CC BY
6
оригинальная статья
DOI: 10.26794/2226-7867-2022-12-5-105-113 УДК 323.3(045)
Профилизация пользователей цифровых сетей социального недовольства в субъектах Российской Федерации*
А. А. Азаров3, В.А. Лукушин", М.А. Давыдова0
а РАНХиГС, Санкт-Петербург, Россия; а ь с Финансовый университет, Москва, Россия
аннотация
В статье представлены результаты прикладного исследования цифровой аудитории, составляющей ядро генерирования и распространения общественного недовольства в российском сегменте социальных медиа. Для профи-лизации интернет-пользователей авторами реализована кластеризации субъектов Российской Федерации по типу социального недовольства. Посредством когнитивного картирования цифрового контента проанализированы содержание и структура информационного потока социального недовольства в каждом выделенном кластере, а также отобраны региональные маркеры, отражающие специфические темы и контексты недовольства. Благодаря автоматизированному социально-медийному анализу получены данные о половозрастной структуре сетей социального недовольства в России. Результаты прикладного исследования отражают значительные различия в структуре сетей социального недовольства, обуславливающие важность применения современных цифровых методик для их идентификации и оценки.
Ключевые слова: социальное недовольство; сети социального недовольства; социальные медиа; цифровая инфраструктура; цифровая среда; цифровые коммуникации; когнитивное картирование; социально-медийная аналитика
Для цитирования: Азаров А.А., Лукушин В. А., Давыдова М. А. Профилизация пользователей цифровых сетей социального недовольства в субъектах Российской Федерации. Гуманитарные науки. Вестник Финансового университета. 2022;12(5):105-113. DOI: 10.26794/2226-7867-2022-12-5-105-113
oRiGiNAL PAPER
Profiling of Digital Network Users of social Discontent in the Russian Federation Regions**
A.A. Azarova, V. A. Lukushin", M. A. davydovac
a RANEPA, St. Petersburg, Russia; a b c Financial University, Moscow, Russia
abstract
The paper presents the results of an applied study of the digital audience, which forms the basis for the generation and distribution of social discontent in the Russian segment of social media. For profiling Internet users, the authors implemented clustering of subjects of the Russian Federation according to the type of social discontent. Through a cognitive mapping of digital content, authors analyzed the substance and structure of the information flow of social discontent in each selected cluster. The research selected regional markers that reflect specific topics and contexts of discontent. Owing to automated socio-media analysis, the authors got data on the gender and age structure of social discontent networks in Russia. The study results reflect significant differences in the structure of networks of social discontent, which determine the importance of using modern digital technics for their identification and assessment. Keywords: social discontent; social discontent networks; social media; digital infrastructure; digital environment; digital communications; cognitive mapping; social media analytics
For citation: Azarov A.A., lukushin V.A., davydova M.A. Profiling of digital network users of social discontent in the Russian federation regions. Gumanitarnye Nauki. Vestnik Finasovogo Universiteta = Humanities and Social Sciences. Bulletin of the Financial University. 2022;12(5):105-113. doi: 10.26794/2226-7867-2022-12-5-105-113
* Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию Финуниверситету.
** The article was prepared based on the results of the research carried out at the expense of budgetary funds under the state assignment to the Financial University.
© Азаров А.А., Лукушин В.А., Давыдова М.А., 2022
постановка проблемы
Увеличение динамики социально-политических процессов в современном мире, сопряженное с разрастанием глобальных кризисов и конфликтов, предъявляет новые требования к выявлению и изучению феномена социального недовольства как важного фактора устойчивости политической системы и общественного развития.
Современные подходы к изучению социального недовольства преимущественно связаны с применением актуальных методик, работающих с цифровой средой, которая постепенно превращается в пространство циркуляции массового общественного недовольства, имеющего различную природу и особенности [1, 2]. Социальные медиа и иные цифровые площадки изменяют устоявшиеся модели выражения и конвертации социального недовольства, требуют использования специализированных инструментов, открывающих доступ к мгновенному обнаружению его первопричин. Одним из важных критериев оценки социального недовольства в онлайн-пространстве является характеристика пользователей, вовлеченных в соответствующие цифровые сети с учетом обозначения их различий. В настоящей статье представлены результаты профилизации аудитории информационного потока социального недовольства в российском сегменте социальных медиа.
теоретическая основа исследования
Теоретическая основа исследования социальной базы сетей социального недовольства в субъектах РФ представлена различными теориями и концепциями: — концепцией коллективного поведения, которая характеризует поведение, присущее большим массам людей как примитивное, иррациональное и агрессивное, что способствует стихийному насилию, сопровождающему подобные массовые форматы [3];
• концепцией социальных движений (которая является продолжением концепции коллективного поведения), чьи представители утверждают, что изменения, сопровождающие общественные движения в обществе, могут инициировать рост напряженности, недовольства и конфликты [4].
Для изучения динамики общественных действий также использовалась теория коллективных действий. При этом выделяются несколько
традиций коллективного действия: деприва-ция, ресурсы, культурные рамки, политическая борьба. Необходимо уточнить, что концепция относительной депривации построена на соотношении существующего и желаемого положения. Депривация возникает, когда люди испытывают лишения, ощущают неравенство по отношению к другим или не оправдываются их ожидания [5, 6].
Ряд исследователей отмечают наличие взаимосвязи между депривацией и политическим насилием. Чем дольше субъекты подвержены относительной депривации, тем больше вероятность, что их состояние приведет к формированию гнева и насилия. Обратной стороной относительной депривации является абсолютная депривация, которая объясняет ситуацию, характеризующуюся падением дохода домохозяйства, сказывающегося на возможности поддержания базовых потребностей [7].
При изучении социального недовольства и протестной активности в современной реальности особое внимание уделяется цифровым аспектам. Мобилизация акций происходит за счет публикации цифровых сообщений в социально-медийном пространстве. Для некоторых групп пользователей, таких как активисты и наблюдатели, подобный формат активности становится единственным легитимным [8].
Актуальные исследования показывают, что причиной существующего в России социального недовольства являются экономические и поко-ленческие разрывы, а также миграционная политика [9]. Говоря о типологии причин социального недовольства, некоторые исследователи исходят из подразделения их на материалистические и постматериалистические. В настоящее время именно постматериалистические ценности все чаще становятся причиной запуска социального недовольства [10]. Трансформация социальных систем, развитие новых движений и взглядов определяют понимание радикальных событий, роста национализма, поляризации лидеров [11].
Отдельно необходимо отметить специфику изучения социального недовольства. Исключительно рациональный подход не позволяет в полной мере определить его уровень. При этом эффективно использовать вопросы, которые отражают субъективную оценку респондентом собственного благосостояния — насколько хорошо или плохо его материальное положение [12]. Ряд качественных исследований, кон-
центрировавшихся на изучении недовольства в контексте избирательного процесса, показали концентрацию латентного недовольства, отсюда выделяются несколько сценариев его выражения — лояльность оппозиционным партиям, протестное голосование и вовлечение в разнообразные протестные форматы активности [13].
методология и методика исследования
Методологическую основу исследования составляет комбинация следующих научных подходов:
• структурно-функционального, обеспечивающего изучение социальных сетей, где выражается недовольство, как дисфункцию цифровой среды [14, 15];
• сетевого, позволяющего исследовать структуру распространения установок социального недовольства в онлайн-сетевом пространстве [16];
• методологии интеллектуального поиска цифровых маркеров социальных и политических процессов (Predictor Mining). Это междисциплинарная область исследований, включающая, в том числе, изучение социального поведения и социального контекста средствами вычислительных систем, а также разработку и использование информационных технологий, которые имеют важный социальный или политический контекст. Predictor Mining позволяет осуществить автоматическую выгрузку информационных потоков, отражающих риторику сетей социального недовольства, а аккумулированный датасет обеспечивает построение моделей поведения пользователей новых медиа в сфере проявления социального недовольства [17].
Для характеристики социальной базы сетей социального недовольства в субъектах РФ были проведены когнитивное картирование цифровых профилей интернет-пользователей, вовлеченных в информационные потоки социального недовольства в российских регионах, а также автоматизированный социально-медийный анализ информационных потоков, репрезентирующих социальное недовольство. Реализация указанных процедур подчинена результатам кластерного анализа, основанного на комплексе показателей, отражающих различные предпосылки возникновения социального напряжения граждан. Инструменты реализации разработанной методики — язык программирования R
и метод complete. Кластерный анализ с применением метода complete состоит в расчете кластеров, где их дифференциация осуществляется на основе расстояния между самыми дальними наблюдениями.
Когнитивное картирование цифровых профилей пользователей было реализовано на основании рейтингования регионов по уровню социального недовольства. По каждому кластеру были отобраны сообщества, генерирующие информационный поток социального недовольства на основании технологии парсинга посредством доступа к инструментам API социальной сети «ВКонтакте». Критерии автоматизированной выгрузки персональных страниц пользователей включают: открытость, наличие регулярной активности, региональную принадлежность. Выборка составила 600 страниц, инструмент обработки — пакет SPSS Statistics V25. Автоматизированный социально-медийный анализ реализован на основании межрегионального банка маркеров — цифровых следов пользователей, собранных на этапе когнитивного картирования. Инструмент анализа сервис-мониторинга социальных медиа — «IQBuzz». Выборка составила 200 тыс. сообщений, опубликованных более чем на 30 наиболее популярных среди россиян цифровых площадках в течение 8 месяцев (01.01.2022-01.09.2022).
результаты исследования
Для формирования групп различных регионов РФ, объединенных схожим уровнем социальной напряженности, был проведен кластерный анализ. Для кластеризации были рассмотрены следующие значимые статистические региональные показатели: соотношение среднедушевого долга и зарплаты, объем задолженности перед банками на одного человека, отношения медианных доходов к стоимости фиксированного набора товаров и услуг, доля людей за чертой бедности и крайней бедности, социально-экономическое положение региона, финансовое благополучие жителей региона, уровень безработицы, количество расследованных преступлений в сфере коррупции, влияние глав субъектов, социальные расходы консолидированного бюджета, результаты последней избирательной кампании на федеральных и региональных выборах, численность пользователей интернета, доступ к широкополосному интернету, качество оказания электронных услуг населению. В общем случае
Рис. 1 / Fig. 1. Кластеризация субъектов РФ по типу социального недовольства, % / Clustering of the russian
Federation regions by type of social discontent, %
Источник/Source: составлено авторами / compiled by the authors.
каждый из этих элементов имеет незначительное влияние на настроения населения, но совокупное действие двух и более элементов в случае их значительного ухудшения, как правило, вызывает существенный общественный резонанс и негативные настроения у населения (рис. 1).
Регионы, вошедшие по итогам кластеризации в первый кластер, характеризуется высокой степенью закредитованности населения (при этом объем кредитных средств средний), а также средним уровнем финансового благополучия, фактически совпадающим с медианным значением по стране, и достаточно низким уровнем безработицы.
В регионах, входящих во второй кластер, наблюдается самый высокий уровень закредитованности населения, однако объем задолженности перед банками ниже медианного значения по стране. Также данный кластер отличается одним из самых низких показателей отношения медианных доходов к стоимости фиксированного набора товаров и услуг. Вместе с тем уровень поддержки власти и рейтинг влияния глав субъектов РФ в данных регионах самые низкие, а также плохие показатели явки на выборы в Государственную Думу.
В третьем кластере — самый низкий по стране показатель отношения медианных доходов
к стоимости фиксированного набора товаров и, как следствие, — самая большая доля людей, находящихся за чертой бедности и крайней бедности, и самый низкий интегральный балл по социально-экономическому положению. Очевидно, что данные регионы демонстрируют худшую динамику вкладов населения. Ответные меры Правительства РФ на указанные выше показатели привели к тому, что в рассматриваемом кластере наблюдается самая большая по стране доля социальных расходов в суммарных расходах консолидированного бюджета, поэтому здесь самый высокий процент поддержки «Единой России» и хорошие показатели явки на выборы.
В регионах, входящих в четвертый кластер, самый большой объем задолженности перед банками на одного человека, при этом — высокое значение показателя отношения медианных доходов к стоимости фиксированного набора товаров и услуг. В целом, все финансовые показатели регионов, входящих в этот кластер, находятся в верхнем квартиле аналогичных показателей по стране.
В представленном фактически одной Москвой пятом кластере — самые высокие финансовые показатели по стране: наименьшая закредито-ванность при наибольших «запасах» населения на вкладах, меньше всего безработных и находя-
щихся за чертой бедности и крайней бедности. Однако показатель явки на выборы — один из самых низких среди выделенных кластеров.
Последний, шестой кластер, отличается средними значениями абсолютно по всем рассмотренным как экономическим, так и социальным показателям.
Когнитивное картирование продемонстрировало существенное преобладание во всех кластерах субъектов РФ личных профилей пользователей, вовлеченных в информационные потоки недовольства. При этом доля локальных или контекстно обусловленных лидеров мнений — достаточно низкая или они полностью отсутствуют, что характерно для первого, второго и четвертого кластеров. Полученные результаты позволяют говорить о том, что преимущественно распространение контента из информационных потоков сетей социального недовольства производится рядовыми пользователями, а не локальными или контекстными лидерами, которые выполняют задачу по генерации подобного контента самостоятельно или через специализированные региональные (городские) цифровые сообщества и страницы в социальных сетях.
С точки зрения персональных ориентаций пользователей все кластеры демонстрируют тенденцию к универсализации причин социального недовольства и ориентации на одну-две доминирующие сферы, в частности недовольство системой государственного управления, сферой ЖКХ и состоянием межнациональных/ межэтнических отношений (третий и шестой кластеры), системой здравоохранения (пятый кластер), социальной и правовой защитой граждан и экологической тематики (второй и четвертый кластеры). У пользователей, проживающих в регионах первого кластера, наблюдается наибольшее рассеивание или отсутствие явно выраженных причин недовольства.
Рассматривая генерируемый пользователями цифровой контент с точки зрения вовлеченности, можно говорить о том, что на личных страницах представителей аудитории в различной степени реализуются первые три этапа классической цифровой «воронки»: информирование, вовлечение и активизация. Дальнейшее удержание в основном берут на себя отдельные сообщества, которые занимаются генерацией подобного контента.
Так, в первом, втором, пятом и шестом кластерах пользователи берут на себя функцию
по информированию и вовлечению. Этап информирования необходим для сообщения о существующей проблеме, этап вовлечения во многом связан со включением друзей и знакомых в обсуждение сложившейся ситуации и генерацией конкретного отношения к ней. Все это позволяет масштабировать аудиторию дискурсов социального недовольства, вовлекать большее количество жителей через сильные межличностные связи.
В третьем кластере пользователи берут на себя функцию вовлечения. Информирование в данных регионах производится через региональные СМИ и сообщества недовольства. Кроме того, в данном кластере осуществляется и активизация сформированного недовольства, что во многом связано с составом пользователей. Для большинства кластеров характерно доминирование личных профилей, и только в третьем и шестом выделяются локально/контекстно обусловленные лидеры мнений, которые во многом и выполняют функцию по активизации недовольства, трансформации его онлайн-форматов в разнообразные оффлайн-модели.
Несмотря на доминирование в четвертом кластере этапа информирования, там также представлены в равных долях процессы вовлечения и активизации, которые реализуются во многом за счет единоличных пользователей — гражданских активистов.
Необходимо отметить особенность пятого кластера, в котором доминирует этап информирования. Подобная ситуация во многом объясняется специфической генерацией контента, который оперативно производится различными социальными группами и также оперативно распространяется. Особая роль в данном процессе принадлежит крупным федеральным лидерам общественного мнения, которые и формируют потоки социального недовольства в столичном регионе.
Благодаря использованию социально-медийного анализа информационных потоков, формируемых аудиторией сетей социального недовольства, получены ее половозрастные характеристики. По результатам обработки не обнаружено значимых различий в региональном разрезе. В большинстве регионов гендерный баланс тяготеет к нормальному распределению, характерному для общественно-политического сегмента социальных сетей в России (рис. 2). Тем не менее доминирование женской аудитории во
100
75
50
25
1 кластер 2 кластер 3 кластер 4 кластер
■ Мужчины ■ Женщины
5 кластер 6 кластер
Рис. 2 / Fig. 2. Гендерная структура информационного потока социального недовольства по кластерам регионов, % / Gender structure of the information flow of social discontent by clusters of regions, %
Источник/Source: составлено авторами / compiled by the authors. 100
75
50
25
1 кластер 2 кластер 3 кластер 4 кластер 5 кластер 6 кластер ■ младше 16 16-25 ■ 26-35 ■ 36-45 ■ 46-55 ■ 56-65 старше 65
Рис. 3 / Fig. 3. Возрастная структура информационного потока социального недовольства по кластерам регионов, % / Age structure of the information flow of social discontent by clusters of regions, %
Источник/Source: составлено авторами / compiled by the authors.
втором и четвертом кластерах можно объяснить не только особенностями в стратегиях использования интернета, но и выявленными ранее проблемными характеристиками. Наличие в регионах экологических проблем, систематическое возникновение кризисных ситуацией в сфере загрязнения воздуха и водоемов, лесные пожары,
исчезновение природных ресурсов, «мусорный кризис» и др. привлекают внимание и приводят к активности женской аудитории, которая склонна заботиться о собственном здоровье, безопасности детей и близких. Аналогичным образом резкое увеличение мужской аудитории в пятом и шестом кластерах объясняется типом
0
0
поднимаемых проблем в региональных сетях социального недовольства.
Еще более равномерное распределение характерно для возрастной структуры информационных потоков, репрезентирующих социальное недовольство населения (рис. 3). Доминирующие возрастные группы 26-35 и 36-45 лет формируют более половины аудитории в каждом из выделенных региональных кластеров. Данные группы наиболее часто сталкиваются с различными социальными трудностями и барьерами, подвержены кризисным ситуациям и влиянию наибольшего числа внешних факторов. Наименее выраженными остаются группы «младшей молодежи» (школьники и студенты), а также граждане пенсионного возраста.
выводы
По результатам проведенного прикладного исследования можно сделать следующие выводы. Во-первых, феномен общественного недовольства является более сложным с точки зрения измерения и оценки, требуя межрегиональной дифференциации на основании широкого перечня показателей, характеризующих как социально-экономическое положение населения, так и особенности его электоральной активности, гражданского активизма, протекания процессов цифровизации. Во-вторых, современные цифровые методики являются крайне функциональными для обнаружения граждан, репрезентирующих социальное недовольство. Социальные сети становятся про-
странством постоянной циркуляции общественного недовольства, что идентифицируется посредством использования инструментов он-лайн-мониторинга. Наиболее перспективным направлением подобных исследований является переход к детальному сегментированию и микро-сегментированию аудитории с учетом конкретных событий, вызывающих общественное напряжение. Внедрение подобных механизмов позволит повысить оперативность обнаружения кризисных ситуаций для более эффективного купирования и противодействия их негативным эффектам. В-третьих, сети социального недовольства в России характеризуются диффузным характером, а набор проблем, провоцирующих недовольство является преимущественно локальным. Таким образом, пользователи не склонны использовать цифровые аккаунты, персональные страницы для распространения через них недовольства или несогласия с конкретными ситуациями. В-четвертых, пользователи данных сетей могут быть охарактеризованы как зрители и вовлеченные, т.е. информированные о разнообразных проблемах и осознающие их, но не включающиеся в них как самостоятельные акторы. В-пятых, наиболее вовлеченными являются взрослые работоспособные граждане — 26-35 и 36-45 лет. В то же время в цифровых сетях недовольства соблюдается гендерный баланс, который может быть нарушен доминированием отдельных контекстов (например, экологических или правозащитных).
список источников
1. Домбровская А. Ю., Огнев А. С., Давыдова М. А., Кащенко Т. Л. Технологии и приемы ценностного воздействия на российских пользователей в региональных сетях социального недовольства. Власть. 2022;30(4):37-42.
2. Парма Р. В. Социологическое измерение недовольства в современном российском обществе. Власть. 2022;30(4):129-136.
3. Лебон Г. Психология народов и масс. М.: Академический проект; 2011. 238 с.
4. Smelser N. Theory of Collective Behavior. N.Y.: Free Press; 1965. 456 p.
5. Tarrow S. Power in Movement: Social Movements and Contentious Politics. 2nd edition. Cambridge: Cambridge University Press; 1998. 271 p.
6. Tarrow S. Power in Movement: Social Movements and Contentious Politics. 3rd edition. Cambridge: Cambridge University Press; 2011. 328 p.
7. Gurr T. R. Why Men Rebel. N.J.: Princeton University Press; 1970. 448 p.
8. Архипова А. С., Радченко Д. А., Титков А. С., Козлова И. В., Югай Е. Ф., Белянин С. В., Гаврилова М. В. «Пересборка митинга»: Интернет в протесте и протест в интернете. Мониторинг общественного мнения: экономические и социальные перемены. 2018;(1):12-35.
9. Плюшкевич О. А. Общественное недовольство в социальных и естественных рамках. Проблема соотношения естественного и социального в обществе и человеке. 2018;(9):182-187.
10. Белоусов А. Б., Давыдов Д. А., Кочухова Е. С. В постматериалистическом тренде: мотивация участников протеста в сквере у театра драмы в Екатеринбурге. Мониторинг общественного мнения: экономические и социальные перемены. 2020;(6):53-72.
11. Carpenter S. R., Folke C., Scheffer M., Westley F. Dancing on the volcano: social exploration in times of discontent. Ecology and Society. 2019;24(1):1-7.
12. Баскакова Ю. М. Недовольные и несогласные: социальное недовольство и его масштабы (Часть I). Мониторинг общественного мнения экономические и социальные перемены. 2013;(2):24-32.
13. Баскакова Ю. М. Недовольные и несогласные: социальное недовольство и его масштабы (часть II). Мониторинг общественного мнения: экономические и социальные перемены. 2013;(3):61-70.
14. Parsons T. Sociological theory and modern society. N.Y.: Free Press; 1967. 564 p.
15. Thompson J. Ideology and Modem Culture. Critical Social Theory in the Era of Mass Communication. Oxford: Polity Press; 1990. 372 p.
16. Emirbayer M., Goodwin J. Network analysis, culture, and the problem of agency. American journal of sociology. 1994;(6):1411-1454.
17. Бродовская Е. В., Домбровская А. Ю., Карзубов Д. Н., Синяков А.В. Развитие методологии и методики интеллектуального поиска цифровых маркеров политических процессов в социальных медиа. Мониторинг общественного мнения: экономические и социальные перемены. 2017;5(141):79-104.
references
1. Dombrovskaya A. Yu., Ognev A. S., Davydova M. A., Kashchenko T. L. Technologies and methods of value impact on Russian users in regional networks of social discontent. Power. 2022;30(4):37-42. (In Russ.).
2. Parma R. V. Sociological dimension of discontent in contemporary Russian society. Power. 2022;30(4):129-136. (In Russ.).
3. Lebon G. Psychology of peoples and masses. Moscow: Academic project; 2011. 238 p. (In Russ.).
4. Smelser N. Theory of Collective Behavior. N.Y.: Free Press; 1965. 456 p.
5. Tarrow S. Power in Movement: Social Movements and Contentious Politics. 2nd edition. Cambridge: Cambridge University Press; 1998. 271 p.
6. Tarrow S. Power in Movement: Social Movements and Contentious Politics. 3rd edition. Cambridge: Cambridge University Press; 2011. 328 p.
7. Gurr T. R. Why Men Rebel. N.J.: Princeton University Press; 1970. 448 p.
8. Arkhipova A. S., Radchenko D. A., Titkov A. S., Kozlova I. V., Yugay E. F., Belyanin S. V., Gavrilova M. V.
"Reassembly of the rally": Internet in protest and protest on the Internet. Monitoring public opinion: economic and social changes. 2018;(1):12-35. (In Russ.).
9. Plyushkevich O. A. Public discontent in social and natural frameworks. The problem of the correlation between the natural and the social in society and man. 2018;(9):182-187. (In Russ.).
10. Belousov A. B., Davydov D. A., Kochukhova E. S. In the post-materialist trend: Protesters motivation in the square near the Drama Theater in Yekaterinburg. Monitoring public opinion: economic and social changes. 2020;(6):53-72. (In Russ.).
11. Carpenter S. R., Folke C., Scheffer M., Westley F. Dancing on the volcano: Social exploration in times of discontent. Ecology and Society. 2019;24(1):1-7.
12. Baskakova Yu. M. Dissatisfied and Dissenting: Social Discontent and Its Scales (Part I). Monitoring public opinion economic and social changes. 2013;(2):24-32. (In Russ.).
13. Baskakova Yu. M. Dissatisfied and Dissatisfied: Social Discontent and Its Scales (Part II). Monitoring public opinion: economic and social changes. 2013;(3):61-70. (In Russ.).
14. Parsons T. Sociological theory and modern society. N.Y.: Free Press; 1967. 564 p.
15. Thompson J. Ideology and Modem Culture. Critical Social Theory in the Era of Mass Communication. Oxford: Polity Press; 1990. 372 p.
16. Emirbayer M., Goodwin J. Network analysis, culture, and the problem of agency. American journal of sociology. 1994;(6):1411-1454.
17. Brodovskaya E. V., Dombrovskaya A. Yu., Karzubov D. N., Sinyakov A. V. Development of methodology and methods of intellectual search for digital markers of political processes in social media. Monitoring public opinion: economic and social changes. 2017;5(141):79-104. (In Russ.).
информация об авторах / about the authors
Артур Александрович Азаров — кандидат технических наук, главный научный сотрудник Центра политических исследований, Финансовый университет, Москва, Россия; заместитель директора Северо-Западного института управления РАНХиГС, Санкт-Петербург, Россия
Artur A. Azarov — Cand. Sci. (Tech.), Chief Researcher, Center for Political Studies, Financial University, Moscow, Russia; Deputy Director, North-Western Institute of Management, RANEPA, St. Petersburg, Russia https://orcid.org/0000-0003-3240-597X artur-azarov@yandex.ru
Владимир Андреевич Лукушин — лаборант-исследователь Центра политических исследований, магистрант 1-го курса факультета социальных наук и массовых коммуникаций, Финансовый университет, Москва, Россия
Vladimir A. Lukushin — Research Assistant, Center for Political Studies, 1st year master's student at the Faculty of Social Sciences and Mass Communications, Financial University, Moscow, Russia https://orcid.org/0000-0001-6185-303X lukushin@aol.com
Мария Александровна Давыдова — лаборант-исследователь Центра политических исследований, магистрант 2-го курса факультета социальных наук и массовых коммуникаций, Финансовый университет, Москва, Россия
Maria A. Davydova — Research Assistant, Center for Political Studies, 2nd year master's student at the Faculty of Social Sciences and Mass Communications, Financial University, Moscow, Russia https://orcid.org/0000-0003-3377-7679 marchikdavydova@mail.ru
Заявленный вклад авторов:
A. А. Азаров — общее руководство исследованием, формулирование проблемного поля исследования, реализация кластеризации субъектов РФ.
B. А. Лукушин — реализация социально-медийного анализа, работа над результатами и выводами, редактирование текста.
М. А. Давыдова — реализация когнитивного картирования, разработка теоретико-методологической основы исследования.
Authors' declared contribution:
A. A. Azarov — general guidance of the study, formulation of the problem field, implementation of Russian regions clustering.
V. A. Lukushin — implementation of social media analysis, working on results and conclusions, text editing. M. A. Davydova — implementation of cognitive mapping, working-out the theoretical and methodological basis of the study.
Конфликт интересов: авторы заявляют об отсутствии конфликта интересов. Conflicts of Interest Statement: The authors have no conflicts of interest to declare.
Статья поступила 19.08.2022; принята к публикации 15.09.2022. Авторы прочитали и одобрили окончательный вариант рукописи. The article was received on 19.08.2022; accepted for publication on 15.09.2022. The authors read and approved the final version of the manuscript.
