CC BY
73Особенности исследования процесса формирования сообществ социальных сетей в сети ВКонтакте
Орлова Вера Вениаминовна,
доктор социологических наук, наук, профессор, заведующий кафедрой философии и социологии (ФиС), Томский государственный университет систем управления и радиоэлектроники (ТУСУР) E-mail: orlova_w@mail.ru
Перин Антон Сергеевич,
кандидат технических наук, доцент кафедры сверхвысокочастотной и квантовой радиотехники (СВЧиКР), Томский государственный университет систем управления и радиоэлектроники (ТУСУР) E-mail: anton.s.perin@tusur.ru
Александрова Юлия Константиновна,
научный сотрудник, центр прикладного анализа больших данных, Национальный исследовательский Томский государственный университет (НИ ТГУ) E-mail: jalexandrova@data.tsu.ru
Петров Евгений Юрьевич,
техник 2 категории, Центр прикладного анализа больших данных, Национальный исследовательский Томский государственный университет (НИ ТГУ) E-mail: jalexandrova@data.tsu.ru
Гойко Вячеслав Леонидович,
директор, Центр прикладного анализа больших данных, Национальный исследовательский Томский государственный университет, (НИ ТГУ) E-mail: goiko@data.tsu.ru
Статья посвящена выявлению особенностей исследования процесса формирования сообществ социальных сетей в ВКонтакте. В процессе исследования установлено, что анализ особенностей создания сообществ социальных сетей связан с проблемой оценки точности и качества выделения кластеров, формализации узлов графов. Характеристики, размещаемые пользователями в своих профилях, формируют массив значимой социологической информации. Благодаря использованию сетевого анализа возможно установитьуровень сплоченности, идентифицировать подгруппы, обозна-читьузлы сети, а также выявить траектории распространения данных в пространстве «искусственной социальности».
Ключевые слова: социальные сети, методы анализа, наборы данных, динамика сетей, сеть ВКонтакте.
«Работа выполнена при финансовой поддержке РФФИ 20-011-3154 опн.»
Введение
Современное виртуальное пространство активно развивается последние 20 лет, поглощая страны и поколения людей. С одной стороны, это связано с техническим прогрессом и является важнейшим достижением человечества, а с другой стороны, со стороны общества, при росте возможностей технической и коммуникационной сферы наблюдаются изменения, которые необходимо оценивать и на их основе учиться предсказывать развитие общества.
В настоящее время единой практи-ко-методологической базы под такими исследованиями нет, они являются многоаспектными и разнонаправленными. Из этого вытекает научная проблема для исследования, которая заключается в формировании теоретических подходов к изучению поведения людей в социальных сетях, понимании условий для образования различных групп, на базе социальных сетей. Важно понимать влияние внешних и внутренних факторов на изменения активности в социальных сетях, что позволит разработать методики диагностики и получения разного рода оценок, необходимых для изучения рисков и направления стратегий.
В качестве объекта изучения, выступают не привязанные к идентификации человека факты, протекающие в социальных сетях, такие как: лайки, селфи, показ фотографий, распространение информации и др. Изучению этих аспектов посвящено большое количество исследований, однако, до сих пор не сформулировано общей практико-методологической основы, согласно которой, с единых позиций возможно трактовать процессы, протекающие в социальных сетях, видеть тенденции и особенности. Личное общение в большей части стало заменяться на общение через посредника -Интернет сер-
38
вис. Исторически, первой социальной-сетью считается портал «Classmates», созданный в 1995 году, который стал не только популярным, но и определил вектор дальнейшего развития медиа-сервисов. В начале 2000-х появились такие мега-сети как Facebook, LinkedIn, др., определившие для себя и имеющие предназначение для деловых контактов, общения и развлечения.
В настоящее время наблюдается период взрывного роста Интернет-сервисов различного назначения (социальные сети (Facebook, Telegram, Twitter, VK и др.), Интернет-магазины (Ali-Express, Amazon и др.), научные сообщества (Researchgate, Linkelnd и др.). Указанные Интернет-сервисы занимают важное место в общении различных групп населения многих стран, но все же не решают каких-то узких задач, под которые создаются узконаправленные сервисы, в том числе и большей части социальные сервисы. С другой стороны, существует привязанность отдельных групп населения к какому-то сервису, что заставляет их использовать несколько профилей в разнообразных сервисах, для того чтобы общаться с разными группами людей. Ориентации каждой группы людей и ее функции в социальных сетях могут значительным образом отличаться друг от друга, поэтому, изучение профилей, которые принадлежат одному человеку, в нескольких сервисах, дает возможность определить направления его общения. Подобная информация очень востребована для решения многих практических задач информационного поиска, разработки телекоммуникационных компаний, создания рекомендательных систем и т.д.
Анализ исследований и публикаций
Использование цифровых технологий становится обычной практикой в повседневной жизни, в связи с этим актуализируется необходимость разработки методов изучения их влияния и последствий их влияния на поведение людей, их ценностные ориентации, поведенческие стратегий. Следует отметить, что иссле-
дованием феномена социальных сетей в электронной среде общения занимались Ф. Фукуяма (1995), П. Бурдье (2007), Г. Зиммель (2002), Д.К Оулман (2001) и др. Эти авторы проводили анализ архитектуры и специфики социальных сетей, пытали обозначить и найти решения проблемы социального капитала, который является особым ресурсом, влияющим на динамичность социальных сетей.
Из числа прикладных исследований отметим работы С. Кейслера, Л. Спро-ула (2001), М. Кастельса (2009), которые посвятили свои работы изучению различных аспектов социальных сетей. Значимый вклад в изучение новых возможностей информационных коммуникационных технологий внесли отечественные ученые: Я.Н. Засур-ский (1999), Д.А. Губанов, Д.А. Новиков (2010, 2014), Лещенко (2011). Социальные медиа представляют собой пространство массовой информации, где обнаруживаются идентификационные маркеры пользователей, такие как интересы, предпочтения, настроения, интеграционные векторы.
При анализе активности в социальных сообществах значимую роль играют большие данные, которые дают возможность исследовать данные о поведении людей в реальной жизни, кто, где, с кем взаимодействует, в том числе изучения социального «заражением». Такие данные позволяют наблюдать за онлайн-активностью, через социальные связи паттернов установок, эмоций (Christakis N.A., Fowler J.H.(2013).
Кроме того, большие данные отличаются от других информационных коммуникационных средств не только значительным объемом, высокой скоростью аккумулирования (они формируются здесь и сейчас, их объем может возрастать каждую секунду), но и согласно Р. Китчену, многообразием форм, высокой дискретностью, гибкость, что дает возможность добавлять новую информацию и расширять ее объем (Kitchin, 2014).
Для понимания идентификации пользователя в социальных медиа особую роль играют концепты феноме-
39
нологической философии (М. Шелер, М. Мерло-Понти, Э. Гуссерль). В наработках указанных авторов задача идентификации (распознавания) личности решается путем анализа особенностей конструирования жизненного пространства, как личностного проявления социального мира на основании ценностных предпочтений. В социальных науках проблема идентификации и идентичности близкие по значению термины. Специфика первого заключается в отождествлении себя с другими, группой. Второй термин отражает устои, ценности и взгляды личности на жизнь. Согласно экзистенциональной философии (С. Кьеркегора, Ж-П. Сартра, А. Камю) принятие личностью судьбоносного решения приводит к формированию личностной идентичности. Наиболее известной работой, которая посвящена идентификации пользователей социальных сетей является публикация Велдмана (Veldman, I.(2009) Matching Proles from Socia Network Sites. Master'sthesis, University of Twente.). В своем труде автор представил множество «эвристических приемов», которые используют информацию о профилях, а также данные о связях между ними.
В.С. Ерохин (2012) рассматривает проблему личностной идентификации в ситуации риска, связывая с проблемой соотношения Я и Другой. Возможность поиска оснований для совместного существования социальных субъектов и ситуации некорректного толкования представленных «культурных кодов» в социальной реальности позволяет говорить о том, что к рисковой среде можно отнести и социальные медиа. В рамках нашего исследования существенное значение имеет работа Н. Байма «Личные связи в цифровую эпоху» (Baym, 2010), где автор рассматривает проблему использования опосредованного языка и невербального поведения, которые пользователь применяет для развития и поддержания сообществ в социальных сетях, в том числе представителей разных университетов, поиска новых отношений, а также
для поддержания отношений в повседневной жизни.
Таким образом, большинство исследований цифрового виртуального пространства в различных направлениях и областях знания определяет необходимость их систематизации и объединения в единую научную парадигму. Кроме того, отсутствие научного анализа потенциала (позитивного/деструктивного) потенциала социальных рисков, идентификации, стратегии обуславливает необходимость проведения теоретического и эмпирического исследования в данном направлении на основе междисциплинарности, что существенно дополнит имеющиеся научные знания о исследуемой проблеме.
Основная часть
Электронные социальные сети или как их еще называют социальные медиа в настоящее время приобретают черты координационного центра социальных отношений и связей в глобальном пространстве, который регулирует коммуникативные процессы в рамках социальных систем. Они создают не пространство неограниченного общения в виртуальном мире и привлекают всё большее число россиян. Согласно информации Мирового Интернет Проекта (МИП) [World Interne tProject], в 2014 годе около 60% россиян использовали социальные сети, 30,2% каждый день размещают свой контент в них (комментарии или фотографии), 34,4% загружают аудио- и видеоконтент из социальных сетей. Одни пользователи социальных сетей используют их для простого времяпровождения (в большей мере общение), другие занимаются зарабатыванием денег (блогеры), а третьи целенаправленно решают определенные задачи разной направленности. Использование ресурсов социальных сетей зависит от возраста, от региона, от обеспеченности пользователя, от его эрудированности и образованности и других факторов.
Современное состояние проблемы в области изучения активности пользователей в социальных сетях позволяет выделить несколько направлений исследований:
40
1. Обнаружение сообщества различными методами связано с проблемой оценки точности и качества выделения кластеров. Одной из проблем, влияющих на точность выделения сообществ, являются проблемы разделения узлов графа на группы, по каким-то критериям, которые не являются унифицированными, в кластерном анализе количество кластеров часто заранее определяют, однако, на самом деле их число неизвестно.
2. Визуализация результатов кластеризации, выделения узлов графов, статистического анализа требует разработки некоторой специфической системы, для компактного и понятного вида.
3. Изучение структуры сообщества для решения задач безопасности: предотвращение потенциальной уязвимости и угрозы безопасности, повреждение сети и распространение компьютерных вирусов и червей и т.п.
4. Социальные сети активно развиваются и расширяются в пространстве и времени. Это придает их характеристики динамических сетей, для изучения которых необходимо строить не статические, а сложные динамические графы или другие подходы.
5. В социальных сетях обычно много изменений вносится пользователями, которые присоединяются к различным новым сообществам или выходят из других сообществ, используя разные понятия социальных сетей создают перекрестные, многоуровневые знакомства. Это все требует разработки новых математических подходов.
6. Использование социальных сетей для решения задач обучения становится новым, развивающимся направлением работ.
7. Сетевые подходы используются для построения систем онлайн купли-продажи товаров.
8. Изучается и взаимосвязь характеристик личности с активностью пользователей социальных сетей, что позволяет определить критерии их дифференциации согласно принципу их активного присутствия в сети, а также в соответствии с уровнем их направленности.
В основе социальных медиа лежат профили пользователей. Он создают пространство неограниченного общения людей, обеспечивают взаимодействие пользователей в сообществе «искусственной социальности». Характеристики, размещаемые пользователями в своих профилях, являются значимой социологической информацией. Благодаря использованию сетевого анализа возможно установить уровень сплоченности, идентифицировать подгруппы, установить узлы сети, а также обозначить траектории распространения данных в пространстве «искусственной социальности». Существенная доля пользователей не ставит своей целью быть анонимными. Помимо этого, цифровой след, который оставляют посетители сетей дает возможность определять цифровые компетенции, которыми они владеют.
Европейскими исследователями цифровых компетенций была составлена теоретическая модель цифровых компетенций, в состав которой входит информационная грамотность, коммуникация и сотрудничество, кибер-безопасность, создание цифрового контента, решение проблем в цифровом пространстве [1].
Первоначально анализ социальных сетей осуществлялся в рамках изучения Интернет-сферы, и только в последние 10 лет эта проблематика выделилась в отдельный исследовательский предмет (Мохначев А.П. Социальные сети как феномен современности, 2011, Без-богова М.С, Ионцева М.В. Социально-психологические аспекты взаимодействия пользователей в соцсети, 2016). Говоря о интернет сообществах, необходимо вспомнить о том, что пользователи, зарегистрированные в социальной сети, объединяются в сообщества, лишь вступая в регулярные взаимодействия, обменивается ссылками, мнениями, комментариями, контентом. Таким образом, одним из объединяющих факторов выступает темы сообщества. Вторым - люди, состоящие в данном сообществе, поднимающие или снижа-
ющие престиж группы (по классификации Э. Берна).
Эвристический потенциал использования больших данных позволяет расширить методический арсенал и преодолеть ограничение существующих традиционных методов сбора и анализа. Формально можно считать, что активность пользователя в сети является однородной, так как связана с передачей некоторой информации от одного пользователя к другому. Технические усовершенствования сетей позволили помимо текстовой информации передавать голосовую и видео информацию, а также оставлять формализованное мнение об открытой части переписки (лайки), пересылать другим пользователям понравившеюся информацию (репосты), оставлять текстовые комментарии.
Таким образом, в настоящее время, в социальных сетях появилась информация, которая позволяет дифференцировать группы пользователей по их активности в рамках технических возможностей той или иной социальной сети. Нами исключаются сетевые структуры, предназначенные для продажи товара, так как там не содержится информации о активности одного пользователя по отношению к материалам другого пользователя, а лишь выражается мнение о товаре. Это тоже важная информация, но лишь только для маркетинговых служб промышленных предприятий. На основе выбранной из с сетей обезличенной информации об разнотипной активности пользователей, нами предлагается выполнить анализ временной последовательности сообщений, разбить на группы, по определенным критериям.
Методология исследования
Сбор данных в социальной сети «ВКон-такте» осуществлялся с помощью API (application programming interface). API упрощает создание кода, поскольку предоставляет набор готовых классов, функций или структур для работы с имеющимися данными. API ВКонтакте - это интерфейс, который позволяет получать
информацию из базы данных vk.com с помощью http-запросов к специальному серверу. Большим преимуществом данного метода является то, что для получения данных не нужно знать в подробностях, как устроена база, из каких таблиц и полей каких типов она состоит -достаточно того, что API-запрос об этом «знает». Синтаксис запросов и тип возвращаемых ими данных строго определены на стороне самого сервиса. Users. get - название метода API ВКонтакте. Методы представляют собой условные команды, которые соответствуют той или иной операции с базой данных - получение информации, запись или удаление. Например, users.get - метод для получения информации о пользователе (имя, фамилию, пол, город, статус, место учебы/работы и т.д.).
С помощью метода getSubscriptions можно получить список идентификаторов сообществ, на которые подписан пользователь, и по этим идентификаторам уже можно запросить информацию о самом сообществе (название, описание, количество участников и т.д.). Помимо этого, API ВКонтакте включает в себя методы для получения данных со стены сообщества или со стены пользователя, фотографий, время, когда пользователь находится онлайн и многое другое.
Обсуждение результатов исследования
В рамках исследования фокус интереса авторов направлен на изучение сообществ социальных сетей в сети ВКонтакте Центрального, Сибирского и Дальневосточного федеральные округа, в том числе политических интересов, миграционных потоков. Общая выборка составила более трех миллионов пользователей от 17 до 35 лет.
В процессе изучения интересов молодежи, репрезентирующих в социальный сети ВКонтакте, мы выделили несколько возрастных групп, определили девять сообществ, отражающих политические взгляды пользователей, состоящих в региональных сообществах (рис. 1).
42
43% з4< 45« 5С«
Коммунистические Либеральные
Умеренные
Рис. 1. Политические взгляды пользователей, состоящих в региональных сообществах
Наиболее крупные сообщества (55%) составляют сообщества умеренного типа, девушки от 18 до 35 лет, чуть ниже доля (50%) в данной категории составляют мужчины. На втором месте - сообщества коммунистического и социалистического типа в возрасте до 17 лет (12%, 18% девушки, и 20% юноши). Обратим внимание, что незначительная доля среди девушек и юношей составляет сообщества либерального (3%) и индифферентного типа (1%). Кроме того, 3% среди юношей возраста 18-35 лет составляют сообщества монархического типа.
Анализ миграционных потоков пользователей, состоящих в региональных сообществах, показал, что наибольшую долю «мигрантов» составляют девушки и юноши 17 до 22 лет (53%), что связано в первую очередь с поиском образовательной составляющей (рис. 2).
Рис. 2. Миграционные потоки пользователей, состоящих в региональных сообществах
Анализ контента постов показал, что в основном это образовательная миграция, направленная на получение образования в крупных городах, с наличием известных образовательных учреждений (СФУ, ТГУ, НГУ, др.).
С точки зрения образовательной миграции молодежь включается в различные типы социальных сетей: университетские, региональные, дружеские. Для успешной интеграции в социальную среду молодой человек (пользователь) должен приобрести определенный культурный и социальный багаж, а также освоить необходимые интернет-практики. В целом зоны притяжения образовательной миграции пользователей социальной сети отражают перекачку человеческого капитала, что требует дальнейшего изучения и выявления узлов различного типа.
Выводы
В заключении, необходимо отметить, что использование цифровых методов, современных инструментов и больших данных из открытых источников в сочетании с традиционными методами (например, опросными) позволит обогатить возможности изучения формирования сообществ, интересов молодежи, миграционных потоков, преимуществ и рисков процессов, происходящих в социальных сетях.
В процессе исследования детально рассмотрены направления изучения активности пользователей в социальных сетях. Отдельное внимание уделено значимости и потенциалу использования больших данных, благодаря которым можно дифференцировать группы пользователей по их активности в рамках технических возможностей той или иной социальной сети.
Практический эксперимент проводился в социальной сети «ВКонтакте». В рамках исследования фокус интереса был направлен на изучение сообществ социальных сетей в сети ВКонтакте Центрального, Сибирского и Дальневосточного федеральные округа, в том числе политических интересов, миграционных потоков. В ходе исследования было выделено несколько возрастных групп, обозначено девять сообществ, отражающих политические взгляды пользователей, состоящих в региональных сообществах, также проведен анализ миграционных потоков.
43
Юлитические взгляды пользователей, состоящих в региональны сообществах
иффере
Новизна проводимого исследования заключается в разработке методики диагностики и получения разного рода оценок, необходимых для изучения рисков и направления стратегий.
Литература
1. Meta van der Linden, Marc Hooghe, Thomas de Vroome Extending trust to immigrants: Generalized trust, cross-group friendship and anti-immigrant sentiments in 21 European societies. Published: May 8, 2017 https://doi. org/10.1371/journal.pone.0177369
2. McCallum A., Wang X., Corrada-Emmanuel A. Topic and Role Discovery in Social Networks with Experiments on Enron and Academic Email // Journal of Artificial Intelligence Research 30 (2007) P. 249-272/
3. Шваб К. Четвертая промышленная революция / К. Шваб - «Эксмо», 2016. 127 с.-(Топ Бусинесс Аwардс).
4. Орлова В.В. Репрезентация Цифровой экономики в условиях научно-образовательного комплекса // Наука Красноярья, Том 6, № 4-2, 2017. С.167-169.
5. Законопроект № 747513-7 «О внесении изменений в отдельные законодательные акты (в части уточнения процедур идентификации и аутентификации)», внесн в Государственную Думу Российской Федерации 05.07.2019. См.: https://sozd. duma.gov.ru/bill/747513-7 (Дата обращения 4.112.2020)
6. Прототип коммуникационно-когнитивной платформы для формирования метакоманд / В.В. Орлова, С.В. Глухарева, Ю.О. Лобода, О.В. Кочетков, Д.О. Ноздреватых, О.И. Рекундаль // Вторая международная научная конференция ведущих научных школ в области радиолокации, радионавигации и радиоэлектронных систем передачи информации «Шарыгинские чтения». 30.09-01.10.2020 (впечати)
7. Johanna Gereke, Max Schaub, Delia Baldassarri Ethnic diversity, poverty and social trust in Germany: Evidence from a behavioral measure
of trust. Published: July 18, 2018. https://doi.org/10.1371/journal. pone.0199834 https://journals.plos. org/plosone/article?id = 1 0.1371/ journal.pone.0199834 (дата обращения: 10.11.2020).
8. Коломейченк М.И. Алгоритм выделения сообществ в социальных сетях / М.И. Коломейченко, А.А., Чеповский А.М. Чеповский. // Фундамент. и прикл. матем. - 2015. -Т. 19, Вып. 1. - С. 21-32.
9. Базенков Н.И. Обзор информационных систем анализа социальных сетей / Н.И. Базенков, Д.А. Губанов // УБС. - 2016. - Вып. 41. -С. 357-394.
10. Meta van der Linden, Marc Hooghe, Thomas de Vroome Extending trust to immigrants: Generalized trust, cross-group friendship and anti-immigrant sentiments in 21 European societies. Published: May 8, 2017 https://doi. org/10.1371/journal.pone.0177369 (дата обращения: 25.11.2020).
11. Безбогова М.С., Ионцева М.В. Социально-психологические аспекты взаимодействия пользователей в виртуальных социальных сетях // «Мир науки» (серия Педагогика и психология). 2016. No5 (сентябрь-октябрь), том 4. Аниканова А.А.,
12. Бикен Н.С. Роль виртуальных социальных сетей в организации социальных движений в современной России//Актуальные проблемы гуманитарных и естественных наук. -2016. - No. 1-4.
13. Щекотин Е.В. Цифровые технологии в социальных науках: предмет и метод цифровой социологии // Социология и право. - 2020. - No 1. -С. 49-59.
FEATURES OF THE STUDY OF THE PROCESS OF FORMING COMMUNITIES OF SOCIAL NETWORKS IN THE VKONTAKTE NETWORK
Orlova V.V., Perin A.S., Alexandrova Ju.K., Petrov E. Yu., Goyko V.L.
Tomsk State University of Control Systems and Radio-electronics (TUSUR), Tomsk State University
44
The article is devoted to identifying the features of the study of the process of forming communities of social networks in the VK network. In the course of the study, it was found that the analysis of the features of the formation of communities of social networks is associated with the problem of assessing the accuracy and quality of cluster identification, formalization of graph nodes. The characteristics that users post on their profiles represent significant sociological information. With the help of network analysis, it is possible to identify the degree of cohesion, subgroups, network nodes and trajectories of information dissemination in the environment of "artificial sociality". The large number of social media users results in a huge amount of unstructured data (by time, type of communication, type of message and geographic location). Technical improvements of networks allow, in addition to text information, to transmit voice and video information, as well as to leave a formalized opinion about the open part of the correspondence, to leave text comments. Currently, information has appeared on social networks that allows differentiating user groups by their activity within the technical capabilities of a particular social network. The scientific novelty of the research is the development of diagnostic methods and obtaining various kinds of assessments necessary for studying risks and directing strategies.
Keywords: social networks, methods of analysis, data sets, dynamics of networks, VK.
References
1. Meta van der Linden, Marc Hooghe, Thomas de Vroome Extending trust to immigrants: Generalized trust, cross-group friendship and anti-immigrant sentiments in 21 European societies. Published: May 8, 2017 https:// doi.org/10.1371/journal.pone.0177369
2. McCallum A., Wang X., Corrada-Emmanuel A. Topic and Role Discovery in Social Networks with Experiments on Enron and Academic Email // Journal of Artificial Intelligence Research 30 (2007) P. 249-272 /
3. Schwab K. The Fourth Industrial Revolution / K. Schwab - "Eksmo", 2016. 127 p. -(Top Busness Awards).
4. Orlova V.V. Representation of the Digital Economy in the Conditions of the Scientific and Educational Complex // Science of Krasnoyarsk, Volume 6, No. 4-2, 2017. P. 167-169.
5. Draft Law No. 747513-7 "On Amendments to Certain Legislative Acts (regard-
ing the clarification of identification and authentication procedures)", introduced to the State Duma of the Russian Federation on July 05, 2019. See: https://sozd.du-ma.gov.ru/bill/747513-7 (Date of treatment 4.112.2020)
6. The prototype of the communication and cognitive platform for the formation of meta-teams / V.V. Orlova, S.V. Glukhare-va, Yu.O. Loboda, O.V. Kochetkov, D.O. Nozdrevatykh, O.I. Rekundal // The second international scientific conference of the leading scientific schools in the field of radar, radio navigation and radio-electronic systems of information transmission "Shary-gin Readings". 30.09-01.10.2020 (in print)
7. Johanna Gereke, Max Schaub, Delia Bal-dassarri Ethnic diversity, poverty and social trust in Germany: Evidence from a behavioral measure of trust. Published: July 18, 2018 https://doi.org/10.1371/jour-nal.pone.0199834 https://journals.plos. org/plosone/article?id=10.1371/journal. pone.0199834 (accessed 10.11 .2020).
8. Kolomeichenk M.I. Algorithm for identifying communities in social networks / M.I. Kolomeichenko, A.A., Chepovs-kiy A.M. Chepovsky. // Foundation. and app. mat. - 2015. - T. 19, Iss. 1. - S. 21-32.
9. Bazenkov N.I. Review of information systems for the analysis of social networks / N.I. Bazenkov, D.A. Gubanov // UBS. -2016. - Issue. 41. - S. 357-394.
10. Meta van der Linden, Marc Hooghe, Thomas de Vroome Extending trust to immigrants: Generalized trust, cross-group friendship and anti-immigrant sentiments in 21 European societies. Published: May 8, 2017 https:// doi.org/10.1371/journal.pone.0177369 (accessed 11/25/2020).
11. Bezbogova M.S., Iontseva M.V. Socio-psy-chological aspects of user interaction in virtual social networks // "World of Science" (series Pedagogy and Psychology). 2016. No5 (September-October), volume 4. Anikanova A.A.,
12. Biken N.S. The role of virtual social networks in the organization of social movements in modern Russia // Actual problems of the humanities and natural sciences. -2016. - No. 1-4.
13. Shchekotin E.V. Digital technologies in social sciences: the subject and method of digital sociology // Sociology and law. - 2020. -No 1. -S. 49-59.
45
