CC BY
19
УДК 323 001: 10.24412/2071-6141-2023-1-132-145
МЕТОДОЛОГИЯ И МЕТОДИКА ИЗУЧЕНИЯ ДИСКУРСИВНЫХ ПРАКТИК, СИЛЫ И ПЛОТНОСТЕЙ СВЯЗЕЙ ЦИФРОВЫХ СООБЩЕСТВ ДЕКОНСОЛИДАЦИОННОЙ НАПРАВЛЕННОСТИ
А.Ю. Домбровская, Д.Н. Карзубов
Социальное управление посредством цифровых платформ в России - данность сегодняшнего дня. Масштабы вовлеченности россиян в социально-медийную коммуникацию и объём времени, проводимого ими в онлайн-сетевой среде, свидетельствуют о значительном потенциале цифровых сообществ в формировании социальных установок и настроений. Социальные медиа - пространство чрезвычайно интенсивного распространения деконсолидирующего контента, в нем функционируют цифровые группы, имеющие различный потенциал конверсии онлайн-активности в офлайн. Настоящее исследование имеет целью обобщить многолетний исследовательский опыт авторов по выявлению сообществ политического толка разной степени конвенциональ-ности и ориентированности на социальную деконсолидацию, а также с разным потенциалом конверсии онлайн-установок в политической и гражданское поведение офлайн.
Обобщение исследовательского опыта основано на результатах 10-летнего применения авторского программного обеспечения - приложения к сети «ВКонтакте» - и построении нескольких тысяч социальных графов социально-медийных сообществ разной направленности. Конечным продуктом обобщения данного опыта служит типология стратегий управления инфлюенсерами (онлайн-сетевыми лидерами мнения) цифровым сообществом, а также технология структурирования дискурсивных практик социальных медиа политического толка.
Практическая значимость исследования может заключаться в возможности применения обобщенной методологии и методики в прогнозировании неконвенциональной активности россиян по цифровым следам, в использовании технологии анализа социальных графов в создании «банка цифровых сообществ» - индикаторов деконсоли-дационной риторики, по которым можно выявлять триггеры социальной дезинтегри-рованности и измерять градус общественных настроений в среде российских интернет-пользователей. Методическая ценность материала заключается и в обобщении технологии разработки гибридного дизайна киберметрического анализа в предметном поле прикладного политического исследования.
Ключевые слова: социальные медиа, цифровые сообщества, цифровая мобилизация деконсолидации, дезинтеграция, социальные графы, политические дискурсы и контексты, потенциал конверсии.
Публикация подготовлена в рамках гранта РФФИ и ЭИСИ «Цифровые сетевые структуры радикальной оппозиции в России» (№ 21-011-31161 опн) на 2021 год.
Введение
Все возрастающее воздействие цифровой среды на социально-политические процессы предопределяет ряд вызовов, одним из которых являются риски социальной деконсолидации. Понимая под этим термином
ценностный разрыв, социальный раскол, разногласия, отсутствие солидарности в ключевых аспектах целей общественного развития, отметим, что цифровая среда может создавать несколько измерений социальной декон-солидации: разрыв во взглядах на курс страны между вовлеченными и не-вовлеченными в онлайн-сетевое взаимодействие, между социальными группами, находящимися под информационным воздействием различных интернет-ресурсов и т.д. Лидеры мнений в социальных медиа всё интенсивнее применяют потенциал масштабирования цифровой аудитории и мобилизации запрограммированных установок. В ряде случаев такие установки предлагаются внешними политическими акторами и направлены на манипулирование общественным мнением далеко не в пользу российского государства. Такие цифровые лидеры мнений формируют контент, вызывающий у существенной части пользователей широкий резонанс, поскольку этот контент затрагивает противоречия, раскалывающие общество на непримиримые части. Неконвенциональная риторика маскируется под рациональные доводы, применяются манипулятивные технологии, подрывающие доверие российских граждан к действующей власти и закрепляющей социальные стереотипы о невозможности конструктивного диалога с ее представителями.
В этих условиях важно обобщить наработки в сфере измерения структурных и содержательных цифровых маркеров распространения неконвенциональных информационных потоков в Рунете и изучения влиятельности социально-медийных сообществ, нацеленных на социальную деконсолидацию.
Настоящее исследование ставит целью анализ методологии и методики исследования содержательной специфики и механизмов координации цифровых коммуникаций сообществ Рунета, направленных на социальную деконсолидацию, разобщенность, ценностный разрыв между пользовательскими аудиториями социальных медиа Рунета.
Обзор исследований по теме
В научной литературе доминирует положение об оппозиционной деятельности как об активности, угрожающей общественной консолидиро-ванности, интегрированности и социально-политической стабильности государства. Среди классиков и современных исследователей поведения, основанного на социальных отклонениях, отказе от общепринятых норм, назовем: Р.К. Мертона [6, с. 299], Т.Р. Гарра [4, с. 71], Вуйича [30], С. Москаленко [28]. Технологии формирования нелоялистских установок, критических по отношению к действующему социально-политическому курсу в цифровом пространстве представлены в трудах С. Бодруновой [15]; Е.В. Бродовской [2-3], А.В. Манойло [5], В.А.Пономарева [7], А.С. Ахре-
менко [1]. Онлайн-сетевые структуры такой активности показаны в работах В. Беннета [12], Л. Боуда [14], С. Болиана [16], Э. Барабаси [10].
Уже ставший классиком осмысления эффектов интернет-коммуникации М. Кастельс анализирует сущность и факторы развития социальных движений в цифровом пространстве [18-22]. К. Кларк устанавливает связь между распространением «цветных революций» и социально-медийной коммуникацией, при этом последняя принимается за фактор формирования массового [23].
Среди авторов работ, показывающих эффективность интернет-технологий в процессе деконсолидации пользователей, следует назвать А. Андерсона [8], М. Бейсингера [11], Э. Брюера и Дж. Грошека [13], Ф. Бренкера [17], Л. Диамонда и М. Платтнера [24], анализирующих результаты «сетевой революции» в государствах с различными политическими режимами.
Вместе с тем, как в отечественном, так и зарубежном секторах политических исследований общественной деконсолидации, предпринимаемой в онлайн-среде, явно недостает комплексных трудов, основанных на гибридном дизайне эмпирического анализа, сочетающем возможности ручной и автоматизированной работы, социально-медийного и социально-графического анализа, изучения силы и плотности связей внутри и между цифровыми сообществами, ориентированных на разобщение пользовательских аудиторий национального сегмента социальных медиа, измерения содержательных и интеракционных показателей функционирования таких онлайн сообществ. Важность подобного комбинированного подхода к изучению неконвенциональных, деконсолидирующих, дезинтегрирующих общество контекстов, циркулирующих в российском сегменте социальных меда предопределяет эмпирическую модель соответствующих исследований.
В основе этих исследований, несомненно, должны быть представлены сетевой подход, Predictor Mining как методология интеллектуального поиска цифровых маркеров социальных и политических процессов и дискурсивная версия неоинституционализма.
Ключевой основой исследования служит сетевой подход, описанный и примененный в исследованиях М. Кастельса об организации цифрового пространства [20]; в работах об онлайн-сетевом колониализме М. Квета [26], о влиянии социально-медийных сетей на политическое поведение граждан Ф. Ховарда [25]; в концепции альгократии А. Аниша [9] и концепции психологического таргетирования С. Маца и соавторов [27]. В частности, в трудах М. Кастельса показан сетевой механизм организации общественных отношений, в которых каждый субъект находится во взаимосвязи с другими. Ф. Ховард высказывает близкие суждения о том, что онлайн-сетевые технологии трансформируют социальные движения в коллективные действия, что важно для оценки потенциала конверсии декон-
солидации из онлайн в офлайн-среду. С позиций перечисленных авторов цифровые сети связи децентрализовали потоки информации, но их координация может привести к активизации социального движения. В своей концепции альгократии А. Аниш вводит понятие алгоритмической власти, то есть осуществление контроля над онлайн-сетевой коммуникацией посредством алгоритмов. Для предпринятого эмпирического анализа эта категория ценна с точки зрения измерения силы координации онлайн сетей деконсолидирующей направленности. Концепция психологического тарге-тирования, выдвинутая коллективом ученых под руководством С. Маца, представляет интерес в связи с рассмотрением в настоящем исследовании информационного воздействия в онлайн сетях неконвенционального толка как влияния посредством учета психологических потребностей целевой аудитории, за счет таргетирования строго адресной информации. Все эти подходы позволят интерпретировать высокую плотность связей между пользователями в релевантных предмету анализа социально-медийных группах как показателя весомого влияния социальной сети, в которую включены пользователи, на формирование гражданских и политических установок участников данных групп.
Predictor Mining служит базой для обоснования фильтров - речевых паттернов, для поиска и отбора необходимых объектов анализа - социально-медийных сообществ [3].
Дискурсивный неоинституционализм [29, с, 138] позволяет рассматривать идеи, обмен идеями в дискурсивной практике, выбор/одобрение идей в социально-медийной среде в системе факторов формирования политических установок и политического поведения интернет-пользователей.
Аккумулирование данных обычно осуществляется с помощью когнитивного картирования содержания социально-медийных сообществ (благодаря количественно-качественной природе этого метода анализу подлежат структурные и содержательные составляющие исследуемых текстовых массивов) и метода анализа социальных графов как выявления структуры взаимосвязи между пользователями внутри сообществ.
Методика сэмплирования (формирования выборочной совокупности) цифровых групп - исследовательских кейсов должна включать следующие позиции: деконсолидирующая направленность групповой риторики, число подписчиков - не менее 10 000 пользователей, невысокая ботовость участников (не превышающая 10 %) и публикационная активность (не реже 3 сообщений в неделю и опубликование последнего поста не позднее 3 дней на момент анализа).
Эти критерии позволяют отобрать в пул изучаемых сообществ релевантные, влиятельные, активные группы с высокой долей «реальных и живых» пользователей.
Опыт исследовательской практики показывает необходимость предварительного анализа оппозиционной лексики в социальных медиа. Для каждой темы такое семантическое ядро нужно сформировать из числа лингво-маркеров - слов и словосочетаний, упоминание которых в сообщении делает этот документ релевантным предмету исследования.
В качестве примера для критически ориентированной лексики следует назвать такие лингво-маркеры, как «анти», «против», имена лидеров мнений, ориентированных на социальный разрыв, разобщенность пользовательской аудитории национального сектора социальных медиа и некоторые другие.
Отобранные на основе соответствующих семантических фильтров цифровые сообщества - исследовательские кейсы необходимо подвергнуть процедуре графирования интеракций (цифровых следов взаимодействий между участниками этих сообществ), что позволит проанализировать силу и плотность связей внутри группы, ее структуру и мобилизационный потенциал. Авторский коллектив, как правило, использует авторское ПО «Социальный граф»1, написанное на языке программирования «JavaScript», однако подобные задачи по созданию программных алгоритмов для построения социальных графов могут решать и другие языки программирования.
Возможности кластеризации социально-медийных документов на основе когнитивного картирования их содержания
Содержательные характеристики сообщений отобранных групп служат достаточной основой сегментирования на базе кластерного анализа. Если базовые переменные для сегментирования документов измеряются порядковой или количественной шкалами, то один из наиболее подходящих типов кластеризации - метод К-средних IBM SPSS Statistics 26.0.
Универсальными параметрами кластеризации могут служить следующие переменные: объект критики (порядок в шкале измерения может формироваться, к примеру, по уровню власти), контекст критики (ординарность может быть обеспечена упорядочиванием шкалы контекстов от конвенциональных до неконвенциональных контекстов), технология манипуляции общественным сознанием (возможно упорядочивание по признаку иррационально - рациональности воздействия) и характеристики
1 «Социальный граф» — это приложение к сети «ВКонтакте», интерпретируется внутри «mdejs» версии не ниже 7.5. Визуальная часть программы выполнена с применением плагина «одиегу VisJS». Данный инструмент позволяет выявить количество пересечений между участниками сообществ в социальной сети «ВКонтакте», каждый из которых является узлом графа. Для измерения силы и плотности связей между участниками социально-медийных сообществ - исследовательских кейсов были построены социальные графы для всех цифровых сообществ, содержательно изученных методом когнитивного картирования.
пользовательской активности в отношении исследуемого контента (уровень одобрения, пользовательский резонанс и потенциал виральности). Для измерения пользовательской активности возможны два варианта: количественная шкала с фиксацией конкретного числа цифровых следов одобрения, резонанса, виральности каждого изучаемого документа или интервальная шкала, упорядочивающая интервалы уровней пользовательской активности и идентифицирующая каждый уровень с конкретным интервалом её количественных показателей.
Рассмотрим вначале эвристику метода когнитивного картирования документов, составляющих социально-медийный поток с деконсолидиру-ющей риторикой гражданского и политического толка. Для изучения структурных характеристик база когнитивного картирования обрабатывается в любой программе для статистического анализа данных. Обработка авторским коллективом баз данных когнитивного картирования оппозиционных потоков в социальных медиа в программе IBM SPSS Statistics 26.0 посредством кластерного анализа методом К-средних (K-means cluster analysis) предполагает, как правило, использование следующих переменных, значения которых служат основой для выявления центров идентифицируемых кластеров: степень активности деконсолидирующей риторики, упоминаемость критических по отношению к власти дискурсов, тем, контекстов и триггеров неконвенциональных установок.
Существенной исследовательской задачей методического характера является обоснование базисных переменных - основ кластеризации и анализ сложившихся в ходе кластеризации типов единиц анализа (в нашем случае, документов социальных медиа). Закладываемые в основание кластеризации переменные и их значения, по сути, и предопределяют получение определенных кластеров. Анализ выданных автоматически программой для статистической обработки данных значений центров кластеров предполагает их интерпретацию и наименование по ключевой характеристике.
К примеру, можно получить кластеры социально-медийных документов, разделенных по признаку критики курса разных типов политики: один кластер может объединять общее свойство - «Критика внешней политики», другой - «Критика внутренней политики» действующей власти. Значимыми результатами станут анализ соотношения долей выявленных кластеров и описание их сущностных характеристик, а также степени общественного резонанса вокруг постов социальных медиа.
Ценным с научной и практической точки зрения может служить такой параметр кластеризации, как доминирующие технологии формирования риторики деконсолидации. Ординарность шкале этого признака можно придать, протянув ось его значений, например, от рациональных типов воздействия (различные виды рациональной стереотипизации) до ирраци-
онального влияния (различные виды аффективной, эмоциональной стерео-типизации).
Одной из ключевых переменных кластерного анализа социально -медийных массивов, несомненно, является дискурс, его суть и смыслы. Для примера можно классифицировать типы дискурсов по видам поднимаемых в анализируемых сообщениях социальных медиа общественных проблем и выявить степень выраженности таких противоречий в массиве эмпирических объектов: представленность правозащитной риторики, экологических, социально-бытовых, инфраструктурных, прочих проблем.
Анализ центров кластеров, то есть значений, вокруг которых фокусируются характеристики типологизируемых сообщений, позволит выявить базовые стратегии лидеров социальных медиа, формирующих неконвенциональные, деконсолидирующие установки своей пользовательской аудитории.
Эвристика анализа социальных графов
Для понимания того, как осуществляется регулирование сообществ, ориентированных на деконсолидацию в социальных медиа, необходимо применить анализ социальных графов (анализ структуры социальных связей и их плотности внутри сообщества). Метод также позволит решить задачу описания механизма координации данных онлайн групп.
Социальный граф представляет собой визуализацию структуры социальных связей сообщества, в которой каждая окружность (вершина графа) - это пользователь (участник группы), размер окружности зависит от степени влиятельности пользователя (количества участников, на которых распространяется его информационное воздействие). Сила связей определяется количеством влиятельных микролидеров (инфлюенсеров, топикс-тартеров), имеющих широкий охват аудитории для реализации целенаправленного информационного воздействия. Плотность связей обеспечивается числом участников (сетевых акторов), состоящих в прямом онлайн взаимодействии (наличие посыла - реакции на посыл) внутри микрогруппы цифрового сообщества. Предполагается, что, чем сильнее и плотнее связи, тем больше влиятельность социально-медийной группы и тем выше вероятность конверсии онлайн установок сетевых акторов в офлайн пространство.
Объектами автоматизированного графирования, как правило, служат те же сообщества, которые были объектами когнитивного картирования релевантных предмету анализа информационных потоков. Это позволяет комплексно исследовать интересующие исследователя группы: с содержательной и технологической позиций, то есть, изучить контексты, дискурсы и темы данных сообществ, а также механизмы распространения информа-
ции внутри этих групп, выявить силу и плотность связей внутри этих сообществ.
Сформированные с помощью специального ПО социальные графы сообществ - исследовательских кейсов - возможно сегментировать в три блока по уровню мобилизационного потенциала.
Наиболее высоким потенциалом мобилизации обладают сообщества с большим числом микро-групп, характеризующихся плотными связями и наличием влиятельного топик-стартера, оказывающего систематическое информационное воздействие на свою аудиторию, составляющую не менее 100 пользователей.
Типичный пример социального графа цифрового сообщества с высокой плотностью и большой силой связей представлен на рис. 1.
Рис. 1. Типичный социальный граф сообщества с высоким мобилизационным потенциалом (на примере сообщества сети ВК «Интернет-газета Ингушетия»)
Источник: данные собственного эмпирического исследования
Группа имеет довольно весомую по объему аудиторию и отличается преобладанием пользователей с открытым профилем. При этом наличие в группе участников с закрытым профилем косвенно указывает на наличие в их аккаунтах неконвенционального контента. Сообщество обладает высокими показателями пользовательской активности, а в микрогруппе у наиболее влиятельного топикстартера - более тысячи пользователей, при этом таких лидеров мнений, оказывающих ценностное воздействие на численно значимую аудиторию в данном цифровом сообществе несколько сот
человек. Указанные показатели свидетельствуют об относительно высокой плотности и большой силе связей внутри анализируемого сообщества, что может создавать благоприятные условия для повышения потенциала конверсии установок, формируемых в онлайн группе, в офлайн среду.
Второй тип графов отражен в структуре с разветвленными вертикальными связями внутри социально-медийного сообщества (см. рис. 2)
Рис. 2. Типичный социальный граф сообщества
со средним мобилизационным потенциалом (на примере сообщества сети ВК «Тайга Инфо»
Источник: данные собственного эмпирического исследования
Этот тип цифровой группы имеет средние показатели силы и плотности связей между участниками, при этом максимальная аудитория непосредственных плотных контактов микрогруппы составляет более сотни пользователей. Сообщество имеет несколько десятков инфлюенсеров, обладающих потенциалом информационного влияния. Эти онлайн-микро-лидеры мнений формируют новостную повестку, гражданские ценности, определяют характер оценки политических событий. Деконсолидационные дискурсы сообщества подобного типа имеют широкий пользовательский резонанс, однако, в связи с отсутствием единого центра координации цифровой группы неконвенциональная риторика не выходит за пределы аффективного и когнитивного компонентов, при этом поведенческая составляющая гражданской мобилизации у такой группы несколько ограничена.
Пример социального графа, отражающий сообщество с низкими значениями силы и плотности связей между сетевыми акторами, отражен на рис. 3.
Рис. 3. Типичный социальный граф сообщества с низким мобилизационным потенциалом (на примере сообщества сети ВК «Москва. Новости»)
Источник: данные собственного эмпирического исследования
Анализируемый тип социального графа отличается слабыми связями внутри сообщества, малой влиятельностью топикстартеров, отсутствием микролидеров с численно значительной аудиторией.
Преобладание социальных графов данного типа может свидетельствовать о доминировании в цифровой инфраструктуре анализируемых информационных потоков цифровых групп, выполняющих роль «пассивных критиков», при этом потенциал воздействия этих сообществ на сознание участников сетевой коммуникации ограничивается невысокой плотностью и слабостью связей в структуре онлайн-группы.
Заключение
Исследовательский опыт авторского коллектива позволяет утверждать, что с развитием онлайн-сетевой политической коммуникации, возрастающей ролью цифровой среды в выражении политических установок граждан, всё усиливающимися возможностями воздействия социально -медийных сообществ на сознание и поведение пользователей, а также реализацией лидерами мнений технологий координации информационных потоков и вовлечения в них целевых социальных групп, исключительно ценным становится такая модель эмпирического политического исследования, которая подразумевает сочетание различных методов сбора и анализа данных в цифровом пространстве. Особым предметом исследования в условиях современных вызовов становится онлайн-сетевая деятельность сообществ, направленная на ценностный разрыв, разобщенность, дезинтеграцию национальной пользовательской аудитории. Изучение активности та-
ких групп позволит разработать рекомендации по профилактике информационно-психологического и социального ущерба от их функционирования.
Проанализированный универсальный алгоритм киберметрии социально-медийных потоков и их координации можно применить и в случае с исследованием контента и эффектов от активности сообществ, ориентированных на общественную деконсолидацию.
Рассмотренная технология когнитивного картирования контента релевантных цифровых групп позволяет решить задачи содержательного, дискурсивного анализа информационных потоков, генерируемых сообществами - исследовательскими кейсами, выявить ключевые смыслы и значения, вокруг которых осуществляется попытка социального раскола и подрыв консолидированности общества относительно принципиальных вопросов социального развития страны. Неоценима роль когнитивного картирования и в обосновании лингво-маркеров, как речевых паттернов, которые используются в автоматическом социально-медийном анализе с применением специального ПО для аккумулирования и интерпретации весовых и динамических метрик информационных потоков, релевантных предмету исследования.
Показанная методика анализа социальных графов обеспечивает понимание того, насколько высок потенциал конверсии установок, формируемых в информационной среде анализируемых социально-медийных групп, насколько плотны и сильны взаимодействия внутри этих сообществ. Выявление сообществ, наиболее опасных с точки зрения потенциала социальной деконсолидации, позволяет составить пул социально -медийных групп, в отношении которых следует осуществлять мониторинг генерируемых информационных потоков, а также в отношении контента которых требуется производить альтернативные информационные потоки конвенционального характера.
Список литературы
1. Ахременко А.С., Стукал Д.К., Петров А.П. Сеть или текст? Факторы распространения протеста в социальных медиа: теория и анализ данных // Полис. Политические исследования. 2020. № 2. С. 73-91
2. Бродовская Е.В., Домбровская А.Ю, Азаров А.А., Карзубов Д.Н. Сетевые группы мобилизации протестных установок: структура и приемы формирования мнений (на примере онлайн-сообществ сети "ВКонтакте", обсуждающих проблемы развития Крыма в составе Российской Федерации) // Гражданин. Выборы. Власть. 2019. № 1 (11). С. 123-139.
3. Бродовская Е.В., Домбровская А.Ю, Карзубов Д.Н. Цифровые сообщества гражданских и политических активистов в России: интегриро-ванность, управление и мобилизационный потенциал // Вестник Московского государственного областного университета. 2020. № 4. С. 3-27.
4. Гарр Т. Р. Почему люди бунтуют. СПб.: Питер, 2005. 461 с.
5. Манойло А. "Мягкая сила" сетевых террористических организаций в контексте европейской безопасности // Европейская безопасность: события, оценки, прогнозы. 2018. № 51 (67). С. 11-15.
6. Мертон Р. Социальная структура и аномия / Социология преступности (Современные буржуазные теории) / перев. с франц. Е.А.Самарской: ред. перевода М.Н. Грецкий. М.: Издательство «Прогресс», 1966.
7. Пономарев В. А. Информационный экстремизм и информационный терроризм в пространстве P -технологий, СМИ и открытой информационной сети (Интернет): концептуальный аспект // Вопросы теории и практики журналистики. 2018. Т. 7. № 2. С. 301-319.
8. Anderson A. "Networked" evolutions?" ICTs and Protest Mobilization in Non-Democratic Regimes. Political Research Quarterly. [Электронный ресурс] URL: https://doi.org/10.1177/1065912920958071 (дата обращения: 20.09.2021).
9. Aneesh A. Virtual migration: the programming of globalization. D.: Duke University Press, 2006.
10. Barabasi A.L., Albert R. Emergence of Scaling in Random Networks // Science. 1999. Vol. 286 (5439). P. 509-512.
11. Beissinger M. (2017) "Conventional" and "Virtual" Civil Societies in Autocratic egimes. //Comparative Politics. Vol. 49. No 3. P. 351-371.
12. Bennett W.L., Segerberg A., Walker Sh. Organization in the Crowd: Peer Production in LargeScale Networked Protests. // Information, Communication & Society. 2014. Vol. 17. No 2. P. 232-260.
13. Breuer A., Groshek J. Online Media and Offline Empowerment in Post-Rebellion Tunisia: An Analysis of Internet Use during Democratic Transition. // Political Communication. 2014. Vol. 11. No 1. P. 25-44.
14. Bode L. Pruning the News Feed: Unfriending and Unfollowing Political Content on Social Media [Электронный ресурс] / Издание Research & Politics. 2016. Vol. 3. No 3. URL: https://doi.org/10.1177/2053168016661873 (дата обращения: 01.09.2021)
15. Bodrunova S. S., Blekanov I., Smoliarova A., Litvinenko A. Beyond Left and Right: Real-World Political Polarization in Twitter Discussions on Inter-ethnic Conflicts. // Media and Communication. 2019. Vol. 7. No 3. P. 119132.
16. Boulianne S., Theocharis Y. Young People, Digital Media, and Engagement: A Meta-Analysis of Research. // Social Science Computer Review. 2020. Vol. 38. No 2. P. 111-127.
17. Brunker F., Wischnewski M., Mirbabaie M., Meinert J. The ole of Social Media during Social Movements - Observations from the #metoo Debate on Twitter. [Электронный ресурс] / Hawaii International Conference on System Sciences (HICSS). 2020. https://scholarspace.manoa.hawaii.edu/handle/10125/64030 (дата обращения: 27.07.2021).
18. Castells M. Communication Power. O.: Oxford University Press,
2009.
19. Castells M. Information Age: Economy, Society and Culture. M.: HSE, 2000.
20. Castells M. Networks of outrage and hope: Social movements in the Internet age. John Wiley & Sons, 2015.
21. Castells M. Networks of Outrage and Hope: Social Movements in the Internet Age. C.: Malden: Polity, 2015.
22. Castells M. Network theory of power // International Journal of Communication. 2011. №. 5. P. 773-787.
23. Clarke K., Kocak K. Launching evolution: Social Media and the Egyptian Uprising's First Movers. // British Journal of Political Science. 2020. Vol. 50. P. 1024-45.
24. Diamond L., Plattner M.F. Liberation Technology: Social Media and the Struggle for Democracy. Baltimore: Johns Hopkins University Press, 2012.
25. Howard Ph.N., Parks M.R. Social Media and Political Change: Capacity, Constraint and Consequence. Journal of Communication, 2012, no 62, pp. 359-362.
26. Kwet M. Digital colonialism: US empire and the new imperialism in the Global South // Race & Class. 2019. № 4. P. 3-26.
27. Matz S. C., Kosinski M., Nave G., Stillwell, D. J. Psychological Targeting as an Effective Approach to Digital Mass Persuasion // Proceedings of the National Academy of Sciences. 2017. №. 48. P. 12714-12719.
28. Moskalenko S. & McCauley C. Measuring Political Mobilization: The Distinction Between Activism and Radicalism // Terrorism and Political Violence, 2009. No. 21(2). P. 239-260.
29. Schmidt V. Comparative Institutional Analysis. The Sage Handbook of Comparative Politics / Ed. by T. Landman, N. Robinson. L., Thousand Oaks, New Delhi, Singapore: Sage, 2009.
30. Vuji J. Radikalna misao. Fenomenologija politickog radikalizma. Zagreb, 2016. 294 p.
Домбровская Анна Юрьевна, д-р социол. наук, проф., an-doc@yandex.ru, Россия, Москва, Финансовый университет при Правительстве РФ,
Карзубов Дмитрий Николаевич, зам. начальника, karzubovdn@,gmail. com, Россия, Москва, Управление социальной защиты населения СЗАО города Москвы
METHODOLOGY FOR THE STUDY OF DISCOURSES, STRENGTH, AND DENSITY OF CONNECTIONS OF DIGITAL COMMUNITIES WITH POLITICAL RHETORIC
A.Yu. Dombrovskaya, D.N. Karzubov
Social management through digital platforms in Russia is a given of today. The extent of Russians' involvement in social media communication and the amount of time they spend in the online network environment indicate the significant potential of digital communities in the
formation of social attitudes and moods. Social media is a space of extremely intensive distribution of deconsolidating content, it has digital groups with different conversion potential of online activity to offline.
The present study aims to summarize the authors' long-term research experience in identifying political communities of varying degrees of conventionality and orientation towards social deconsolidation, as well as with different conversion potential of online attitudes into political and civil behavior offline.
The generalization of research experience is based on the results of 10 years of application of the author's software - an application to the VKontakte network - and the construction of several thousand social graphs of social media communities of different orientation. The outcome of generalizing this experience is the typology of strategies for managing influ-encers (online network opinion leaders) of the digital community, as well as the technology of structuring discursive practices of political social media.
The practical significance of the study may lie in the possibility of applying a generalized methodology and methodology in predicting unconventional activity of Russians on digital traces, in using the technology of analyzing social graphs in creating a "bank of digital communities" - indicators of deconsolidation rhetoric, which can identify triggers of social disintegration and measure the degree of public sentiment among Russian Internet users. The methodological value of the material also lies in the generalization of the technology of developing a hybrid design of cybermetric analysis in the subject field of applied political research.
Keywords: social media, digital communities, digital mobilization of deconsolidation, disintegration, social graphs, political discourses and contexts, conversion potential.
Acknowledgements. Structures of the Radical Opposition in Russia" (No. 21-01131161 opn) for 2021.
Dombrovskaya Anna Yuryevna, doctor of sociology, Professor, an-doc@yandex.ru, Russia, Moscow, Financial University under the Government of the Russian Federation,
Karzubov Dmitry Nicolaevich, deputy chief, karzubovdn@gmail.com, Russia, Moscow, the Department of Social Protection of the population of the NWAO of the city of Moscow
