Диссертация (1136614), страница 7
Текст из файла (страница 7)
2016. № 4И. Б. Смирнов, Е. В. Сивак, Я. Я. КозьминаВ поисках утраченных профилейРис. . Сеть дружбы на «ВКонтакте»воспроизводит разделение школына классы. Ученики из одного классав основном дружат между собой. Чембольше разница в возрасте между учениками, тем меньше вероятность дружбы между ними5-й6-й7-й8-й9-й10-й11-йклассклассклассклассклассклассклассРис. . Сеть дружбына «ВКонтакте» воспроизводитразбиение школы на несколькокорпусовКорпус 1Корпуса 2, 3Использование альтернативных форм имени различаетсяу школьников и студентов.
Так, 27% всех альтернативных формимени, используемых студентами, — это имена, набранные латиницей, у школьников же доля таких имен — только 8%.Для всех школьников, обнаруженных на «ВКонтакте», мы по- 3. Структура сетистроили сеть их дружбы (рис. 1). Для визуализации сети ис- дружбыпользовался алгоритм Force Atlas 2 и программное обеспечение 3.1. ШколаGephi [Jacomy et al., 2014]. Алгоритм располагает узлы сети темближе друг к другу, чем теснее они связаны между собой. Полученная структура сети соответствует разделению на параллели классов, модулярность Q = 0,47, при этом дистанция зависитот разницы в возрасте: на наибольшем удалении друг от друга находятся младшие и старшие классы.
Дополнительно сетьдружбы разбивается на два больших кластера, соответствующихразным корпусам недавно объединенных школ, Q = 0,35 (рис. 2).http://vo.hse.ru113ПРАКТИКАРис. . Сеть дружбы на «ВКонтакте» воспроизводит разделение образовательной программы на курсы. Чем большеразница в возрасте между студентами, тем меньше вероятность дружбы между ними1-й2-й3-й4-йРис. .
Сеть дружбы на «ВКонтакте» воспроизводит разделение университета на кампусы, находящиеся в разныхгородах, и на образовательные программы. На рисунке представлена сетьдружбы четверокурсников. Видимыекластеры внутри кампусов соответствуют образовательным программамкурскурскурскурс3.2. УниверситетСеть дружбы студентов на «ВКонтакте» воспроизводит разделение на курсы, Q = 0,58 (рис. 3), кампусы, Q = 0,32, и образовательные программы, Q = 0,68 (рис. 4).4. Перспективыиспользованияданных«ВКонтакте»в исследованияхобразования«ВКонтакте» как источник данных обладает большим потенциалом для исследований образования. Однако использование этихданных сопряжено с рядом методологических трудностей.
Результаты нашей работы позволяют дать конкретные рекомендации по их преодолению.Из списка пользователей, которые представляются учащимися заданного учебного заведения, целесообразно исключать тех,у кого нет на «ВКонтакте» друзей из этого же учебного заведения. Только 1% таких пользователей действительно учатся в нем.114Вопросы образования. 2016. № 4И. Б. Смирнов, Е. В. Сивак, Я. Я. КозьминаВ поисках утраченных профилейПри сопоставлении списка учащихся со списком пользователей «ВКонтакте» нужно учитывать альтернативные формы имени,так как их используют 35% учащихся.
Эффективным средствомпополнения списка учащихся — пользователей социальной сетиявляется дополнительный поиск среди друзей обнаруженныхпользователей, так как 69% учащихся не указывают в профилесвое образовательное учреждение.Особое внимание при использовании данных из социальныхсетей следует уделить потенциальным смещениям выборки. Например, можно ожидать, что ученики младших классов будут менее представлены на «ВКонтакте», чем ученики старших классов,что наименее успевающие ученики будут чаще указывать в профиле не соответствующие действительности сведения и т. п. Однако в данном исследовании значимых различий по половомусоставу, возрасту и успеваемости между группами найденныхи не найденных на «ВКонтакте» среди школьников 5–11‑х классов и студентов обнаружено не было.
Исключение составляетчуть меньший средний балл у студентов, не найденных на «ВКонтакте», по сравнению с найденными в социальной сети и болеечастое использование альтернативных форм имени девушкамипо сравнению с юношами.Итоговый охват в 88% школьников и 93% студентов свидетельствует о том, что социальной сетью пользуются практически все учащиеся. Представляет интерес воспроизведение наших результатов на большей выборке и в особенности сравнениеразных регионов и населенных пунктов.Результаты нашего исследования подтверждают и ценностьинформации о дружеских связях на «ВКонтакте». Мы показали, что структура этих связей соответствует социальной структуре реального учебного заведения: она воспроизводит не толькораспределение учащихся на классы, курсы и образовательныепрограммы, но и пространственную структуру учебного заведения, такую как разделение школы на несколько корпусов.Социальные сети позволяют по-новому взглянуть на традиционные для исследований образования темы.
С конца 1970‑х годов набирает силу традиция изучения социального и культурного капитала [Bourdieu, 1986; Coleman, 1988; Putnam, 2001], этиконструкты доказали свою значимость и в исследованиях образования [DiMaggio, 1982; Goddard, 2003; Lareau, Weininger, 2003].Особое внимание уделяется при этом воспроизводству неравенства [Bourdieu, Passeron, 1990; Stanton-Salazar, Dornbusch, 1995].Сегодня появляется уникальная возможность проверить социологические теории на новых масштабных эмпирических данных.Информацию о культурном капитале школьников можно реконструировать через указанные в профиле интересы, черезподписки на группы и страницы «ВКонтакте», характеризующиевкусы и культурные предпочтения школьников [Liu, 2007; Lewis ethttp://vo.hse.ru115ПРАКТИКАal., 2012]. Что касается социального капитала, то данные из социальных сетей позволяют отслеживать как слабые связи (дружба на «ВКонтакте»), так и сильные (комментирование записейдруг друга, отметка «Мне нравится» и т. п.).
При этом по своиммасштабам и детальности такие данные значительно превосходят результаты социометрических исследований, которые чащевсего не выходят за рамки контактов внутри одного класса, игнорируя межвозрастные и межшкольные связи.Социальные сети позволяют исследовать связь культурногои социального капитала с образовательными достижениями какна уровне школ, так и на уровне отдельных учеников.
При этомстановится возможным не только зафиксировать наличие географической и социальной сегрегации и ее отражение в виртуальном пространстве, но и изучать механизмы воспроизводстванеравенства: влияние школьников друг на друга (эффекты сообучения, влияние друзей на установки школьников и т. п.), влияниекультурного и социального капитала на выбор образовательнойтраектории (смена школы, переход из школы в вуз).Использование данных из социальных сетей не только открывает новые возможности перед исследователями образования,но и ставит перед ними новые этические вопросы. В социальныхсетях доступность информации о пользователе больше не зависит только от того, какую информацию он сам решил разместить.Например, можно с большой степенью точности восстановитьинформацию об университете, годе выпуска и специальности[Mislove et al., 2010], сексуальной ориентации [Bhattasali, Maiti,2015], романтическом партнере [Backstrom, Kleinberg, 2014]или политических убеждениях [Bakshy, Messing, Adamic, 2015]пользователя.
В своей работе мы показываем, что даже «наивные» средства позволяют определить номер школы тех учащихся, которые решили его не указывать на «ВКонтакте». Применение продвинутых алгоритмов машинного обучения позволитэто сделать еще эффективнее. Данные из социальных сетей зачастую требуется объединить с дополнительными сведениями,полученными из открытых источников или от учебных учреждений.
Процедура такого сопоставления требует особого внимания к обезличиванию данных, гарантирующему сохранность личной информации.Литература1161.Иванюшина В. А., Александров Д. А. Антишкольная культура и социальные сети школьников // Вопросы образования. 2013. № 2. С. 233–252.2.Королева Д. О. Использование социальных сетей в образовании и социализации подростка: аналитический обзор эмпирических исследований (международный опыт)// Психологическая наука и образование.2015.
Т. 20. № 1. С. 28–37.3.Alexandrov D., Karepin V., Musabirov I. (2016) Educational Migration fromRussia to China: Social Network Data/ Proceedings of the 8th ACM ConВопросы образования. 2016. № 4И. Б. Смирнов, Е. В. Сивак, Я. Я. КозьминаВ поисках утраченных профилейference on Web Science, May 22 to May 25, 2016, Hannover, Germany.P. 309–311.4.Aydin S. (2012) A Review of Research on Facebook as an Educational Environment // Educational Technology Research and Development. Vol. 60.No 6. P. 1093–1106.5. Backstrom L., Kleinberg J. (2014) Romantic Partnerships and the Dispersion of Social Ties: A Network Analysis of Relationship Status on Facebook/Proceedings of the 17th ACM Conference on Computer Supported Cooperative Work & Social Computing, February 15–19, 2014, Baltimore, Maryland,USA.
P. 831–841.6. Bakshy E., Messing S., Adamic L. A. (2015) Exposure to Ideologically Diverse News and Opinion on Facebook // Science. Vol. 348. No 6239. P. 1130–1132.7. Bhattasali N., Maiti E. (2015) Machine «Gaydar»: Using Facebook Profilesto Predict Sexual Orientation. http://cs229.stanford.edu/proj2015/019_report.pdf8. Bond R. M., Fariss C. J., Jones J. J., Kramer A. D., Marlow C., Settle J. E.,Fowler J. H. (2012) A 61-Million-Person Experiment in Social Influence andPolitical Mobilization // Nature.
Vol. 489. No 7415. P. 295–298.9. Bourdieu P. (1986) The Forms of Capital // Cultural Theory: An Anthology.P. 81–93.10. Bourdieu P., Passeron J. C. (1990) Reproduction in Education, Society andCulture (Theory, Culture & Society). London: Sage Publications.11. Boyd D. M., Ellison N. B. (2008) Social Network Sites: Definition, History,and Scholarship // Journal of Computer-Mediated Communication.Vol. 13.No 1. Р. 210–230.12.Christakis N. A., Fowler J. H. (2013) Social Contagion Theory: ExaminingDynamic Social Networks and Human Behavior // Statistics in Medicine.Vol. 32. No 4.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
