Автореферат (1148127), страница 6
Текст из файла (страница 6)
Так, на основе даннойконцепции в диссертационном исследовании разработан алгоритм симуляции эхокамер.21Втретьемпараграфекоммуникативногопервойпространства»главы«Анализрассматриваютсяструктурытеоретическиеиприкладные исследования, имеющие отношение к предмету диссертационногоисследования. Осмысление технических особенностей последних достижений всфере информационных технологий помогает в общественных исследованиях.Например, изучение ценности сети дает математически апробированную основукак для дальнейших эмпирических и теоретических исследований.
Прежде всегомы говорим про закон Сарнова, Меткалфа, Ципфа и Рида. Образующаясямеждисциплинарнаясферазнанияобладаетстрогимверифицирующиминструментом, который вместе с другими инструментами создает эффектметодологическойтриангуляции.Используютсярезультатыисследованиямировых рейтинговых агентств, Ресурсного Центра «Центр Социологических иИнтернет-исследований»обосновываетсявысокаястепеньпроникновенияИнтернета, интерес к политике и обсуждение политики в социальных сетях.Проведен обзор соответствующих теме диссертации работ в области сетевогоанализаонлайнсоциальныхсетей.Новыеданныеиматематическоемоделирование помогает подтвердить предшествующие теории и концепции внауке.Вовторой главе «Методологические основысетевогоанализа»раскрываются метод исследования: его возникновение и становление, применениев прикладных исследованиях, категориальный аппарат, основные концепции и ихматематическая выражение, компьютеризация.В первом параграфе второй главы «генезис и становление сетевогоанализа» представлена история становления сетевого анализа и основные этапыразвития.
Рассматриваются предпосылки сетевого анализа в трудах О. Конта,Г. Мейна, Э. Дюркгейма, Г. Зиммеля, Ф. Губера, Д. А. Гобсона, Б. Веллмана,Х. Бот, А. Макфарлейна, Ф. Гальтона и Л. Эйлера. Обосновывается тезис, чторанний этап развития сетевого анализа можно охарактеризовать хаотичноймешаниной из антропологов, психологов, географов, социологов и математиков.Становления сетевого анализа рассматривается с 1930-х в трудах Я. Морено,22охватывая выявленные Л. Фриманом центры сетевого анализа, связанные сА. Рэдклиф-Брауном, Л. Уорнером, К.
Левином, Ф. Хайдером, Д. Картрайтом,Ф. Харари,А. Бейвласом,Г. Ливиттом,Т. Хагерстрандом,Х. Уайтом,Дж. Колманом, Д. Ватцом, С. Строгацом, А. Барабаши и Р. Альберт. Такимобразом, сегодня сфера применения сетевого анализа выходит далеко за пределыодной или даже нескольких дисциплин. Столкновение дисциплин привело к тому,что предметная область для сетевых исследований заметно расширилась, также,как и требования, предъявляемые к исследователям. Исследователи оказались всостоянии применять свой научный метод по отношению к различнымотношениям.
Появилось богатое разнообразие научной периодической печати. Покрайней мере появилась возможность для ученых, занимающихся сетевыманализом, быть опубликованным в Science и Nature.Во втором параграфе второй главы «Концептуальные основы сетевогоанализа» раскрываются основные положения, связанные с использованиемсетевого анализа. Обосновывается вывод о том, что сетевой анализ исходит изпредположения, что связи, которые образуют предметы анализа, определяются ихмногочисленными атрибутами. В основе сетевого анализа лежит математическоемоделирование. Социальный сетевой анализ раскрывает общественные отношениечерез призму сетевой теории как состоящие из узлов (вершин, нодов) и ребер(связей).
Полученная на основе сетевой теории модель обычно представлена ввиде графа. Так как сетевой анализ применяется для разных исследований, врамках которых под связями понимаются совершенно разные общественныеотношения дается определение различных видов графов и раскрывается ихзначение в прикладных исследованиях по изучению общественных отношений.В третьем параграфе второй главы «Основные метрики графов»автором обосновывается, что многие метрики в сетевом анализе имеютсоциологическое происхождение, они отражают первые задачи по структурацииобщественных отношений и разделении на подгруппы. Математический аппаратявляется наилучшим способом доказательства гипотез, связанных с отношениями.В этом же параграфе дается определение основных метрик в сетевом анализе,23математическое выражение и производится обзор основных работ в областисоциологии и сетевого анализа, связанных с данной метрикой.
Более того,значение метрик центральности раскрывается на примере в визуализацией его внескольких рисунках. Значение данного параграфа для диссертационногоисследования очень высоко, так как в нем раскрываются основные концепции,используемые в эмпирическом исследовании.В четвертом параграфе второй главы «Компьютерные программы»представляется история компьютеризации сетевого анализа, которая с 1950-хпроводиласьвосновномсоциологами.Обосновываетсяключеваяролькомпьютеров в становлении сетевого анализа. В качестве основных этаповразвития выделяется UCINET и SONIS как первые программами общегоназначения, включающими в себя большой перечень инструментов сетевогоанализа.
В настоящее время вопрос алгоритмизации сетевого анализа стоит остро.Автор обозревает как современные программы для сетевого анализа: pajek иGephi, так известные библиотеки igraph и NexwokX для языков программированияR и Python соответственно. Обосновывается вывод о том, что критически важнаяроль компьютерных программ и языков программирования для сетевого анализахоть и создают для исследователей в области общественных наук повышенныетрудности, однако, она расширяет навыки сбора и анализа данных.В третьей главе «Кластеры петербургский политических онлайнсообществ» представлены дизайн и результаты эмпирического исследованияструктуры политической коммуникации в петербургском онлайн-пространствесоциальной сети «ВКонтакте».
Эмпирическое исследование шло экстенсивно,поэтому возможно выделить несколько его этапов, которые согласуются спараграфами.В первом параграфе третьей главы «Моделирование смежностиаудитории онлайн-сообществ» описывается источник данных и способ ихполучения с помощью API VK (прикладной интерфейс программирования) иобосновываетсявыборкаполитическихвиртуальныхсообществ.Методомснежного кома (от найденных по ключевым словам петербургских сообществ)24была собрана выборочная совокупность из 110 сообществ, сгруппированная наосновании авторской классификацией по ценностным установкам (националисты,либералы, социалисты, ЛГБТ). Была получена математическая модель графа, вкоторой под узлами понимались сообщества, а под ребрами – количество смежнойаудитории.
Также она была проанализирована стандартными метриками сетевогоанализа. Стоит выделить высокую плотность модели, однако распределение весовсвязей указало на асимметрию. Кроме того, была дана интерпретацияраспределения метрик центральности для групп виртуальных сообществ, проведенкорреляционный анализ между количеством участников в сообществах иметриками центральности.На представленной модели был проведен кластерный анализ, выявившийдва кластера, один из которых содержал в себе националистические сообщества,другой – все остальные. Такое решение задачи классификации объектов связано сразницей в топологии сети, продемонстрированное в распределении метрикцентральности данных кластеров.
Кластер с националистическими сообществамив распределении взвешенной степени узлов имел первый квантиль на уровнемедианы другого кластера.Во втором параграфе третьей главы «Симуляция эхо-камер» былоподробно рассмотрено неравномерное распределение весов связей. Стандартноеотклонениесоставляло135,95.Основываясьнаконцепции«эхо-камер»К. Санстейна был разработан алгоритм «симуляции эхо-камер» для нормализациираспределения,таккакалгоритмыкластеризациипереоцениваютслабоинтенсивные связи. В результате алгоритмы кластерного анализа позволиливыявить в одном кейсе четыре сообщества, соотносившиеся с авторскойклассификациейпоценностнымустановкам(националисты,либералы,социалисты, ЛГБТ), а во втором – на три кластера, так как социалистическиекластеры оказались разделены между кластером с либеральными сообществам икластеров с националистическими сообществам.
Модель была проанализированастандартными метриками сетевого анализа, им дана интерпретация. В результатахпоследнего кластерного анализа методом «глухой телефон», причиной раскола25социалистических сообществ стали их низкие показатели центральности. Крометого, симуляция эхо-камер позволила скорректировать вычисление метрикцентральности.В третьем параграфе третьей главы «Сетевой анализ расширеннойвыборки» более подробно был проработан процесс формирования выборки,результатом которого стал алгоритм расширения выборки, позволивший включитьв выборочную совокупность неучтенные политические сообщества, увеличив еёпрактически в пять раз.
Алгоритм симуляции эхо-камер исключил слабосвязанныекомпоненты, позволив снизить плотность для работы с моделью. Также она былапроанализирована стандартными метриками сетевого анализа. Таким образом,разработанные в рамках диссертационного исследования алгоритмы позволилипровести кластерный анализ модели с разными критериями «распределенияметок», что представило структуру коммуникационного пространства подробно внесколько слоев, уменьшая масштаб кластеризации в каждом – от двух кластеровк пятнадцати. Было проведено сравнительное исследование кластеров в каждоммасштабе на основании распределения их метрик центральности, численностиаудитории и количества публикаций.
Для методологической триангуляциирезультатов были созданы две сетевые модели: заимствования записей междусообществами и сеть «дружбы» ядра участников коммуникативного пространства(подписчики, состоящие минимум в двух сообщества); а также результатытелефонного опроса «Интернет в жизни петербуржцев». Модель заимствованиязаписей между сообществами позволила выявить «редакторские группы»администраторов, которые обладали большей фрагментированностью, так каккластерный анализ выявил пятьдесят кластеров. Сеть «дружбы» (размерностьграфаболеесемимлн.)былапроанализированасетевымиметриками,позволяющими работать с «большими данными». Кроме того, атрибутивныехарактеристики подписчиков были сравнены с результатами телефонного опроса.В заключении диссертационной работы представлены основные результатыисследования,формулируютсяосновныевыводы,атакженамечаются26перспективы дальнейшей разработки исследований в сфере сетевого анализакоммуникативного пространства социальных сетей.Основные работы диссертационного исследования отражены в ряде публикацийавтора в российских рецензируемых изданиях, рекомендованных ВАКМинистерства образования и науки РФ:1.Суслов С.