Диссертация (1147891), страница 29
Текст из файла (страница 29)
По-видимому, респондентыпридают такой характеристике, как наличие большего числа знакомых,общеценностное значение.Общие выводы по результатам второго опроса.Итак, прежде всего, результаты опроса помогли уточнить и подтвердитьрезультаты, полученные ранее (см. предыдущий параграф).Преждевсего,можновыделитьсоциокультурныехарактеристики,позволяющие сформировать первичный контакт в онлайн-сетях. Для живых сетейтакими факторами формирования связей могут быть: общее место, биография,периоды жизненного цикла.
Устоявшиеся отношения уже могут быть перенесеныв онлайн - режим. Для онлайн-сети такими факторами становятся характеристики,позволяющие идентифицировать и оценить индивида: интересный контент,музыка, качества личности, полезность, деятельность.К объединяющимфакторам уже относятся социокультурные характеристики индивидов, когдасформировался определенный модус отношений.
К таким объединяющимфакторам для онлайн-сети относятся: культурные установки, мировоззрение и137деятельность, тогда как для живых сетей, отмеченные объединяющие факторызачастую сводятся к общим знакомым, родственникам, биографии. Такимобразом, онлайн-среда создает благоприятные условия для первичного ивторичного отбора связей, некоторые из которых имеют шанс закрепиться,сменить модус или же остаться на прежнем уровне.Можно в целом говорить, что и онлайн-сети и «живые сети» общенияравнозначны по числу контактеров, составляющих самый тесный клик общенияЭго.
При этом онлайн и живые сети могут различаться по составу значимыхдругих. Важно, что в некоторых случаях онлайн-сеть способна включать тесныесвязи с индивидами, не состоящими в кругу значимых контактеров живой сети.Представляется, что можно говорить о существовании двух модусов «кликаподдержки» социальной сети, включающего онлайн и оффлайн компоненты. Обаэти модуса в целом составляют клик поддержки тесных, интимных и значимыхсвязей, однако не обязательно совпадают.Значимым фактором формирования онлайн-связи выступает оценка «Яобраза» индивида. Так, характеристики, даваемые респондентами своему образу«Я в глазах других» на Сетевом Сайте, оказались на удивление точными с точкизренияобщегочислаонлайн-связей.Такжевыявленасвязьмеждустереотипическими установками относительно онлайн-сетей и формированиембольшего числа онлайн-контактов.Параграф 3.
Сравнительные характеристики индивидуальных онлайнсетей: Социально Сетевой АнализОписание методаПосредством визуализации связей взаимной «дружбы» (добавления в друзья)на основе IPA данных Сетевого Сайта vk.com (авторское программное138обеспечение)былиполученыстатистическиепараметрыдлясериииндивидуальных онлайн- сетей. Всего были получены данные относительно 162Эго-сетей: из них 110 составили основную выборку и 52 относились кконтрольной выборке, собранной на основе локализации пользователей (поселокЕлизаветино, Ленинградской области).Основная выборка была сформирована, главным образом, на основе анкет,входивших в онлайн-сеть автора на Сетевом Сайте.
Кроме того, в основнуювыборку были включены анкеты, показавшиеся интересными с точки зрениястратегийонлайн-взаимодействия.Разумеется,выборканеотражаетгенеральную совокупность пользователей vk.com. Кроме того, программноеобеспечение позволило анализировать индивидуальные графы со степенью менее5000 онлайн-контактов (за исключением индивидуальной сети, включающей 8354онлайн-друзей, анализ который приведен ниже). Для анализа сетей «Охотск» и«Бали» (см. параграф 5) использовалась иная методика сбора данных.Однако представляется, что отдельные характеристики, обнаруженные входеанализа выборки из 162 сетей можно экстраполировать на значительную частьпользователей сайта.
При этом не отражают генеральную совокупность:распределение степеней графов, социальные характеристики пользователей(возраст, пол, сфера занятий).В ходе сетевого анализа, отмечались следующие метрики: средняя степень(degree distribution), плотность (density), модулярность (modularity), среднийкоэффициенткластеризации(сlusteringсoefficient).Визуализацияиндивидуальных сетей производилась в программном пакете Gephi. Для анализаболее масштабных сетей использовалась программа Pajek.
Статистический анализданных производился в программном пакете SPSS.Результаты сбора данныхЧисло мужчин и женщин в общей выборке распределилось равномерно:50,6% женщин, 48,8 % мужчин. Средний возраст 31,6 (от 16 до 61).Числоонлайн-контактоввиндивидуальныхсетяхраспределилосьследующим образом (Приложение, Таблица 16): минимальная степень - 3 связи,139максимальная степень-8354 связи, среднее -539 связей (среднее 548, 8;медиана 283). Из них 27 случаев представляют собой графы со степенью от 921 до4102онлайн- связей.
Среднее число ребер составило 8653,3: мин 2, макс 294710.Также для каждого из 162 Эго-графов были собраны средние степени вершинвнутри графа, плотности(density), модулярности, среднего коэффициентакластеризации, средней длины пути (Приложение Таблица 30). Среднее значениестепени вершин внутри графа (среднее число друзей для каждой вершиныкаждого графа) составило 19: мин 1,3; макс 351,7. Средняя плотность (density):0,07 (макс 0,667). Средний коэффициент модулярности: 0,39 (макс 0,641).Средний коэффициент кластеризации: 0,643 (макс 0,876).
Средняя длина пути1,92:очевидно, что максимальная длина пути для Эго сетей всегда равна 2.Тестнаравномерностьраспределения(одновыборочныйкритерийКолмогорова-Смирнова) прошли: распределение модулярности (Приложение,Рисунок 19) , распределение среднего коэффициента кластеризации. Именно этикритерии, как представляется, могут быть экстраполированы для генеральнойсовокупности пользователей.Для основной выборки те же данные (Приложение, Таблица 17): среднеечисло онлайн-контактов 712 (мин 12, макс 8354), среднее число ребер 11572, 6(мин 12, макс 294710), средняя степень 19,2 (мин 2, макс 351,6), средняяплотность 0,046 (мин 0,001, макс 0,21), средняя модулярность 0,42 (мин 0,111,макс 0,641), средний коэффициент кластеризации 0,662 (мин 0,4, макс 0,87),средняя длина пути 1,95 (мин 1,7, макс 1,99).Для контрольной выборки (Таблица 18): среднее число онлайн-контактов203,3 (мин 3, макс 800), среднее число ребер 2477,8 (мин 2, макс 13947), средняястепень 18,7 (мин 1,3, макс 47,81), средняя плотность 0,132 (мин 0,028, макс0,667), средняя модулярность 0,31 (мин 0,00, макс 0,515), средний коэффициенткластеризации 0,60 (мин 0,4, макс 0,8), средняя длина пути 1,86 (мин 1,3, макс1,97).Первичная интерпретация полученных данных140Как видно, контрольная выборка значительно уступает основной посреднему числу контактов индивидуальных сетей.
Это объяснимо, поскольку восновную выборку были целенаправленно отобраныряд пользователей сбольшим числом онлайн-друзей. С другой стороны, поскольку контрольнаявыборка состоит из жителей поселка, а в основную вошли городские жители,можно проинтерпретировать разницу как общий тренд иметь большее числоконтактеров для пользователей из крупных городов.Среднее число ребер (связей внутри графа) также значительно меньше у«деревенских» пользователей, при том, что средняя плотность значительно нижеу «городских». Однако средняя степень и средний коэффициент кластеризациивполне сопоставимы. Средняя модулярность выше для «городской» выборки, чтосвидетельствуетобольшейсклонностипользователейформироватькластеризованные структурные сообщества внутри графа. Таким образом, можнопредположить, что индивидуальные сети «селян» будут более гомогенными поструктуре связей, тогда как сети «горожан» будут демонстрировать как«гомогенные» варианты, так и кластеризованные гетерогенные.Анализ полученных данныхКорреляционные анализ, выполненный для обобщенной выборки из 162графов (Приложение, Таблица 19) , показал зависимость общего числа онлайнконтактов (p<0,01) от всех статистических показателей, кроме модулярности(ПирсонR=0,013 p=0,87).
Это значит, что модулярность никак не связана собщим числом друзей на Сетевом Сайте. Коэффициент модулярности долженсвидетельствовать остремленииакторов установить связивнутри ужесуществующих кластеров связей, т.е., о направленном интересе в выборе«сообществ».Отсутствие корреляции между числом друзей и модулярностьюговорит о том, что выбор в установлении связей не диктуется общим числомонлайн-контактов, т.е. выбор сфер интересов и набор связей в этих областяхопределяется скорее человеческим, личностным фактором, чем общей для всехстратегией набора контактов в онлайн- сетях.141При этом анализ показал существование отрицательной зависимости числаребер и модулярности (ПирсонR= -0,209 p=0,008), что кажется вполнеобъяснимым, поскольку кластеризация графа на сруктурные сообществапредполагает уменьшение связей между сообществами.
Логично также, чтоплотность графа влияет на среднюю длину пути (Пирсон R= -1 p=0,00): чембольше связей между Альтер, тем короче средний путь. Аналогична зависимостьмежду плотностью графа и модулярностью (Пирсон R=-0,637 p=0,00).Объяснения требует отрицательная корреляция между числом друзей иплотностью (Пирсон R= -0,315 p=0,00): говорит ли это о том, что структураграфов с большим числом друзей более гетерогенная? Отсутствие корреляциимежду модулярностью и числом друзей предполагает, что нет.
Однако большоечисло одиночных связей предполагает меньшую плотность: такие связи могутнабираться пользователями «бессистемно» и потому не составляют триад.Любопытно сравнение результатов корреляционного анализа для основной иконтрольной выборок (Приложение, Таблица 20, 21). Так, для контрольнойвыборки уже не наблюдается зависимости между числом ребер и модулярностью.Для основной выборки такая зависимость есть (Пирсон R= -0,372 p=0,00). Дляконтрольной выборки модулярность отрицательно коррелирует с плотностью(Пирсон R= -0,746 p=0,00), средней длинной пути (Пирсон R= -0,746 p=0,00) исредним коэффициентом кластеризации (Пирсон R= -0,351 p=0,01). Для основнойвыборки модулярность коррелирует со всеми показателями, кроме числа друзей(p<0,05). Можно объяснить такие расхождения тем, что пользователи основнойвыборки демонстрируют более разнообразные паттерны онлайн-взаимодействий:например, чем выше средняя степень для анкет с большим числом контактов, тембольше ребер в графе, и тем меньше разбиение на кластеризованные сообществадля таких графов.Кроме того, если возраст не показал корреляций с обобщённой выборкой, тодля основной выборки была найдена положительная корреляция между возрастоми числом контактов (ПирсонотрицательнаякорреляцияR= 0,377 p=0,01), а для контрольной выборкимеждувозрастомисреднимкоэффициентом142кластеризации (ПирсонR= -0,400 p=0,04).Последнее вполне логично длявыборки из сельских жителей, для которых индивидуальные стратегии выбораонлайн-связи продиктованы связями в «живых» сообществах и личных сетях.Влияние степени публичности анкет Сетевого Сайта: описаниеметодикиНасколько это было возможно, каждой анкете был присвоен «лейбл»,соответствующий либо роду занятий пользователя, либо позиционируемойдеятельности на Сетевом Сайте, либо полученной в ходе личного общения спользователем информации.
В тех случаях, когда исходных знаний былонедостаточно, а контент анкеты не позволял сделать соответствующие выводы,графа «лейблы» оставлялась пустой.Соответственно, полученная переменная «лейблы» была ранжирована, и наее основе была получена дополнительная переменная «степень публичности».Исходя из предварительных знаний о пользователе и контенте анкет, былиприсвоены ранги от 0 до 4, где: «4» - публичное лицо, участвует в светскихмероприятиях, фигурирует в СМИ, ведет блог, использует онлайн-пиар; «3»онлайн–известность,ведетонлайн-пиар,блогер,обладаетнекоторойизвестностью в онлайн-сетях; «2» - ведет онлайн – пиар на Сетевом Сайте; «1» профессия обладает некоторой степенью публичности, «0» - нет перечисленныхпризнаков публичности.Дополнительно были созданы «контрольные» переменные. Переменная«Оценка ориентации на публичность» предполагала субъективную оценкуконтента анкеты: ориентируется ли пользователь на аудиторию Сетевого Сайта?Переменная «Светские и публичные мероприятия» предполагала оценку участияпользователя в публичных мероприятиях тех пользователей, о которых мыобладали соответствующей информацией: клубных вечеринках, публичныхмоментах и т.д.Влияние степени публичности характеристики онлайн-сети: анализРанжированная переменная «степень публичности» (от 0 до 4) показалаположительные корреляции (Приложение, Таблица 22), с общим числом друзей143(Спирман R= 0,422 p=0,000), с категорированной переменной «число друзей» от0 до 4 (Спирман R= 0,255 p=0,001), с числом ребер графа (Спирман R= 0,314p=0,000), полом (Спирман R= 0,316 p=0,000), общим числом фотографий в анкете(Спирман R= 0,170 p=0,037),числом записей в анкете сайта (Спирман R= 0,174p=0,032).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
