CC BY
73
удк 32
Н. А. Рябченко, А. А. Гнедаш
ONLINE И OFFLINE СОЦИАЛЬНЫЕ СЕТИ: К ВОПРОСУ О МАТЕМАТИЧЕСКОМ ОБОСНОВАНИИ СТОХАСТИЧЕСКОЙ МОДЕЛИ ФУНКЦИОНИРОВАНИЯ1
Авторы статьи описывают развитие теории социальных сетей в обществоведческой традиции и используют методы математического анализа для изучения характера функционирования социальных сетей и определения типов взаимодействия между их пользователями, приводящих к конструктивным и/или деструктивным политическим практикам в offline-и onl/Пе-пространстве. С помощью теории графов выделены и описаны различные показатели: определяющие тип связи между пользователями социальных сетей (мультиплексность, уровень взаимности, транзитивность, подобие, географическая близость); объясняющие вид связи между пользователями (мост/ребро графа, индекс авторитетности, коэффициент плотности, параметр деструктуризации, сила связи); описывающие сообщества, которые содержатся в социальном графе / социальной сети (клика, социальный круг, коэффициент кластеризации). Подробно описывается процесс перколяции в социальных сетях: как при переходе через порог протекания, т. е. при возникновении бесконечного перколяционно-го кластера, свойства социальной сети, характеризующие ее в целом, резко меняются — возникает/затухает блоговолна, воссоздается разрушенная социальная сеть, запускается процесс накопления политического конденсата. В заключение делается вывод о том, что активность, которую порождают online социальные сети и блоги, постепенно приводит к появлению новых механизмов влияния на принятие политических решений.
Ключевые слова: online-пространство, социальные сети, перколяция, мобилизационная активность, политический конденсат, теория графов, теории социальных сетей.
Усложнение социума, ускорение динамики его развития, в особенности в горизонтальном нелинейном векторе, приводит к необходимости обоснования новых форм социально-политических конструктов, возникающих в социально-политическом пространстве, в частности к изучению и описанию различных социальных сетей.
Рассмотрим основные концепции теории социальных сетей.
Сам термин «социальная сеть», ставший впоследствии классическим, был введен Дж. Барнсом в работе «Классы и собрания в норвежском островном приходе» (Barnes, 1954, p. 39-58). Ориентировав вектор изучения социума в направлении человеческих взаимоотношений, он предложил определять социальную сеть как множество точек, соединенных между собой линиями, при этом точками обозначались и отдельные индивиды, и социальные отношения, а линиями — природа и характер их взаимодействия (Ibid., 1954, p. 43). Револю-
1 Работа выполнена в рамках проекта № МК-3430.2015.6 «Конструктивный и деструктивный потенциал online социальных сетей в публичной политике России: методика стохастического моделирования поведения» (грант Президента РФ для государственной поддержки молодых российских ученых — кандидатов наук).
© Н. А. Рябченко, А. А. Гнедаш, 2014
ция в информационно-коммуникационных технологиях оказала мощное воздействие на структуру общества в целом. В рамках информационной концепции общества Д. Белл рассматривал знания и информацию как стратегический ресурс трансформации постиндустриального общества; он описывал трансформацию иерархической структуры общества в сетевую с возможностью каждого индивида встраиваться в процесс управления (Белл, 1986, с. 330-342). Э. Тоффлер, в свою очередь, обращал внимание на то, что определяющую роль в характере коммуникаций между индивидуумами будет играть информационная сфера как вектор, задающий направление системе норм и ценностей (Тоффлер, 2002, с. 289). М. Кастельс говорил о том, что технологии, связанные с воспроизводством информации как информационного блага, трансформируют общество не только в глобальное, но и в сетевое общество, которое развивается спонтанно в результате функционирования большого количества социальных групп и отдельных людей. Он подчеркивал важность online-сетей как «динамической, саморасширяющейся формы организации человеческой активности» (Кастельс, 2000, с. 437), отмечая, что сети постепенно становятся социальными институтами. Британский социолог Дж. Урри в работе «Социология за пределами обществ: виды мобильности для XXI столетия» предлагает рассматривать социально-политические процессы сквозь призму множества мобильностей, сетей и потоков, причем в каждом отдельном случае мы имеем дело со сложными мобильными комбинациями, которые, по сути, являются социально-природными гибридами (Урри, 2012, с. 290). Х. Уайт рассматривает и изучает общество как сеть, а не как совокупность индивидов; он исследует конструирование социального мира в качестве системы паттернов взаимодействия между людьми (White, 2008, p. 50). Работы Х. Уайта повлияли на исследования М. Грановетте-ра, который в работе «Сила слабых связей» говорил о том, что «личный опыт отдельных людей тесно связан с крупномасштабными аспектами социальной структуры, в том числе за пределом компетенций и контроля конкретных лиц» (Granovetter, 1973, p. 1360-1380). К.Хемптон и Б. Уэлман описывают взаимосвязь между активностью в online- и offline-пространстве, отмечая, что активность в online-пространстве не только является каналом коммуникации, но и развивает гражданскую активность (Hampton, Wellman, 2003, p. 277-311), сетевой капитал становится таким же приоритетом, как денежный и социальный капитал.
Сети в online- и offline-пространствах представляют собой единое целое, функционируют на основе одних и тех же механизмов, имеют общие характеристики и дополняют друг друга. В связи с этим необходимо использовать в инструментальной части анализа социальных сетей методы естественных наук, ориентируясь на специфические возможности online-пространства, что, в свою очередь, позволит описать эмпирические модели функционирования социальных сетей.
Анализ различных социальных сетей ориентирован прежде всего на выявление паттерна взаимодействия пользователей этих сетей и, как следствие, возникновение возможности программирования результата функционирования той или иной социальной сети. Социальные сети, по сути, — социальные графы. Это означает, что связи между пользователями социальных сетей рассматриваются
как ребра социального графа. Контент, существующий в социальной сети, формируется из различных информационных потоков, функционирующих благодаря наличию ребер социального графа. Социальный граф строится путем обмена контентом между пользователями социальной сети.
Набор индикаторов, характеризующий деятельность социальной сети, может быть получен из анализа паттернов той или иной социальной сети; таким образом, каждый социальный граф характеризуется набором показателей:
— показатели, определяющие характер связи между пользователями;
— показатели, характеризующие вид связи между пользователями;
— показатели, характеризующие сообщества, которые содержатся в социальном графе (социальной сети).
показатели, определяющие характер связи между пользователями
К данному виду показателей относят: мультиплексность, уровень взаимности, транзитивность, подобие, географическую близость.
Мультиплексность определяет множество одновременных связей, в которых состоит пользователь: например, три пользователя, работающие в одной фирме, будут иметь показатель мультиплексности равный трем.
Уровень взаимности — показатель, характеризующий степень, в которой пользователи социальной сети взаимодействуют между собой, отвечая взаимностью на действия друг друга.
Транзитивность — показатель, определяющий степень сетевой закрытости, т. е. степень, в которой друзья одного пользователя являются друзьями друг другу. Если за max значение показателя транзитивности принять 1, то на рис. 1 представлен соответствующий граф (линиями отмечены связи подобия). Сама же сетевая закрытость будет при этом рассматриваться как «мера полноты реляционных триад»; диады и триады — элементарные составляющие социального графа/социальной сети. Диада — неупорядоченная пара узлов {i, j} (или пользователи социальной сети) с заданными на ней ребрами. Она принимает четыре состояния (направления движения информации в социальной сети):
— и i->j, и j->i (информация может передаваться как от первого пользователя второму, так и от второго первому);
— i->j (информация может передаваться только от первого пользователя второму);
— j->i (информация может передаваться только от второго пользователя первому);
— ни i->j, ни j->i (информация не может передаваться ни от первого пользователя ко второму, ни от второго к первому).
Стохастический анализ социальных сетей выделяет три класса диад:
— класс_М (взаимные диады) с состояниями i->j и j->i;
Рис. 1. Граф с показателем подобия равным 1
— класс_А (ассиметричные диады) с состояниями i->j или j->i;
— кпасс_Ы (нулевые диады) — связи между пользователями нет или она отсутствует).
Триадой называется подграф (сетевое сообщество, существующее в социальной сети) из трех вершин (трех пользователей). Каждая триада может находиться в одном из 64 состояний одного из 16 изоморфных классов.
Подобие — показатель, демонстрирующий наличие и количество связей с «себе подобными» по определенному признаку.
Географическая близость — параметр, определяющий уровень активности пользователя в образовании связи с географически близкими пользователями.
показатели, характеризующие вид связи между пользователями
К данному виду показателей относят:
Мост — связь (ребро графа), удаление которой повышает меру связанности; как правило, эту связь разделяют несколько кластеров/сетевых сообществ. Помимо «мостов» в online социальных сетях и сообществах существуют «локальные мосты» — связи, удаление которых не приводит к изменению меры связности, но изменяет длину определенных путей.2 Благодаря мостам формируются online социальные сети; на макроуровне это приводит к фрагментации сети. Так, «локальные мосты» позволяют выходить информации из одной сети в другую, и именно пресечение «локальных мостов» более губительно с точки зрения продвижения информации, поскольку при этом может возникнуть вероятность зацикленности на каком-либо кластере. Чем больше «локальных мостов», тем более сплоченными оказываются сеть или сообщество и тем выше действенная способность сети или сообщества.
Индекс авторитетности — степень, которая показывает важность/влияние определенного пользователя (узла социального графа); она определяется числом связей в одном узле (вершине) социального графа, при этом данные связи можно разделить на входящие и исходящие связи вершины. Входящие связи
определяют популярность пользователя online сетевого сообщества, а исходящие — степень его вовлеченности в формирование и устойчивость самого online сетевого сообщества.
Коэффициент плотности — коэффициент, показывающий степень реализованных связей по отношению к общему количеству связей с учетом потенциально возможных (рис. 2; пунктирной линией обозначены реализованные связи, а сплошной линией — потенциально возможные).
2 Путь — последовательность пользователей, имеющая для каждого пользователя связь, соединяющую его со следующим пользователем в последовательности. Длина пути — количество связей между пользователями.
Рис. 2. Социальная сеть с возможными и реализованными связями
Рассмотрим подробнее коэффициент плотности — p. Общее количество реализованных связей nr = 12, а общее количество связей с учетом потенциально
nr 12
возможных связей nv = 21, следовательно, p = — = — = 0,57 .
nv 21
Значение коэффициента плотности сети лежит в пределах от 0 до 1. Чем ближе коэффициент плотности к единице, тем более устойчива сеть к структурным изменениям с точки зрения эффективности прохождения информации по сети.
Деструктуризация — параметр, характеризующий количество отсутствующих связей между частями сети.
Сила связи — параметр, обозначающий линейную комбинацию времени (t), минимального пути и уровня взаимности. Сильные связи обычно характеризуются высоким значением транзитивности и параметра подобия, слабые связи определяются мостами.
показатели, характеризующие сообщества, содержащиеся в социальном графе (социальной сети)
«Клика» — часть социальной сети или графа, в которой все пользователи имеют «прямые» связи (замкнутые социальные сети или сообщества). Впервые этот термин был использован в работах Р. Д. Люка и А. Д. Перри для моделирования групп людей, знающих друг друга в социальных сетях (Luce, Perry, 1949, p. 95-116). Задача обнаружения «клик» особенно важна при анализе деструктивных практик в социальных сетях как в online-, так и в offline-пространствах. В теории графов одним из самых эффективных алгоритмов поиска «клик» является алгоритм Брона — Кербоша, который был разработан голландскими учеными К. Броном и Дж. Кербошом в 1973 г. (Bron, Kerbosch, 1973, p. 575-577). Работа алгоритма основывается на том, что всякая «клика» в графе является его максимальным по включению полным подграфом (сообществом в социальной сети). Рассмотрим подробнее работу этого алгоритма (рис. 3).
Пусть задан некоторый неориентированный граф G = (V, E), где V — непустое множество узлов графа, а E — множество ребер графа (связей в социальной сети). В графе, изображенном на рис. 3, «кликами» будут являться следующие множества узлов: {a, b, c}, {b, d, e}, {b, c, e}, {c, e лов значения не имеет. Если за текущее независимое множество принять переменную SET, а за множество узлов, способных образовать «клику», — CLIQUE (и учесть, что на начальном этапе CLIQUE содержит все узлы графа), DEL — множество отсеянных узлов (узлов, которые больше не могут добавляться в SET), v — просматриваемый узел, G(i) — множество узлов смежных с i, то реализация алгоритма с использованием псевдокода будет выглядеть следующим образом:
Рис. 3. Неориентированный граф G = (V, E)
f}, порядок перечисления уз-
while CLIQUE != 0 or SET != 0: if CLIQUE != 0: v = CLIQUE.first push SET, CLIQUE, DEL, v SET = SET + {v}
CLIQUE = CLIQUE — G(v) — {v}
DEL = DEL — G(v)
else:
if DEL = 0: print SET
pop v, DEL, CLIQUE, SET CLIQUE = CLIQUE — {v} DEL = DEL + {v}
Таким образом, данный алгоритм показывает нам реализацию задачи поиска «клик» (сетевых сообществ). Существует несколько программных продуктов со свободно распространяемой лицензией для поиска максимальной «клики» (например, NetworkX, maxClique и др.).
Социальный круг — часть социальной сети, в которой не обязательны «прямые» связи.
Коэффициент кластеризации — параметр, введенный в обращение в 1998 r. Д. Дж. Уаттсом и С.Х. Строгатцом (Watts, Strogatz, 1998, p. 440-442); соответствует уровню связности пользователей социальной сети. Коэффициент кластеризации характеризует тенденцию пользователей образовывать сообщества внутри социальной сети («клики»), также этот коэффициент определяет для каждого пользователя социальной сети количество его ближайших друзей, являющихся друзьями друг другу. Пусть пользователь социальной сети имеет k связей с k другими пользователями, которые в архитектуре сети выступают его ближайшими соседями (френдами). Если предположить, что все френды соединены непосредственно друг с другом, то количество связей между ними составит
1 k (k-1).
Это будет число, соответствующее максимально возможному количеству связей, которыми могли бы соединяться ближайшие соседи выбранного пользователя. Отношение осуществленных связей, реализованных между ближайшими соседями пользователя, к максимально возможному их числу (такому, при котором ближайшие соседи осуществляли связь непосредственно друг с другом) называется коэффициентом кластеризации пользователя социальной сети, i - C(i). Коэффициент кластеризации социальной сети равен
1 N F
с=-, N i=N k¡ (ki -1)
где N — общее количество пользователей, k¡ — количество связей i-го пользователя, Ei — количество пользователей, соединенных с пользователем i и связан-
ных напрямую (Bukvova, http://sprouts.aisnet.org). Коэффициент кластеризации принимает значение от 0 до 1, чем ближе значение коэффициента кластеризации к 1, тем выше вероятность того, что рассматриваемая сеть стремится к состоянию «клика»; соответственно все пользователи этой сети максимально взаимодействуют друг с другом. Если коэффициент корреляции стремится к 0, то в сети нет кластеров (сообществ), пользователи практически не связаны, сеть не является сплоченной.
Модулярность — один из важнейших параметров социальной сети; это величина, которая оценивает плотность связей в сообществе по сравнению со связями между сообществами. В целом модулярность определяется следующей формулой (Ландэ, Снарский, Безсуднов, 2009, с. 67):
N
Q=^{еа- a )>
i=1
где, вц — элемент матрицы смежности социальной сети (матрица смежности рассматривается как квадратная матрица, размер которой равен количеству пользователей в социальной сети, а значение элементов равно числу связей от пользователя i к пользователю j (Кормен, Лейзерсон, Ривест, Штайн, 2005, с. 32); на рис. 4 представлена социальная сеть и соответствующая ей матрица смежности в вышеуказанной формуле), он равен отношению количества связей, объединяющих два сообщества i и j, к общему количеству связей в социальной
сети, ai = ^ N=1eij — отношение количества связей, объединяющих пользователей i к общему количеству связей.
5
4
0 1 1 1 0
1 0 0 1 0
1 0 0 1 1
1 1 1 0 1
0 0 1 1 0
(1)
Рис. 4. Социальная сеть, состоящая из пяти пользователей
В социальных сетях с высокой модулярностью сильны связи между пользователями в сообществах, но связи между пользователями различных сообществ существенно ослаблены. Коэффициент кластеризации и модулярность позво-
ПОЛИТЭКС. 2014. Том 10. № 3
ляют провести направленное изменение социальной структуры сети для управления ее функциональностью и нацеленностью на достижение определенного результата.
Каждый показатель может быть представлен как индикатор, характеризующий деятельность социальных сетей в online- и offiine-среде в зависимости от поставленных целей. Различные сообщества в социальных сетях формируют так называемое информационно-новостное поле (Рябченко, 2012, с. 49), в связи с этим социальные сети необходимо рассматривать и изучать с точки зрения протекания в них информации — перколяции. Именно перколяция объясняет образование блоговолн в online-пространстве и накопление политического конденсата.
Благодаря интерактивности и гипертекстурированности социальные сети в online-пространстве способны порождать новые технологии реализации публичной политики, такие как «технология блоговолн» — процесс массового распространения информации блогерами или членами online социальных сетей, приводящий к трансформации общественного мнения и, как следствие, к социально-политическим акциям в offline-пространстве, а также к формированию процесса общественного давления.
При всей успешности проведения в последнее время различных блоговолн в Рунете необходимо отметить, что зачастую многочисленные блоговолны создают видимость гражданской активности; также неясны механизмы поддержания длительного общественного интереса к ним. Очевидно одно, что активность, которую порождают online социальные сети и блоги, постепенно приводит к появлению новых механизмов влияния на принятие политических решений. К сожалению, этот процесс может вносить как положительный, так и отрицательный вклад в развитие публичной политики и существенно влиять на состояние информационной безопасности государства в целом (Гнедаш, Рябченко, 2014, с. 40-54).
Возникновение своеобразных «точек роста» мобилизационной активности в online-пространстве и возникновение новых общественных организаций (архитектура которых полностью основана на сетевых моделях) объясняется феноменом «политического конденсата». «Политический конденсат» определяется как механизм возникновения новых акторов публичной политики, основанных на сетевых принципах организации. Он образуется и накапливается в результате констелляции действующих акторов публичной политики в offline-пространстве. Если констелляция акторов представлена преимущественно политико-административными диспозициями при наличии серьезных барьеров для входа новых акторов в процесс производства публичной политики, то высока возможность мобилизации online-общественности с последующей ее институционализацией в offline-среде.
Накопление «политического конденсата» обусловлено институциональными возможностями членов гражданского общества реально влиять на процесс производства и реализации публичной политики. Его перенасыщение происходит под давлением различного рода элитарных групп в условиях перехода/неопределенности/риска (избирательный цикл, политический и/или экономический кризис, условия чрезвычайных ситуаций). В результате зарождаются акторы
публичной политики в оп//'пе-пространстве, осуществляющие впоследствии переход в off/ine-прострaнство. Результатом перенасыщения «политического конденсата» служит появление и развитие таких акторов публичной политики, как «общественные организации 2.0», представляющие собой неправительственные / негосударственные добровольные объединения граждан на основе реализации совместных интересов и целей (Рябченко, 2013, с. 173-176).
Задача перколяции была впервые описана в работе С. Р. Бродбента и Дж. М.Хаммерсли в 1957 г (ВгоаЬЬеп^ Наттегэ!еу, 1957, с. 629-641). Для рассмотрения процесса перколяции в социальных сетях необходимо отметить, что социальные сети при этом исследуются как сложные сети. В теории перколяции можно выделить прямую и обратную задачи. Прямая задача состоит в определении количества занятых связей социальной сети, приводящего к движению информации сквозь всю социальную сеть («от края до края»). Обратная задача перколяции состоит в определении той доли связей, которую необходимо удалить или блокировать, для того чтобы в социальной сети перколяционный (проводящий) кластер (сетевое сообщество) распался на несвязанные части, т. е. информация не прошла через социальную сеть и, как следствие, не повлияла на информационно-новостное поле.
Пусть имеется некая решетка связей пользователей социальной сети. В этой решетке одна часть связей случайно проводит информацию, а другая — нет. Необходимо найти такую минимальную концентрацию проводящих связей (Рпр), при которой еще существует путь по проводящим связям сквозь всю решетку, т. е. концентрация, при которой социальная сеть проводит информацию. При Рпр = 0 все связи не проводящие и социальная сеть не восприимчива к информации (подобная невосприимчивость иногда обусловлена не только отсутствием связи, но и характеристиками пользователей социальной сети). С увеличением концентрации проводящих связей в социальной сети возникает перколяционный (проникающий) кластер (сообщество), из проводящих связей соединяющий противоположные края решетки социальной сети. При размере решетки связей социальной сети, стремящейся к бесконечности, размер перколяционного кластера тоже стремится к бесконечности, и такой кластер называется бесконечным. Все остальные совокупности связей называются конечными кластерами. При переходе через порог протекания, т. е. при возникновении бесконечного перколяционного кластера, свойства социальной сети, которые характеризуют ее в целом, резко меняются: возникает/затухает блоговолна, воссоздается разрушенная социальная сеть, запускается процесс накопления политического конденсата.
Несмотря на то что научная основа для анализа социальных сетей была сформирована в 1970-х гг., эта область научного знания все еще нуждается как в разработке теоретических концептов, так и в практических исследованиях. Необходимо развивать междисциплинарные исследования, базирующиеся на математическом аппарате теории графов (социометрии) и включающие в себя основные концепции теории социальных сетей, рассматривающие сети как социальное явление. Это позволит разработать автоматизированный инструментарий обработки и анализа социальных сетей, адаптированный для гуманитарных исследований.
Литература
Белл Д. Социальные рамки информационного общества // Новая технократическая волна на Западе. М.: Прогресс, 1986. С. 330-342 (Bell D. The Social Framework of the Information Society // New Technocratic Wave in the West. Moscow: Progress, 1986. P. 330-342).
Гнедаш А. А., Рябченко Н. А. Конструктивные и деструктивные социально-политические практики в online-пространстве современной России: «фейлы», «кейсы», «механики» // Человек. Сообщество. Управление: научно-информационный журнал. Краснодар. 2014. № 4. С. 4054 (Gnedash A. A., Ryabchenko N. A. Constructive and Destructive Socio-political Practices in Today Russia Online-space: "Fail", "Cases", "Mechanics" // Human. Community. Management: Scientific Information Journal. Krasnodar. 2014. N 4. P. 40-54).
Кастельс М. Информационная эпоха: экономика, общество и культура / пер. с англ. и под науч. ред. О. И. Шкаратана. М.: ГУ ВШЭ, 2000. 608 с. (Castells M. The Information Age: Economy, Society and Culture / trans. from English. and scientific. ed. by O. Shkaratan. Moscow: GU-VshE, 2000. 608 p.).
Кормен Т., Лейзерсон Ч., РивестР., ШтайнК. Алгоритмы: построение и анализ = Introduction to Algorithms / под ред. И. В. Красикова. 2-е изд. М.: Вильямс, 2005. 893 с. (Corman Т., Leiserson C., Rivest R., Stein K. Introduction to Algorithms / ed. I. V. Krasikova. 2nd ed. Moscow: Williams, 2005. 893 p.).
Ландэ Д. В., Снарский А. А., Безсуднов И. В. Интернетика: Навигация в сложных сетях: модели и алгоритмы. М.: Книжный дом «ЛИБРОКОМ», 2009. 264 с. (Lande D. V., Snarskii A. A., BezsudnovI. V. Internetika: Navigation in Complex Networks: Models and Algorithms. Moscow: Book House "LIBROKOM", 2009. 264 p.).
Рябченко Н. А. Институционализация публичной политики в online-пространстве современной России: дис. ... к. полит. н. Краснодар, 2012. 150 с. (Ryabchenko N. A. The Institutionalization of Public Policy in the Online-space of Today Russia: dis. ... cand. polit. nauk. Krasnodar, 2012. 150 p.).
Рябченко Н. А. Теоретическое обоснование феномена политического конденсата // Субъ-ектность в политике: трансформации современной публичности, идентичность и политическое действие: материалы Всероссийской школы молодых ученых. Краснодар: Кубанский гос. ун-т, 2013. С. 173-176 (Ryabchenko N. A. Theoretical Study of the Phenomenon of Political Condensate // Subjectivity in Politics: The Transformation of Modern Publicity, Identity and Political Action: Proceedings of the All-Russian school of young scientists. Krasnodar: Kuban State University Press, 2013. P. 173-176).
Тоффлер Э. Третья волна / пер. с англ. М.: ООО «Издательство АСТ», 2002. 800 с. (TofflerE. Third Wave / trans. from English. Moscow: "Publisher AST", 2002. 800 p.).
УрриДж. Социология за пределами обществ: виды мобильности для XXI столетия. М.: Изд. дом ВШЭ, 2012. 336 с. (Urry J. Sociology Beyond Societies: Mobilities for the Twenty-First Century. Moscow: GU-VshE, 2012. 336 p.
Barnes J. Class and Committees in a Norwegian Island Parish // Human Relations. 1954. N 7. P. 39-58).
Broadbent S. R., Hammersley J. M. Percolation Process, Crystals and Mazes // Proc. Cambridge Philos. Soc. 1957. N 53. P. 629-641.
Bron C., Kerbosch J. Algorithm 457: Finding all Cliques of an Undirected grAph // Communication of ACM. 1973. Vol. 16, N 9. Р. 575-577.
Bukvova H. Studying Research Collaboration: A Literature Review. 2010 // http://sprouts.aisnet. org/826/1/ResearchCollaboration.pdf (date of access: 12.12.2014).
Granovetter M. S. The Strength of Weak Ties // American Journal of Sociology. 1973. Vol. 78, N 6. P. 1360-1380.
Hampton K., Wellman B. Neighboring in Netville: How the Internet Supports Community and Social Capital in a Wired Suburb // City and Community. 2003. N 2 (4). P. 277-311.
Luce R. D., Perry A. D. A Method of Matrix Analysis of Group Structure // Psychometrika. 1949. Vol. 14, N 2. Р. 95-116.
Watts D. J., Strogatz S. H. Collective Dynamics of "Small-World" Networks // Nature. 1998. Vol. 393. Р. 440-442.
White H. C. Identity and Control: How Social Formations Emerge. Princeton. New Jersey: Princeton Un-ty Press, 2008. 456 p.
ПОЛИТЭКС. 2014. Том 10. № 3
