CC BY
105
УДК 519.673
СИСТЕМНАЯ ДИНАМИКА В ЗАДАЧАХ МОНИТОРИНГА МАССОВОЙ ВАКЦИНАЦИИ НАСЕЛЕНИЯ
С.Ю. Лапшина, научный сотрудник (Межведомственный суперкомпьютерный центр РАН, Ленинский просп., 32а, г. Москва, 119991, Россия, lapshina@jscc.ru)
В работе представлен имитационный прототип агрегатной модели, с помощью которой можно организовать мониторинг мероприятий по вакцинации населения карантинных зон региона в период распространения и затухания инфекционных заболеваний. Модель базируется на идеях и методах System Dynamics, а также на возможностях широко известного персонифицированного программного пакета имитационного моделирования IThink. В разработке модели использовались доступные материалы по вспышке и распространению в Москве эпидемии гриппа A/H1N1 в 2009-2010 гг. Действующий прототип позволил провести серию имитационных экспериментов с целью верификации модели, подтверждающих достоверность и объективность полученных результатов.
Ключевые слова: имитационное моделирование, системная динамика, агрегатная модель, ресурсы модели, концепты, блоки, верификация модели.
SYSTEM DYNAMICS IN MONITORING FOR MASS VACCINATION OF POPULATION
Lapshina S. Yu., Research Associate (Joint Supercomputer Center of RAS, 32a, Leninsky Av., Moscow, 119991, Russia, lapshina@jscc.ru) Аbstract. The simulation modeling prototype of aggregate model with which help probably to organize monitoring of actions for vaccination of the population of quarantine zones of region in distribution and attenuation of mass infectious diseases is presented. The model is based on ideas and methods System Dynamics, and also on possibilities of widely known personified software package of simulation modeling IThink. At modeling accessible materials on flash and distribution in Moscow flu epidemics A/H1N1 in 2009-2010 were used. At the initial stage of prototyping following aggregate entities (resources) of model are distinguished: unvaccinated, vaccinated, successfully vaccinated, infected, sick, recover from, have acquired immunity, deaths. The current state of resources in the dynamics of the model describes the state of the situation as a whole. Resources (as primary basic concepts) are concentrated in interacting conceptual blocks vaccination and epidemic outbreaks, infection and disease progression. Behavior of the model considered in the context of plausible assumptions drawn from domestic and foreign sources. The current prototype has provided a series of simulation experiments to verify the model, confirming the integrity and objectivity of the results.
Keywords: simulation, system dynamics, aggregate model, model's resources, concepts, building blocks, model's verification.
Массовые эпидемии и пандемии наносят непоправимый ущерб населению всего мира. На случай ожидаемых пандемий во многих странах реализуются соответствующие программы опережающих научных исследований, в том числе и компьютерное моделирование мероприятий по распространению болезней и противодействию им. В данной статье приведено описание агрегатной модели мониторинга мероприятий по вакцинации населения на основе методов системной динамики, проведенных имитационных экспериментов и верификации модели.
Модель разрабатывалась с использованием современных концепций взаимодействующих фондовых потоков (ВФП) и визуального программирования в рамках возможностей одного из популярных пакетов имитационного моделирования 1ТЫпк 9.0.2 [1-3]. В разработке модели использовались материалы, связанные с мероприятиями по преодолению последствий вспышки и распространения эпидемии гриппа А/ШШ в Москве в 2009-2010 гг. [4, 5].
Базовые концепты модели
Следуя концепциям ВФП, на первоначальном этапе прототипирования выделяются следующие
агрегатные сущности (ресурсы) модели, текущее состояние которых в динамике характеризует состояние модельной ситуации в целом: невакци-НИРОВАННЫЕ, ВАКЦИНИРОВАННЫЕ, УСПЕШНО_ВАК-ЦИНИРОВАННЫЕ, ИНФИЦИРОВАННЫЕ, ЗАБОЛЕВШИЕ, ПЕРЕБОЛЕВШИЕ, ПРИОБРЕТШИЕ_ИММУНИТЕТ, УМЕРШИЕ.
Ресурсы (как первичные базовые концепты) сосредоточены во взаимодействующих концептуальных блоках вакцинация и вспышка эпидемии, ИНФИЦИРОВАНИЕ и ПРОТЕКАНИЕ БОЛЕЗНИ (рис. 1).
Поведение модели рассматривалось в контексте правдоподобных предположений:
• населениепопереписи — 10 527 000;
• коэффициент _рождаемости — 12,4;
• миграционныйприрост — 31 368;
• коэффициентсмертности — 14,2;
• охватвакцинацией - 0,24;
• неэффективностьвакцины - 0,2;
• способностьприобрестииммунитет — 0,87;
• количество_контактов_в_день — 4;
• инкубационныйпериод — 2 дня;
• tвыздоровления — 6 дней;
• коэффициентсмертностиотпослед-ствийэпидемии — 0,2;
• длительность_иммунитета_после_болезни — 365 дней;
• длительность_периода_вакцинации — 91 день;
• длительность_иммунитета_от_вакцины — 91 день.
Первые пять относительно устойчивых факторов отображают наперед заданные статистические характеристики модели. Остальные используются как параметры предполагаемых имитационных экспериментов.
ВАКИИНАПИЯ И ВСПЫШКА ЭПИДЕМИИ
ВАКЦИНИРОВАННЫЕ НЕВАКЦИНИРОВАННЫЕ УСПЕШНО_ВАКЦИНИРО-ВАННЫЕ
Модельные единицы ^
Воздействует
ИНФИЦИРОВАНИЕ
ИНФИЦИРОВАННЫЕ
Модельные единицы
Воздействует на
Модельные единицы
Воздействует на
ПРОТЕКАНИЕ БОЛЕЗНИ
ЗАБОЛЕВШИЕ
ПЕРЕБОЛЕВШИЕ
ПРИОБРЕТШИЕ_ИМ-
МУНИТЕТ
УМЕРШИЕ
Рис. 1. Концептуальная схема межблочных взаимодействий
Проектирование концептуальных блоков модели
По текущему объему ресурса невакциниро-ВАННЫЕ блока ВАКЦИНАЦИЯ И ВСПЫШКА ЭПИДЕМИИ (рис. 2) можно судить о том, сколько потенциальных клиентов в текущий момент времени считаются невакцинированными. Первичное содержимое ресурса невакцинированные в начале моделируемого периода (365 дней) определяется значением константы населениепопереписи, которая для данных модельных представлений приравнивается к 10 572 000 человек.
Ресурс невакцинированные пополняется потоками могутзаболеть, завершениеиммуните-таотвакцины, вакцинация, неприобретение_ иммунитета и завершение_иммунитета_после_ болезни. Исчерпывается ресурс двунаправленным потоком вакцинация, а также потоками зараже-ние_невакцинированных и умираниеневакциниро-ванных_не_от_последствия_эпидемии.
Поток умирание_невакцинированных_не_от_ последствия_эпидемии зависит от значения параметра коэффициентсмертности и от текущего значения ресурса невакцинированные.
Темп пополнения ресурса невакцинированные потоком могут заболеть определяется
УСПЕШНО_ВАКЦИНИРОВАННЫЕ
о О
Убывание успешно вакцинированных не от воздействия вакцины
ВАКЦИНИРОВАННЫЕ
о О
Убывание успешно вакцинированных не от воздействия вакцины
НЕВАКЦИНИ-РОВАННЫЕ
Умирание не-вакцинированных не от последствий эпидемии
Заражение невакцинированных
Неприобретение иммунитета
о
ИНФИЦИРОВАНИЕ
ПРОТЕКАНИЕ БОЛЕЗНИ
Завершение иммунитета после болезни
Коэффициент смертности
Рис. 2. Блок ВАКЦИНАЦИЯ И ВСПЫШКА ЭПИДЕМИИ
текущим значением переменных мигрировавшие и родившиеся. Значение переменной родившиеся зависит от значения параметра коэффициент_ рождаемости (12,4) и текущего значения переменной население, которое в динамике (рис. 3) будет складываться из содержимого ресурсов НЕВАКЦИНИРОВАННЫЕ, ВАКЦИНИРОВАННЫЕ, ИНФИЦИРОВАННЫЕ, УСПЕШНО_ВАКЦИНИРОВАННЫЕ, ЗАБОЛЕВШИЕ, ПЕРЕБОЛЕВШИЕ, ПРИОБРЕТШИЕ_ИММУНИ-ТЕТ.
ВАКЦИНИРОВАННЫЕ
УСПЕШНО ВАКЦИНИРОВАННЫЕ
НЕВАКЦИНИРОВАННЫЕ
ПЕРЕБОЛЕВШИЕ
ЗАБОЛЕВШИЕ
ИНФИЦИРОВАННЫЕ
ПРИОБРЕТШИЕ ИММУНИТЕТ
Рис. 3. Представление формирования в динамике значения переменной население
Помимо прироста значения переменной родившиеся, в модели учитывается также прирост значения переменной мигрировавшие, зависящего от данных переменной население, описанной выше, и коэффициента миграции, который, в свою очередь, зависит от значения параметра миграционный прирост (31 368).
Пополнение ресурса вакцинированные идет за счет исчерпывания потоком вакцинация ресурса невакцинированные под воздействием ряда факторов, таких как дневнойохватвакцинацией, дли-тельность_периода_вакцинации, текущий_день_ моделируемого_периода, параметром неэффек-тивностьвакцины и содержимым ресурса вакцинированные.
При неуспешной вакцинации (сработал, к примеру, фактор неэффективности вакцины) идет возврат к пополнению ресурса невакцинированные, что отражено в модели двойным (бинаправ-ленным) потоком вакцинация.
Модельные единицы из ресурса вакцинированные, пройдя успешную вакцинацию, попадают в ресурс УСПЕШНО_ВАКЦИНИРОВАННЫЕ либо происходит умирание вакцинированных не от действия вакцины (зависящее от количества вакцинированных и значения статистической константы коэффициентсмертности).
Ресурс успешно_вакцинированные - это накопитель типа конвейер, исчерпывание которого осуществляется потоком убывание _успешно_вак-цинированных_не_от_действия_вакцины, зависящим от значения статистической константы ко-эффициентсмертности (14,0) и параметра дли-тельность_иммунитета_от_вакцины (по данным СМИ и Управления Роспотребнадзора -150 дней). От значения этого параметра зависит также и интенсивность потока завершение_иммунитета_ отвакцины. В соответствии с интенсивностью данные из конвейера успешно_вакцинирован-ные возвращаются в ресурс невакцинированные.
Рассмотрим процесс заражение_невакциниро-ванных в предположении, что количество контактов больного человека равно 4. Акт заражения невакцинированных связан а) со значением параметра количество_контактов_в_день, б) вероятностью того, что больной встретится с невакци-нированным, в) текущим содержимым ресурса заболевшие, г) процентом невакцинированных (определяемым текущим значением выражения больные*процент_невакцинированных/100). Процент невакцинированных, в свою очередь, зависит от текущего значения переменной население и текущего значения содержимого ресурса невакцинированные.
Помимо этого, базируясь на информации того же Управления Роспотребнадзора по городу Москве о заболеваемости ОРВИ и гриппом, был построен график зависимости вероятности заражения (рис. 4) от конкретной недели моделируемого периода (диктуемой, очевидно, временем года, погодными условиями и т.д.).
Было также сделано предположение, что количество зараженных людей, являющееся спусковым механизмом начала эпидемии, равно 5 000.
В блоке инфицирование (рис. 5) отображена динамика процессов периода инфицирования.
Рис. 4. Задание текущих значений вероятности заражения
Изначально объем ресурса инфицированные равен 0. Его пополнение происходит двумя потоками из блока ВАКЦИНАЦИЯ И вспышка эпидемии: начало_эпидемии и заражениеневакциниро-ванных.
В этот ресурс соответственно попадают либо те, для кого вакцинация была неуспешна и они заболели, либо те, кто не проходил вакцинацию вообще и тоже заболел. Принимается во внимание, что может активироваться процесс умирание_ин-фицированных_не_от_последствий_эпидемии, который зависит от значения константы коэффици-ент_смертности и текущего значения параметра инкубационный_период.
Инкубационныйпериод - это отрезок времени от момента попадания микробного агента в организм до проявления симптомов болезни (латентный период болезни). После завершения инкубационного периода проявляются симптомы болезни, и потенциальный пациент заболевает.
Заражение
■ ВАКЦИНА ■ невакцинированных
; ЦИЯИ I О
■ ВСПЫШКА [ О .ЭПИДЕМИИ; Начало эпидемии
ИНФИЦИРОВАННЫЕ
Умирание инфицированных не от последствий эпидемии
Инкубационный период
ПРОТЕКАНИЕ БОЛЕЗНИ
Проявление ъ ■ симптомов
Рис. 5. Блок ИНФИЦИРОВАНИЕ
Активность блока протекание болезни (рис. 6) проявляет себя через исчерпывание потоком проявлениесимптомов содержимого ресурса инфицирование и пополнение содержимого ресурса ЗАБОЛЕВШИЕ.
Далее, подобно дисциплине пополнения и исчерпывания ресурсов в блоках вакцинация и ВСПЫШКА ЭПИДЕМИИ и ИНФИЦИРОВАНИЕ, попол-
О
Коэффициент
0Х
Коэффициент смертности
Убывание больных не от последствий эпидемии
О
ЗАБОЛЕВШИЕ
ПЕРЕБОЛЕВШИЕ
ШШ
Завершение болезни
Проявление симптомов
ИНФИЦИРОВАНИЕ
Убывание переболевших не от последствий эпидемии Убывание переболевших от последствий эпидемии
Коэффициент смертности от по-Приобретение следствий эпидемии .. иммунитета
Способность приобрести иммунитет
ВАКЦИНАЦИЯ И ВСПЫШКА ЭПИДЕМИИ
Неприобретение иммунитета
о
о
Завершение иммунитета после болезни
ПРИОБРЕТШИЕ ИММУНИТЕТ
Коэффициент смертности
Убывание приобретших иммунитет не от последствий эпидемии
О
Рис. 6. Блок ПРОТЕКАНИЕ БОЛЕЗНИ
няются и исчерпываются ресурсы заболевшие, ПЕРЕБОЛЕВШИЕ и ПРИОБРЕТШИЕ_ИММУНИТЕТ в блоке протекание болезни, а также лишь пополняется ресурс УМЕРШИЕ.
Заметим, что исчерпывание ресурса переболевшие от последствий эпидемии зависит от значения параметра коэффициент_смертности_от_ последствий эпидемии (для гриппа А/ШШ - 0,2), который по сути и отображает интегрированные предположения о последствиях развития конкретного инфекционного заболевания в условиях эффективности мероприятий, диктуемых значениями наперед заданного набора входных параметров.
Отображается также и убывание переболевших не от последствий эпидемии, которое зависит от показателя-константы коэффициентсмертнос-ти. Здесь используется совокупный коэффициент смертности, равный разности между статистическим коэффициентом смертности по России - 14,2 (количество умерших на 1 000 человек) и смертностью от последствий эпидемии. Смертность от последствий эпидемии предполагается равной 0,2 (учитываются лишь заболевшие). Также в показателе коэффициент_смертности нужно учесть ситуацию с умершими не от последствий эпидемии, то есть незаболевшими. Поэтому в разности используется значение 0,2. Тогда полученный коэффициент смертности 14,2-0,2=14,0.
переболевшие могут приобрести так называемый искусственный активный иммунитет, формируемый вакцинацией. Пациенту прививаются
ослабленные или убитые вирусы. В результате развивается первичный иммунный ответ организма, а при попадании нормального неослабленного возбудителя заболевания обеспечивается вторичный ответ, ведущий к легкому течению болезни и быстрому обезвреживанию антигена. Методами генной инженерии создаются безвредные вакцины, не имеющие в своем составе поражающего фактора (ДНК или РНК вирусов или бактерий), но содержащие их поверхностные белки, на воздействие которых развивается иммунный ответ. Предполагается, что приобретенный (индивидуальный) иммунитет возникает после перенесения потенциальным клиентом какого-то заболевания, то есть у каждого индивида он свой.
Известно, что не все люди способны приобретать иммунитет. Такая способность принимается равной 87 %.
Наконец, переболевшие, которые не приобрели иммунитет, становятся снова НЕВАКЦИНИРОВАН-ными, что отображается интенсивностью потока неприобретениеиммунитета. Этот процесс опять же зависит от значения константы способностьприобрестииммунитет.
Выясним, какие процессы могут происходить с приобретшими_иммунитет. Модель предлагает два пути развития проблемной ситуации.
1. Происходит их убываниенеотпослед-ствийэпидемии, которое зависит от констант коэффициентсмертности и длительностьим-мунитетапослеболезни. Здесь учитывается значение фактора врожденного иммунитета (наследственно обусловленного свойства), присущего данному виду. Предполагается, что действие иммунитета распространяется на весь моделируемый период (365 дней).
2. приобретшие_иммунитет вновь становятся НЕВАКЦИНИРОВАННЫМИ.
Для получения более точных результатов и исследования болезни по данным Управления Рос-потребнадзора по Москве о заболеваемости ОРВИ и гриппом (именно эта эпидемия рассматривалась в качестве основы модели) в модель были включены счетчики заболевших за неделю и больных предыдущего дня.
Конструирование и локальная отладка stock and flow представлений блоков вакцинация и ВСПЫШКА ЭПИДЕМИИ, ИНФИЦИРОВАНИЕ и ПРОТЕКАНИЕ болезни позволили сформировать интегрированную поведенческую схему имитационного прототипа агрегатной модели.
Верификация модели
На основе разработанного в среде 1ТЫпк 9.0.2 действующего прототипа была проведена серия имитационных экспериментов для верификации модели, которые подтверждили достоверность и объективность полученных результатов.
Верификации производились при изменении фактора неэффективности вакцины из-за возможного открытия более эффективных вакцин или использования менее эффективных и параметров охвата вакцинацией, способности приобрести иммунитет, количества ежедневных контактов, длительности инкубационного периода, времени выздоровления, предполагаемой смертности от последствий эпидемии, а также параметра длительности сохранения иммунитета.
Визуализация и анализ полученных результатов
Сеансы имитации продемонстрировали, что при изначально выбранных значениях параметров пик заболеваемости гриппом А/ШШ в Москве пришелся на 62-63-й день модельного времени развития эпидемии.
Выяснилось, что до тех пор, пока не закончится период вакцинации (91-92-й день), количество невакцинированных уменьшается, а количество успешно вакцинированных соответственно растет. После окончания вакцинации и до конца сохранения иммунитета от действия вакцины количество невакцинированных продолжает уменьшаться. И в этом же периоде модельного времени количество успешно вакцинированных остается примерно на одном уровне (если точнее, незначительно уменьшается примерно на 26—27 тысяч в связи со смертностью населения как от последствий эпидемии, так и по другим причинам).
Однако после окончания сохранения иммунитета от действия вакцины (через 150 дней) из-за прекращения действия прививки количество не-вакцинированных начинает увеличиваться, а количество успешно вакцинированных падает до нуля. Подобная картина наблюдается вплоть до 243-го дня (150 дней + длительность вакцинации) развития эпидемии. До конца моделируемого периода количество невакцинированных снова увеличивается, что связано с такими факторами, как рождаемость и миграция при низкой смертности. Тем не менее количество успешно вакцинированных остается на уровне нуля до самого конца моделируемого периода. Это происходит потому, что в течение летних месяцев вакцинируются редко и эпидемия естественным образом затухает. Кривые изменения числа переболевших, инфицированных и больных связаны с вероятностями заражения, соответствующими данным по еженедельному количеству заболевших.
На основании изложенного можно сделать следующие выводы. По мнению автора, прототипы модели достаточно универсальны, то есть при задании значений определенных параметров можно прогнозировать результаты вакцинации населения практически для любой эпидемии в рамках каких-либо региона и карантинной зоны.
Представляет также интерес возможность адаптации предложенной модели с целью прогнозирования результатов распространения опасных и вредоносных излучений (таких как электромагнитные, ионизированные, радиоактивные и т.д.), решения задач противодействия распространению компьютерных вирусов и т.п.
Более того, модельные прототипы могут найти свое применение в решении широкомасштабных задач оценки и борьбы с распространением вредоносных микроорганизмов в геоэкологических системах. Действительно, экологическое равновесие в геоэкологических системах существенно зависит от характера их распространения. По сути мир сегодня оказался в положении, когда старые и новые инфекционные заболевания имеют высокий потенциал к бесконтрольному распространению с беспрецедентно высокой скоростью. Урбанизация, нарастающее ухудшение социально-экологических и санитарно-гигиенических условий жизни сотен миллионов людей в развивающихся и развитых странах мира, возрастающие миграционные потоки и процессы глобализации экономики способствуют быстрому распространению инфекционных заболеваний. Как это ни парадоксально, но сегодня реальная угроза начинает порождаться успехами высоких биотехнологий — генной инженерии и молекулярной биологии. Действительно, модифицированные микроорганизмы могут стать первопричиной возникновения массовых эпидемий и пандемий, например, в результате неконтролируемого выхода их из научных лабораторий и промышленных предприятий промышленно-развитых стран мира в результате техногенных аварий или природных катастроф.
Очевидно, что эти новые аспекты современной эпидемиологии особо опасных инфекций еще предстоит глубоко изучать и анализировать, в том числе и с помощью методов математического и компьютерного моделирования.
Литература
1. Вопросы системной динамики. URL: www.iseesys-tems.com (дата обращения: 8.09.2012).
2. Шебеко Ю.А. Введение в практику имитационного моделирования и ситуационного анализа стратегических инициатив: учеб. пособие. М., 2010.
3. Казаков С.А., Шебеко Ю.А. Введение в практику имитационного моделирования и анализа поведения сложных процессов и систем. M.: МИЭТ, 2006.
4. Грипп: вопросы лечения и профилактики гриппа. URL: http://www.gripp.ru/default.aspx (дата обращения: 8.09.2012).
5. Грипп. Вакцинация. URL: http://www.privivki.net/in-dex.php?option=com_content&view=article&id=9&Itemid=13 (дата обращения: 8.09.2012).
References
1. Questions of system dynamics, Available at: www.iseesys-tems.com (accessed 8 September 2012).
2. Shebeko Yu.A., Vvedenie v praktiku imitatsionnogo modelirovaniya i situatsionnogo analiza strategicheskikh initsiativ [Introduction to the practice of simulation and situational analysis of strategic initiatives], Moscow, 2010.
3. Kazakov S.A., Shebeko Yu.A., Vvedenie v praktiku imita-tsionnogo modelirovaniya i analiza povedeniya slozhnykh protse-
ssov i system [Introduction to the practice of simulation and situational analysis of the behavior of complex processes and systems], Moscow, National Research University of Electronic Technology, 2006.
4. Flu: issues related to the treatment and prevention of influenza, Available at: http://www.gripp.ru/default.aspx (accessed 8 September 2012).
5. Flu: vaccination [Flu. Vaccination], Available at: http://www.privivki.net/index.php?option=com_content&view=arti cle&id=9&Itemid= 13 (accessed 8 September 2012).
УДК 004.773.2
СОЦИАЛЬНАЯ СЕТЬ РАН -ЕДИНОЕ ИНФОРМАЦИОННОЕ ПРОСТРАНСТВО ДЛЯ УЧЕНЫХ
Р.С. Сулейманов, м.н.с.
(Межведомственный суперкомпьютерный центр РАН, Ленинский просп., 32а, г. Москва, 119991, Россия, mail@yuslan.cc)
Статья посвящена современным инструментам интернет-общения, в частности социальным сетям. В ней проанализированы основные действующие социальные сети, описаны история их возникновения, внутренняя структура, принципы работы. Показаны основные инструменты и технологии прототипирования и проектирования высокона-груженных информационных систем. Рассмотрена основная структура институтов РАН и проанализированы проблемы быстрого обмена информацией между научными сотрудниками РАН. В работе рассказывается о проектировании и создании новой социальной сети профессиональной тематики - социальной сети Российской академии наук для научных сотрудников. Показаны основные цели и перспективы внедрения проекта. Приводятся обоснование выбора используемых технологий, примеры интерфейсов, инструменты для совместной работы и обзор основного функционала созданной социальной сети.
Ключевые слова: социальная сеть, интернет-общение, совместная работа, web-приложение, MVC, PHP, РАН.
SOCIAL NETWORK OF RAS - UNIFIED INFORMATION ENVIRONMENT FOR SCIENTISTS
Suleymanov R.S., Junior Researcher (Joint Supercomputer Center of RAS, 32a, Leninsky Av., Moscow, 119991, Russia, mail@ruslan.cc) Abstract. This article is about the modem tools of Internet communication, particularly about social networks. The main directions are: analysis of existing social networks, the story of their origin, their internal structure and operating principles. Described the main tools and techniques of prototyping and design of high loaded information systems. Also considered is the basic structure of RAS institutes and analyzed the problems of rapid exchange of information between researchers of RAS. Author writes of the design and development of a new social network for professional purposes. It is social network of the Russian Academy of Sciences for the science employee. Outlines the key objectives of the project and perspectives of the project implementation. The rationale for the choice of technologies used, examples of interfaces, collaboration tools and a review of the primary functional formed social network.
Keywords: socialnetwork, internet communication, collaboration, web-application, MVC, PHP, RAS.
В современном мире основными активно используемыми инструментами интернет-общения являются гостевые книги - web-приложения, состоящие из списка сообщений, показанных в очередности «от последних к первым», которые может оставить каждый посетитель, и форумы, предлагающие набор разделов для обсуждения. Работа форума заключается в создании пользователями тем в разделах и последующем обсуждении внутри этих тем. Отдельно взятая тема по сути представляет собой тематическую гостевую книгу.
Кроме того, получили распространение блоги, где каждый участник ведет журнал, аналогичный личному дневнику. Его сообщения сортируются в хронологическом порядке, а другие посетители могут оставлять комментарии к ним. При этом
пользователь может создавать списки «друзей» или ограничить доступ к своему журналу.
На базе этих форм общения начали образовываться социальные сети, отличительной чертой которых является наличие явно установленных связей между участниками. Социальные сети рассматриваются как платформа для построения, отражения и организации социальных взаимоотношений. Первой социальной сетью является американский портал Classmates.com, созданный в 1995 году. Но наибольшую популярность социальные сети приобрели в 2003-2004 гг., когда были запущены проекты Linkedln, MySpace и Facebook.
Самые популярные российские социальные сети (вКонтакте, Одноклассники, МойМир) являются социальными сетями общей тематики, в кото-
