья методика — авторская. Проверка на «ботовость» сообществ осуществляется в соответствии со следующей методикой: для любого пользователя строится изначальная оценка «веса», равная 0. В качестве итоговой оценки применяется формула: если b - h > 5, где b — расчетный показатель «ботовости» аккаунта, а h — расчетный показатель «человечности» (не-фейковости) аккаунта, то профиль относится к ботовым, если условие не выполняется, то к реальному человеку.
Показатель b рассчитывается по формуле: b = к, + к2 + к3 + к4 , где:
1) к, — аккаунт удален — +20
2) к2 — аккаунт забанен — +10
3) к3 — на аккаунте содержится запись, что пользователь последний раз был больше полугода назад — +2
4) к4 — на аккаунте не указан город — + 0.5
Показатель h рассчитывается по следующей формуле h = к, + к2 + к3 , где:
1) к, — у аккаунта заменен id — +2
2) к2 — аккаунт верифицирован — +20
3) к3 — на аккаунте указаны ссылки на другие сети — +1-5 (в зависимости от того, сколько указано сетей).
Библиография
Азаров А. А., Бродовская Е. В., Дмитриева О. В. и др. Стратегии формирования установок протестного поведения в сети интернет: опыт применения киберметрического анализа (на примере Евромайдана, ноябрь 2013 г.) // Мониторинг общественного мнения: экономические и социальные перемены. 2014. № 2 (120). С. 63-78. Б01: 10.14515/тош1опщ. 2014.1.06
Бродовская Е. В., Домбровская А. Ю, Карзубов Д. Н, Синяков А. В. Развитие методологии и методики интеллектуального поиска цифровых маркеров политических процессов в социальных медиа // Мониторинг общественного мнения: экономические и социальные перемены. 2017. № 5 (141). С. 79-104. Б01: 10.14515/топй:опщ.2017.5.06
Бродовская Е. В., Домбровская А. Ю, Пырма Р. В., Карзубов Д. Н. Украинские социально-медийные потоки о Крыме: результаты когнитивного картирования украинских блогов и каналов новых медиа // Известия Тульск. гос. ун-та. Гуманитарные науки. 2018. № 4. С. 51-61.
Бродовская Е. В., Домбровская А. Ю, Пырма Р. В., Азаров А. А. Гражданские и политические онлайн-практики в оценках российской молодежи (2018) // Политическая наука. 2019. № 2. С. 180-197. Б01: 10.31249/ ро1п/2019.02.09
Вин Ю. Я., Кондратьев Д. Е. Инновационные принципы анализа лексики византийского права и актов: когнитивное картирование // Информационный бюллетень ассоциации «История и компьютер». 2012. № 39. С. 25-56.
Громакова В. Г., Варданян В. Н. Выявление угроз терроризма как инструмента современной геополитики на основе когнитивного картирования // Государственное и муниципальное управление. Ученые записки. 2020. № 3. С. 175-181. Б01: 10.22394/2079-1690-2020-1-3-175-181
Домбровская А. Ю. (а) Методология и методика анализа онлайн-сетевого бренда вузов в системе средств информационного воздействия на общественное сознание // Власть. 2021. № 5. С. 37-41. Б01: Ьйр8://ёо1. о^/10.31171/у1а81.у2915.8528
Домбровская А. Ю. (б) Репрезентация гражданской активности российской молодежи в социальных медиа // Мониторинг общественного мнения: экономические и социальные перемены. 2021. № 6. С. 203-225. Б01: ЬЦр8://ёо1.о^/10.14515/тош1опщ.2021.6.2012
Домбровская А. Ю., Давыдова М. А. Когнитивная карта информационных потоков доминирующих типов сетей социального недовольства региональных сообществ Рунета // Известия Тульск. гос. ун-та. Гуманитарные науки. 2022. № 3. С. 77-88.
Жиляева О. В. Когнитивное картирование официальных пресс-конференций и выступлений премьер-министра Испании Мариано Рахоя // Научный диалог: вопросы философии, социологии, истории, политологии: сб. науч. трудов по мат. VIII междунар. науч. конф. Международная Научно-Исследовательская Федерация «Общественная наука». СПб., 2017. С. 22-23.
Когнитивно-фреймовый подход / О. А. Алимурадов, О. В. Чурсин. М.: Красанд, 2009.
Лебон Г. Психология народов и масс. М.: Академический проект, 2011.
Мертон Р. Социальная теория и социальная структура. М.: АСТ, 2006.
Bauer R., lnkels A., Kluckhohn C. (1956) How the Soviet System Works: Cultural, Psychological, and Social Themes. Cambridge.
Bonham Gr., Shapiro M. (1976) Explanation of the Unexpected: The Syrian Intervention in Jordan in 1970. In R. Axelrod (ed.) Structure of Decision. Princeton. DOI: https://doi.org/10.1515/9781400871957-009
Castells M. (2012) Networks of Outrage and Hope: Social Movements in the Internet Age. Cambridge: Polity Press.
Gurr T. R. (1970) Why Men Rebel. New Jersey: Princeton University Press.
Holsi О. R. (1984) Theories of crisis decision making. In International conflict and conflict management. Ontario.
Howard Ph. N., Parks M. R. (2012) Social Media and Political Change: Capacity, Constraint and Consequence. Journal of Communication 62: 359-362. DOI: https://doi.org/10.1111/j.1460-2466.2012.01626.x
Neisser U. (1975) Cognitive Psychology. New York.
Parsons T. (1967) Sociological theory and modern society. New York: Free Press.
Smelser N. (1965) Theory of Collective Behavior. New York: Free Press.
Tarrow S. (1998) Power in Movement: Social Movements and Contentious Politics. 2-nd ed. Cambridge: Cambridge University Press.
Tarrow S. (2011) Power in Movement: Social Movements and Contentious Politics. 3-rd ed. New York: Cambridge University Press.
Turner R. H., Killian L. (1987) Collective Behavior. 3-ed. Englewood Cliffs; New Jersey: Prentice Hall.
Notes
Support. The article is based on the results of a study carried out at the expense of budgetary funds under the state assignment of the Financial University.
References
Alimuradov O. A., Chursin O. V (2009) Kognitivno-freymovyy podkhod [A Cognitive Frame Approach]. Moscow: Krasand Publ. (In Russian)
Azarov A. A., Brodovskaya E. V, Dmitrieva O. V. et al. (2014) Strategii formirovaniya ustanovok protestnogo povedeniya v seti internet: opyt primen-eniya kibermetricheskogo analiza (na primere Evromaidana, noyabr' 2013 g.) [Strategies for the Formation of Protest Behavior Attitudes on the Internet: the Experience of Using Cybermetric Analysis (on the Example of Euromaidan, November 2013)]. Monitoring obshchestvennogo mneniya: ekonomicheskie i sotsial'nye peremeny 2 (120): 63-78. DOI: 10.14515/monitoring.2014.1.06 (In Russian)
Bauer R., lnkels A., Kluckhohn C. (1956) How the Soviet System Works: Cultural, Psychological, and Social Themes. Cambridge.
Bonham Gr., Shapiro M. (1976) Explanation of the Unexpected: The Syrian Intervention in Jordan in 1970. In R. Axelrod (ed.) Structure of Decision. Princeton. DOI: https://doi.org/10.1515/9781400871957-009
Brodovskaya E. V., Dombrovskaya A. Yu., Karzubov D. N., Sinyakov A. V
(2017) Razvitie metodologii i metodiki intellektual'nogo poiska tsifrovykh markerov politicheskikh protsessov v sotsial'nykh media [Development of Methodology and Method of Intellectual Search for Digital Markers of Political Processes in Social Media]. Monitoring obshchestvennogo mneniya: ekonomicheskie i sotsial'nye peremeny 5 (141): 79-104. DOI: 10.14515/monitoring. 2017.5.06 (In Russian)
Brodovskaya E. V., Dombrovskaya A. Yu., Pyrma R. V, Karzubov D. N.
(2018) Ukrainskie social'no-medijnye potoki o Kryme: rezul'taty kognitivnogo kartirovaniya ukrainskih blogov i kanalov novyh media [Ukrainian Social Media Flows about Crimea: Results of Cognitive Mapping of Ukrainian Blogs and New Media Channels]. Izvestiya Tul'sk. gos. un-ta. Gumanitarnye nauki (4): 5161. (In Russian)
Brodovskaya E. V., Dombrovskaya A. Yu., Pyrma R. V., Azarov A. A. (2019) Grazhdanskie i politicheskie onlajn-praktiki v ocenkah rossijskoj molodezhi (2018) [Civil and Political Online Practices in the Assessments of Russian Youth (2018)]. Politicheskaya nauka (2): 180-197. DOI: 10.31249/poln/2019.02.09 (In Russian)
Castells M. (2012) Networks of Outrage and Hope: Social Movements in the Internet Age. Cambridge: Polity Press.
Dombrovskaya A. Yu. (2021 a) Metodologiya i metodika analiza onlajn-setevogo brenda vuzov v sisteme sredstv informacionnogo vozdejstviya na obshchestvennoe soznanie [Methodology and Method for Analyzing the Online Brand of Universities within the Means of Information Impact on Public
Consciousness]. Vlast 5: 37-41. DOI: https://doi.org/10.31171/vlast.v29i5.8528 (In Russian)
Dombrovskaya A. Yu. (2021 b) Reprezentaciya grazhdanskoj aktivnosti rossijskoj molodezhi v social'nyh media [Representation of Civic Engagement of Russian Youth in Social Media]. Monitoring obshchestvennogo mneniya: ekonomicheskie i sotsial'nye peremeny. (6): 203-225. DOI: https://doi.org/ 10.14515/monitoring.2021.6.2012 (In Russian)
Dombrovskaya A. Yu., Davydova M. A. (2022) Kognitivnaya karta informacionnyh potokov dominiruyushchih tipov setej social'nogo nedovol'stva regional'nyh soobshchestv Runeta [Cognitive Map of Information Flows of the Dominant Types of Networks of Social Discontent in the Runet Regional Communities]. Izvestiya Tul'sk. gos. un-ta. Gumanitarnye nauki (3): 77-88. (In Russian)
Gromakova V G., Vardanyan V N. (2020) Vyyavlenie ugroz terrorizma kak instrumenta sovremennoj geopolitiki na osnove kognitivnogo kartirovaniya [Identification of the Threats of Terrorism as a Tool of Modern Geopolitics Based on Cognitive Mapping]. Gosudarstvennoe i municipal'noe upravlenie. Uchenye zapiski (3): 175-181. (In Russian)
Gurr T. R. (1970) Why Men Rebel. New Jersey: Princeton University Press.
Holsi О. R. (1984) Theories of Crisis Decision-Making. In International conflict and conflict management. Ontario.
Howard Ph. N., Parks M. R. (2012) Social Media and Political Change: Capacity, Constraint and Consequence. Journal of Communication 62: 359-362. DOI: https://doi.org/10.1111/j.1460-2466.2012.01626.x
Lebon G. (2011) Psikhologiya narodov i mass [Psychology of Peoples and Masses]. Moscow: Academic Project Publ. (In Russian)
Merton R. (2006) Sotsial'naya teoriya i sotsial'naya struktura [Social Theory and Social Structure]. Moscow: AST Publ. (In Russian)
Neisser U. (1975) Cognitive Psychology. New York.
Parsons T. (1967) Sociological Theory and Modern Society. New York: Free Press.
Smelser N. (1965) Theory of Collective Behavior. New York: Free Press.
Tarrow S. (1998) Power in Movement: Social Movements and Contentious Politics. 2-nd ed. Cambridge: Cambridge University Press.
Tarrow S. (2011) Power in Movement: Social Movements and Contentious Politics. 3-rd ed. New York: Cambridge University Press.
Turner R. H., Killian L. (1987) Collective Behavior. 3-ed. Englewood Cliffs, New Jersey: Prentice Hall.
Vin Yu. Ya., Kondratiev D. E. (2012) Innovacionnye principy analiza leksiki vizantijskogo prava i aktov: kognitivnoe kartirovanie. [Innovative Principles of Analyzing the Vocabulary of Byzantine Law and Acts: Cognitive Mapping].
Informacionnyj byulleten' associacii Istoriya i komp'yuter (39): 25—56. (In Russian)
Zhilyaeva O. V. (2017) Kognitivnoe kartirovanie ofitsial'nykh press-konferentsiy i vystupleniy prem'er-ministra Ispanii Marianorakhoya [Cognitive Mapping of Official Press Conferences and Speeches of Prime Minister of Spain Marianorachoy]. In Nauchnyy dialog: voprosy filosofii, sotsiologii, istorii, politologii: sb. nauch. trudov po materialam VIII mezhdunarodnoy nauchnoy konferentsii. Mezhdunarodnaya Nauchno-Issledovatel'skaya Federatsiya «Obshchestvennaya nauka» [Scientific Dialogue: Issues of Philosophy, Sociology, History and Political Science. A Collection of Scientific Papers Based on Materials of the 8th International Scientific Conference. International Scientific Research Federation "Social Science"]. Pp. 22—23. (In Russian)
Приложение
Распределение субъектов РФ по кластерам на основании показателей социально-экономического и социально-политического развития
Кластер 1: Алтайский край, Амурская область, Архангельская область, Астраханская область, Белгородская область, Брянская область, Владимирская область, Вологодская область, Еврейская автономная область, Ивановская область, Иркутская область, Калужская область, Кемеровская область, Кировская область, Костромская область, Красноярский край, Курская область, Ленинградская область, Липецкая область, Новгородская область, Новосибирская область, Омская область, Оренбургская область, Пензенская область, Пермский край, Республика Адыгея, Республика Бурятия, Республика Карелия, Республика Коми, Республика Крым, Республика Мордовия, Республика Саха (Якутия), Рязанская область, Саратовская область, Севастополь, Смоленская область, Ставропольский край, Тамбовская область, Тверская область, Томская область, Тульская область, Тюменская область, Удмуртская Республика, Ульяновская область, Хабаровский край, Ярославская область.
Кластер 2: Забайкальский край, Курганская область, Орловская область, Псковская область, Республика Алтай, Республика Калмыкия, Республика Марий Эл, Республика Хакасия, Чувашская Республика.
Кластер 3: Кабардино-Балкарская Республика, Карачаево-Черкесская Республика, Республика Дагестан, Республика Ингушетия, Республика Северная Осетия — Алания, Республика Тыва, Чеченская Республика.
Кластер 4: Калининградская область, Камчатский край, Магаданская область, Мурманская область, Ненецкий автономный округ, Сахалинская область, Чукотский автономный округ, Ямало-Ненецкий автономный округ.
Кластер 5: Москва.
Кластер 6: Волгоградская область, Воронежская область, Краснодарский край, Московская область, Нижегородская область, Приморский край, Республика Башкортостан, Республика Татарстан, Ростовская область, Самарская область, Санкт-Петербург, Свердловская область, Ханты-Мансийский автономный округ — Югра, Челябинская область.
Поступила в редакцию 06.09.2022
