Диссертация (1148128), страница 18
Текст из файла (страница 18)
Рой исследовалиполитическую поляризацию в канадском сегменте Twitter во время выборов в2011 г.175 Ученые изучили 5918 твитов 1492 пользователей за несколько дней доголосования, полученных поиском по хэштегу #elxn41. С одной стороны,наблюдалсяэффекткластеризациивокругполитическихпристрастийсторонников одной партии, маркируя кластеры политической поляризации. Сдругой стороны, обнаружились кросс-идеологические связи и обмены, которыедали основания описать их как открытую межпартийную и кросс-идеологическуюдискуссию.
Хотя дискуссия состоит из споров, обсуждения актуальных вопросови простого троллинга, это доказывает, что они ослабляют политическуюполяризацию.Русскоязычная онлайн социальная сеть «ВКонтакте» также зачастуюстановится полем для сетевых исследований. А. Груздь и К.
В. Цыганова висследовании «Информационная война и онлайн активность в период кризиса2013–2014 в Украине: анализ социальной структуры про- и анти-Майдан174Khonsari K. K., Nayeri Z. A., Fathalian A., Fathalian L. Social network analysis of Iran's Green movement oppositiongroups using Twitter // Advances in Social Networks Analysis and Mining (ASONAM), 2010 International Conference on.IEEE, 2010. P. 414—415175Gruzd A., Roy J. Investigating political polarization on Twitter: A Canadian perspective // Policy & Internet. 2014.Vol. 6. №. 1. P. 28—4574групп»176 показывают, как онлайн-группы формируются и поддерживаются вовремя политического кризиса, когда уровень политизации населения находится навысоком уровне, а поляризация общества может расколоть его на две части.Исследователи проанализировали два противостоящих лагеря (прозападный ипрорусский), используя онлайн социальную сеть «ВКонтакте», популярную средижителейРоссиииУкраины.Одинлагерьбылсоставленизантиправительственных, прозападных групп, которые поддерживали протесты наМайдане, а другой состоял из проправительственных и пророссийских групп,выступающих против Майдана.Целью являлся поиск структурных различий или сходства данных лагерей,наблюдая за ними с самого их зарождения.
В качестве сообществ были выбраныобщедоступные крупные группы по две из каждого лагеря, на основании которыхбыли добыты все записи на «стене», комментарии под ними, лайки записей идружеские связи участников сообщества.В результате исследователи обнаружили, что и прозападные группы, ипророссийские имеют примерно одинаковую структуру: они включают в себя двабольших кластера, состоящих по большей части из жителей Украины. Крупныйкластер состоит из сторонников группы, а меньший является оппозиционным.Гипотеза относительно того, что меньший кластер состоит из оппозицииподтверждается анализом сообщений, оставленных такими участниками.А.
С. Шерстобитов и К. А. Брянов провели исследование сети циркуляцииинформации в множестве провластных и оппозиционных групп в периодизбирательного цикла 2011–2012 годов177. В их наборе данных были какпроправительственные, так и оппозиционные сообщества. Ученые выяснили, чтоосновным фактором в условиях поляризации становятся идеологические различияи политические установки избирателей. И если идеологические установки176Gruzd A., Tsyganova K. Politically Polarized Online Groups and their Social Structures formed around the 2013–2014crisis in Ukraine.
[Электронный ресурс] URL: http:// ipp.oii.ox.ac.uk/sites/ipp/files/documents/IPP2014_Gruzd.pdf (датаобращения: 26.12.2016)177Шерстобитов А. С. и Брянов К. А Технологии политической мобилизации в социальной сети «ВКонтакте»:сетевойанализпротестногоипровластногосегментов[Электронныйресурс]URL:http://scjournal.ru/articles/issn_1997-292X_2013_10-1_52.pdf (дата обращения: 26.12.2016)75провластногосегментав большейстепениопределены(противоборство«оранжевой революции», отрицание либеральной идеологии, поддержка курсапрезидента), то в ценностных установках оппозиционного сегмента можнозаметить гигантский размах, сопоставимый с размахом идеологического спектра вцелом — от ультраправых до ультралевых.
Поэтому авторами статьиобосновывается,чтоотношениекправящимэлитамиестьточкасоприкосновения.Группа ученых под руководством Н. Джонсона в 2016 г. разработаламатематическуюмодельпротеррористическихгруппдлявизученияонлайнзакономерностейсоциальнойсетиповедения«ВКонтакте»178.Исследователи исходили их того, что организациям типа ИГИЛ (запрещена вРоссии) удается выживать, несмотря на значительное внешнее давление. Крометого, они могут вдохновить людей, не имеющих ничего общего с экстремизмомили терроризмом. Существует большой пласт исследований, посвященных связионлайн социальных сетей с терроризмом179,180.
Целью исследования сталоизучение особенностей поведения самоорганизующихся агрегатов как сообществав онлайн социальных сетях и аудитория этих сообществ.Сначалаисследователиидентифицировалипротеррористическиеагрегаторы посредством создания словаря хэштегов на нескольких языках181.Критерием выступала оценочная характеристика того, что хэштег находится всообществе, которое ярко выражало поддержку ИГИЛ. Затем, используяспециальные программы для сбора данных, исследователи нашли методомснежного кома релевантные группы по хэштегам #isn, #khilafah, #fisyria и другим178Johnson N.
F., Zheng M., Vorobyeva Y., Gabriel A., Qi H., Manrique P., Johnson D., Restrepo E., Song C., Wuchty S.New online ecology of adversarial aggregates: Isis and beyond [Электронный ресурс] URL: https://arxiv.org/abs/1603.09426/ (дата обращения: 26.12.2016)179Kenney M. et al. Organisational adaptation in an activist network: Social networks, leadership, and change in alMuhajiroun // Applied ergonomics. 2013. Vol. 44. №. 5. P. 739—747180Subrahmanian V.
S., Mannes A., Sliva A., Shakarian J., Dickerson J. P. Computational analysis of terrorist groups:Lashkar-e-Taiba. – Springer Science & Business Media, 2012. 176 p.181Zhao Q., Erdogdu M. A., He H. Y., Rajaraman A., Leskovec J.. Seismic: A self-exciting point process model forpredicting tweet popularity // Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discoveryand Data Mining. ACM, 2015.
P. 1513—152276в период с 1 января по 31 августа 2015 г.182183. В выборку попало 196 онлайнсообществ, включающих аудиторию в около 108 тыс. подписчиков. В результатеиз полученных данных был создан биграф, где одним подмножеством узлов былионлайн-сообщества, а другими — подписчики. Под ребрами понимался фактподписки.Математическая модель получилась неоднородной с разным количествомподписок на одного пользователя. Она также благодаря лонгитюдномуисследованию имела сложную временную эволюцию, которая выражаланеиерархическуюструктуру.Этоозначает,чтоаудиториейдвижетсамоорганизация и сообщества появляются стихийно. Таким сообществамсвойственна высокая живучесть при блокировках. Так, при блокировке крупных имногочисленных сообществ, аудитория быстро восстанавливала их в новом виде.Особую роль здесь играли малочисленные сообщества.
Поэтому в одном извыводов исследователи писали, что блокировки сообществ стоит начинать смалых сообществ, заканчивая крупными. На изучении поведения пользователейисследователинеостановились,главнымдостижениеммоделисталодоказательство того, что интернет-активность совпала с террористическойактивностью — всплеском протестов против ИГИЛ в Бразилии и битвой заКобани.Суммируя вышеперечисленное, мы можем сделать следующие выводы.Во-первых, У. Липпман был прав в том, что СМИ формируют восприятиемира.
Наиболее точно это передает его фраза о том, что СМИ создают образ всознании о местах и событиях, находящихся за пределами нашего опыта. Как мывидим, вместе с распространением телевидения его слова стали пророческими.Люди вряд ли когда-нибудь будут испытывать политику непосредственно, апотому они полагаются на СМИ и Интернет, чтобы утолить информационныйголод. Через эти каналы формируется представление о мировой политике,182Koutra D., Jin D., Ning Y., Faloutsos C.
Perseus: an interactive large-scale graph mining and visualization tool //Proceedings of the VLDB Endowment. 2015. Vol. 8. №. 12. P. 1924—1927183Stanton A., Thart A., Jain A., Vyas P., Chatterjee A., Shakarian P. Mining for Causal Relationships: A Data-DrivenStudy of the Islamic State // Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discoveryand Data Mining. ACM, 2015. P. 2137—214677следовательно, они обладают внушительным влиянием.Во-вторых, исследования П. Лазарсфельда и его учеников показаливысокуюзначимостьсоциальныхсвязей,вкоторыхсостоитиндивид.Воздействие СМИ работает только в контексте социальных связей, которые могутбыть как ингибиторами, так и катализаторами для медиаэффекта.
Являетсяочевидным,чтоперспективаизученияструктурыкоммуникационногопространства обнаруживается именно с этих исследователей. Этот вывод являетсяоснованием для использования методологии сетевого анализа в исследованияхполитической коммуникации.Более того, с появлением онлайн социальных сетей информационнымкампаниямсталопрощеиспользоватьреляционныйсетевойландшафтмежличностных отношений, например, в маркетинговых и электоральных184,185кампаниях.В-третьих,введениевнаучныйоборотмоделидвухступенчатойкоммуникации позволило более подробно изучить процесс тока коммуникации вобществе. С одной стороны, эта модель уничтожила иллюзию абсолютной властипропаганды и её безоговорочного влияния на пассивную массу. С другойстороны,онапоказаланаличиеважныхструктурныхролей:лидеровобщественного мнения, влияние которых на аудиторию оказалось прямым вотличие от косвенного влияния СМИ.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
