CC BY
94
УДК 004.06
DOI: 10.25559/SITITO.14.201803.663-671
ПСИХОЛОГИЧЕСКИЕ ПРЕДИКТОРЫ ПОВЕДЕНИЯ ПОЛЬЗОВАТЕЛЕЙ В СОЦИАЛЬНЫХ СЕТЯХ: ОПРЕДЕЛЕНИЕ, АНАЛИЗ, ОПИСАНИЕ, ИСПОЛЬЗОВАНИЕ
А.С. Сигов, В.В. Баранюк, В.В. Нечаев, О.С. Крылова
МИРЭА - Российский технологический университет, г. Москва, Россия
PSYCHOLOGICAL PREDICTORS COMPLEX CHARACTERIZING HUMAN BEHAVIOR ONLINE: DEFINITION, ANALYSIS, DESCRIPTION, USE
Alexander S. Sigov, Valentina V. Baranyuk, Valentin V. Nechaev, Olga S. Krylova MIREA - Russian Technological University, Moscow, Russia
1 Сигов А.С., Баранюк В.В., Нечаев В.В., Крылова О.С., 2018
Ключевые слова
Аннотация
Психологические предикторы; глубинный анализ больших данных; поведение в социальной сети; внешняя и внутренняя среда пользователя; информационный образ пользователя; негативные личностные тенденции; динамика изменения поведения; межличностное Интернет-взаимодействие; информационное воздействие; влияние метеорологических условий на пользователя; типы темперамента пользователя; мониторинг социальной активности; многофакторный анализ; многомерные матрицы корреляции; нейросетевая обработка Интернет-контента.
Сложившаяся политическая обстановка в мире, резкое обострение экономического и геополитического давления со стороны западных стран требуют проработки подходов к обеспечению психологически безопасного поведения пользователей в информационном пространстве. Именно поэтому данная работа посвящена анализу комплекса социально-психологических предикторов, характеризующих поведение пользователей в Интернет-пространстве, а также многофакторному анализу внешней и внутренней среды пользователя с целью формирования возможностей положительного влияния в случаях выявления негативных личностных тенденций. В статье помимо актуальности исследования указано современное состояние дел в данной области, представлен план работ, включающий конкретизацию цели, а также имеющегося информационного и программно-аппаратного обеспечения. В исследовании планируется: определение комплекса психологических предикторов, характеризующих поведение людей в социальной сети; системно-комплексный, многофакторный анализ внешней и внутренней среды пользователя социальной сети; исследование динамики изменений поведения пользователей с целью выявления периодов, характерных негативным личностным тенденциям, и определения их связанности с влиянием метеорологических условий, сезонности и выявленных случаев оказания деструктивного воздействия на пользователя в социальной сети; определение подверженности влиянию пользователей социальной сети в зависимости от факторов их внутренней и внешней среды. Планируется, что результаты исследования обеспечат возможность оказания точечного положительного воздействия на кластеры пользователей, соответствующие типам темперамента и периодам, характерным или нехарактерным их негативным личностным тенденциям, в том числе выявленным в случаях деструктивного воздействия на пользователя в социальной сети, а также в зависимости от личной переносимости различных метеорологических условий и сезонности, что в совокупности способствует психологически безопасному поведению человека в информационном пространстве.
Посвящается светлой памяти коллеги и хорошего товарища Бориса Борисовича Чумака.
|Об авторах:|
Сигов Александр Сергеевич, академик РАН, доктор физико-математических наук, профессор, президент, МИРЭА - Российский технологический университет (119454, Россия, г. Москва, пр. Вернадского, д. 78), ORCID: http://orcid.org/0000-0003-2017-9186, sigov@mirea.ru Баранюк Валентина Валентиновна, кандидат технических наук, старший научный сотрудник, доцент, МИРЭА - Российский технологический университет (119454, Россия, г. Москва, пр. Вернадского, д. 78), ORCID: http://orcid.org/0000-0001-5048-6940, valentina_bar@mail.ru Нечаев Валентин Викторович, кандидат технических наук, профессор, профессор кафедры инструментального и прикладного программного обеспечения, МИРЭА - Российский технологический университет (119454, Россия, г. Москва, пр. Вернадского, д. 78), ORCID: http://orcid. org/0000-0001-7171-3874, nechaev@mirea.ru
Крылова Ольга Сергеевна, старший преподаватель, МИРЭА - Российский технологический университет (119454, Россия, г. Москва, пр. Вернадского, д. 78), ORCID: http://orcid.org/0000-0002-5326-9981, mail.olga.krylova@yandex.ru
Vol. 14, no 3. 2018 ISSN 2411-1473 sitito.cs.msu.ru
Modern Information Technologies and IT-Education
Keywords
Abstract
Psychological predictors; in-depth analysis of big data; behavior in social network; user's internal and external environment; informational image of the user; negative personal trends; changes behavior dynamics; interpersonal online interaction; informational influence; the influence of meteorological conditions on the user; the types of user's temperament; monitoring of social activity; multivariate analysis; multivariate correlation matrix; neural network processing of the Internet content.
Abstract
Current political situation in the world needs elaboration of approaches to ensuring a psychologically safe behavior of users in the information space. That is why significant problem is to analyze the complex of so-cio-psychological predictors characterizing user's behavior on the Internet space, as well as multivariate analysis of external and internal environment with the aim of providing opportunities of positive influence on the network users in case of negative personal tendencies. Planned: identify a set of psychological predictors; system-integrated, multi-factor analysis of the external and internal environment of the user; study of the dynamics of user behavior changes in order to identify periods characteristic of negative personal tendencies, and to determine their connection with the influence of meteorological conditions, seasonality and identified cases of a destructive impact on the user; determination of exposure to the influence of social network users, depending on the factors of their internal and external environment. Results of the study will provide the ability to provision point to a positive impact on the clusters of users corresponding to the types of temperament and periods, characterized or uncharacterized of their negative personal trends, including those identified in the cases of destructive impact on the user's of social network, and depending on the personal tolerance of different weather conditions and seasonality, which together contributes to a psychologically safe human behavior in the information space.
Введение
Политическая обстановка в мире, сложившаяся в настоящее время, резкое обострение экономического и геополитического давления со стороны западных стран требуют проработки подходов к обеспечению психологически безопасного поведения пользователей в информационном пространстве. Одной из фундаментальных научных задач в области социальной и когнитивной психологии в Интернет-пространстве является изучение самопозиционирования пользователей, их межличностных Интернет-взаимодействий, а также восприятия, осознания и осмысления генерируемого и используемого контента. Перечисленные выше факторы в совокупности отражают возможные деформации менталитета, состояние физического и психического здоровья, а также социальные устремления и предпочтения человека. В рамках изложенного все большую актуальность приобретает формирование ориентированных на конкретного человека подходов к образованию и здравоохранению за счёт адаптированной именно для индивида подачи информации о здоровом образе жизни, культурных и социальных ценностях. Помимо этого, благотворное влияние в Интернет-пространстве на формирование ценностно-смысловой сферы человека значимо при выявлении депрессивных состояний пользователей, симптомов психических заболеваний и даже высокого риска волны самоубийств. Проработка механизмов положительного влияния на пользователей необходима в рамках противодействия проявлениям терроризма и экстремизма в сети. В частности, таким как привлечение детей и подростков к квестовой «игре» суицидального характера типа «Синий кит» или «Тихий дом», в результате которых по данным СМИ [1-3] зафиксирован ряд случаев доведения детей и подростков до суицида.
Таким образом, научной задачей, на решение которой направлено исследование, является анализ комплекса психологических, социальных и социально-психологических предикторов, характеризующих поведение пользователей в Интернете, а также многофакторный анализ внешней и внутренней информационной среды пользователя с целью формирования совокупности факторов и возможностей их положительного влияния на пользователей сети в
случаях выявления негативных личностных тенденций.
По результатам анализа открытых источников, в качестве наиболее значимого исследования в данной области, следует отметить систему английской компании Cambridge Analytica (CA) [4], разработанную по методике Михаила Косински. Указанная система использует технологии глубинного анализа данных для разработки стратегической коммуникации в ходе избирательных кампаний в Интернете. Специалисты CA предположительно оказали влияние на итоги голосования по выходу Великобритании из Европейского союза и на другие значимые события. Используемая в СА методика даёт возможность получать результат психологического поведенческого анализа пользователей социальной сети «Facebook», сформированный на основе модели «Большая пятерка». Данная модель ориентирована на определение личности человека на базе его пяти черт: экстраверсии, доброжелательности, добросовестности, нейротизма и открытости опыту. В соответствии с полученными психологическими характеристиками специалисты СА сегментируют аудиторию и отправляют пользователям адресные послания с той информацией, на которую каждый отреагирует нужным образом. Вариации посланий могут различаться как в принципиальном значении, так и в мельчайших деталях (заголовки, фоновые цвета, использование фото или видео в посте и т.д.), чтобы максимально точно психологически подстроиться под конкретного получателя информации.
Данная методика основана на сочетании анализа больших данных с бихевиоризмом с целью формирования влияния на поведение избранной аудитории. По данным «Facebook» около 270 000 пользователей прошли психологический тест, результаты которого вместе с данными более 50 000 000 аккаунтов были использованы специалистами СА для создания психографических профилей [5]. Также интерес представляют работы [6, 7].
При этом следует отметить, что в настоящее время проходят судебные разбирательства между социальной сетью «ВКон-такте» и ООО «Дабл» («Double Data») - разработчиком программного обеспечения для банковской сферы, являющимся резидентом Сколково, по анализу большого объема данных. 17 июля 2018 года Суд по интеллектуальным правам рассмотрел
Современные информационные технологии и ИТ-образование
Том 14 № 3 (2018) ISSN 2411-1473 sitito.cs.msu.ru
дело по иску владельца социальной сети «ВКонтакте» к «Double Data» об использовании последним открытых данных из социальной сети «ВКонтакте». В настоящее время суд удовлетворил кассационную жалобу «Double Data», отменив постановление апелляционной инстанции против него [8].
Судебный запрет на бесконтрольный сбор и использование пользовательских данных - не первый подобный случай в мировой практике. В частности, политика социальной сети «Facebook» запрещает использовать данные пользователей для принятия решений о том, одобрять ли заявление на получение кредита. В России до сих пор не до конца определено, что считать пользовательскими данными, а что - персональными. Использование последних регулируется законом «О персональных данных» (к таким относят данные, позволяющие определить личность человека). Регулирование для остальных типов данных только разрабатывается [9].
Важно отметить, что подобные спорные вопросы имеют косвенное отношение к планируемому исследованию, т.к. для апробации предлагаемых подходов и методик будут использованы обезличенные данные пользователей.
Целью исследования является определение и анализ комплекса психологических предикторов, характеризующих поведение людей в Интернете на основе системно-комплексного, многофакторного анализа их внешней и внутренней среды.
Достижение цели планируется посредством решения следующих задач:
1) определение комплекса психологических предикторов, характеризующих поведение людей в социальной сети;
2) системно-комплексный, многофакторный анализ внешней и внутренней среды пользователя социальной сети [10 - 13];
3) исследование динамики изменений поведения пользователей с целью выявления периодов, характерных негативным личностным тенденциям, и определения их связанности с влиянием метеорологических условий [14], сезонности и выявленных случаев оказания деструктивного воздействия на пользователя в социальной сети [15 - 17];
4) определение подверженности влиянию пользователей социальной сети в зависимости от факторов их внутренней и внешней среды.
Исследование планируется на базе имеющегося экспериментального оборудования, обеспечивающего возможность хранения необходимого объема данных и его оперативную обработку, с ис-
пользованием разработанного программного обеспечения. Программное обеспечение включает модули, обеспечивающие анализ информационного образа пользователя и контента в части:
- построения и визуализации графа, описывающего коммуникации пользователя [18];
- определения причастности пользователя к бот-сети (анализ на бот-активность друзей и подписчиков) [19];
- анализа изображений пользователя на наличие определенной символики [20];
- определения музыкальных предпочтений пользователя [21];
- определения тональности текстовых сообщений пользователя [22].
Также планируется использование ROLAP-Mining системы [23], обеспечивающей:
- сбор открытых данных в социальной сети;
- интеллектуальный анализ данных;
- визуализацию результатов исследования.
Примеры результатов обработки данных с использованием разработанного программного обеспечения, представлены на рисунках 1- 6.
Рис. 1. Результаты построения графа пользователя социальной сети Fig. 1. The results of the construction of the social network user graph
Q Sergey Burov (2117092) 259 211(81.5%) 48(18.5%)
Q Irka Zakharova (136991) Uli 844 <76.0%)
Qlgor Nikolaev (125173) 955 813 (8S.1%) №íl4WI ^Д
П Alexey Gerasimov (8398350) 1079 830 (76.9%) гввы» ^Д
Q Marina Koroleva (2354127) 151 124 (82.1%) "а7Ж| ^Д
QY&n Kam (207977875) 96 87 (90.694) ^д
П Naulya De g ty are va (136347889) 97 87 (89.756)
П Ivan Dmitriev (161579474) 186 165 (88.7%) ^д
Ц And rey Telebin (246B28) 828 677 (81.8%) ^д
Q Krislina La.ni se va (609444) 387 317(81.9%) 70(19.1*]
Q Olga Krylova (16694) 808 627(77.6%) шагл*' ^д
Всего друзей: 808
PI 4919
□ 5892
□ 9342
□ 15276
□ 15676
□ 15763
□ 15797
□ 15823
□ 15846
□ 15862
□ 15870
□ 15875
□ 15884
□ 15892
□ 159D1
Реальн Бот ni
Данные эагр Данные загружен
Данные загр Данные загружен
Дан»
агруж.
. Данные загружены. .. Данные загружены, атель. Данные загружены. Данные загружены.
Данные загружены.
агруж.
ь. Данные загру >ватель. Дайны :ватель. Данньн
Рис. 2. Результат определения бот-программ Fig. 2. Bot definition result
Vol. 14, no 3. 2G1S ISSN 2411-1473 sitito.cs.msu.ru
Modern Information Technologies and IT-Education
Электронная - 9.5%
Танцевальная - 9%
поп рш»
■ ■ Шш
Классьжа - S .6? <
Рис. 3. Результаты определения жанров аудио объектов пользователя Fig. 3. The results of determining the genres of user's audio objects
Тональность постов
Рис. 4. Результаты сравнения предпочитаемых пользователями жанров аудио объектов в разных городах (Воронеж, Тула) Fig. 4. The results of the comparison of user-preferred genres of audio objects in different cities (Voronezh, Tula)
Тональность
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1
Средняя тональность по пользователям
Имя
СМ СП CN1
СП СП tp СП
» Ф $
N О И N
К й 15 «
iiiln ш IIII
0.0000
Имя
■ ager atelc best bratl
U anc; И21
■ id29 id44
■ id31 id97
■ idl3 irusz
■ kasy kijirr
■ la_fl lizov
| mar sleep
Анагснзируемын текст Тип записи Значение тональности
[Пропал подросток",1 сделайте репост] КЗЗЗЯ иааашзн
[ [Вместе и действующий вулкан по плечу ;)*] post 0,967983842
[ [Именинник как всегда шикарен) #мураеейза30'] post 0,99979943
; [Отличная недели у нас с тобой была1} post 0,936061919
| [Хорошие цифры для начала)'] post 0,999415517
: [Полная версия предложения] ФКрылыши'] post 0,837869704
| [Будь причиной для чьей-то веры б доброту людей ] copy 0,808110877
; [Неожиданное поздравление от бывших студентов еще и с приездом на работу - бесценно',' Спасибо большое, ребят"] post 0,676318563
[Поймать на горе ратрак - к интересному дню под завершение поездки1] post 0,987579043
1Р - ¡воспоминаниями о вейке, а обратно в поиске спуска туда, куда местные уверяли, что доехать нельзя',' но у нас то ■■получилось)"] post 0,838545945
¡(([Уже много где успели побывать, но столько пухляка ещё не удавалось поймать" Друзья, горы, скорость, солнце. КаШнетронутый снег - незабываемый день фрирайда)1] post 0,803029723
■Ц [Потрясающий',' солнечный',1 елочный",1 полноценный картельный день после ночных сборов, рабочего дня, 1 £■ пятичасового перелета, трехчасового трансфера н всё почти без сна и еды)'] post 0,747628641
И ['Фр прайд; рада, что остались живы'.1 Ожидания были о значительно более простом спуске, без получасового ^восхождения на сильном ветру по узкому гребню, без схода хоть и маленькой, но все же лавины, без следов медведя, Н&ез необходимости прыжков через ручей',' Очень страшно',' Но здорово, что это было, и что все хорошо закончилось'] post 0,652236952
МЯ[В эту ужасную погоду так вдохновил вечерний эфир на Европе Плюс с труппой Пицца: парень оказывается заикается, ||||но при этом так замечательно поет',' а мы порой, имея все возможности, непонятно почему не верим в свои сипы)1] post 0,500002052
■Я[ВНИМАНИЕ', ' 8 центре зала м', 'Сходненская на лавочке сидит бабушка',' Где живет не помнит1,' Путается в ответах',' Ш Может в дальнейшем находиться в милиции',' Помогите пожалуйста распространить',' Спасибо"] copy 0,222551444
Я [Как же утром в понедельник хочется обратно в отпуск"] post 0,10066605
■ [Попугайчик ориентировочно 4 годика, живет в ветеринарке',' Хозяева принесли на усыпление, отгрыз себе когти1,' Щ Почему не понятно',' Может кто возьмет себе, жалко птичку',' Себе взять никак не могу ибо два кота и свой полугай( Если | |не сложно перепост может кто то заинтересуется',' Усыпить планируют в ближайшее время'] copy 0,02192685?
Рис. 5. Результаты определения тональности текстовых сообщений Fig. 5. The results of determining of the tone of text messages
Современные информационные технологии и ИТ-образование
Том 14 № 3 (2018) ISSN 2411-1473 sitito.cs.msu.ru
Обработка группы
Введите URL-адрес группы или пользователя:
URL адрес Группа Пользователь
Обработать
Результаты:
Результат по группе: 0.7S
Рис. 6. Результаты анализа изображений с целью выявления символики (объект - кит) Fig. 6. The results of image analysis to identify symbols (object - whale)
0 1 2 3 4 5 6
City Views count Views count Views count Views count Views count Views count Views count
Волгоград 16464 13782 9436 16509 11410 13204 17625
Воронеж 54630 26816 24189 34114 24168 32840 57391
Екатеринбург 72456 48262 46108 74914 87830 66080 57422
Казань 64984 35130 39501 35819 48273 56085 55966
Краснодар 42309 25869 22362 27816 21156 29479 25176
Красноярск 33788 22849 12605 22199 20171 20325 29655
Москва 211135 142780 161088 149426 148490 196763 177815
Нижний Новгород 47578 33583 32614 34351 34119 45104 48630
Новосибирск 46650 28289 27285 24356 34867 41313 40065
Омск 20570 16486 10398 13422 15623 19198 24019
Пермь 32108 26410 21162 29721 25704 26253 30596
Ростов-на-Дону 37880 29995 24243 29429 22493 36252 30806
Самара 26627 14383 7091 14092 15643 14777 20543
Санкт-Петербург 206490 124416 123046 111024 130767 138545 192934
Саратов 13482 14159 7317 14114 13584 16564 27808
Тольятти 6779 7031 4975 2775 4438 6299 6240
Тюмень 8784 4223 8323 5608 7142 7653 12185
Уфа 15508 12079 15144 21334 15163 13517 57718
Челябинск 46240 25267 23840 27974 23080 28893 37513
Днепропетровск (Днепр) 24688 15831 15276 21278 19549 22784 31424
Донецк 17554 6570 12398 10735 9421 12996 21549
Киев 98396 54324 64871 76466 54713 48711 65592
111!
Рис. 7. Результат 1-ой проверки Fig. 7. Result of the 1st check
Vol. 14, no 3. 2018 ISSN 2411-1473 sitito.cs.msu.ru
Modern Information Technologies and IT-Education
В качестве примера работы ROLAP-Mining системы рассмотрены 2 проверки, для которых загружены данные о 59 городах из России, Украины, Белоруссии и Казахстана, 12 007 самых известных мест (по данным социальной сети) в них, около 140 тысяч публикаций и профилей пользователей, проживающих в данных городах [24].
Первая проверка заключалась в определении наибольшей активности пользователей в зависимости от дня недели. Для этого была произведена выборка из хранилища данных в виде куба: количество отметок «мне нравится» или количество просмотров записей в качестве меры, дни недели и города как измерения куба. Из полученных результатов видно, что количество просмотров записей в городах Киев, Санкт-Петербург, Москва, Казань, Екатеринбург и Воронеж максимально в понедельник, немного меньшее количество просмотров в субботу и воскресенье (рисунок 7).
В качестве второго примера (рисунок 8) рассмотрена гипотеза наличия зависимости между месяцем года и тем, прикрепляют ли пользователи к своим записям изображения, аудио и видео объекты. Для проверки данной гипотезы была проведена выборка из хранилища данных в виде куба: количество записей с вложениями в качестве меры, месяцы и города как измерения куба. Из полученных результатов видно, что в некоторых городах есть зависимость между месяцем года и тем, прикреплены ли файлы к записям. При этом видно, что максимальное количество файлов пользователи прикрепляют к записям в марте и апреле. Также можно заметить, что в июле и августе количество файлов, прикрепленных к записям, для городов Санкт-Петербург и Казань превышает по значению Москву, хотя в остальные месяцы показатели в Москве выше. Таким образом, можно утверждать, что для некоторых городов действительно существует зависимость между месяцем года и количеством записей с прикрепленными к ним файлами.
1 2 3 4 5 6 7 8 9 10 11 \2
City Has attachments Has attachments Has attachments Has attachments Has attachments Has attachments Has attachments Has attachments Has attachments Has attachments Has attachments Has attachments
Волгоград 200 189 271 259 198 142 142 218 255 179 128 171
Воронеж 351 261 349 301 119 87 121 203 192 226 200 286
Екатеринбург 586 513 639 709 486 359 404 418 382 465 430 533
Казань баг 406 499 671 435 3iKt 441 595 374 429 360 380
Краснодар 361 325 401 495 296 190 228 246 268 314 296 267
Красноярск 204 100 280 зеь 141 141 130 133 166 183 202 161
Москва 1480 1116 1776 1622 667 362 406 502 646 941 76S 1239
Нижний Новгород 367 204 324 SOI 306 179 230 246 203 252 262 254
Новосибирск »2 зге 3ss 462 159 194 162 167 222 242 261 270
Омск Ив 156 196 218 138 IS 170 187 156 161 141 155
Пермь 2С4 220 269 265 191 139 114 146 177 187 199 162
Росюв-на-Дсшу 2SS гае 376 453 270 169 1T7 242 237 246 256 258
Став» 206 119 197 1S2 124 80 01 83 97 139 139 190
Санкт-Петербург 13«? иле 1496 1446 724 466 525 642 SSS 686 643 904
Саратов 178 155 15© 1S2 116 140 106 108 83 121 96 134
ТОЛЬЯТТИ 59 12 44 74 34 26 30 49 17 35 26 23
Тюмень 59 73 94 122 53 33 29 45 47 5! вз 42
Уфа 151 113 168 174 85 58 61 65 89 116 «з 121
Челябинск 299 252 зге 345 207 172 156 199 281 254 zn 292
Днепропетровск (Днепр) 264 248 212 263 176 117 14« 147 181 236 14« 226
Донецк 1« 121 188 188 98 71 80 95 87 132 it 126
Киев 656 537 622 967 440 272 308 333 376 423 383 626
Ч&плбикЭС Уфа Тяпке ч* тапыптн Саратов
ГТ-ПБТвр&^рГ
нонсиоиде Кижний Новгород
9
О
J?
©
О
о
Рис. 8. Результат 2-ой проверки Fig. 8. Result of the 2nd check
Современные информационные технологии и ИТ-образование
Том 14 № 3 (2018) ISSN 2411-1473 sitito.cs.msu.ru
В исследовании психологических предикторов, характеризующих поведение людей в социальной сети, на основе системно-комплексного, многофакторного анализа внешней и внутренней среды пользователя предполагается использовать обобщенные фундаментальные результаты психологических исследований, изложенные в научно-теоретической профессиональной литературе по социальной психологии, психологии личности и межличностном взаимодействии. Особое внимание предполагается уделить анализу НЛП-технологий в рамках сетевого поведения пользователей.
Помимо этого, планируется использовать архивные данные по метеонаблюдениям с января 2О11 года по всем городам России и странам СНГ, содержащие сведения о: ветре, атмосферных явлениях, облачности, температуре и относительной влажности воздуха, атмосферном давлении, количестве выпавших осадков и др.
При этом, следует подчеркнуть, что решение рассматриваемых в исследовании задач предполагается реализовать в рамках информационных, логико-математических методов, а также за счет проведения натурных экспериментов.
Заключение
Планируется, что полученные научные результаты исследования обеспечат возможность оказания точечного положительного воздействия на кластеры пользователей, соответствующие типам темперамента и периодам, характерным или нехарактерным их негативным личностным тенденциям, в том числе выявленным в случаях деструктивного воздействия на пользователя в социальной сети, а также в зависимости от различных метеорологических условий и сезонности, что в совокупности способствует психологически безопасному поведению человека в Интернет- пространстве.
Список использованных источников
[1] Мурсалиева Г. Группы смерти (18+) / Г. Мурсалиева Г. // Новая газета. 2О16. 16 мая. № 51. С. 2-5. [Электронный ресурс]. URL: http://novayagazeta.ru/ articles/2016/0S/16/68604-gruppy-smerti-18 (дата обращения: 23.О7.2О18).
[2] Милкус А. Новые «Группы смерти» в интернете: «Синие киты» провоцируют детей на самоубийства / A. Милкус // Комсомольская правда. 2О17. 11 февраля. [Электронный ресурс]. URL: https://www.irk.kp.ru/ daily/26642.7/3660934/ (дата обращения: 23.О7.2О18).
[3] Осторожно: «Синий кит»! Часть 1 // Мужское / Женское. Первый канал. 2О17. О2 марта. [Видеозапись]. URL: https://www.1tv.ru/shows/muzhskoezhenskoe/vypuski/ ostorozhno-siniy-kit-chast-1-muzhskoe-zhenskoe-vypusk-ot^^^^ (дата обращения: 23.О7.2О18).
[4] Cambridge Analytica [Электронный ресурс]. URL: https:// cambridgeanalytica.org (дата обращения: 23.О7.18).
[5] Matz S.C., Kosinski M., Nave G., Stillwell D.J. Psychological targeting as an effective approach to digital mass persuasion // Proceedings of the National Academy of Sciences of the United States of America. 2О17. Vol. 114, no. 48. Pp. 1271412719. DOI: 10.1073/pnas.1710966114
[6] Nave G., Minxha J., Greenberg D.M., Stillwell D., Rentfrow J. Musical Preferences Predict Personality: Evidence From
Active Listening and Facebook Likes // Psychological Science. 2018. Vol. 29, issue 7. Pp. 1145-1158. DOI: 10.1177/0956797618761659
[7] Hui B.P.H., Kogan A. Who helping helps: An event-sampling study of how basic psychological needs moderate the impact of acting prosocially // The Journal of Positive Psychology. 2018. Vol. 13, issue 6. Pp. 563-572. DOI: 10.1080/17439760.2017.1365165
[8] Bryan Cave Leighton Paisner защитила интересы Double Data в прецедентном споре против социальной сети «ВКонтакте» об использовании общедоступных данных в Интернете // LAWFlRM.ru. 2018. 20 июля. [Электронный ресурс]. URL: http://www.lawfirm.ru/news/index. php?id=18357 (дата обращения: 23.07.2018).
[9] Посыпкина А. Суд запретил использовать данные пользователей «ВКонтакте» // РБК. 2018. 29 января. [Электронный ресурс]. URL: https://www.rbc.ru/technology_and_me dia/29/01/2018/5a6f0c2e9a79476c08682b8d (дата обращения: 23.07.2018).
[10] Крылова (Смирнова) О.С., Колесников И.Е., Власов Д.А., Шишков В.В., Алымов А.С., Ишин И.А., Петров А.И. Описание информационного образа пользователя социальной сети с учетом его психологической характеристики // lnternational Journal of Open lnformation Technologies. 2018. Т. 6, № 4. С. 24-37. URL: https://elibrary.ru/item. asp?id=32794814 (дата обращения: 23.07.2018).
[11] Смирнова О.С., Петров А.И., Бабийчук Г.А. Основные методы анализа, используемые при исследовании социальных сетей / В.А. Сухомлин, Е.В. Зубарева, М.А. Шнепс-Ш-неппе // Избранные научные труды XI Международной научно-практической конференции «Современные информационные технологии и ИТ-образование» (SlTlTO 2016). Москва, Россия, 25-26 ноября 2016. CEUR Workshop Proceedings. Т. 1761. С. 262-269. URL: http://ceur-ws.org/ Vol-1761/paper34.pdf (дата обращения: 23.07.2018).
[12] Баранюк В.В., Десяткова А.Д., Смирнова О.С. Подходы к определению психоэмоциональных особенностей информационного образа пользователя социальных сетей // International Journal of Open Information Technologies. 2016. Т. 4, № 8. С. 61-65. URL: https://elibrary.ru/item. asp?id=26404468 (дата обращения: 23.07.2018).
[13] Нечаев В.В., Дарьин А.Ю. Человек: индивидуальные и персональные информационные ресурсы (концептуальное модельное представление) // Проблема идеальности в науке: Материалы второй междунар. научн. конф. Часть I. М.: АСМИ, 2001. С. 121-149.
[14] Шмелева Д.В., Чумак Б.Б. Методика проверки гипотез о взаимосвязи параметров архивной метеорологической информации с помощью метода корреляционного анализа // Российская наука в современном мире. Сборник статей XII международной научно-практической конференции. Москва: «Научно-издательский центр «Актуаль-ность.РФ», 2017. С. 130-132. URL: https://elibrary.ru/item. asp?id=30692599 (дата обращения: 23.07.2018).
[15] Смирнова О.С. Определение группы риска аккаунтов социальной сети «Вконтакте», попадающих под влияние кве-стовой игры суицидального характера // Современные информационные технологии и ИТ-образование. 2017. Том 13, № 3. С. 53-60. DOI: 10.25559/S1T1T0.2017.3.382
[16] Петров А.И., Смирнова О.С., Чумак Б.Б. Анализ контента
Vol. 14, no 3. 2018 ISSN 2411-1473 sitito.cs.msu.ru
Modern Information Technologies and IT-Education
670 Большие данные и приложения рАрСиСигов, ВПВГ Баранюк,
В.В. Нечаев, О.С. Крылова
социальной сети на примере квестовой игры суицидального характера, направленной на детей и подростков // International Journal of Open Information Technologies. 2017. Т. 5, № 6. С. 16-19. URL: https://elibrary. ru/item.asp?id=29366951 (дата обращения: 23.07.2018).
[17] Алымов А.С., Крылова О.С. Проектирование системы определения группы риска аккаунтов, подверженных влиянию квестовой игры суицидального характера // International Journal of Open Information Technologies. 2017. Т. 5, № 12. С. 39-48. URL: https://elibrary.ru/item. asp?id=30739222 (дата обращения: 23.07.2018).
[18] Смирнова О.С., Шишков В.В. Графовый подход при составлении характеристики социального объекта // International Journal of Open Information Technologies. 2017. Т. 5, № 6. С. 12-15. URL: https://elibrary.ru/item. asp?id=29366950 (дата обращения: 23.07.2018).
[19] Алымов А.С., Баранюк В.В., Смирнова О.С. Детектирование бот-программ, имитирующих поведение людей в социальной сети «Вконтакте» // International Journal of Open Information Technologies. 2016. Т. 4, № 8. С. 55-60. URL: https://elibrary.ru/item.asp?id=26404467 (дата обращения: 23.07.2018).
[20] Колесников И.Е., Смирнова О.С. Основные вопросы разработки модуля определения специальной символики на изображениях социальной сети // Проблемы современной науки и образования. 2017. № 24(106). С. 8-12. URL: https://elibrary.ru/item.asp?id=29373302 (дата обращения: 23.07.2018).
[21] Крылова О.С., Баранюк В.В., Ишин И.А. Анализ аудио и видео коллекций пользователя социальной сети с целью описания его информационного образа // International Journal of Open Information Technologies. 2017. Т. 5, № 12. С. 30-38. URL: https://elibrary.ru/item.asp?id=30739221 (дата обращения: 23.07.2018).
[22] Смирнова О.С., Шишков В.В. Выбор топологии нейронных сетей и их применение для классификации коротких текстов // International Journal of Open Information Technologies. 2016. Т. 4, № 8. С. 50-54. URL: https://elibrary. ru/item.asp?id=26404466 (дата обращения: 23.07.2018).
[23] Петров А.И., Валитов Г.М., Торхов А.Е., Чумак Б.Б. ROLAP_ Mining система на базе свободного программного обеспечения // Научный альманах. 2017. № 5-3(31). С. 109-112. DOI: 10.17117/na.2017.05.03.109
[24] ПетровА.И. Проверка гипотез о поведении пользователей социальной сети с использованием ROLAP-Mining системы // Наука и образование сегодня. 2018. № 1(24). C. 15-20. URL: https://elibrary.ru/item.asp?id=32284991 (дата обращения: 23.07.2018).
Поступила 23.07.2018; принята в печать 10.08.2018; опубликована онлайн 30.09.2018.
References
[1] Mursaliyeva G. Death groups (18+). Novaya Gazeta. 2016; 51:2-5. Available at: http://novayagazeta.ru/ articles/2016/05/16/68604-gruppy-smerti-18 (accessed 23.07.2018). (In Russian)
[2] Milkus A. Novye «Gruppy smerti» v internete: «Sinie kity» provociruyut detej na samoubijstva. Komsomol'skaya
pravda. 2017. February 11. Available at: https://www.irk. kp.ru/daily/26642.7/3660934/ (accessed 23.07.2018). (In Russian)
[3] Ostorozhno: «Sinij kit»! Part 1. Muzhskoe / ZHenskoe. Pervyj kanal. 2017. March 2. Available at: https://www.1tv. ru/shows/muzhskoezhenskoe/vypuski/ostorozhno-siniy-kit-chast-1-muzhskoe-zhenskoe-vypusk-ot-02-03-2017 (accessed 23.07.2018). (In Russian)
[4] Cambridge Analytica. Available at: https:// cambridgeanalytica.org (accessed 23.07.18).
[5] Matz S.C., Kosinski M., Nave G., Stillwell D.J. Psychological targeting as an effective approach to digital mass persuasion. Proceedings of the National Academy of Sciences of the United States of America. 2017; 114(48):12714-12719. DOI: 10.1073/pnas.1710966114
[6] Nave G., Minxha J., Greenberg D.M., Stillwell D., Rentfrow J. Musical Preferences Predict Personality: Evidence From Active Listening and Facebook Likes. Psychological Science. 2018; 29(7):1145-1158. DOI: 10.1177/0956797618761659
[7] Hui B.P.H., Kogan A. Who helping helps: An event-sampling study of how basic psychological needs moderate the impact of acting prosocially. The Journal of Positive Psychology. 2018; 13(6):563-572. DOI: 10.1080/17439760.2017.1365165
[8] Bryan Cave Leighton Paisner zashchitila interesy Double Data v precedentnom spore protiv social'noj seti «VKontakte» ob ispol'zovanii obshchedostupnyh dannyh v Internete. LAWFIRM.ru. 2018. July 20. Available at: http://www.lawfirm. ru/news/index.php?id=18357 (accessed 23.07.2018). (In Russian)
[9] Posypkina A. Sud zapretil ispol'zovat' dannye pol'zovatelej "VKontakte". RBC. 2018. January 29. Available at: https:// www.rbc.ru/technology_and_media/29/01/2018/5a6f0c2e 9a79476c08682b8d (accessed 23.07.2018). (In Russian)
[10] Krylova (Smirnova) O.S., Vlasov D.A., Shishkov V.V., Alymov A.S., Ishin I.A., Kolesnikov I.E., Petrov A.I. Description of user's informational image of the social network with considering his psychological characteristic. International Journal of Open Information Technologies. 2018; 6(4):24-37. Available at: https://elibrary.ru/item.asp?id=32794814 (accessed 23.07.2018). (In Russian)
[11] Smirnova O., Petrov A., Babiychuk G. Common techniques for social network analysis study. V. Sukhomlin, E. Zubareva, M. Shneps-Shneppe (Eds.) Proceedings of the XI International Scientific-Practical Conference "Modern Information Technologies and IT-Education" (SITITO 2016). Moscow, Russia, November 25-26. 2016. CEUR Workshop Proceedings. Vol. 1761. Pp. 262-269. Available at: http://ceur-ws.org/Vol-1761/paper34.pdf (accessed 23.07.2018). (In Russian)
[12] Baranjuk V.V., Desyatkova A.D., Smirnova O.S. On approaches to the definition of psycho-emotional characteristics of the information image of social networks users. International Journal of Open Information Technologies. 2016; 4(8):61-65. Available at: https://elibrary.ru/item.asp?id=26404468 (accessed 23.07.2018). (In Russian)
[13] Nechaev V.V., Dar'in A.V. Chelovek: individual'nye i personal'nye informacionnye resursy (Konceptual'noe model'noe predstavlenie). Proceedings International Scientific Conference "The problem of ideality in science". M., 2001, pp. 121-149. (In Russian)
[14] Shmeleva D.V., Chumak B.B. Methodology of inspection
Современные информационные технологии и ИТ-образование
Том 14 № 3 (2018) ISSN 2411-1473 sitito.cs.msu.ru
of hypotheses on interrelation of parameters of archive [20] meteorological information with the method of correlation analysis. Russian Science in the Modern World. M., Aktual'nost'. RF, 2017, pp. 130-132. Available at: https://elibrary.ru/item. asp?id=30692599 (accessed 23.07.2018). (In Russian)
[15] Smirnova O.S. Risk estimation for Vk.com accounts exposed to [21] suicide-themed quests. Modern Information Technologies and IT-Education. 2017; 13(3):53-60. (In Russian) DOI: 10.25559/ SITIT0.2017.3.382
[16] Petrov A.I., Smirnova O.S., Chumak B.B. An analysis of the content of a social network as exemplified in a suicide themed quest game, aimed at the children and adolescents. [22] International Journal of Open Information Technologies. 2017; 5(6):16-19. Available at: https://elibrary.ru/item. asp?id=29366951 (accessed 23.07.2018). (In Russian)
[17] Alymov A.S., Krylova (Smirnova) O.S. Designing a system for determining the risk group of accounts that are affected by a [23] suicidal quest game. International Journal of Open Information Technologies. 2017; 5(12):39-48. Available at: https:// elibrary.ru/item.asp?id=30739222 (accessed 23.07.2018).
(In Russian)
[18] Smirnova O.S., Shishkov V.V. Graph approach in drawing up [24] the characteristics of a social object. International Journal of Open Information Technologies. 2017; 5(6):12-15. Available
at: https://elibrary.ru/item.asp?id=29366950 (accessed 23.07.2018). (In Russian)
[19] Alymov A.S., Baranjuk VV, Smirnova O.S. Detection of bot programs that mimic the behavior of people in the social network "Vkontakte". International Journal of Open Information Technologies. 2016; 4(8):55-60. Available at: https://elibrary.ru/item.asp?id=26404467 (accessed 23.07.2018). (In Russian)
Kolesnikov I.E., Smirnova O.S. The main issues of developing a module for determining special symbols on social network pictures. Problemy sovremennoj nauki i obrazovaniya. 2017; 24(106):8-12. Available at: : https://elibrary.ru/item. asp?id=29373302 (accessed 23.07.2018). (In Russian) Krylova (Smirnova) O.S., Baranjuk V.V., Ishin I.A. The Analysis of user''s audio and video collections of the social network for description of the user''s information image. International Journal of Open Information Technologies. 2017; 5(12):30-38. Available at: https://elibrary.ru/item.asp?id=30739221 (accessed 23.07.2018). (In Russian)
Smirnova O.S., Shishkov V.V. The choice of the topology of neural networks and their use for the classification of small texts. International Journal of Open Information Technologies. 2016; 4(8):50-54. Available at: https://elibrary.ru/item. asp?id=26404466 (accessed 23.07.2018). (In Russian) Petrov A.I., Valitov G.M., Torhov A.E., Chumak B.B. ROLAP_Mining system based o n
free software. Nauchnyj al'manah = Science Almanac. 2017; 5-3(31):109-112. (In Russian) DOI: 10.17117/ na.2017.05.03.109
Petrov A.I. Proverka gipotez o povedenii pol'zovateleï social'noï seti s ispol'zovaniem ROLAP-Mining sistemy. Science and education today. 2018; 1(24):15-20. Available at: https://elibrary.ru/item.asp?id=32284991 (accessed 23.07.2018). (In Russian)
Submitted 23.07.2018; revised 10.08.2018; published online 30.09.2018.
About the authors:
Aleksander S. Sigov, Academician of the Russian Academy of Sciences, Doctor of Physical and Mathematical Sciences, Professor, President, MIREA -Russian Technological University (78 Vernadsky Prospekt, Moscow 119454, Russia), ORCID: http://orcid.org/0000-0003-2017-9186, sigov@mirea.ru Valentina V. Baranyuk, Candidate of Engineering Sciences, Senior Researcher, Associate Professor, MIREA - Russian Technological University (78 Vernadsky Prospekt, Moscow 119454, Russia), ORCID: http://orcid.org/0000-0001-5048-6940, valentina_bar@mail.ru
Valentin V. Nechaev, Candidate of Technical Sciences, Professor, Professor of the Department of Instrumental and Applied Software, MIREA - Russian Technological University (78 Vernadsky Prospekt, Moscow 119454, Russia), ORCID: http://orcid.org/0000-0001-7171-3874, nechaev@mirea.ru Olga S. Krylova, Senior Lecturer, MIREA - Russian Technological University (78 Vernadsky Prospekt, Moscow 119454, Russia), http://orcid.org/0000-0002-5326-9981, mail.olga.krylova@yandex.ru
This is an Open Access article distributed under the terms ofthe Creative Commons Attribution License (http://creativecommons.org/licenses/by/4.0), which permits unrestricted reuse, distribution, and reproduction in any medium provided the original work is properly cited.
Vol. 14, no 3. 2018 ISSN 2411-1473 sitito.cs.msu.ru
Modern Information Technologies and IT-Education
