CC BY
14
Высшее образование в России Vysshee obrazovanie v Rossii = Higher Education in Russia
ISSN 0869-3617 (Print), ISSN 2072-0459 (Online) http://vovr.elpub.ru
Управление цифровыми коммуникациями с целевыми группами в деятельности ведущих российских университетов
Научная статья
DOI: 10.31992/0869-3617-2022-31-10-9-24
Бродовская Елена Викторовна - д-р полит. наук, гл. науч. сотрудник Центра политических исследований, ORCID: 0000-0001-5549-8107, brodovskaya@inbox.ru
Домбровская Анна Юрьевна - д-р социол. наук, проф. Департамента политологии, директор Центра политических исследований, ORCID: 0000-0002-2015-2349, an-doc@yandex.ru Лукушин Владимир Андреевич - лаборант-исследователь Центра политических исследований, ORCID: 0000-0001-6185-303X, lukushin@aol.com
Финансовый университет при Правительстве Российской Федерации, г. Москва, Россия Адрес: 125167, г. Москва, Ленинградский проспект, 49/2
Аннотация. Статья представляет результаты эмпирического исследования, направленного на измерение показателей качества управления цифровыми коммуникациями с целевыми группами ведущих российских университетов в социальных медиа. Выборка университетов основана на международном предметном рейтинге «QS World University Rankings by Subject 2021: Social Sciences & Management 2021». Среди кейсов прикладного исследования: НИУ «Высшая школа экономики », Российский экономический университет им. Г.В. Плеханова, Финансовый университет при Правительстве РФ, Российская академия народного хозяйства и государственной службы при Президенте РФ, Университет МГИМО, Российский университет дружбы народов. Сравнительный анализ специфики управления вузами цифровыми коммуникациями с целевыми аудиториями проведён посредством комбинации методов анализа социальных графов (с применением авторского программного обеспечения, основанного на определении структурных связей цифровых сообществ), а также киберме-трического анализа, направленного на выявление ключевых показателей пользовательской активности (с использованием сервиса для мониторинга социальных медиа). Предложенная авторами методика позволяет оценить масштаб и характер коммуникации университетов с внешними и внутренними целевыми группами. На основе полученных данных разработаны рекомендации по совершенствованию цифрового менеджмента университетов, увеличению плотности связей и интегрированности пользователей внутри онлайн-сооб-ществ вузов как одного из условий эффективного управления университетским брендом в современном сетевом онлайн-пространстве.
Контент доступен под лицензией Creative Commons Attribution 4.0 License. This work is licensed under a Creative Commons Attribution 4.0 License. © Бродовская Е.В., Домбровская А.Ю., Лукушин В.А., 2022.
Ключевые слова: социальные медиа, цифровая коммуникация, социальный граф, цифровая аудитория, цифровые сообщества, информационные потоки, социально-медийная аналитика, управление брендом вуза
Для цитирования: Бродовская Е.В, Домбровская А.Ю, Лукушин В.А. Управление цифровыми коммуникациями с целевыми группами в деятельности ведущих российских университетов // Высшее образование в России. 2022. Т. 31. № 10. С. 9-24. DOI: 10.31992/0869-36172022-31-10-9-24
Management of Digital Communications with Target Groups by Leading Russian Universities
Original article
DOI: 10.31992/0869-3617-2022-31-10-9-24
Elena V. Brodovskaya - Dr. Sci. (Political), Chief Researcher, ORCID: 0000-0001-5549-8107, brodovskaya@inbox.ru
Anna Yu. Dombrovskaya - Dr. Sci. (Sociology), Prof., Director, ORCID: 0000-0002-2015-2349, an-doc@yandex.ru
Vladimir A. Lukushin - Research Assistant, ORCID: 0000-0001-6185-303X, lukushin@aol.com Financial University under the Government of the Russian Federation, Moscow, Russia Address: 49/2, Leningradsky prospect, Moscow, 125167, Russian Federation
Abstract. The article presents the results of an empirical study on the assessment of digital communications management with target groups of Russian universities in social media. A sample of universities is based on the «QS World University Ranking by Subjects 2021: Social Sciences and Management 2021». Among the cases of applied research: National Research University «Higher School of Economics», Russian University of Economics, Financial University under the Government of the Russian Federation, Russian Academy of National Economy and Public Administration under the President of the Russian Federation, MGIMO University, Peoples' Friendship University of Russia. The results of a comparative analysis has been carried out using the method of graph with the use of a special software based on determining the structural links of the most significant digital communities of selected universities, as well as social media analysis aimed at determining the key parameters of user activity. The method proposed by the authors makes it possible to assess the scale and nature of communication between universities and selected target groups. Based on the data obtained, we have developed recommendations for improving the digital management of universities, increasing the density of connections and the integration of users within the online communities of universities as one of the conditions for effective management of a university brand in the modern network space.
Keywords: social media, digital communication, social graph, digital audience, digital communities, information flows, social media analytics, university brand management
Cite as: Brodovskaya, E.V., Dombrovskaya, A.Yu., Lukushin, V.A. (2022). Management of Digital Communications with Target Groups by Leading Russian Universities. Vysshee obrazovanie v Rossii = Higher Education in Russia. Vol. 31, no. 10, pp. 9-24, doi: 10.31992/0869-3617-2022-3110-9-24 (In Russ., abstract in Eng.).
Постановка проблемы. Требования цифровой эпохи к качеству управления информационными потоками всё возрастают. Продвижение бренда любой компании зависит во многом от уровня её социально-медийного менеджмента. Целевые группы современных организаций предпочитают получать информацию и взаимодействовать с помощью цифровых технологий. Главным образом это связано с ростом национальных интернет-аудиторий, переносом существенной части жизненных практик граждан в онлайн-про-странство, в том числе в связи с пандемическими ограничениями и др. Динамичные изменения в медиасфере, интенсивное появление новых, активно завоёвывающих большие целевые аудитории цифровых площадок диктуют компаниям необходимость регулярного пересмотра каналов распространения информации о бренде. Высшие учебные заведения следуют данному требованию цифровой эпохи и вносят значительные коррективы в стратегии продвижения своих брендов в виртуальной среде. Очевидно, что устоять в статусе известного и привлекательного для молодёжи вуза могут только те из них, которые выбирают стратегию максимальной диверсификации партнёров, каналов, технологий в условиях конкуренции за целевые аудитории и группы.
Работа с абитуриентами, фактически полностью ориентированными на цифровой формат взаимодействия, предполагает особый подход к формированию не только медийного контент-плана, но и стратегии управления онлайн-коммуникациями социально-медийных сообществ, вовлекающих старшеклассников в университетскую повестку. Это же характерно и для работы с другими внешними целевыми аудиториями вузов (родителями абитуриентов, преподавателями, сотрудниками, деловыми кругами и т. д.). Адресность коммуникации, модера-ция общего взаимодействия, вовлечение в привлекательную повестку - всё это становится непременным требованием к работе с различными аудиториями в цифровой среде.
Интегрированность социально-медийных информационных потоков о брендах вузов, в свою очередь, зависит от их управляемости и модели развития хабов (центров) и лидеров общественного мнения, генерирующих и мо-дерирующих вовлечение массовых пользователей. Таким образом, перед вузами стоит сложная задача адаптации к требованиям, которые «цифровые граждане» предъявляют к качеству коммуникации при выборе вуза, обучении или трудовой деятельности в нём. Базовый исследовательский вопрос состоит в определении ключевых характеристик управления цифровыми коммуникациями с внешними целевыми аудиториями ведущих университетов РФ в онлайн-среде.
Гипотеза исследования состоит в предположении, что наличие координации в процессе развития вузовских социально-медийных сообществ внешних целевых аудиторий увеличивает уровень сплочённости социальной онлайн-сети и интенсифицирует пользовательский резонанс вокруг вузовского контента, позитивно сказываясь на качестве управления публичными коммуникациями университета в современном цифровом пространстве.
Обзор современных исследований. Основные теоретические работы, посвящён-ные исследованию цифровых коммуникаций высших учебных заведений с целевыми аудиториями, можно разделить на несколько групп. Исследования первой группы направлены на определение доминирующих стратегий позиционирования университетов в социальных медиа и используемых технологий брендинга. Подчёркивается, что циф-ровизация является вызовом для современного университета, подталкивая достаточно консервативные общественные институты к освоению новых площадок и механизмов коммуникации [1-3]. Исследования второй группы сосредоточены на оценке эффективности цифрового менеджмента университетов, их сравнительном анализе и рейтинго-вании вузов на основе полученных данных [4; 5]. Третью группу работ составляют ис-
следования репутации университета в цифровом пространстве, технологий выстраивания имиджа в конкурентной борьбе за различные целевые группы: студентов, преподавателей, научных сотрудников [6-8]. Четвёртая группа исследований относится к оценке позитивных эффектов цифрови-зации, в т. ч. влияния социально-медийного пространства на научно-образовательную активность обучающихся и процессы коммуникации внутри университетского комьюни-ти [9-11]. Отдельно стоит выделить работы, посвящённые управлению информационными потоками университетов, организации системы цифровых коммуникаций представителей университетов и эффектам цифро-визации для сотрудников образовательных организаций [12; 13]. Отметим, что большинство указанных исследований реализуется преимущественно в границах сетевого подхода, предполагающего формирование принципиально новых форм коммуникаций в цифровую эпоху, выстроенных в современных сетевых форматах [14; 15]. Кроме того, глобальная перестройка системы повседневного взаимодействия позволяет определять каждого пользователя активным актором глобальной сети [16].
Социально-медийные коммуникации с целевыми группами - предмет социально-медийной аналитики с использованием специальных инструментов и программного обеспечения, а также с применением методологии интеллектуального поиска маркеров цифровой активности. В настоящее время можно выделить две отечественные исследовательские группы, работающие в указанном направлении. Одна из них - под руководством Е. Бродовской (Центр политических исследований Финансового университета при Правительстве РФ). Объектами исследования коллектива выступают различные социально-политические процессы. Специфика методологии, разработанной этой научной командой, состоит в гибридизации эмпирического дизайна, включающего, помимо автоматизированного анализа
цифрового контента, использование методов понимающего восприятия текстов в качестве предварительного этапа определения основных характеристик информационных потоков, а также современных достижений когнитивной инструментальной диагностики, позволяющей совершенствовать процесс интерпретации цифровых данных [17]. Можно выделить следующие направления исследовательской деятельности коллектива, посвящённые образовательной сфере:
- оценка процесса цифровизации образовательного процесса и внедрение современных цифровых технологий в образовательный процесс [18];
- анализ официальных сайтов, цифровых сообществ и всей системы цифровой инфраструктуры отечественных и зарубежных университетов [19; 20];
- сегментирование и рейтингование университетов, исходя из выбранных стратегий организации системы цифрового менеджмента [21].
Особым направлением социально-медийного анализа служит построение социальных графов. Этот метод нацелен на выявление силы и плотности связей внутри и между цифровыми сообществами, релевантными предмету исследования. Одной из первых в отечественной науке анализ социальных графов и построение цифровых инфраструктур предприняла Г. Градосельская [22; 23]. Моделирование цифровой инфраструктуры определённой социальной активности целевых групп позволяет выявить каналы, ресурсы и технологии социального конструирования смыслов и значений в сознании представителей этих целевых аудиторий.
Важным направлением социально-медийного анализа являются исследования возможностей формирования коллективных идентичностей в сетевой онлайн-среде [24]. Данный исследовательский трек исключительно важен для брендирования отдельных организаций в сетевом онлайн-простран-стве, поскольку позволяет формировать нужнные идентичности сообществ социаль-
НАПРАВЛЕНИЯ МОДЕРНИЗАЦИИ ВЫСШЕГО ОБРАЗОВАНИЯ
но-медийной аудитории. Ощутимую часть социально-медийных исследований составляет также лингвистический анализ. Он служит базой разработки цифровых маркеров, на основе которых производится автоматическая выгрузка релевантных информационных потоков [25; 26].
При всём разнообразии и широте публикаций об использовании методов интеллектуального поиска цифровых маркеров в социально-гуманитарных исследованиях, наблюдается острый дефицит работ по изучению цифровых коммуникаций университетов с целевыми аудиториями в процессе формирования их бренда в онлайн-среде.
Теоретико-методологическая основа исследования. Теоретический фундамент исследования образует совокупность следую-щихтеорий,концепций и идей:
- сильных связей традиционных сетей [27; 28];
- топологии предпочтительного присоединения цифровых сетей [29];
- способности цифровых коммуникаций увеличивать связность сети (connectivitygenerating), соединять между собой удалённые в социальном пространстве кластеры, внутри которых доминируют сильные связи [30];
- «гомофилии» в цифровой среде [31];
- селективного восприятия в цифровой среде [32; 33].
Методология настоящего исследования базируется на комбинации научных положений сетевого и когнитивного подходов. Использование сетевого подхода в настоящем исследовании обусловливается ориентацией на изучение организационных и функциональных особенностей составных элементов цифровых инфраструктур отечественных университетов [34]. В связи с этим особое значение приобретает теория социальных графов, заложенная в основу современных междисциплинарных исследований, нацеленных на автоматизированное моделирование отдельных субъектов цифрового пространства, дальнейшую интер-
претацию, дополнение и расширение данных [35; 36]. Применение достижений когнитивного подхода связано с анализом особенностей восприятия цифрового контента университетов и возможностей влияния на поведение массовой аудитории посредством адаптации цифровой информации к запросам и потребностям интернет-пользователей
[37].
Реализованное прикладное исследование опирается также на общие принципы современного для общественных наук методологического подхода Predictor Mining, позволяющего осуществлять интеллектуальный поиск цифровых маркеров и обосновывать фильтры - речевые паттерны для автоматизированного аккумулирования информационных потоков об университетах, каждый из которых составляет отдельный исследовательский кейс [38].
Методика исследования. В основе отбора вузов для эмпирического анализа -международный предметный рейтинг «QS World University Rankings by Subject 2021: Social Sciences & Management 2021». В соответствии с результатами рейтингования по направлению «Социальные науки и Менеджмент» были отобраны шесть ведущих российских университетов: НИУ «Высшая школа экономики», Российский экономический университет им. Г.В. Плеханова, Финансовый университет при Правительстве РФ, Российская академия народного хозяйства и государственной службы при Президенте РФ, Университет МГИМО, Российский университет дружбы народов.
Обозначенный ранее теоретико-методологический фрейм обусловливает использование в настоящем исследовании гибридной стратегии. Для выявления структурных характеристик университетских онлайн-сообществ используется метод социальных графов, включающий в себя применение специализированного авторского программного обеспечения «Социальный граф». Программа написана на языке программирования JavaScript, интерпрети-
Таблица 1
Структурные показатели цифровых сообществ исследуемых университетов
Table 1
Structural indicators of digital communities ofthe studied universities
Университет/показатель Число участников со связями более 100 В % от совокупной аудитории Число участников со связями более 500
РЭУ им. Г.В. Плеханова 1309 11,3 31
РАНХиГС 1026 5,6 28
Финансовый университет 1024 5,7 21
МГИМО 895 9,1 18
НИУ ВШЭ 724 8,8 19
РУДН 103 1,7 4
руется внутри nodejs версии не ниже 7.5. Визуальная часть программы выполнена с применением плагина jquery VisJS. Данный инструмент позволяет выявить количество пересечений между участниками сообществ в социальной сети «ВКонтакте», каждый из которых является узлом графа. Важный параметр эффективности управления брендом вуза в онлайн-среде - стратегия координации цифровых целевых аудиторий. Для измерения силы и плотности связей между участниками социально-медийных сообществ университетов, а также для определения характера связей и представленности «цифровых лидеров» было отобрано 100 цифровых сообществ. В соответствии с техническими возможностями сервиса были охвачены все крупнейшие цифровые сообщества университетов, отличающиеся регулярной активностью и направленные на взаимодействие с различными целевыми группами.
Для углубления полученных в ходе гра-фирования данных используется киберме-трический анализ, реализованный посредством применения инструмента автоматизированной оценки цифровых сообществ «LiveDune». Выборку составили собранные ранее цифровые сообщества, локализованные в социальной сети «ВКонтакте». Глубина анализа: 01.11.2020-01.11.2021. В ходе обработки данных особое внимание уделено характеру пользовательской активности, отражающей эффективность управления
коммуникациями в цифровых сообществах представленных университетов. Для оценки пользовательской активности предложено применение агрегированных показателей, совмещающих различные типы пользовательских реакций, количество публикаций и охват аудитории. Указанный подход позволяет увеличить объективность полученных данных за счёт определения трёх количественных показателей: уровень вовлечённости (сумма пользовательских реакций/количество публикаций*охват аудитории), рейтинг просмотров (просмотры публикаций/ количество публикаций*охват аудитории), рейтинг реакций (сумма пользовательских реакций/просмотры публикаций).
Результаты исследования. В таблице 1 показаны результаты сравнительного анализа долевой представленности лидеров общественного мнения цифровых сообществ группы университетов - кейсов исследования. Отбор цифровых сообществ ведущих российских вузов был подчинён двум условиям: направленность групп на внешнюю аудиторию университета (на примере абитуриентов и выпускников) и принадлежность сообщества сети «ВКонтакте». Первое условие определяется необходимостью измерить показатели управления вузами цифровыми коммуникациями с внешними и внутренними целевыми аудиториями. Второе условие обусловлено, во-первых, наибольшей популярностью блогохостинга «ВКонтакте» среди российской пользовательской аудитории,
Рис. 1. Доля участников цифровых сообществ университетов с нулевым числом пользовательских связей («выключенные» пользователи), % Fig. 1. Percentage ofparticipants in digital university communities with zero user connections
('disabled' users), %
во-вторых, тем, что авторское ПО, формирующее социальные графы, является приложением к этой сети.
Согласно данным таблицы 1, наиболее высокие показатели представленности микролидеров (участников цифрового сообщества с аудиторным охватом более 100 пользователей) - у РЭУ им. Г.В. Плеханова, который занимает ведущие позиции и по числу лидеров общественного мнения в социально-медийных группах (участников цифрового сообщества с аудиторным охватом более 500 пользователей). Этот показатель указывает на плотность взаимодействия внутри онлайн-группы, наличие сплочённого взаимодействия пользователей вокруг вузовской повестки и других объединяющих тем. По доле «цифровых лидеров» с аудиторией более 100 участников относительно высокие показатели имеют также МГИМО и НИУ ВШЭ. Вместе с тем по количеству лидеров с пользовательским охватом более 500 человек довольно близкие к лидерским результатам имеет РАНХиГС при Президенте РФ. Отметим, что у РУДН наименьшие значения как по числу микролидеров, так и по количеству лидеров общественного мнения. На рисунке 1 представлены сопоставительные
данные о показателе разобщённости анализируемых цифровых групп.
Сочетание небольшого числа лидеров мнений и значительной доли пользователей с нулевым числом связей внутри сообществ определяет тот факт, что социально-медийные группы РУДН - наименее плотные и относительно разобщённые. На рисунках 2-7 отражены социальные графы университетских цифровых групп, взаимодействующих с внешними целевыми аудиториями. Каждый круг на графе означает участника, размер круга связан с влиятельностью пользователя (количеством связей с другими участниками сообщества).
Согласно рисунку 2, две социально-медийные группы Финуниверситета, направленные на работу с внешними целевыми аудиториями, имеют разные свойства. «Абитуриенты Финуниверситета» - более многочисленное сообщество, однако, не имеющее существенного числа влиятельных участников, уплотняющих связи группы и сплачивающих пользователей вокруг общей вузовской повестки. Напротив, «Карьерный центр Финуниверситета», взаимодействующий с выпускниками, менее численно представлен, однако располагает значительным
Рис. 2. Графы цифровых сообществ Финуниверситета: «Абитуриенты Финуниверситета» -слева и «Карьерный центр Финуниверситета» - справа Fig. 2. Graphs ofdigital communities ofthe Financial University: «Applicants ofthe Financial University» - on the left and «Career Center ofthe Financial University» - on the right
Рис. 3. Графы цифровых сообществ НИУ ВШЭ: «ВШЭ. Абитуриенты» -слева и «ВШЭ. Клуб дебатов» - справа Fig. 3. Graphs ofdigital communities ofthe National Research University Higher School ofEconomics: «HSE. Applicants» - on the left and «HSE. Debate Club» - on the right
числом лидеров общественного мнения, организующих интеракцию участников внутри цифровой сети.
Обе представленные на рисунке 3 группы НИУ ВШЭ обладают общими чертами: значительный охват пользовательской аудитории и большая доля лидеров, организующих коммуникацию как с абитуриентами, так и со всеми внешними аудиториями, включёнными в проект «Клуб дебатов» данного вуза.
Рисунок 4 графически иллюстрирует лидирование РЭУ им. Г.В. Плеханова в долевой представленности влиятельных участников цифровых групп, обеспечивающих сплочение пользователей вокруг общей повестки.
На рисунке 5 отражены два принципиально разных графа, структурирующих связи между абитуриентами и другими внешними аудиториями РАНХиГС при Президенте РФ. Очевидно, что сообщество коммуникации
Рис. 4. Графы цифровых сообществ РЭУ им. Г.В. Плеханова: «Клуб дебатов РЭУ» - слева и «Биржа карьеры РЭУ» - справа Fig. 4. Graphs of digital communities ofthe Plekhanov Russian University ofEconomics: «PRUE Debate Club» - on the left and «PRUE Career Exchange» - on the right
Рис. 5. Графы цифровых сообществ РАНХиГС: «Абитуриент РАНХиГС» - слева
и «Олимпиады РАНХиГС» - справа Fig. 5. Graphs of RANEPA digital communities: «RANEPA Applicants» - on the left and «RANEPA Olympics» - on the right
с абитуриентами обладает более плотными связями и сравнительно более ощутимым числом лидеров общественного мнения, чем сообщество «Олимпиады РАНХиГС». Последнее отличается рассеянностью интеракций и относительной разобщённостью.
Как видно на рисунке 6, в сообществах РУДН, направленных на взаимодействие с внешними целевыми группами, преобладают участники с «нулевыми связями», то есть
при всей многочисленности данных социально-медийных групп фактически отсутствует целенаправленная и скоординированная работа по сплочению участников университетских сообществ, повышению плотности их взаимодействия.
В сравнении с другими вузами МГИМО имеет в целом средние показатели как по численности групп, таргетированных на внешнюю аудиторию, так и по числу влиятельных
Рис. 7. Графы цифровых сообществ МГИМО: «Ассоциация выпускников МГИМО» - слева и «Бизнес-клуб МГИМО» - справа Fig. 7. Graphs ofMGIMO digital communities: «MGIMO Alumni Association» - on the left and «MGIMO Business Club» - on the right
Рис. 6. Графы цифровых сообществ РУДН: «Центр карьеры РУДН» - слева и «Абитуриенты РУДН» - справа Fig. 6. Graphs ofRUDN University digital communities: «RUDN University Career Center» -on the left and «RUDN University Applicants» - on the right
лидеров общественного мнения в этих сообществах. Довольно высокую позицию МГИМО занимает по проценту микролидеров, работающих со своей сотней пользователей над формированием общей повестки и объединением их вокруг значимых целей.
Таблица 2 иллюстрирует то, в какой степени показатели плотности взаимодействий внутри цифровых сообществ, организующих коммуникацию с внешними целевыми
аудиториями, взаимосвязаны с параметрами пользовательской активности в социально-медийных группах.
В соответствии с таблицей 2 уровень вовлечённости пользователей, рейтинг просмотров и рейтинг реакций выше в тех сообществах, в которых плотнее внутригруп-повые связи.
По сути, иерархия значений, представленная в таблице 1, воспроизводится в та-
НАПРАВАЕНИЯ МОДЕРНИЗАЦИИ ВЫСШЕГО ОБРАЗОВАНИЯ
Таблица 2
Усреднённые показатели пользовательской активности в цифровых сообществах исследуемых
университетов
Table 2
Average indicators of user activity in digital communities ofthe studied universities
Университет/Показатель Уровень вовлечённости Рейтинг просмотров Рейтинг реакций
Финуниверситет 0,3 11,9 1,4
МГИМО 0,1 9,4 1,3
НИУ ВШЭ 0,3 11,7 1,5
РУДН 0,2 10,2 1,4
РЭУ 0,4 14,6 1,7
РАНХиГС 0,3 12,0 1,3
блице 2: РЭУ им. Г.В. Плеханова лидирует по сумме пользовательских реакций на групповой контент в соотношении с публикационной активностью и охватом аудитории; доминирует по показателям просмотра публикаций с учётом количества публикаций и охвата аудитории, имеет наибольшую сумму пользовательских реакций в сопоставлении с просмотром публикаций. Средние показатели пользовательской активности - у НИУ ВШЭ, РАНХиГС и Финуниверситета. Относительно невысокие значения пользовательской активности - у социально-медийных сообществ РУДН и МГИМО. Таким образом, наличие весомого числа лидеров общественного мнения, координирующих сплочение участников цифровых групп, предлагающих им общую повестку, реализующих старт обсуждения и распространения конкретных тем и дискурсов, стимулирующих пользовательский резонанс относительно контента сообщества, обеспечивает повышение общих показателей пользовательской активности социально-медийного сообщества.
Заключение
Проведённое исследование показало, что успешность цифровых коммуникаций с внешними целевыми аудиториями университета напрямую зависит от осуществления координации онлайн-взаимодей-ствий. Коммуникации созданных по типу внешней целевой группы (абитуриенты, их родители, выпускники, представители пар-
тнёрских организаций и т.д.) социально-медийных сообществ должны регулироваться, а показатели их активности должны быть предметом регулярных мониторингов. Самоорганизация и «естественное развитие» таких групп не приводят к значимым для университетов результатам: объединению, сплочению внешних целевых групп, взаимодействие с которыми определяет успешность бренда вуза. Подготовка вузовских лидеров общественного мнения различного уровня, сотрудничество с ними, стимулирование их деятельности в рамках социально-медийных площадок - важное условие эффективности цифровых групп, работающих с целевыми аудиториями. Технологии генерирования и модерирования вовлечённости пользователей служат обязательным средством сплочения внешних цифровых целевых аудиторий вуза. Это требование пользователей, связанное с высокой организованностью цифрового коммуникационного пространства университета, подтвердилось результатами проведённого анализа и во многом определяется спецификой условий вовлечения современных «цифровых граждан» в вузовские цифровые сети. Исходя из этого, качество коммуникации при выборе вуза, обучении или трудовой деятельности в нём, а также сохранение связей с ним после окончания определяются не только содержательными характеристиками цифрового контента, но и уровнем координации взаимодействий между пользователями
внутри социально-медийных сообществ университета.
При этом представленные авторами настоящей статьи методика и результаты анализа коммуникативных практик университетов в современных социальных медиа имеют ряд ограничений. Отобранные для исследования университеты принадлежат единой группе вузов по приоритетным направлениям социально-гуманитарного профиля, что усиливает однородность основных характеристик цифрового менеджмента и формирует общие условия для развития системы цифровых коммуникаций вузов. Традиционные ограничения складываются при использовании методов и инструментов социально-медийной аналитики, предполагающих работу с заранее определённым набором цифровых сообществ/аккаунтов по универсальным критериям. Приведённые в статье выводы характеризуют в значительной степени отдельный сегмент образовательного пространства, формируя новые направления для цифровых исследований с расширенной выборкой университетов, а также для проведения сравнительного анализа различных групп университетов по следующим показателям: образовательный профиль и особенности подготовки кадров; приоритетные направления научных исследований; масштаб, формальный и неформальный статус университетов; включённость в различные государственные программы и проекты (в частности, «Приоритет-2030», программу опорных вузов, системы научно-исследовательских и федеральных университетов и др.). В таком случае методика отбора университетов предполагает выделение нескольких уровней анализа, расширяя возможности для интерпретации и обобщения полученных цифровых данных.
Литература
1. Maresova P., Hruska J., Kuca K. Social Media University Branding // Education Sciences. 2020. Vol. 10. No. 3. P. 1-14. DOI: 10.3390/educ-sci10030074
2. Amaral I., Santos S.C. Social Networks and Institutional Communication: The case of Portuguese universities // Prisma Social. 2020. No. 28. P. 20-43. URL: https://revistaprismaso-cial.es/article/view/3371 (дата обращения: 05.07.2022).
3. Батракова И.С, Глубокова Е.Н, Писарева С.А, Тряпицына А.П. Изменения педагогической деятельности преподавателя вуза в условиях цифровизации образования // Высшее образование в России. 2021. Т. 30. № 8-9. С. 9-19. DOI: 10.31992/0869-3617-2021-30-8-9-9-19
4. Peruta A., Shields A.B. Social media in higher education: Understanding how colleges and universities use Facebook // Journal of Marketing for Higher Education. 2017. Vol. 27. No. 17. P. 131-143. DOI: 10.1080/08841241.2016.1212451
5. Potter R.E, Zadow A., DollardM, Pignata S, Lushington K. Digital communication, health & wellbeing in universities: A double-edged sword // Journal of Higher Education Policy and Management. 2021. DOI: 10.1080/1360080X. 2021.1975206
6. Lund B. Universities engaging social media users: An investigation of quantitative relationships between universities' Facebook followers/interactions and university attributes // Journal of Marketing for Higher Education. 2019. Vol. 29. No. 2. P. 251-267. DOI: 10.1080/08841241.2019.1641875
7. Rutter R, Roper S, Lettice F. Social media interaction, the university brand and recruitment performance // Journal of Business Research. 2016. Vol. 69. No. 8. P. 3096-3104. DOI: 10.1016/j.jbusres.2016.01.025
8. Belanger C.B., Bali S., Longden B. How Canadian universities use social media to brand themselves // Tertiary Education and Management. 2014. Vol. 20. No. 1. P. 14-29. DOI: 10.1080/13583883.2013.852237
9. Красильщиков В.В, Осетров М.А. Анализ активности студентов в социальной сети // Высшее образование в России. 2017. № 2 (209). С. 52-62. URL: https://vovr.elpub. ru/jour/article/view/965/865 (дата обращения: 05.07.2022).
10. Khan T., Kend M., Robertson S. Use of social media by university accounting students and its impact on learning outcomes // Accounting Education. 2016. Vol. 25. No. 6. P. 534-567. DOI: 10.1080/09639284.2016.1230880
11. O'Connor K.W., Schmidt G.B., Drouin M. Suspended because of social media? Students'
knowledge and opinions of university social media policies and practices // Computers in Human Behavior. 2016. Vol. 65. P. 619-626. DOI: 10.1016/j.chb.2016.06.001
12. Лукашенко М.А, Громова Н.В, Ожгихина А.А. Цифровой имидж преподавателя предпринимательского университета // Высшее образование в России. 2021. Т. 30. № 7. С. 91-104. DOI: 10.31992/0869-3617-2021-30-791-104
13. Кукушкина А.Г. Персональная страница преподавателя в социальной сети как инструмент педагогического взаимодействия // Высшее образование в России. 2020. Т. 29. № 12. С. 156-166. DOI: 10.31992/0869-3617-2020-2912-156-166
14. Castells M. Networks of Outrage and Hope: Social Movements in the Internet Age. Cambridge : Polity Press, 2012. 328 p.
15. Коэн Д., Шмидт Э. Новый цифровой мир. Как технологии меняют жизнь людей, модели бизнеса и понятие государств / Пер. с англ. С. Филина. М. : Манн, Иванов и Фербер. 2013.
16. Latour B. Reassembling the Social: An Introduction to Actor-Network-Theory. N.Y. : Oxford University Press, 2005. ISBN: 0199256055.17.
17. Бродовская Е.В., Домбровская А.Ю, Кар-зубов 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. С. 79-104. DOI: 10.14515/monitoring.2017.5.06
18. Бродовская Е.В., Домбровская А.Ю, Петрова Т.Э, Пырма Р.В, Азаров А.А. Цифровая среда ведущих университетов мира и РФ: результаты сравнительного анализа данных сайтов // Высшее образование в России. 2019. Т. 28. № 12. С. 9-22. DOI: 10.31992/0869-36172019-28-12-9-22
19. Бродовская Е.В., Домбровская А.Ю, Пырма Р.В, Азаров А.А. Критерии для рейтинго-вания уровня и качества цифровизации процесса образования в вузах РФ // Вестник Волгоградского государственного университета. Сер. 4: История. Регионоведение. Международные отношения. 2020. Т. 25. № 2. С. 268283. DOI: 10.15688/jvolsu4.2020.2.20
20. Азаров А.А, Давыдова М.А. Цифровые инфраструктуры сетевого пространства ведущих университетов России в области Social
Sciences & Management // Власть. 2021. Т. 29. № 5. С. 31-36. DOI: 10.3117l/vlast.v29i5.8525
21. Бродовская Е.В., Лукушин В.А. Российские университеты в социальных медиа: три «цифровые лиги» // Власть. 2021. Т. 29. № 5. С. 42-47. DOI: 10.31171/vlast.v29i5.8530
22. Pilgun M, Gradoselskaya G. Political communication on Facebook: Russian Case // Revista Latina de Comunicacion Social. 2015. Vol. 70. P. 726-749. DOI: 10.4185/RLCS-2015-1068
23. Градосельская Г.В. Роль неформальных взаимодействий в организации бизнес-структур: сетевой подход // Вестник Российского университета дружбы народов. Серия: Социология. 2006. № 2. С. 84-102. URL: https://www. elibrary.ru/item.asp?id=9291774&ysclid=l7yozs exir717458878 (дата обращения: 05.07.2022).
24. Cedeno-Mieles V, Hu Z, Ren Y., Saraf P, Self N. Networked experiments and modeling for producing collective identity in a group of human subjects using an iterative abduction framework // Social Network Analysis and Mining. 2020. Vol. 10. No. 1. DOI: 10.1007/s13278-019-0620-8
25. Keyvanpour M, Karimi Z.Z, Heidarypanah M. OMLML: A helpful opinion mining method based on lexicon and machine learning in social networks // Social Network Analysis and Mining. 2020. Vol. 10. No. 1. DOI: 10.1007/s13278-019-0622-6
26. Chen J., Hossain M.S., Zhang H. Analyzing the sentiment correlation between regular tweets and retweets // Social Network Analysis and Mining. 2020. Vol. 10. No. 1. DOI: 10.1007/s13278-020-0624-4
27. Granovetter M.S. The Strength of Weak Ties // American Journal of Sociology. 1973. Vol. 78. No. 6. P. 1360-1380. DOI: 10.1086/225469
28. Watts D.J, Strogatz S.H. Collective Dynamics of Small-World Networks // Nature. 1998. Vol. 393. No. 6684. P. 440-442. DOI: 10.1038/30918
29. Barabasi A.L, Albert R. Emergence of Scaling in Random Networks // Science. 1999. Vol. 286 (5439). P. 509-512. DOI: 10.1126/sci-ence.286.5439.509
30. Diamond L, Plattner M.F. Liberation Technology: Social Media and the Struggle for Democracy. Baltimore : Johns Hopkins University Press, 2012. 208 p. ISBN: 1421405687.
31. Settle J. Frenemies: How Social Media Polarizes America. Cambridge : Cambridge University Press, 2018. 304 p. DOI: 10.1017/9781108560573
32. Bode L. Pruning the News Feed: Unfriending and Unfollowing Political Content on Social Media
// Research & Politics. 2016. Vol. 3. No. 3. DOI: 10.1177/2053168016661873
33. Johnson B, Neo R., Heijnen M., Smits L., van Veen C. Issues, Involvement, and Influence: Effects of Selective Exposure and Sharing on Polarization and Participation // Computers in Human Behavior. 2020. Vol. 104. DOI: 10.1016/j. chb.2019.09.031
34. Домбровская А.Ю. Методология и методика анализа онлайн-сетевого бренда вузов в системе средств информационного воздействия на общественное сознание // Власть. 2021. Т. 29. № 5. С. 37-41. DOI: 10.31171/vlast. v29i5.8528
35. Биккулов А.С., Чугунов А.В. Сетевой подход в социальной информатике: моделирование социально-экономических процессов и исследования в социальных сетях: Учеб. пособие. СПб. : НИУ ИТМО, 2013.
36. Замолоцких В.С, Сидоренко В.Г. Анализ социальных сетей посредством использования теории графов // Информатизация образования и науки. 2020. № 4 (48). С. 99-113. URL: https://www.elibrary.ru/item.asp?id=4441281 5&ysclid=l7yrnrznth452746358 (дата обращения: 05.07.2022).
37. 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. 2017. Vol. 114. No. 48. P. 12714-12719. DOI: 10.1073/ pnas.1710966114
38. Азаров A.A, Бродовская Е.В, Бубнов А.Ю, Гибадулин Р.Я, Глазков А.А, Дмитриева О.В., Долгоруков А.М, Жданов Р.И, Мусина В.Ф, Нечаев В.Д, Огнев А.С, Сироткин А.В, Суворова А.В, Титов В.В, Тулупьев А.Л, Тулупьева Т.В, Фильченков А.А, Юсупов Р.М. Predictor Mining: применение методов интеллектуального анализа данных в задачах социального компьютинга // Труды СПИИРАН. 2013. № 26 (3). C. 136-161. DOI: 10.15622/sp.26.11
Благодарности. Статья подготовлена по результатам исследований, выполненных за счёт бюджетных средств по государственному заданию Финуниверситета.
Статья поступила в редакцию 08.07.22 Принята к публикации 01.09.22
References
1. Maresova, P., Hruska, J., Kuca, K. (2020). Social Media University Branding. Education Sciences. Vol. 10., no. 3, pp. 1-14, doi: 10.3390/educsci10030074
2. Amaral, I., Santos, S.C. (2020). Social Networks and Institutional Communication: The Case of Portuguese Universities. Prisma Social. No. 28, pp. 20-43. Available at: https://revistaprismasocial. es/article/view/3371 (accessed 05.07.2022).
3. Batrakova, I.S., Glubokova, E.N., Pisareva, S.A., Tryapitsyna, A.P. (2021). Changes in University Teacher's Pedagogical Activity in the Context of Digitalization of Education. Vysshee obrazovanie v Rossii = Higher Education in Russia. No. 8-9, pp. 9-19, doi: 10.31992/0869-3617-2021-30-8-9-9-19 (In Russ., abstract in Eng.).
4. Peruta, A., Shields, A.B. (2017). Social Media in Higher Education: Understanding How Colleges and Universities Use Facebook. Journal of Marketing for Higher Education. Vol. 27, no. 17, pp. 131-143, doi: 10.1080/08841241.2016.1212451
5. Potter, R.E., Zadow, A., Dollard, M., Pignata, S., Lushington, K. (2021). Digital Communication, Health & Wellbeing in Universities: A Double-Edged Sword. Journal of Higher Education Policy and Management, doi: 10.1080/1360080X.2021.1975206
6. Lund, B. (2019). Universities Engaging Social Media Users: An Investigation of Quantitative Relationships Between Universities' Facebook Followers/Interactions and University Attributes. Journal of Marketing for Higher Education. Vol. 29, no. 2, pp. 251-267, doi: 10.1080/08841241.2019.1641875
7. Rutter, R., Roper, S., Lettice, F. (2016). Social Media Interaction, the University Brand and Recruitment Performance. Journal of Business Research. Vol. 69, no. 8, pp. 3096-3104, doi: 10.1016/j. jbusres.2016.01.025
8. Belanger, C.B., Bali, S., Longden, B. (2014). How Canadian Universities Use Social Media to Brand Themselves. Tertiary Education and Management. Vol. 20, no. 1, pp. 14-29, doi: 10.1080/13583883.2013.852237
9. Krasil'shchikov V.V., Osetrov M.A. (2017). The Analysis of Students' Activity in Social Network. Vysshee obrazovanie v Rossii = Higher Education in Russia. no. 2 (209), pp. 52-62. Available at: https://vovr.elpub.ru/jour/article/view/965/865 (accessed 05.07.2022). (In Russ., abstract in Eng.).
10. Khan, T., Kend, M., Robertson, S. (2016). Use of Social Media by University Accounting Students and Its Impact on Learning Outcomes. Accounting Education. Vol. 25, no. 6, pp. 534-567, doi: 10.1080/09639284.2016.1230880
11. O'Connor, K.W., Schmidt, G.B., Drouin, M. (2016). Suspended Because of Social Media? Students' Knowledge and Opinions of University Social Media Policies and Practices. Computers in Human Behavior-. Vol. 65, pp. 619-626, doi: 10.1016/j.chb.2016.06.001
12. Lukashenko, M.A., Gromova, N.V., Ozhgikhina, A.A. (2021). Digital Media Image of Business University Professor. Vysshee obrazovanie v Rossii = Higher Education in Russia. Vol. 30, no. 7, pp. 91-104, doi: 10.31992/0869-3617-2021-30-7-91-104 (In Russ., abstract in Eng.).
13. Kukushkina, A.G. (2020). Teachers' Personal Page in a Social Network as a Tool for Teacher-Student Interaction. Vysshee obrazovanie v Rossii = Higher Education in Russia. Vol. 29, no. 12, pp. 156-166, doi: 10.31992/0869-3617-2020-29-12-156-166 (In Russ., abstract in Eng.).
14. Castells, M. (2012). Networks of Outrage and Hope: Social Movements in the Internet Age. Cambridge : Polity Press, 328 p.
15. Schmidt, E., Cohen, J. (2013). The New Digital Age: Reshaping the Future of People, Nations and Business. Knopf, 336 p. ISBN: 0307957136 (Russian translation by S. Filin, Moscow : Mann, Ivanov i Ferber, 368 p.).
16. Latour, B. (2005). Reassembling the Social: An Introduction to Actor-Network-Theory. N.Y. : Oxford University Press, 280 p. ISBN: 0199256055.
17. Brodovskaya, E.V., Dombrovskaya, A.Yu., Karzubov, D.N., Sinyakov, A.V. (2017). Developing Methodology for "Smart" Search for Political Process Markers in Social Media. Monitoring obshchest-vennogo mneniya: Ekonomicheskie i sotsial'nye peremeny = Monitoring of Public Opinion: Economic and Social Changes. No. 5, pp. 79-104, doi: 10.14515/monitoring.2017.5.06 (In Russ., abstract in Eng.).
18. Brodovskaya, E.V., Dombrovskaya, A.Yu., Petrova, T.E., Pyrma, R.V., Azarov, A.A. (2019). Digital Space of Leading Universities: The Comparative Analysis of Sites. Vysshee obrazovanie v Rossii = Higher Education in Russia. Vol. 28, no. 12, pp. 9-22, doi: 10.31992/0869-3617-2019-28-12-9-22 (In Russ., abstract in Eng.)
19. Brodovskaya, E.V., Dombrovskaya, A.Yu., Pyrma, R.V., Azarov, A.A. (2020). Criteria for Rating the Level and Quality of Digitalization of the Educational Process in Universities of the Russian Federation. Vestnik Volgogradskogo gosudarstvennogo universiteta. Seriya 4. Istoriya. Regionovedenie. Mezhdunarodnye otnosheniya = Science Journal of Volgograd State University. History. Area Studies. International Relations. No. 2, pp. 268-283, doi: 10.15688/jvolsu4.2020.2.20 (In Russ., abstract in Eng.).
20. Azarov, A.A., Davydova, M.A. (2021). Digital Infrastructures of the Network Space of the Leading Russian Universities in the Field of Social Sciences & Management. Vlast' = The Authority. Vol. 29, no. 5, pp. 31-36, doi: 10.31171/vlast.v29i5.8525 (In Russ., abstract in Eng.).
21. Brodovskaya, E.V., Lukushin, V.A. (2021). Russian Universities in Social Media: Three «Digital Leagues». Vlast' = The Authority. Vol. 29, no. 5, pp. 42-47, doi: 10.31171/vlast.v29i5.8530 (In Russ., abstract in Eng.).
22. Pilgun, M., Gradoselskaya, G. (2015). Political Communication on Facebook: Russian Case. Revista Latina de Comunicacion Social. Vol. 70, pp. 726-749, doi: 10.4185/RLCS-2015-1068
23. Gradosel'skaya, G.V. (2006). [The Role of Informal Interactions in Organizing Business Structures: A Network Approach]. Vestnik Rossiiskogo universiteta druzhby narodov. Seriya: Sotsiologiya = RUDNJournal of Sociology. No. 2, pp. 84-102. Available at: https://www.elibrary.ru/item.asp?id=9 291774&ysclid=l7yozsexir717458878 (accessed 05.07.2022). (In Russ., abstract in Eng.).
24. Cedeno-Mieles, V., Hu, Z., Ren, Y., Saraf, P., Self, N. (2020). Networked Experiments and Modeling for Producing Collective Identity in a Group of Human Subjects Using an Iterative Abduction Framework. Social Network Analysis and Mining. Vol. 10, no. 1, doi: 10.1007/s13278-019-0620-8
25. Keyvanpour, M., Karimi, Z.Z., Heidarypanah, M. (2020). OMLML: A Helpful Opinion Mining Method Based on Lexicon and Machine Learning in Social Networks. Social Network Analysis and Mining. Vol. 10, no. 1, doi: 10.1007/s13278-019-0622-6
26. Chen, J., Hossain, M.S., Zhang, H. (2020). Analyzing the Sentiment Correlation Between Regular Tweets and Retweets. Social Network Analysis and Mining. Vol. 10, no. 1, doi: 10.1007/s13278-020-0624-4
27. Granovetter, M.S. (1973). The Strength of Weak Ties. American Journal of Sociology. Vol. 78, no. 6, pp. 1360-1380, doi: 10.1086/225469
28. Watts, D.J., Strogatz, S.H. (1998). Collective Dynamics of Small-World Networks. Nature. Vol. 393, no. 6684, pp. 440-442, doi: 10.1038/30918
29. Barabasi, A.L., Albert, R. (1999) Emergence of Scaling in Random Networks. Science. Vol. 286 (5439), pp. 509-512, doi: 10.1126/science.286.5439.509
30. Diamond, L., Plattner, M.F. (2012). Liberation Technology: Social Media and the Struggle for Democracy. Baltimore Johns Hopkins University Press, 208 p. ISBN: 1421405687.
31. Settle, J. (2018). Frenemies: How Social Media Polarizes America. Cambridge : Cambridge University Press, 304 p., doi: 10.1017/9781108560573
32. Bode, L. (2016). Pruning the News Feed: Unfriending and Unfollowing Political Content on Social Media. Research & Politics. Vol. 3, no. 3, doi: 10.1177/2053168016661873
33. Johnson, B., Neo, R., Heijnen, M., Smits, L., van Veen, C. (2020). Issues, Involvement, and Influence: Effects of Selective Exposure and Sharing on Polarization and Participation. Computers in Human Behavior. Vol. 104, doi: 10.1016/j.chb.2019.09.031
34. Dombrovskaya, A.Yu. (2021). Methodology of Analysis of Online Network Brand of Universities in the System of Information Impact on Public Consciousness. Vlast' = The Authority. Vol. 29, no. 5, pp. 37-41, doi: 10.31171/vlast.v29i5.8528 (In Russ., abstract in Eng.).
35. Bikkulov, A.S., Chugunov, A.V. (2013). Setevoi podkhod v sotsial'noi informatike: modelirovanie sotsial'no-ekonomicheskikh protsessov i issledovaniya v sotsial'nykh setyakh: Uchebnoe posobie [Network Approach in Social Informatics: Modeling of Socio-Economic Processes and Research in Social Networks: Textbook]. St.-Petersburg: ITMO University. (In Russ.).
36. Zamolotskikh, V.S., Sidorenko, V.G. (2020). Social Network Analysis Using Graph Theory. In-formatizatsiya Obrazovaniya i Nauki = Informatization of Education and Science. No. 4 (48), pp. 99-113. Available at: https://www.elibrary.ru/item.asp?id=44412815&ysclid=l7yrnrznth452746358 (accessed 05.07.2022).
37. Matz, S.C., Kosinski, M., Nave, G., Stillwell, D.J. (2017). Psychological Targeting as an Effective Approach to Digital Mass Persuasion. Proceedings of the National Academy of Sciences. Vol. 1146, no. 48, pp. 12714-12719, doi: 10.1073/pnas.1710966114
38. Azarov, A., Brodovskaya, E., Bubnov, A., Gibadulin, R., Glazkov, A., Dmitrieva, O., Dolgorukov, A., Zhdanov, R., Musina, V., Nechaev, V., Ognev, A., Sirotkin, A., Suvorova, A., Titov, V., Tulupiev, A., Tulupieva, T., Fil'chenkov, A., Yusupov, R.M. (2013). Predictor Mining: Data Mining Application to Social Computing // Trudy SPIIRAN = Informatics and Automation (SPIIRAS Proceedings), no. 26 (3), pp. 136-161, doi: 10.15622/sp.26.11 (In Russ., abstract in Eng.).
Financial support. The article was prepared based on the results of the research carried out at
the expense of budgetary funds to the Financial University for the state task.
The paper was submitted 08.07.22 Accepted for publication 01.09.22
