Диссертация (1148128), страница 16
Текст из файла (страница 16)
Хантингтоном под термином «культуры»: западная, исламская,латиноамериканская, синская (китайская), православная, африканская и т. д. Былиобнаружены наиболее плотные связи между странами с прямыми авиаперелетамии безвизовым режимом (более близкими странами).Исследователями из Центра Беркмана для выделения дискуссионных сетейбыл проведен анализ русскоязычных блогов, в которых обсуждаются темы,связанныесполитикойиобществом.Чтобывыделитьактивистов(«дискуссионное ядро»), включающее в себя более чем 11 тыс.
блогов, былоизучено более пяти миллионов блогов в целом. Анализируемая совокупностьблогов была сгруппирована в соответствии с паттернами цитирования внутрисообщений, а итоговая сегментация была проведена экспертами-кодерами спомощью автоматизированного контент-анализа.154 В результате исследователиобнаружили два крупных кластера в российской блогосфере: либеральный инационалистический. Как оказалось, между ними преобладали частотные связи,что не превращало их в эхо-камеры.Все онлайн социальные сети строятся вокруг идеи виртуальной дружбы.Связь между пользователями онлайн социальной сети устанавливается, когдамежду пользователями есть общий бэкграунд: общие друзья, интересы,деятельность.
Также такая связь может установиться через группы илисообщества.Механизмвиртуальнойдружбыпозволяетпользователямустанавливать новые связи и проводить фильтрацию по определеннымкритериям155.Публичный дискурс в российской блогосфере:анализ политики и мобилизации в Рунете // Исследования ЦентраБеркмана,2010.-:[Электронныйресурс].URL:http://cyber.law.harvard.edu/sites/cyber.law.harvard.edu/files/Public_Discourse_in_the_Russian_Blogosphere-RUSSIAN.pdf(дата обращения 26.12.2016)155Lampe C., Ellison N., Steinfield C.
A Face (book) in the crowd: Social searching vs. social browsing // Proceedings ofthe 2006 20th anniversary conference on Computer supported cooperative work. ACM, 2006. P. 167—17015466Значительная разница между оффлайн и виртуальной дружбой былапредставлена в работе Д. Бойда156, где утверждается, что виртуальная дружба естьсвоего рода проекция социального капитала пользователя. В результате анализанаиболеераспространеннымипричинамивиртуальнойдружбыявились:настоящая (оффлайн) дружба; знакомые, друзья семьи, коллеги; невозможностьотказать по причине знакомства; желание выглядеть популярным; способ указатьна то, что вы поклонник; желание выглядеть лучше, имея «влиятельных» людей вдрузьях; желание увидеть больше людей; способ узнать приватную информациюо пользователе.Зачастую пользователи социальной сети имеют более 100 друзей.
Возникаетрезонный вопрос, настоящие ли они, если ли взаимосвязь между оффлайндрузьями и друзьями в социальных медиа? Д. Зиновьев и В. Даонг изСуффольского университета (Suffolk University) в Бостоне заинтересовалисьданной проблемой и изучили структуру онлайн дружбы157. Исследователиутверждают, что количество сведений в списке друзей не указывает на реальнуюдружбу; они предлагают разделить условно этот массив на три группы: близкиедрузья, хорошие знакомые (средняя прочность связей) и случайные знакомые(слабыесвязи).Дляпроверкигипотезыиспользовалисьдвамассивапользователей из популярной русскоязычной социальной сети Odnoklassniki.Ru.Массив A включал в себя 500 тыс.
пользователей с необычной распределениемколичества друзей: оно соответствовало правилу распределения Парето, что,скорее, является правилом для онлайн-социальных сетей158: закону степенногораспределения подчиняется Facebook159, а также Flicr и Yahoo!160Подмассив B состоял из 150 пользователей массива A, с которыми былпроведен опрос. В результате опроса было определено, что 23% друзей являютсяслучайным знакомыми, 52% хорошими знакомыми и 25% близкими друзьями.156Boyd D. Friends, friendsters, and myspace top 8: Writing community into being on social network sites. 2006.[Электронный ресурс] URL: http:// firstmonday.org/article/view/1418/1336 (дата обращения 26.12.2016)157Zinoviev D., Duong V.
Toward understanding friendship in online social networks. 2009. [Электронный ресурс] URL:https:// arxiv.org/pdf/0902.4658.pdf (дата обращения 26.12.2016)158Reed W. J. The Pareto, Zipf and other power laws // Economics Letters. 2001. Vol. 74. №. 1. P. 15—19159Ferrara E. A large-scale community structure analysis in Facebook // EPJ Data Science. 2012.
Vol. 1. №. 1. P. 30160Kumar R., Novak J., Tomkins A. Structure and eVolution of online social networks // Link mining: models, algorithms,and applications. Springer New York, 2010. P. 337—35767Пользователи добавляют в друзья в основном людей из своей возрастнойкогорты.Интересной частью их исследованияявляется введение параметра«количественной личности» (quantitative personality) для измерения готовностипользователей принять участие в виртуальной дружбе:()]()= log ∑ () − 2 log () ,()log [∑Π=(6)где () – количество друзей друзей, а () – количество друзей161.Результатом явилось обнаружение отрицательной линейной корреляцией междуданной метрикой и количеством друзей в подмассиве B.Э. Ферара провел полномасштабное исследование структуры сообществсети с целью объяснения динамики взаимодействия между индивидами 162. Онполучил выборку социального графа Facebook — сеть отношений междупользователями.
Для этой цели пришлось создать инструмент по сбору данных,так как API FB не разрешает выдачу информации о друзьях пользователя без еговедома. Выборка пользователей была реализована с помощью вариации методаснежного кома («поиск в ширину» (breadth-first-search), которая исходила изодного «зернового узла» (seed node), а затем к его друзьям, друзьям друзей и такдалее)иравномернойвыборки(uniformsampling),котораяотбиралапользователей посредством случайной генерации идентификатора пользователя.Затем различными инструментами ученый изучил структуру сети; былииспользованыалгоритмкластеризацииметодомчастотныхметок(labelpropogation algorithm) и метод «быстрого поиска сообществ» (fast networkcommunity algorithm).
Уровень своего исследования сам Е. Ферара определяет какмезоскопический, т. е. между макро- и микроуровнем. Ученый пришел кнескольким выводам. Во-первых, для пользователей социальной сети характернатенденция формирования кластеров гетерогенного размера (распределение161Zinoviev D. Topology and Geometry of Online Social Networks // Proc. 12th World Multi-Conference on Systemics,Cybernetics and Informatics VI (2008) 138–143. 2008.
[Электронный ресурс] URL: https:// arxiv.org/pdf/0807.3996.pdf(дата обращения 26.12.2016)162Ferrara E. A large-scale community structure analysis in Facebook // EPJ Data Science. 2012. Vol. 1. №. 1. P. 1—3068степени характеризуется распределением с медленно убывающем «хвостом»), чтоозначает наличие большого количества кластеров среднего размера и небольшогоколичествакластеровкрупногоразмера.Во-вторых,количествовзаимоотношений между кластерами является большим, они не изолированы, чтодает основания для подтверждения тезисов силы слабых связей Грановеттера.
Втретьих, отношения в онлайн социальной сети соответствуют феномену «миртесен», описанному и подтвержденному Милгрэном, а также модели «мир тесен»,описанный Ватцом и Строгацом: структура сообщества является высокосгруппированной с высоким коэффициентом кластеризации и с коротким среднимрасстоянием пути. Суммируя вышеперечисленное, мы можем сказать, чтоисследование носит в большей степени эксплораторный характер; выборкасоответствует онлайн-социальной сети графу «мир тесен», предпринята попыткадать качественную интерпретацию полученных кластеров.Онлайн социальная сеть Facebook оказывает значительное влияние наполитическое участие и политическую коммуникацию.
М. Вестлинг утверждает,что Facebook расширяет концепцию публичной сферы Ю. Хабермаса, позволяяобщественности участвовать в политике как в рамках, так и независимо отполитических кампаний163. Определение публичной сферы Ю. Хабермаса164гармонично сочетается с феноменом онлайн социальных сетей. Они стали местомформирования общественного мнения для членов сообщества, удаленным отправительства и экономики. Более того, социальные сети поддерживают низкийпорог вхождения в политическую жизнь в публичном пространстве оффлайн.Онлайн социальная сеть Facebook часто используется в качестве площадкидля коллективных протестов. В своем эксперименте Х. Квон, М.
Стефаноне иДж. Барнетт определили, что основным фактором при вступлении в протестнуюгруппу является наличие там друзей и знакомых165. Группы политического163Westling M. Expanding the public sphere: The impact of Facebook on political communication // The New Vernacular.2007. [Электронный ресурс] URL: http:// bytec.co.uk/wp-content/uploads/bytec/manufacturers/pdfs/2012-0818_afacebook_and_political_communication.pdf (дата обращения 26.12.2016)164Habermas J., Lennox S., Lennox F. The public sphere: An encyclopedia article (1964) // New German Critique. 1974.№. 3. P. 49—55165Kwon K.H., Stefanone M.A., Barnett G.A. Social network influence on online behavioral choices exploring groupformation on social network sites // American Behavioral Scientist.
2014. Vol. 58. №. 10. P. 1345—136069участия в Facebook будут скорее состоять из структур, в которых будет высокаяплотность дружеских связей. Но членство в сообществе не означает, что всеучастники будут разделять одну точку зрения. В рамках другого экспериментаК. Маскар и Ш. Гоггинса приглашали пользователей Facebook присоединиться ксообществу «кофейной партии» (аллюзия на «чайную партию»)166. Исследователипроанализировали коммуникационную сеть, образованную дискуссиями всообществе и обнаружили два кластера такой сети: пропагандистский иоппозиционный.