CC BY
22
ДОМБРОВСКАЯ Анна Юрьевна — доктор социологических наук, профессор департамента политологии факультета социальных наук и массовых коммуникаций, директор Центра политических исследований Финансового университета при Правительстве РФ (125993, Россия, г. Москва, ГСП-3, Ленинградский пр-кт, 49; an-doc@yandex.ru)
АЗАРОВ Артур Александрович — кандидат технических наук, доцент департамента политологии факультета социальных наук и массовых коммуникаций, ведущий научный сотрудник Центра политических исследований Финансового университета при Правительстве РФ (125993, Россия, г. Москва, ГСП-3, Ленинградский пр-кт, 49; artur-azarov@yandex.ru)
МЕТОДОЛОГИЯ И МЕТОДИКА ИЗУЧЕНИЯ СТРУКТУРЫ ДИСКУРСОВ, ПЛОТНОСТИ ВЗАИМОДЕЙСТВИЯ И ПЕРЕСЕЧЕНИЯ АУДИТОРИЙ ЦИФРОВЫХ ПЛАТФОРМ ПОЛИТИЧЕСКИХ СООБЩЕСТВ
Аннотация. Статья представляет результаты методологического осмысления процесса измерения цифровой инфраструктуры политических сообществ в социальных медиа. Исследуется специфика содержательных и поведенческих (интеракционных) маркеров цифрового ценностного воздействия политических акторов в онлайн-сетевой среде.
Сформированный эмпирический дизайн включает количественно-качественный контент-анализ содержания материалов политических сообществ в популярных социальных сетях Рунета (когнитивное картирование с последующей обработкой базы данных в SPSS Statistics 26.0), построение цифровой инфраструктуры пересечений их цифровых аудиторий (авторское ПО на основе библиотек языка программирования R) и анализ социальных графов этих социально-медийных групп (авторское ПО - приложение к блогхостингу «ВКонтакте»).
Ключевые слова: политические цифровые сообщества, социальные медиа, информационное влияние, цифровая инфраструктура, социальные графы
Статья поддержана грантом РФФИи ЭИСИ «Цифровые
сетевые структуры радикальной оппозиции в России»
(№ 21-011-31161 опн) на 2021 г.
Все возрастающее воздействие цифровой среды на социально-политические процессы предопределяет ряд вызовов, одним из которых является распространение неконвенциональных информационных потоков в русскоязычном секторе глобальной сети. Коллектив авторов в результате многолетних исследований приходит к выводу, что непримиримо ориентированные по отношению к действующей власти сетевые акторы интенсивно применяют потенциал масштабирования цифровой аудитории и мобилизации ее нелояльных установок. В текущих геополитических условиях исключительно важно противодействовать деконсолидационному влиянию таких неконвенциональных сил [Бродовская, Домбровская, Карзубов 2020].
В этих условиях значимыми задачами являются измерение содержательных и поведенческих (интеракционных) цифровых маркеров деятельности политических сообществ в Рунете для идентификации групп дезинтеграционного толка и построение модели их цифровой инфраструктуры.
Теоретическим фундаментом авторской работы служат труды Ю. Вуйича, позволяющие атрибутировать неконвенциональные интенции в интернет-контенте [Vujic 2016], исследования К. Макколи и С. Москаленко, которые предложили делить контент в Сети на маркеры «пирамид мнений» и «пирамид действий» для выявления политического активизма [Moskalenko, McCauley 2009]. Особое значение для настоящего анализа имеет введение В.А. Пономаревым в широкий оборот понятия «информационный экстремизм», - категории, которая обеспечила понимание интерпретации дискурсных практик, связанных с информационной диверсией, направленной на подрыв ценностей общества [Пономарев 2018]. Для структурного анализа аудитории политических потоков значимы выводы, полученные Р.В. Пармой, о смене поколений как о факторе усиления рисков социальной стабильности [Пырма 2017]. Труды С. Бодруновой ценны для нашего анализа с позиций осуществления ею анализа графов взаимодействия пользователей с разными политическими установками в соцсетях [Bodrunova et al. 2019]. Выводы о совмещении разных смыслов и политических ценностей в установках пользователей, принадлежащих к одному кластеру, позволяют авторам интерпретировать данные, полученные в ходе построения социальных графов сообществ ВКонтакте.
Осмысление эффектов интернет-коммуникации М. Кастельсом важны для нашего исследования с точки зрения категории «горизонтальные связи», указывающей на специфику взаимодействия пользователей в виртуальном пространстве. Данный тип связей служит основой для интерпретации авторами особенностей интеракции участников политических групп в социальных медиа [Castells 2015]. Исследования Я. Чае и Я. Кима важны как работы, доказывающие прямую связь между интернет-вовлеченностью и активностью политического участия [Chae, Lee, Kim 2018].
Исследование также опирается на работы о технологиях аксиологического воздействия на граждан Дж.Томпсона [Thompson 1990] и С.В. Володенкова [Володенков 2017]. Описанные этими учеными технологии манипуляции массовым сознанием (рационализация, стереотипизация, примитивизация и т.д.) составляют теоретическую основу интерпретации дискурсивных практик цифровых политических сообществ, анализа их воздействия на цифровую аудиторию.
Отдельным направлением исследований цифровой политической активности служат труды о механике развития онлайн-сетевых взаимодействий и природе их функционирования. Так, Э. Барабаси и Р. Алберт осуществили фундаментальный анализ механизмов развития сетевых сообществ, что может служить теоретической базой изучения роста онлайн-сетевых образований [Barabási, Albert 1999].
Особым направлением социально-медийного анализа служит построение социальных графов. Этот метод нацелен на выявление силы и плотности связей внутри и между цифровыми сообществами, релевантными предмету исследования. Одними из первых в отечественной науке анализ социальных графов и построение цифровых инфраструктур предприняли Г. Градосельская и соавторы [Shcheglova, Gradoselskaya, Karpov 2020]. Ключевую роль в интерпретации социальных графов в настоящем исследовании играет концепция информационных волн в социальных сетях, описанная Г.В. Градосельской на основе конкретных эмпирических кейсов [Градосельская, Щеглова, Карпов 2018]. Данная концепция предполагает существование особых, «тепличных» условий для распространения информации (идей, установок) в цифровых сообществах с плотными связями. Это позволило атрибутировать сообщества с высо-
кой степенью интегрированности как группы, имеющие высокий потенциал мобилизации гражданских установок.
В качестве методологической базы исследования целесообразно применить дискурсивную версию нового институционализма и сетевой подход. Дискурсивный неоинституционализм [Schmidt 2009] 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. Сетевой подход [Howard, Parks 2012] обеспечивает возможность интерпретации высокой плотности связей между пользователями в политических социально-медийных группах и значительного объема пересечения в аудитории этих сообществ в системе маркеров существенного воздействия социальной сети, в которую включены пользователи.
Предлагаемый эмпирический дизайн содержит следующие методы сбора информации: когнитивное картирование содержания радикальных сообществ популярных в России социальных медиа; автоматизированный социально-медийный анализ с применением сервисов для мониторинга социальных сетей; построение цифровой инфраструктуры политических сообществ; анализ социальных графов как структуры взаимосвязи между пользователями внутри сообществ - исследовательских кейсов.
На первом этапе исследования необходимо осуществить отбор релевантных предмету исследования социально-медийных сообществ из наиболее популярных социальных сетей (ВКонтакте, Одноклассники, мессенджер Telegram). Критериями отбора следует считать следующие позиции: охват аудитории 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). На втором этапе следует провести содержательный анализ материалов отобранных сообществ с целью выявления ключевых контекстов и триггеров формирования политических установок у пользователей социально-медийных групп, базу содержательного анализа необходимо ввести в программу статистической обработки данных (например, SPSS Statistics). На третьем этапе анализа с помощью сервисов для мониторинга социальных медиа необходимо провести автоматизированное аккумулирование и анализ социально-медийных потоков политического содержания. На четвертом этапе с помощью авторского ПО, которое можно разработать на основе библиотек языка программирования R, нужно построить графы, отражающие пересечения аудиторий релевантных цифровых групп и представляющие собой цифровую инфраструктуру российских политических представительств в Сети. На пятом этапе с использованием специального ПО или применением готового ПО наподобие программы Gephi необходимо реализовать метод анализа социальных графов, выявляющий модель управления аудиторией цифровых сообществ.
В таблице 1 показаны возможные параметры исследования.
Эвристика получаемых результатов.
Когнитивное картирование обеспечивает получение данных о содержательных характеристиках сообщений изучаемых цифровых групп, о доминирующих приемах информационного воздействия, об исследовании степени активности различных цифровых платформ в размещении неконвенционального контента.
Когнитивное картирование служит способом идентификации основных контекстов, семантическое ядро которых используется как словарь запросов
Таблица 1
Параметры, измеряемые в исследовании
Маркеры когнитивного картирования сообщений радикальных сообществ
1. Содержательные характеристики информационных потоков Репертуар/основные темы сообщений Акторы сообщений Приемы, используемые для формирования мнений и убеждений
Маркеры автоматизированного социально-медийного анализа информационных потоков
2. Структурные характеристики информационных потоков Вес информационного потока Динамика информационного потока Цифровые хабы/лидеры общественного мнения в Сети Триггеры политического дискурса
Маркеры построения цифровой инфраструктуры политических сообществ и анализа их социальных графов
3. Интеракционные характеристики сообществ Пересечение аудиторий сообществ Плотность связей участников сообществ Структурированность взаимодействий внутри сообщества Число инфлюенсеров Уровень пользовательской активности вокруг повестки сообщества
для осуществления автоматизированного аккумулирования информационных потоков с применением сервисов для мониторинга социальных сетей.
Динамические показатели информационных потоков могут предоставить данные о степени равномерности и уровне интенсивности генерирования политических потоков в Сети на разных социально-медийных платформах; социально-демографической структуре вовлеченной пользовательской аудитории; типах и форматах документов, составляющих анализируемые потоки; соотношении значений этих параметров информационных потоков с разной риторикой.
Построение цифровой инфраструктуры сообществ фундируется на сетевом подходе, обеспечивающем доказательства создания в социальных сетях особых психоэмоциональных условий для интериоризации установок и идей [Howard, Parks 2012]. Данный метод позволяет понять, каковы масштабы формирования общей для крупных цифровых узлов (хабов) пользовательской аудитории.
На рис. 1 представлен граф, отражающий связи между сообществами напрямую или через одну ссылку. Зеленые вершины - исходные сообщества, при этом в правом верхнем углу размещены одиночные сообщества, не имеющие связей с другими. Белым выделены вершины, которые являются не сообществами, а личными страницами. Для удобства представления информации размер вершин логарифмически зависит от числа участников сообщества.
Граф показывает существование четырех блоков цифровых сообществ со значимым пересечением аудиторий.
По графу можно анализировать наиболее заметные модули, образованные объединением нескольких социально-медийных групп.
Следуя логике концепции информационных волн Г. Градосельской [Градосельская, Щеглова, Карпов 2018], в сегментах с наибольшими пересече-
Рисунок 1. Пример графа пересечений между аудиториями разных типов политических сообществ.
ниями аудитории создаются максимально комфортные условия для циркулирования политических и гражданских дискурсивных практик.
Анализ социальных графов сообществ используется для понимания того, как осуществляется регулирование политическими сообществами в социальных медиа. В качестве объектов автоматизированного графирования целесообразно использовать те же сообщества, которые подвергались когнитивному картированию. Это позволит получить одновременно содержательные и инте-ракционные характеристики релевантных цифровых групп.
Сформированные с помощью специальных программ наподобие Gephi социальные графы сообществ следует сегментировать по уровню мобилизационного потенциала. Наиболее высоким потенциалом сплочения вокруг политической повестки обладают сообщества с большим числом микрогрупп, характеризующихся сильными и плотными связями и наличием влиятельного топик-стартера, оказывающего систематическое информационное воздействие на свою аудиторию, составляющую не менее 100 пользователей (см. рис. 2). Применимость социального графирования для решения задач исследования онлайн-сетевого влияния на поведенческие, в т.ч. политические, установки пользователей обосновывает В.В. Артюхин [Артюхин 2013].
Число пользователей в группе 23 387
Максимальное число связей в группе у одного пользователя 1323
Число пользователей со связями от 100 805
Рисунок 2. Пример социального графа и метрик сообщества с высоким мобилизационным потенциалом
Группа имеет довольно весомую по объему аудиторию (23 387 участников) и отличается преобладанием пользователей с открытым профилем и не имеющих связей внутри сообщества. Группа обладает высокими показателями пользовательской активности, а в микрогруппе у наиболее влиятельного топик-стартера - 1 323 пользователя, при этом таких лидеров мнений, оказывающих ценностное воздействие на численно значимую аудиторию в данном цифровом сообществе, 805 чел. Указанные показатели способствуют повышению мобилизационного потенциала рассматриваемого сообщества.
Пример социального графа, отражающего сообщество с полным отсутствием потенциала сплочения пользователей вокруг радикальной повестки, отражен на рис 3.
Число пользователей в группе 4 198
Максимальное число связей в группе у одного пользователя 76
Число пользователей со связями от 100 0
Рисунок 3. Пример социального графа и метрик сообщества с низким мобилизационным потенциалом.
Граф и метрики рис. 3 отражают отсутствие весомых инфлюенсеров (лидеров мнений) и низкий уровень сплоченности группы. Как правило, такие данные о сообществе могут свидетельствовать о том, что это так называемая доска объявлений, другими словами, контент размещается, однако не ведется работа по стимулированию пользовательской активности вокруг него, и полностью отсутствует таргетинг в деятельности лидеров мнений. Такие особенности позволяют констатировать низкий мобилизационный потенциал таких цифровых сообществ.
Резюмируя, отметим, что были проанализированы эвристические возможности авторского эмпирического дизайна, комбинирующего методы понимающего восприятия текста, автоматизированного анализа релевантных информационных потоков и интеракций. Близкие по своей исследовательской сути вопросы ставит в своих работах А.С. Ахременко (НИУ «Высшая школа экономики»), который изучает механизмы распространения онлайн-контента политического толка [Ахременко, Стукал, Петров 2020]. Специфика работы его команды состоит в сфокусированности на невербальных маркерах в онлайн-пространстве. Коллектив настоящего исследования сосредоточился на семантическом ядре проявлений политической риторики, что позволяет исследовать смысловые конструкции релевантных нарративов
и психосемантические приемы формирования гражданских и политических установок в Сети, а также аккумулировать и анализировать весовые, динамические и прочие метрики информационных потоков, в которых отражена соответствующая риторика.
Предлагаемые методология и методика позволяют изучать не только содержательные, но и интеракционные параметры политических сообществ, модели координации с пользовательской аудиторией, преобладание вертикальной системы интеракций между участниками цифрового сообщества (плотные связи, образуемые благодаря сильному лидеру - инфлюенсеру) или зонтичной системы взаимодействий, характеризующейся одновременным функционированием лидеров и микролидеров в пределах одной группы, форматы повышения уровня вовлеченности участников в общую повестку и возможности конверсии поведенческих установок пользователей.
Список литературы
Артюхин В.В. 2013. Базовый анализ социальных графов организаций в социальных сервисах на примере МЧС России. - Образовательные технологии и общество. Т. 16. № 2. С. 562-580.
Ахременко А.С., Стукал Д.К., Петров А.П. 2020. Сеть или текст? Факторы распространения протеста в социальных медиа: теория и анализ данных. -Полис. Политические исследования. № 2. С. 73-91.
Бродовская Е.В., Домбровская А.Ю., Карзубов Д.Н. 2020. Цифровые сообщества гражданских и политических активистов в России: интегрированность, управление и мобилизационный потенциал. - Вестник Московского государственного областного университета. № 4. С. 3-27.
Володенков С.В. 2017. Интернет-технологии как инструмент воздействия на современные национальные политические режимы. - Дискурс-Пи. № 3-4(28-29). С. 65-73.
Градосельская Г.В., Щеглова Т.Е., Карпов И.А. 2018. Информационные волны в социальных сетях: проблематизация, определение, механизмы распространения. - Системы высокой доступности. Т. 14. № 3. С. 87-92.
Пономарев В.А. 2018. Информационный экстремизм и информационный терроризм в пространстве PR-технологий, СМИ и открытой информационной сети (Интернет): концептуальный аспект. - Вопросы теории и практики журналистики. Т. 7. № 2. С. 301-319. DOI: 10.17150/2308-6203.2018.7(2).301-319.
Пырма Р.В. 2017. Восстание поколения Z: новые политические радикалы. -Гуманитарные науки. Вестник Финансового университета. Т. 7. № 2(26). С. 43-50.
Barabasi A.L., Albert R. 1999. Emergence of Scaling in Random Networks. -Science. Vol. 286. Is. 5439. P. 509-512. https://doi.org/10.1126/science.286.5439.509.
Bodrunova S.S., Blekanov I., Smoliarova A., Litvinenko A. 2019. Beyond Left and Right: Real-World Political Polarization in Twitter Discussions on Inter-ethnic Conflicts. - Media and Communication. Vol. 7. No. 3. P. 119-132. https://doi. org/10.17645/mac.v7i3.1934.
Castells M. 2015. Networks of Outrage and Hope: Social Movements in the Internet Age. John Wiley & Sons. 328 р.
Chae Y., Lee S., Kim Y. 2018. Meta-Analysis of the Relationship between Internet Use and Political Participation: Examining Main and Moderating Effects. - Asian Journal of Communication. Vol. 29. No. 1. P. 35-54. https://doi.org/10.1080/0129298 6.2018.1499121.
Howard Ph.N., Parks M.R. 2012. Social Media and Political Change: Capacity, Constraint and Consequence. - Journal of Communication. Vol. 62. Is. 2. P. 359-362.
Moskalenko S., McCauley C. 2009. Measuring Political Mobilization: The Distinction between Activism and Radicalism. - Terrorism and Political Violence. Vol. 21. Is. 2. P. 239-260. DOI: 10.1080/09546550902765508.
Schmidt V. 2009. Comparative Institutional Analysis. - The Sage Handbook of Comparative Politics (ed. by T. Landman, N. Robinson). Thousand Oaks, CA: SAGE Publications. xvi+563 p.
Shcheglova T., Gradoselskaya G., Karpov I. 2020. Methodology for Measuring Polarization of Political Discourse: Case of Comparing Oppositional and Patriotic Discourse in Online Social Networks. - Springer Proceedings in Mathematics and Statistics. 8th issue. Network Algorithms, Data Mining, and Applications, NET 2018. P. 219-230.
Thompson J.B. 1990. Ideology and Modern Culture. Critical Social Theory in the Era of Mass Communication. Oxford: Polity Press. 362 p. Vujic J. 2016. Radikalna misao. Fenomenologijapolitickog radikalizma. Zagreb. 294 p.
DOMBROVSKAYA Anna Yurievna, Dr.Sci. (Soc.), Professor of the Department of Political Science, Faculty of Social Sciences and Mass Communications, Director of the Centerfor Political Studies, Financial University under the Government of the Russian Federation (49Leningradsky Ave, GSP-3, Moscow, Russia, 125993; an-doc@yandex.ru) AZAROV Artur Aleksandrovich, Cand.Sci. (Tech.Sci.), Associate Professor of the Department of Political Science, Faculty of Social Sciences and Mass Communications, Leading Researcher at the Center for Political Studies, Financial University under the Government of the Russian Federation (49 Leningradsky Ave, GSP-3, Moscow, Russia, 125993; azarov@yandex.ru)
METHODOLOGY FOR STUDYING THE STRUCTURE OF DISCOURSES, THE DENSITY OF INTERACTION AND THE CROSSING OF AUDIENCES OF DIGITAL PLATFORMS OF POLITICAL COMMUNITIES
Abstract. The article presents the results of methodological understanding of the process of measuring the digital infrastructure of political communities in social media. The authors study specificity of content and behavioral (interactional) markers of the digital value impact of political actors in the online network environment.
The generated empirical design includes a quantitative and qualitative content- analysis of the content of materials of political communities in popular social networks of the Runet (cognitive mapping with subsequent processing of the database in SPSS Statistics 26.0), building a digital infrastructure for the intersections of their digital audiences (author's software based on R-programming language libraries) and analysis of the social graphs of these social media groups (author's software - an application to the Bloghosting VKontakte).
Keywords: political digital communities, social media, information influence, digital infrastructure, social graphs
