CC BY
57
Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки, 2021, № 4 (64), с. 61-69 61
УДК 316.012
DOI 10.52452/18115942_2021_4_61
МЕТОДЫ ВЕБ-АНАЛИТИКИ КАК ИНСТРУМЕНТ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ СОЦИАЛЬНО-ПОЛИТИЧЕСКИХ ПРОЦЕССОВ
© 2021 г. Р.В. Голубин, А.П. Коротышев, П.П. Рыхтик
Голубин Роман Викторович, к.и.н.; доц.; заведующий кафедрой социальной безопасности и гуманитарных технологий Нижегородского государственного университета им. Н.И. Лобачевского
golubin@unn.ru
Коротышев Александр Павлович, к.и.н.; доц.; доцент кафедры социальной безопасности и гуманитарных технологий Нижегородского государственного университета им. Н.И. Лобачевского
aleks_korotyshev@mail.ru Рыхтик Павел Павлович, старший преподаватель кафедры социальной безопасности и гуманитарных технологий Нижегородского государственного университета им. Н.И. Лобачевского
rykhtikpavel@fsn.unn.ru
Статья пиетупилн в редакцию 02.06.2021 Статья принята к публикации 27.10.2021
Рассматриваются возможности применения методов веб-аналитики в анализе социально-политической тематики. Авторы отмечают, что классические и современные работы, посвященные проблемам прогнозирования общественного развития, зачастую ссылаются на «неопределенность», что заметно снижает прогнозные возможности гуманитарных наук. В качестве новых методов, призванных отчасти преодолеть проблему неопределенности, предлагается анализ: динамики пользовательских запросов в поисковых сервисах, публикационной активности интернет-СМИ, динамики распространения информации в социальных сетях, а также корреляционный анализ различных показателей интернет-активности. Для сбора эмпирического материала применяются онлайн-сервисы WordStat, Google Trends, «Медиалогия», IQbuzz.
Ключевые елива: веб-аналитика, социально-политический анализ, WordStat, Google Trends, «Медиалогия», IQBuzz.
Постмодернистская релятивизация и прогнозные возможности гуманитарного знания
Классические критерии научности были сформированы на заре становления научного мировоззрения. В дальнейшем они неоднократно совершенствовались и дополнялись критериями фальсифицируемости, верифицируемости, когерентности, эвристичности и др. Однако современный научный подход предполагает определенную релятивизацию знания. В естественных науках данный феномен, восходя к принципу неопределенности Гейзенберга, породил многочисленные достижения квантовой механики.
В общественных науках последствия релятивизации, к сожалению, не были столь плодотворны. В науку прочно вошел термин «неопределенность», а также дискурсивно синонимичные ей «турбулентность», «хаос», «глобальный риск», «аномалия», «глобальная неопределенность», «глобальная непредсказуемость», «кризисность». Этими терминами характеризуют современный социум и классики общественных наук, и современные исследователи, концентрирующиеся на цифровизации, виртуализации, сетевизации общества.
Так, У. Бек ввел понятие «общества риска», главной чертой которого определил способность накапливать «политический потенциал катастроф» [1, с. 34]. Н. Луман говорил, что риск есть неизбежное следствие принятия решений по поводу будущего [2, с. 138]. Э. Гидденс наделял современное общество способностью порождать риски антропогенного характера, определяя их не только как угрозу, но и как окно возможностей для институциональных изменений [3, с. 108-110].
Наивысшей точкой развития концепции глобальной неопределенности стали работы французского исследователя Ж. Бодрийяра [4], обосновавшего концепт «симулякра». Этот термин в контексте массовой коммуникации подразумевает, что любая информация является лишь инсценировкой, и подлинный смысл любого события неизбежно утрачивается. А значит, спорны (и одновременно объективно истинны) любые творимые человечеством смыслы, если в их истинности удаётся убедить достаточно большое число людей.
Не удивительно, что влияние постмодернистских теорий прослеживается и в отечественной науке. Современное российское общество переживает настоящую социальную эро-
зию, разделено множеством границ, пролегающих в имущественной, идеологической, социальной и других сферах. Его ментальное пространство выступает подходящей базой для появления и распространения постмодернизма.
О.Н. Яницкий еще в 2004 г. отмечал, что «российское общество подошло к некоторому качественному рубежу, когда норма и патология не только все более взаимопроникают, но и меняются местами» [5]. С.А. Кравченко утверждал, что в современном обществе идёт «производство институциональной неопределенности, увеличение фрагментарности, хаоса» [6, с. 35]. Из тезиса о «кризисности» и «неопределенности» исходят и многие публикации 20192020 гг., напрямую связывая неопределенность с цифровизацией общества [7-9].
Подобная постмодернистская релятивизация знания в итоге ставит под вопрос прогностические возможности гуманитарных наук. Лица, принимающие политические или управленческие решения (как и рядовые граждане), обращаются к гуманитарному знанию в первую очередь за прогнозами. Сталкиваясь же со ссылками на некую «неопределенность», они бывают в лучшем случае разочарованы, а в худшем испытывают относительно гуманитарных наук нарастающий скептицизм.
С одной стороны, это провоцирует прогрессирующее недоверие к гуманитариям, которым нечего предложить обществу, кроме «неопределенности». С другой - это породило в науке моду на методы, способные повысить частоту срабатывания выявленной в ходе исследования закономерности, тем самым формально увеличив степень достоверности полученных выводов. Как следствие, все чаще в гуманитарной науке зазвучали тезисы о необходимости обширной эмпирической базы, формализации, цифрового моделирования. Математическое обоснование результата зачастую становится обязательным условием принятия в научном мире.
Упомянутый комплекс проблем современного гуманитарного знания содержит весьма примечательный парадокс. Именно цифровая среда, упоминаемая многими исследователями в качестве фактора неопределенности, предоставляет исследователю прикладной инструментарий и обширную базу для мониторинга и исследования «непредсказуемого» общества. Речь идет о наборе программных инструментов, используемых главным образом в маркетинговых исследованиях и объединенных прикладной дисциплиной «веб-аналитика». Сегодня они все активнее применяются для анализа социально-политической тематики [10-13]. В рамках настоящей статьи мы рассмотрим три таких инструмента, их возможности и ограничения.
Анализ пользовательских запросов поисковых сервисов как инструмент оценки общественного интереса
Будучи изначально маркетинговым инструментом, первое, что может предоставить исследователю веб-аналитика, - это сведения об уровне общественного интереса к какой-либо социально-политической тематике.
Подобный тезис, хотя и кажется банальным, в контексте актуальной теории массовой коммуникации имеет очень большое значение. Ключевая особенность «новых медиа» в том, что они ставят под сомнение фундаментальную характеристику социально-политической коммуникации - неравнозначность ее субъектов. По классической теории Г. Лассуэлла, отправитель и получатель сообщений находятся в тесном взаимодействии. Они могут открыто друг для друга реагировать на всю получаемую и осмысляемую ими информацию, что ставит обоих в положение не только взаимосвязи, но и взаимозависимости [14].
Теории политической коммуникации второй половины XX в. утверждали, что государство как отправитель сообщений через СМИ дистанцируется от общества - получателя этих сообщений. Общественная реакция на получаемую информацию если и доводится до отправителя, то происходит это, во-первых, с определенной задержкой во времени, а во-вторых, требует использования дополнительных аналитических средств или технологий.
Тезис о том, что деятельность средств массовой информации неотделима от системы государственного управления, выдвинул еще в 1963 г. К. Дойч в своем труде «Нервы управления: модели политической коммуникации и контроля» [15]. Он также говорил о постепенном исключении из социально-политической коммуникации низших слоев населения и связанных с этим угрозах. Этот подход был существенно дополнен теорией «спирали молчания» Э. Ноэль-Нойман [16], согласно которой люди склонны скрывать собственные взгляды, противоречащие доминирующим, транслируемым СМИ установкам. Соответственно, чем более распространенной кажется людям доминирующая точка зрения, тем меньше они склонны с нею спорить. Дж. Цаллер в работе «Происхождение и природа общественного мнения» писал о готовности аудитории принимать новую информацию как истинную в том случае, если она соответствует «стереотипам», усвоенным в общественном мнении к началу процесса коммуникации [17].
Рис. 1. Пользовательские запросы «пенсионный возраст» в поисковом сервисе «Яндекс» с мая 2017 по март 2019 г. (данные онлайн-сервиса WordStat)
Неравнозначность субъектов политической коммуникации нарастает, общество в процессе коммуникации с государством теряет черты субъектности, становясь объектом манипуляции со стороны СМИ.
Такого рода теории в современных условиях ставятся под сомнение самим существованием «новых медиа». С точки зрения философского подхода, последние характеризуются как «виртуальное пространство бытия современного человека» [18], они занимают важное место в формировании идентичности человека и оказывают серьезное влияние на психологию его социально-политического поведения.
Именно посредством «новых медиа» постиндустриальное общество способно высказывать мнения, поднимать актуальные для себя проблемы, быть, в широком смысле, «услышанным». Не случайно сторонники системного, синергетического подхода говорят о «новых медиа» как о сложной самоорганизующейся системе [19], лишающей политический процесс строгой иерархии [20]. В результате, исключительная «объектность», управляемость современного общества в системе коммуникации с государством становится спорным концептом.
Наиболее очевидным проявлением активной коммуникационной роли общества является наличие общественного интереса к социально-политической тематике. Этот интерес, понимаемый как наличие у общества знания о некоей проблеме и желания узнать о ней больше, вполне поддается эмпирической оценке.
Онлайн-сервисы WordStat [21] и Google Trends [22] предоставляют статистику выдачи в поисковых сервисах («Яндекс» и Google) для заданного пользователем слова или словосочетания. Отслеживая число поисковых запросов в их динамике, можно судить об уровне общественного интереса к той или иной тематике в информационном пространстве Рунета.
В качестве примера приведем общественное восприятие такого значимого и резонансного события, как пенсионная реформа. Анализ данной тематики средствами сервиса WordStat показал, что наиболее популярным поисковым
запросом в ее рамках является запрос «пенсионный возраст». Приведем статистику его использования пользователями (рис. 1).
Совершенно очевидно, что запросы, связанные с пенсионной тематикой, имеют в используемых в России поисковых системах устойчивый уровень популярности. С июля 2017 г. по апрель 2018 г. запрос «пенсионный возраст» вводился в поисковую систему «Яндекс» в среднем около 80-140 тысяч раз ежемесячно. Апрель 2018 г. (когда стало известно о начале реализации пенсионной реформы) показал взрывной рост популярности тематики. К июню 2018 г. число запросов достигло пика в 5038111, то есть стандартное число запросов было превышено в 30-60 раз. Этот интерес продержался недолго: с июля по ноябрь 2018 г. число запросов постепенно снижалось. Однако после преодоления пика запросов их количество так и не вернулось на свой стандартный «дореформенный» уровень. К весне 2019 г. (когда все решения по пенсионной реформе были приняты, а общественная дискуссия свернута), число запросов не вернулось к показателям рубежа 2017-2018 гг. С мая по октябрь 2018 г. оно составляло от 148189 до 226595, проявив в конце года тенденцию к повышению. В феврале 2021 г., когда с момента начала обсуждения реформы прошло чуть менее 3 лет, число запросов составило 260720.
Сходную динамику по данному запросу показывает и сервис Google Trends. График, представленный на рисунке 2, оперируя относительными числами, демонстрирует, что пик популярности запроса «пенсионный возраст» пришелся на 10-16 июня 2018 г. До этого популярность запроса не превышала 2% от максимальной, а после октября 2018 г. стала выше, колеблясь вплоть до февраля 2021 г., в пределах 3-4%.
Таким образом, взлет и последующее падение интереса к пенсионной реформе маскирует куда более важный эффект. После того как массовый интерес к важной социально-политической проблеме спадает, небольшая часть общества все же продолжает следить за ней. Общество не забывает о проблеме навсегда,
Рис. 2. Пользовательские запросы «пенсионный возраст» в поисковом сервисе Google с января 2017 по февраль 2021 г. (данные онлайн-сервиса Google Trends)
^ ^ ъ" с о -г ^ Рис. 3. Публикации по тегу «пенсионная реформа» в отечественных СМИ с декабря 2017 по декабрь 2018 г. с учетом тональности (данные сервиса «Медиалогия»)
напротив, число неравнодушных (а в случае непопулярных инициатив - недовольных) только растет, накапливая потенциал общественных трансформаций.
Здесь наглядно проявляется субъектность общества. Оно способно «запоминать» тему, которую сочло для себя актуальной. А при наличии свободного доступа к «новым медиа» оно способно ее актуализировать, вызывая отклик в медиапространстве.
Пользовательские запросы поисковых сервисов и публикационная активность интернет-СМИ: корреляция и анализ
Медиамониторинг «новых медиа» российского сегмента сети Интернет - второй важный инструмент веб-аналитики, рассматриваемый в этой статье. Он направлен на понимание тенденций в распространении информации в информационном поле с последующим анализом контента публикаций, а также особенностей (времени и периодичности) их появления в сети.
Инструментально медиамониторинг «новых медиа» представлен сервисами анализа интернет-СМИ, которые играют в развитии и поддержании общественного интереса двойственную роль. С одной стороны, они задают тон общественного обсуждения, вбрасывают в информационную среду новые тезисы и идеи. С другой - на современном конкурентном рынке СМИ вынуждены следовать за предпочтениями аудитории, поднимать те темы, которые востре-
бованы в обществе, в большей степени с целью собственной монетизации, нежели для доведения объективной информации до общества.
Сегодня на российском рынке существует несколько крупных интернет-инструментов мониторинга электронных медиа («Интегрум», «Паблик.ру», «Медиалогия»), а также сервисы, специализирующиеся на анализе постов в социальных сетях ^ошсап, IQbuzz, BrandAnalytics). Для демонстрации их возможностей обратимся к сервису «Медиалогия» и уже рассматривавшейся тематике пенсионной реформы [23].
График на рисунке 3 показывает, что тег «пенсионная реформа» появился в интерфейсе «Медиалогии» в декабре 2017 г., до этого данная тематика не считалась командой сервиса достаточно популярной.
СМИ, в отличие от пользователей, не имели до лета 2018 г. какого-либо устойчивого уровня интереса к пенсионной тематике. В период с декабря 2017 по май 2018 г. «Медиалогия» фиксировала от 1 до 16 соответствующих публикаций. В июне 2018 г. их стало 603 (49 положительных, 39 отрицательных, 515 нейтральных). Затем их количество нарастало, достигнув к сентябрю 2018 г. пика в 170963 (4295 положительных, 30720 отрицательных, 135948 нейтральных). Спад интереса СМИ к пенсионной тематике происходил быстрее - к концу года количество публикаций снизилось почти в три раза, составив в декабре 2018 г. 58128 (1272 положительных, 4354 отрицательных, 52502 нейтральных).
Рис. 4. Соотнесение данных сервисов WordStat и «Медиалогия» с рис. 1 и 3
Вполне очевидно, что сервис может предоставить весьма востребованные эмпирические данные, касающиеся характера освещения в СМИ значимых событий. Но в действительности интересный инструмент можно получить, объединив возможности двух сервисов, визуализирующих с одной стороны популярность поисковых запросов, а с другой - репрезентативность темы в СМИ.
На рисунке 4, наложив график пользовательских запросов WordStat на график публикаций интернет-СМИ «Медиалогии», мы получим следующую картину.
Этот сводный график наглядно демонстрирует, что пользовательские запросы начинают свой ускоряющийся рост в середине апреля 2018 г., на два месяца раньше, чем медиапубли-кации. К тому времени, как СМИ в середине июня начали масштабно освещать пенсионную тематику, общественный интерес к ней уже пошел на спад. В сентябре 2018 г., когда публикации СМИ достигли своего пика, популярность пенсионной тематики уже снизилась почти в 5 раз в сравнении с максимальной.
Можно с уверенностью утверждать, что в случае с пенсионной реформой общественный интерес предшествовал публикациям в СМИ, а, следовательно, последние лишь откликались на общественный запрос. В случае целенаправленной актуализации СМИ некоей тематики картина была бы обратной: пик интернет-публикаций предшествовал бы пику поисковых запросов.
Сводный график наглядно демонстрирует, что общество может приобретать черты субъ-ектности в отношении СМИ, которые становятся объектом влияния общественного интереса, вынуждены ему подчиняться, дабы не потерять свою аудиторию, а с ней и возможности для монетизации. По крайней мере это справедливо, когда вопрос касается действительно актуальной, но не «симулятивно актуальной» для общества темы. Иными словами, данный метод позволяет отличать объективный общественный интерес от информационных вбросов и попыток манипуляции со стороны СМИ.
Впрочем, следует принимать в расчет, что в информационном пространстве Рунета, помимо СМИ и пользователей, достаточно активно дей-
ствуют «боты» - постеры, имитирующие деятельность реальных пользователей. Этим может заниматься живой человек, используя технологии мультиаккаунта и выступая с их помощью от лица десятков виртуальных пользователей, а также программные алгоритмы, реализующие автоматизированный постинг в сети.
Эти явления тоже становятся объектом научного анализа. В 2019 г. специалисты Нью-Йоркского университета провели масштабное исследование, целью которого было выявление и классификация политических ботов, действовавших в российском «Твиттере» в 20152017 гг. [24]. Коллектив использовал самообучающийся алгоритм, определяющий в качестве ботов учетные записи, использующие автоматически сгенерированный контент. Это позволило эффективно отсеять постеров-людей (в том числе поддерживающих политические силы на коммерческой основе) и официальные аккаунты.
Авторам иследования удалось выявить десятки тысяч постов политической тематики, которые были сгенерированы автоматически. Представление об активности автоматического постинга дает следующий график (рис. 5).
Один из выводов исследователей Нью-Йоркского университета представляется нам особенно интересным. Собраные ими данные показали, что, несмотря на наращивание активности как провластного, так и оппозиционного постинга, пользователи не проявляют к ней повышенного интереса. Число провластных и оппозиционных постов в 2015-2017 гг. неоднократно колебалось, в то время как число подписчиков оставалось в целом стабильным (рис. 6). Устойчивый рост числа подписчиков происходил только у нейтральных ботов, созданных, по всей видимости, с коммерческими целями.
Более подробную классификацию российских ботов провел научный коллектив из университета Сан-Антонио [25]. Они опирались на алгоритмы программы Botometer [26], используя как автоматический сбор данных, так и их экспертный отбор. Кроме того, они имели возможность опираться на опубликованную администрацией «Твиттера» базу российских ботов, насчитывающую 3800 аккаунтов и более 10 млн твитов. Был рассчитан параметр «твит в час»,
Рис. 5. Число твитов с учетом политической ориентации ботов (Источник: For Whom the Bot Tolls: A Neural Networks Approach to Measuring Political Orientation of Twitter Bots in Russia (с переводом легенды и значений))
Рис. 6. Число подписчиков с учетом политической ориентации ботов (Источник: For Whom the Bot Tolls: A Neural Networks Approach to Measuring Political Orientation of Twitter Bots in Russia (с переводом легенды и значений))
по которому, в частности, и оценивалась активность политических ботов. Для наиболее активных аккаунтов этот показатель достигал 1896— 1899, т.е. на один твит уходило около 2 секунд, что однозначно указывает на автоматизированный постинг [25].
Исследования зарубежных коллег демонстрируют, что технологии автоматизированного постинга активно используются сегодня различными политическими силами. Применительно к теории политической коммуникации данный феномен примечателен тем, что власть, взаимодействуя с обществом, вынуждена имитировать общественную активность, тем самым признавая ее важную роль.
Социальные медиа и диффузный механизм распространения информации
Общественная дискуссия по острым социально-политическим проблемам в современном обществе проходит в первую очередь посредством социальных сетей и, шире, социальных медиа.
С одной стороны, это делает картину общественного мнения более разнообразной и детализированной, затрудняет применение эксперт-
ных методов, факторного анализа и case studies. С другой - открывает новые возможности для цифрового моделирования и цифровой формализации знания. Сегодня для создания полноценной научной картины общественного восприятия необходим комплексный анализ всех популярных социальных сервисов, обработка больших массивов эмпирических данных, построение самообучающихся, кибернетических моделей распространения информации.
Зарубежные ученые добились заметных успехов в моделировании общественной реакции на значимые информационные поводы и процессы формирования общественного мнения в целом.
Еще в 2011 г. была опубликована статья «Социальный консенсус через влияние идейных меньшинств» [27], в которой на основе цифрового моделирования обосновывается модель «диффузии инноваций» в социально-идеологической сфере. Оставляя в стороне развитый математический аппарат статьи, можно резюмировать, что диффузные модели (традиционно применявшиеся в маркетинговых исследованиях) предполагают, что возникновение новых идей и принятие их обществом носит нелинейный характер. Этот процесс развивается в сетевой среде, где каждый человек, будучи одно-
временно и объектом, и субъектом коммуникации, обменивается информацией с другими, сверяет с ними свою позицию. Чем больше подтверждений новых идей человек находит вокруг себя, тем он более склонен поддерживать и распространять их.
Эта среда диктует диффузный механизм распространения новой информации: сначала должно сформироваться ядро - около 3% сторонников новых идей, готовых их активно поддерживать и распространять. Пытаясь донести эти тезисы до других членов общества, активисты часто сталкиваются с непониманием (так как люди, в массе, склонны поддерживать большинство). При активной поддержке сторонников новые идеи распространяются очень медленно, но когда число их сторонников в обществе достигает 10%, темпы распространения резко возрастают. С этого момента принятие новых идей происходит значительно проще и быстрее, и скорость общественных трансформаций возрастает многократно [27].
К настоящему времени эти исследования значительно продвинулись. В 2020 г. коллективы иностранных авторов использовали для моделирования информационных потоков автоматические сервисы анализа и прогнозирования.
Такой инструментарий описан, например, в статье «Многомасштабное моделирование он-лайн-медиа с помощью SocialCube» [28], подготовленной крупным междисциплинарным коллективом авторов. Речь идет по сути о цифровом моделировании процесса распространения информации в социальных сетях. Разработанный коллективом алгоритм осуществляет автоматизированный сбор эмпирических данных в онлайн-режиме. Работая непосредственно с данными соцсетей, он преобразует их в базы данных MySQL и JSON-файлы, пригодные для машинной обработки и экспертного анализа.
Самообучающийся алгоритм анализирует и хранит в памяти ранее изученные механизмы распространения информации, классифицирует их особенности, с точки зрения активных субъектов ввода данных, реакции пользователей, путей распространения информации. Эти данные сводятся в отдельные модули и используются для более точной оценки новых кейсов.
Прогнозные возможности алгоритма позволяют строить имитационные модели информационных потоков, выстраивая оптимальные стратегии продвижения целевых тезисов в социальных сетях. Здесь уместно отметить, что все эти исследования финансируются управлением перспективных исследовательских проектов Министерства обороны США.
К сожалению, такой технологический уровень остается недоступным для большинства отечественных исследователей. Тем не менее теоретическими достижениями иностранных коллег можно воспользоваться, применяя для сбора эмпирических данных средства веб-аналитики.
Для этого могут с успехом применяться сервисы анализа социальных медиа, например IQbuzz [29]. Технологический инструментарий данного сервиса позволяет фиксировать целый ряд важных показателей активности социальных медиа применительно к конкретной тематике. Эти показатели включают число уникальных сообщений, число уникальных постеров, тональность сообщений, общий охват и вовлеченность интернет-аудитории и многое другое, вплоть до информации о конкретных постерах и СМИ.
На основе этих данных, даже не располагая цифровым самообучающимся алгоритмом, можно делать вполне обоснованные выводы об информационных потоках в сети.
В качестве примера приведем анализ распространения информации о замедлении Рос-комнадзором трафика для «Твиттера» 10 марта 2021 г. Анализ медиаактивности проводился в период с 8 по 20 марта 2021 г. и позволил отследить:
1. Уровень общественного интереса к проблеме. Упомянутая тематика затрагивалась в 2498 сообщениях, в среднем 192.1 сообщения в день. При этом вовлеченность пользователей была не слишком высокой: 1209 уникальных пользователей, каждый из которых написал в среднем 2 сообщения.
Тем не менее уникальных постеров было много, и они представляли активную интернет-аудиторию, поэтому общий охват их сообщений (то есть сколько пользователей могло их посмотреть) достиг 75557632;
2. Конкретные каналы передачи информации. СМИ играли, в общем, заметную роль в распространении данной тематики, но основными распространителями стали пользователи. На СМИ приходится 11.4% упоминаний, на записи в соцсетях - 10.3%, посты - 6.2% и на отдельные комментарии - 71.8%;
3. Отслеживание информационного ядра и периферии. В нашем примере вся опубликованная информация исходила из 76 уникальных источников. Наибольшую информационную активность проявили блоги «Хабр», телеканал «Дождь», новости РБК, радио «Эхо Москвы», LIFE.ru.
С опорой на эти данные можно констатировать, что новости о замедлении «Твиттера» распространялись оппозиционно настроенными СМИ (провластные СМИ не вступали с ними в
дискуссию). Им удалось привлечь общественный интерес не слишком многочисленных, но активных пользователей, которые обеспечили широкий охват аудитории.
Представляется, что сервис IQbuzz позволил собрать достаточно данных, демонстрирующих работу диффузного механизма распространения новой информации: от 76 СМИ к 1209 пользователям и 75557632 потенциальным просмотрам. Однако поскольку самообучающимся алгоритмом мы не располагаем, этот механизм потребует дальнейшего изучения на различных кейсах.
Веб-аналитика в исследовании «непредсказуемого общества риска»
Подводя итог, уместно вспомнить о тезисе, явно сближающем позиции трех упомянутых в начале статьи классиков социологии. Речь идет о понимании общественного развития как фазового процесса, в котором медленное накопление количественных изменений ведет к отложенному во времени качественному сдвигу. У. Бек писал об «эффекте бумеранга» в распространении рисков» [1, с. 45]; Н. Луман ввел понятие «порог катастрофы» [2, с. 160]; а Э. Гидденс называл современное общество неуправляемым «джаггернаутом», имеющим тенденцию к саморазрушению в любой непредсказуемый момент [3, с. 108]. Соответственно, все три подхода говорят о способности рисков накапливаться, приближая общество к порогу если не катастрофы, то глобальных изменений. Это дало Э. Гидденсу основание говорить о принципиальной непредсказуемости будущего [3, с. 123].
Однако представляется, что средства веб-аналитики позволили нам зафиксировать и формализовать данный эффект, что создает возможность для его дальнейшего исследования, мониторинга и прогнозирования различных угроз, порождаемых «обществом риска»:
- мониторинг поисковых запросов поможет отслеживать общественное восприятие значимых социально-политических событий, формирование общественного интереса и накопление недовольства;
- сервисы медиамониторинга позволят оценивать публикации СМИ, их динамику и тональность;
- анализ социальных медиа даст возможность фиксировать реакцию отдельных общественных групп на значимые события, их оценку ситуации в стране;
- сопоставительный анализ данных различных сервисов предоставит инструмент, позволяющий отделить реальную заинтересованность общества от попыток актуализации отдельных проблем через СМИ.
Этот обширный массив эмпирических данных вполне может стать основой для системы мониторинга накопления в обществе «потенциала катастроф». Такого рода технологический инструментарий, несомненно, будет полезен современному исследователю, а также применим в сфере государственного управления.
Список литературы
1. Бек У. Общество риска. На пути к другому модерну / Пер. с нем. В. Седельникова и Н. Федоровой; Послесл. А. Филиппова. М.: Прогресс-Традиция, 2000. 383 с.
2. Луман Н. Понятие риска // THESIS. 1994. Вып. 5. С. 135-160.
3. Гидденс Э. Судьба, риск и безопасность // THESIS. 1994. Вып. 5. С. 107-134.
4. Бодрийяр Ж. В тени молчаливого большинства, или Конец социального / Пер. с фр. Н. В. Суслова. Екатеринбург: Изд-во Уральского университета, 2000.
5. Яницкий О.Н. Россия как общество риска: методология анализа и контуры концепции // Общественные науки и современность. 2004. № 2. С. 5-15.
6. Кравченко С.А. Социология в 2 т. Т. 2. Новые и новейшие социологические теории через призму социологического воображения: Учебник для академического бакалавриата. М.: Изд-во «Юрайт», 2019. 636 с.
7. Арутюнян К.С. Проблема управления сознанием в информационном обществе: социально-философский анализ // Вестник Пермского университета. Философия. Психология. Социология. 2020. № 3. С. 438-447.
8. Боровинская В.С. К вопросу о последствиях инсценирования политической реальности в интернете // Социодинамика. 2020. № 10. С. 11-20.
9. Дагбаева С.Б. Самоидентификация современной молодежи в транзитном обществе // Педагогическое обозрение. 2019. № 1 (37). С. 143-150.
10. Редькина Н.С. Направления развития инструментов веб-аналитики // Научно-техническая информация. Серия 2: Информационные процессы и системы. 2017. № 5. С. 5-10.
11. Федорченко С.Н. Big Data и методологические возможности ресурса Google Trends для политологического исследования // Журнал политических исследований. 2018. Т. 2. № 4. С. 48-55.
12. Соколов С.В. Применение веб-аналитического инструментария Google Trends в социогуманитар-ных и библиотековедческих исследованиях // Биб-лиосфера. 2018. № 4. С. 3-9.
13. Миловидов В.Д. Капитализация фейка: настроения инвесторов и семантика интернет-запросов // Проблемы национальной стратегии. 2017. № 6 (45). С. 162-184.
14. Lasswell H.D. The structure and function of communication in society / Berelson B., Janowitz M. Reader in Public Opinion and Communication. New York: The Free Press, 1966.
15. Deutsch K.W. The nerves of government: models of political communication and control. New York: The Free Press of Glencoe, 1963. 316 p.
16. Ноэль-Нойман Э. Общественное мнение. Открытие спирали молчания: Пер. с нем / Общ. ред. и предисл. Н.С. Мансурова. М.: Прогресс-Академия, Весь Мир, 1996. 352 с.
17. Цаллер Дж. Происхождение и природа общественного мнения / Пер. с англ. А.А. Петровой; Фонд «Обществ. мнение». М.: Ин-т Фонда «Обществ. мнение», 2004 (ППП Тип. Наука). 558 с.
18. Устюжанина Д.А. Двойственная природа новых медиа в онлайн-пространстве // Вестник Пермского университета. Философия. Психология. Социология. 2019. № 2. С. 204-218.
19. Евдокимов В.А. Новые медиа как система // Наука о человеке: гуманитарные исследования. 2019. № 2 (36). С. 60-66.
20. Шестова Т.Л., Кузьмин В.А. Новые медиа в современном политическом процессе. // Социально-гуманитарные знания. 2019. № 4. С. 218-226.
21. Электронный онлайн-сервис WordStat [Электронный ресурс]. URL: https://wordstat.yandex.ru/ (дата обращения: 04.03.2021).
22. Электронный онлайн-сервис Google Trends [Электронный ресурс]. URL: https://trends.google.ru/ (дата обращения: 04.03.2021).
23. Система мониторинга и анализа СМИ «Ме-диалогия» [Электронный ресурс]. URL: https://www. mlg.ru/ (дата обращения: 23.02.2021).
24. Stukal D., Sanovich S., Tucker J.A., Bonneau R. For whom the bot tolls: A neural networks approach to measuring political orientation of Twitter bots in Russia // SAGE Open. 2019 [Электронный ресурс] URL: https://www.sagepub.com (дата обращения: 28.01.2021).
25. Alsmadia I., O'Brienb M. How many bots in Russian troll tweets? // Information Processing & Management. An International Journal. Volume 57, Issue 6, November 2020. Official web-site [Электронный ресурс]. URL: https://www.sciencedirect.com/science/article/ pii/S0306457320307986?dgcid=rss_sd_all (дата обращения: 28.01.2021).
26. URL: https://botometer.osome.iu.edu/ (дата обращения: 20.05.2021).
27. Xie J., Sreenivasan S., Korniss G. et al. Social consensus through the influence of committed minorities // Physical Review E. July 2011. 84. 011130.
28. Abdelzaher Т., Han J., Hao Y. et al. Multiscale online media simulation with SocialCube // Comput. Math. Organ. Theory. 2020. 26. 145-174. URL: https://doi.org/10.1007/s10588-019-09303-7 (дата обращения: 09.04.2021).
29. Электронный онлайн-сервис IQbuzz [Электронный ресурс]. URL: https://new.iqbuzz.ru/ (дата обращения: 25.02.2021).
WEB ANALYTICS METHODS AS A TOOL FOR ANALYSIS AND FORECASTING OF SOCIO-POLITICAL PROCESSES
R. V. Golubin, A.P. Korotyshev, P.P. Rykhtik
Lobachevsky State University of Nizhny Novgorod
The paper considers the possibilities of web-analytics methods application in socio-political analysis. The authors note that both classical and modern works devoted to the problems of social development forecasting, often refer to «uncertainty», which significantly reduces the humanities predictive capabilities
As a new methods, designed to partially overcome the problem of «uncertainty», it is proposed to analyze: the dynamics of user's web searches, the Internet media publication activity, the dynamics of information dissemination in social networks, as well as the correlation analysis of various Internet activity indicators. The empirical material for the analysis was collected by online services: WordStat, Google Trends, Medialogy and IQBuzz.
Keywords: web analytics, socio-political analisis, WordStat, Google Trends, Medialogy, IQBuzz.
