CC BY
20УЧЁНЫЕ В ПРОФЕССИОНАЛЬНЫХ ИНТЕРНЕТ-СЕТЯХ. К ВОПРОСУ О МЕТОДОЛОГИИ ИССЛЕДОВАНИЯ
Николаенко Георгий Александрович
младший научный сотрудник Центра социолого-науковедческих исследований СПбФ ИИЕТ им. С. И. Вавилова РАН; аспирант кафедры теории и истории
социологии факультета социологии СПбГУ e-mail: eastrise.spb@gmail.com
Хватова Татьяна Юрьевна
доктор экономических наук, профессор, Институт промышленного менеджмента, экономики и торговли (ИПМЭиТ, школа МВШУ) Санкт-Петербургского политехнического университета Петра Великого; Санкт-Петербург, Россия
Душина Светлана Александровна
кандидат философских наук, доцент, руководитель Центра социолого-науковедческих исследований СПбФ ИИЕТ им. С.И. Вавилова РАН; Санкт-Петербург, Россия e-mail: sadushina@yandex.ru
Онлайн-коммуникации в профессиональных сетях становятся неотъемлемой частью повседневных научных практик. Так, уже сегодня фиксируется, что Интернет в некоторых странах вытесняет традиционные источники научной информации. В связи с этим возникает необходимость в проведении эмпирического исследования, основанного на верифицированных и генерализованных данных, и в социальной рефлексии феномена сетевой академической коммуникации. Предполагаемое исследование фокусируется на ключевой проблеме: насколько ученые
используют возможности сети для собственного профессионального продвижения - для тестирования гипотез и решения научных задач, для представления результатов исследований, поиска коллабораций, для роста академического авторитета. Цель нашей статьи - эксплицировать первичные методологические рамки исследования, посвящённого изучению коммуникативных стратегий и практик ученых - пользователей профессиональных интернет-сетей.
Ключевые слова: Интернет, коммуникация, исследователи, SNA, наукометрия, коммуникативные стратегии, социальные сети, ResearchGate, практики, успешность.
За последние годы произошли серьезные изменения в ландшафте научных коммуникаций — ученые все больше «запутываются» в виртуальных профессиональных сетях (academia.edu, ResearchGate и др.) Подобные социальные медиа предоставляют ученым новые возможности в продвижении своих исследований, в поисках научного сотрудничества, в получении информации, в организации научных дискуссий, в конструировании академического признания. Онлайн коммуникации в профессиональных сетях становятся неотъемлемой частью повседневных научных практик. В связи с этим возникает необходимость в социальной рефлексии феномена сетевой академической коммуникации, в верифицированных и генерализованных данных эмпирического исследования виртуального сообщества. Предполагаемое исследование фокусируется на ключевой проблеме: насколько ученые используют возможности сети для собственного профессионального продвижения - для тестирования гипотез и решения научных задач, для представления результатов исследований, поиска кол-лабораций, для роста академического авторитета.
Исследования в области социальных академических медиа только набирают обороты, особенно это касается российского кейса. Следует обратить внимание на то, что:
- во-первых, русскоязычные ученые фокусируются в основном на изучении виртуальных сообществ и контента «общих» сетей, таких как vk.com, facebook.com, twitter.com, livejournal.com и др., упуская специализированные социальные медиа: researchgate. net, academia.edu, linkedin.com, mendeley.com и др. В такого рода работах определенный интерес для нас представляют «тех-
нические» аспекты изучения компьютерных сетей и их методов анализа (Бершадская и др., 2012), а также теоретические импликации, в частности, концептуализация понятия «сетевое сообщество», «социальные медиа» и пр. (Назарчук, 2011; Carr, Hayes, 2015; Howard, Parks, 2012; и др.). К этому же блоку относятся исследования академических сетей, основанные на применении концепции SNA (Social Network Analysis) — методологии анализа социальных сетей, основных акторов и их публикационной активности, (Behara, Babbar, 2014; Van Der Valk, Govert Gijsbers, 2010; и др.). В таких работах с помощью различных индикаторов SNA («центральность», «взаимность» и т.п.) выявляются лидирующие акторы, связующие звенья в сети, а также доминирующие темы исследования. Анализ социальных исследовательских сетей проводится на основе больших выборок. Подобные исследования представляют определенный интерес; однако, создавая картину существующих исследований и взаимосвязей, они не показывают, как ученому следует пользоваться ею для построения собственной стратегии ведения исследовательской работы;
— во-вторых, важно выделить блок работ как теоретического, так и эмпирического характера, анализирующих социальные сети в перспективе научных коммуникаций («Web 2.0»). Фиксируется, что Интернет в некоторых странах вытесняет традиционные источники научной информации. Исследуются вопросы, связанные с отношением «ученый — аудитория», «наука и общество» в новой информационной среде (Weingart, 2012; Brossard, 2013; Puschmann, Mahrt, 2012; Bik, Goldstein, 2013; Shrum, Beggs, 1997; и др.), изучаются демографические характеристики потребителя научного контента, обсуждается степень влияния сетевой науки на формирование общественного мнения, а также эксплицируется роль социальных медиа в процессе производства научного знания;
— в-третьих, и это самое главное, в фокусе внимания — корпус работ, связанных непосредственно с изучением профессионального общения ученых в социальных академических медиа, прежде всего, academia.edu, ResearchGate. На основе разного рода опросов определена иерархия пользовательских сетей, структура коммуникативных процессов, установлена связь между онлайн коммуникацией и офлайн сотрудничеством — поиском новых соколлабораторов, изучено влияние дисциплинарных полей на
коммуникативные практики пользователей (Noorden, 2014; Ortega, 2014 и др.). В целом, авторы, как отечественные, так и зарубежные, подчеркивают недостаточность исследований проблематики «Ученые в социальных сетях» и указывают на необходимость ее развития.
В связи с тем, что для российских социологических исследований такого рода постановка проблемы достаточно нова, важнейшее значение приобретает методологическая составляющая. Цель нашей статьи — эксплицировать первичные методологические рамки исследования, посвящённого изучению коммуникативных стратегий и практик ученых — пользователей профессиональных интернет-сетей. Прежде всего, необходимо выбрать социальную профессиональную сеть, наиболее оптимальную для анализа. С нашей точки зрения таковой является сервис ResearchGate (Rg), так как он дает наиболее полный набор переменных и атрибутов, характеризующих деятельность пользователя, нежели аналогичные сервисы, такие как, например, Academia. edu. Исследование разворачивается вокруг вопроса: насколько внутрисетевая активность пользователя и его интернет-статус коррелирует (и, возможно, влияет) на его показатели и практики вне сети. Для ответа необходимо измерить соотношение рейтинга онлайн-активности и офлайн-достижений исследователей. В связи с тем, что мы рассматриваем успешность учёного с позиций интернационализации науки, наиболее релевантными маркерами для нас являются данные WoS и Scopus. Стоит отметить, что Rg предлагает собственный индекс — Rg Score, который коррелирует с аналогичными показателями исследователей в международных реферативных базах данных. Немаловажным фактором при выборе «исследовательского маркера успешности» является возможность автоматической аккумуляции данных, а так как сбор значений Rg Score по своей сути не отличается от сбора прочих переменных и атрибутов внутри сети (при том, что автоматический сбор индексов WoS и Scopus, а также их соотнесение с конкретными пользователями — многократно более трудоёмкий процесс, затраты на автоматизацию которого неадекватны ценности полученных данных), нами было принято решение задействовать Rg Score в качестве искомого маркера офлайн-успешности. В свою очередь, для описания интернет-активности пользователей и их коммуника-
тивных стратегий мы используем набор атрибутов и переменных, который будет описан немного позднее.
На данный момент сеть Rg насчитывает около 10 000 000 пользователей. К сожалению, политика сервиса, обусловленная жёсткой конкуренцией, не позволяет нам узнать точное количество пользователей, число активных аккаунтов, а также количество «мёртвых душ», однако в рамках нашего исследования выборка будет строиться по несколько иному принципу, так что отсутствие точных данных о генеральной совокупности не является для нас критичным. Итак, начнём с формирования выборки. Сеть Rg распределяет всех своих пользователей с помощью 24 разделов:
1. Agricultural Science (Сельскохозяйственные науки)
2. Anthropology (Антропология)
3. Biology (Биология)
4. Chemistry (Химия)
5. Computer Science (Информационные технологии)
6. Design (Дизайн)
7. Economics (Экономика)
8. Education (Образование)
9. Engineering (Инженерия)
10. Entertainment and Arts (Искусство)
11. Geoscience (Науки о Земле)
12. History (История)
13. Law (Юриспруденция)
14. Linguistics (Лингвистика)
15. Literature (Литература)
16. Mathematics (Математика)
17. Medicine (Медицина)
18. Philosophy (Философия)
19. Physics (Физика)
20. Political Science (Политология)
21. Psychology (Психология)
22. Religious Studies (Религиоведение)
23. Social Science (Социальные науки)
24. Space Science (Науки о космосе)
В исследовании будет использована квотная выборка (по 210 пользователей от каждого из 24 разделов Rg), при этом, пользователи внутри каждой группы будут выбраны случайно. Таким обра-
зом, полный объём выборки составит 5040 пользователей. Анализ значительного массива данных, полученных в ходе исследования автоматизированным методом (краулинг), позволит ответить на вопрос, зачем ученые используют академические медиа; выявить взаимозависимость коммуникативных стратегий и академических достижений офлайн, а также области исследований, аффилиации; установить связь между популярностью (количество скачиваний) и академическим признанием (офлайн).
Для ответа на вопрос насколько внутрисетевая активность пользователя и его интернет-статус коррелирует с его показателями и практиками вне сети, планируется решить следующие задачи:
1. Провести количественный анализ полученных данных с помощью статистического моделирования (предположительно, с помощью моделирования структурными уравнениями), которое поможет выявить факторы активности и стратегии поведения в сети, оказывающие наибольшее влияние на статус и успех исследователя вне сети.
2. Провести визуализацию (картирование) стратегии пользователя на плоскости, используя дихотомическое сопоставление приоритетов пользовательской стратегии, посредством анализа количественных показателей и атрибутов каждого отдельного пользователя.
Картирование должно позволить соотнести:
a) Успешность (Rg Score) и стратегию.
b) Популярность (количество подписчиков) и стратегию.
c) Научную дисциплину и стратегию.
d) Аффилиацию и стратегию.
Более того, полученные данные также помогут соотнести:
a) Популярность и успешность;
b) Аффилиацию и популярность;
c) Аффилиацию и успешность;
d) Научную дисциплину и популярность;
e) Научную дисциплину и успешность.
Для построения карт необходимо ввести два индекса: индекс онлайн-активности пользователя и индекс его офлайн достижений. Гипотетически, второму релевантны показатели Web of Science и Scopus однако, как уже было сказано ранее, в случае с Research Gate может подойти Rg Score — собственный индекс
сети, инструмент «статусного» распределения всех пользователей, рассчитываемый на основе базовых количественных переменных, с помощью которого определяется положение конкретного исследователя среди прочих пользователей.
В свою очередь, измерение онлайн активности пользователя имеет некоторые ограничения. Как можно было заметить по графе «показатели», мы не имеем доступа к информации о дате регистрации пользователя и количестве проведённого на сайте времени, однако даже без данных показателей, в нашем распоряжении остаётся достаточное количество различных переменных. Однако, перед разработкой индекса онлайн-активности, важно операционализировать само понятие пользовательской онлайн-активности, а также разработать некий исследовательский фрейм.
По нашему предположению, есть как минимум четыре основные пользовательские цели внутри сети
1. Распространение текстов — страница пользователя регистрируется с целью предоставления информации о собственных разработках, публикации полных текстов ссылок и аннотаций, при этом остальные возможности сети могут не использоваться;
2. Приём обратной связи — использование сети в качестве некоторого коммуникативного инструмента с приоритетом на получение информации извне, то есть на её приём. Таким образом, например, пользователь может публиковать свои работы с целью получения обратной связи, то есть комментариев, оценок своего труда. Эта стратегия, конечно, может рассматриваться и как некоторая вариация первой, однако в коммуникативном аспекте они достаточно сильно отличаются, так как в данном случае уже имеет место обмен информацией, а не односторонняя коммуникация, как в первом случае;
3. Коммуникация с другими исследователями — третья стратегия характеризуется смещением приоритета в сторону интенсификации двухсторонней коммуникации, то есть речь идёт о классическом понимании пользовательской активности. Таким образом, в рамках коммуникативной стратегии пользователи в основном участвуют в дискуссиях вокруг текстов, а также ком-муницируют с помощью сервиса A&Q;
4. Поиск текстов — как пользовательская стратегия является практически полной противоположностью первой (распростране-
ние текстов) и подразумевает импорт, а не экспорт информации. В рамках этой стратегии пользователь ищет тексты и интересующую его информацию в Rg, однако не участвует в дискуссиях, а также может даже не публиковать собственные тексты. К сожалению, зафиксировать такую активность практически невозможно, за исключением тех случаев, когда пользователь пользуется функциями подписки на авторов, проекты или тексты.
5. Пятая стратегия не интересует нас в рамках нашего исследования, однако стоит обговорить и её. Так, самим исследователем, а возможно и институцией создаётся аккаунт, однако он никак не используется в дальнейшем. То есть пользовательская активность равна нулю и, как следствие, такие аккаунты можно именовать «мёртвыми душами».
Стоит отметить, что стратегии не дихотомичны и могут совмещаться в любых вариациях. Таким образом, при операционали-зации понятия пользовательской активности важно определить, через какие доступные переменные возможно её измерение. Более того, следует обратить внимание на вопрос о соотношении и взаимовлиянии авторитета и рейтинга Rg, то есть насколько велика вероятность того, что стратегия онлайн-поведения изначально успешного учёного влияет на его интернет-популярность.
Каждый пользователь, фактически характеризуется некоторым перечнем показателей — атрибутами и переменными (ниже представлены те из них, что были отобраны нами в качестве данных, характеризующих пользовательскую активность):
Атрибуты:
1. Ссылка на исследователя;
2. Аффилиация;
3. Дисциплина;
4. Rg Score
Показатели:
1. Количество подписок на:
a) исследователей;
b) публикации;
c) проекты;
2. Количество вопросов в Q&A;
3. Количество ответов в Q&A;
4. Количество полных текстов;
5. Количество публикаций;
6. Количество подписчиков.
На основании анализа и распределения следующих переменных предлагается разработать индекс, выполняющий следующие функции:
1. Репрезентация пользовательской стратегии (предлагается использовать координатную плоскость с полюсами «импорт», «экспорт», «репрезентация». «коммуникация» (в соответствии с стратегиями, описанными выше).
A. Импорт: количество подписок на исследователей + количество подписок на публикации + количество подписок на проекты.
Б. Коммуникация: количество заданных вопросов (A&Q) + количество предоставленных ответов (A&Q) + количество написанных Open Review.
B. Экспорт: количество опубликованных полных текстов.
Г. Репрезентация: количество публикаций.
2. Репрезентация интенсивности пользовательской активности.
Полагаем, что обозначенный исследовательский инструментарий может быть эффективным средством для решения задач, связанных с выявлением влияние онлайн и офлайн профессиональных достижений. Результаты исследования могут быть использованы для построения стратегии сетевого поведения, которое ведет к более эффективному распространению результатов исследований, к увеличению количества цитирований, к увеличению узнаваемости конкретного ученого, из чего следует повышение статуса исследовательской организации, в которой он работает. А это уже соответствует целям повышения конкурентоспособности российского образования и российской науки в мире.
Список литературы
Бершадская Л.А., Биккулов А.С., Болгова Е.В., Чугунов А.В., Якушев А.В. Социальные сети и социометрические исследования: теоретические основания и практика использования автоматизированного инструментария изучения виртуальных сообществ / / Информационные ресурсы России. 2012. №4. С. 19-24.
Назарчук А.В. О сетевых исследованиях в социальных науках // Социологические исследования. 2011. №1. С. 39-51.
Behara R.S., Babbar S., Smart P.A. Leadership in OM research: a social network analysis of European researchers, International Journal of Operations & Production Management, 2014. Vol. 34 Iss 12, pp. 1537-1563.
Bik H.M., Goldstein M.C. An Introduction to Social Media for Scientists. PLoS Biology. 2013. 11 (4).
Brossard D. New media landscapes and the science information consumer. Proceedings of the National Academy of Sciences. 2013. V.110. P.14096-14101.
Carr C.T., Hayes R.A. Social media: Defining, developing, and divining. Atlantic Journal of Communication, 23(1). 2015. P. 46-65.
Howard Ph.N., Parks M. Social Media and Political Change. Special Issue of the Journal of Communication. 2012. V.62 (2). P. 359-362.
Noorden R. Online collaboration: Scientists and the social network. Nature 512 (7513). 2014. P. 126-129.
Ortega J.L. Influence of co-authorship networks in the research impact: Ego network analyses from Microsoft Academic Search. Journal of Infor-metrics. 8 (3). 2014. P. 728-733.
Puschmann C., Mahrt M. Scholarly Blogging: A New Form of Publishing or Science Journalism 2.0? Science and the Internet. Düsseldorf university press, 2012. P. 171-181.
Shrum W., Beggs. Methodology for studying research networks in the developing world: Generating information for science and technology policy? J.J. Know Techn. Pol., 1997. Vol 9 Iss 62.
Van Der Valk T., Gijsbers G. The use of social network analysis in innovation studies: Mapping actors and technologies, Innovation: Management, Policy & Practice, 2010. Vol 12 Iss 1, pp. 5-17.
Weingart P. The lure of the mass media and its repercussions on science. In The Sciences' Media Connection - Public Communication and its Repercussions, Rodder S, Franzen M, Weingart P (eds), 2012. P. 17-32.
