Диссертация (1148128), страница 40
Текст из файла (страница 40)
Это подтверждают результаты опроса «Интернет вжизни петербуржцев».Таблица 14 – Ощущение безопасности в Интернете(Санкт-Петербург, 2015 г., %)Скажите, пожалуйста, в Интернете Вы чувствуете себя в безопасности?Определенно, да15,1Скорее, да30,5Скорее, нет27,6Определенно, нет19,7Затрудняюсь ответить5,8Из результатов в таблице 14 видно, что преобладает чувство тревоги:кумулятивный процент – 47,3% («скорее, нет» — 27,6% и «определенно, нет» —19,7%).
Безопасно себя чувствует лишь 45,6%, из которых определенно безопасносебя ощущает лишь 15,1%.Анализ двумерного распределения, представленного в Приложении Щ, ссоциально-демографической характеристикой возраста позволяет сделать вывод отом, что существует взаимозависимость между данными переменными. Нулеваягипотеза отклоняется при статистике χ2 Пирсона 35,393 при df=16. Респондентам18–29 лет в большей степени свойственно чувствовать себя в безопасности:189обнаружен значимый стандартизованный остаток. Ощущать небезопасностьсвойственнодляреспондентов40–49лет:обнаруженсверхзначимыйстандартизованный остаток.Результаты выборки ядра коммуникативного сообщества подтверждаютданные цифры. Метод user.get VK API возвращает расширенную информацию опользователях.
При использовании его без access_token он возвращает параметрhidden, что при значении hidden:1 есть настройка пользовательской приватностипоказа страницы «только пользователям “ВКонтакте”». Пользователей, которыепосчитали нужным настроить приватность своей страницы, оказалось 43,16%, чтоблизко к кумулятивному проценту недоверия в результатах телефонного опроса.Таким образом, практически все параметры (кроме пола) являютсянеполными. В ядре распределение по полу имело следующую пропорцию: 58,08%являются пользователями мужского пола, 41,9% — женского.
Но даже в этомпараметре есть незаполненные значения: 0,02%. В остальных параметрах процентнеучтенных значений высок. У 26% пользователей не указан параметр возраста.Кроме того, чрезвычайно велика доля тех, кто не указывает год рождения, что недает возможности отнести пользователя к возрастной когорте. У 7% не указанпараметр страны, у 14% — город. У 64% пользователей в ядре не указан параметробразования. Кроме того, стоит учитывать, что многие указанные параметрымогут не соответствовать действительности.Однако отсутствуют пропущенные значения в связях.
Пользователи вкоммуникативном ядре содержат две атрибутивные переменные связи. Одна —это степень узла, т.е. сколько друзей пользователей имеет в коммуникационномядре, а другая — это сколько вообще друзей имеет пользователь.Как видно из вычислений в Таблице 15, корреляция существует, что вполнелогично: чем больше друзей у человека, чем выше его социальный капитал, тембудет больше друзей в коммуникативной сети.
Более того, заметно, что откластера к кластеру эти показатели меняются. У националистов незначительноувеличился коэффициент, а в общественно-политическом кластере и группелевых кластеров он значительно вырос.190Таблица 15 – Коэффициенты корреляций количество друзей и степени узла в сети «дружбы»КластерКоэффициент корреляцииp-valueВся сеть0.67<2.2e-16Националистический кластер0.69<2.2e-16Общественно-политический кластер0.75<2.2e-16Спортивный кластер0.68<2.2e-16Кластер ЛГБТ0.59<2.2e-16Группа левых кластеров0.89<2.2e-16Так как коэффициент корреляции отличается от кластера к кластеру, мысоздали отдельные модели сетей дружбы для каждого из кластеров ядра ипосчитали расстояние на графах (см. Таблицу 16).Таблица 16 – Метрики расстояния на сетях «дружбы» в каждом кластереКластерДиаметрСредняя длина путиНационалистический кластер114,122Общественно-политический кластер134,415Спортивный кластер145,754Кластер ЛГБТ155,592Группа левых кластеров103,412Таким образом, не имея данных обо всей топологии сети «дружбы»коммуникационного ядра, мы можем назвать некоторые признаки кластеров.
Так,наименьшими параметрами расстояния отличаются дружеские связи в группелевых кластеров. Этот кластер обладает самым небольшим диаметром и среднейдлиной пути. Это меняет в корне представление о них. Левые разорваны вструктуре потребления информации, но при этом имеют самые тесные дружескиесвязи между собой. Чем больше друзей у пользователей в группе левыхкластеров, тем больше людей из их числа являются их соратниками. Этоподтверждает и самый высокий коэффициент корреляции – 0,89.Выделяется и общественно-политический кластер. Он имеет небольшойдиаметр и короткую среднюю длину пути (меньше, чем кластер ЛГБТ и191спортивный).
Более того, коэффициент корреляции значительно отличается: онбольше, чем у остальных кластеров. Чем больше пользователей в друзьях упредставителейданногокластера,тембольшедоляпользователейизкоммуникативного ядра.Националистический кластер также отличается. Диаметр данного кластераменьше всех – 11 и он обладает самой короткой средней длиной пути послегруппы левых кластеров. Однако стоит понимать, что данное значение диаметрасохраняется при высоких количественных показателях. Например, он в три разабольше общественно-политического кластера по количеству участников и егодиаметр, а средняя длина пути все равно меньше, когда в комплексных сетях сувеличением порядка графа обычно замечается увеличение диаметра и среднейдлины пути. Таким образом, скорее за счет определенного числа хабов и плотнойтопологии националисты поддерживают такие структурные особенности.Резюмируя все вышесказанное в главе, мы можем сделать выводы оструктуре политической коммуникации в социальной сети «ВКонтакте».Во-первых,VKAPIпредоставляетширокиевозможностидляисследователей социальных сетей.
Простота и удобство использования заметноснижают порог вхождения в анализ данных. В сравнении с другими API онлайнсоциальных сетей, мы можем сказать, что API VK предоставляет больше типовданных и имеет лишь ограничение по количеству запросов в секунду. Например,API FB не предоставляет информацию о пользователях и их друзьях, а API Twitterимеет временное ограничения, оставляющее недоступными старые данные. Крометого, в API VK нет ограничений для того, чтобы осуществлять выборку ирасположение данных в базу больших данных.
Мы полагаем, что данныеинтерфейсынедостаточновостребованысостороныисследователейвполитической, а также в социологической науке.Во-вторых,топологическиесимуляцияособенностиэхо-камерсетей,вдаеткоторыхвозможностьколичествоизучитьотношенийприближается к максимально возможному. Сравнивая результаты одного192датафрейма с применением и без применения симуляции эхо-камер, можносказать, что выводы оказались идентичными. Что еще более важно, убравслабоинтенсивные связи, мы обнаружили скрытые топологические особенности:центральность по близости и престижу и в частности раскол социалистов междулибералами и националистами.В-третьих, стоит отметить вспомогательную роль алгоритма расширениявыборки. Если сначала целью исследования были исключительно политическиесообщества, то реальность показала, что в политическом дискурсе одновременносуществуют и общественные, спортивные, культурные и другие сообщества,высокую связь с которыми игнорировать достаточно трудно.Достаточно сложно оценить, какой процент от генеральной совокупностизанимает расширенная выборка.
Решить данную задачу возможно, лишь собраввсю информацию из социальных сетей.В-четвертых, распределение метрик по сообществам интерпретируется какпоказатель живучести топологии и борьбы с блокировками. Большой размах сравномерным распределением говорит о том, что в случае блокировки черезмалые и средние группы широкая аудитория сможет легко восстановитьутраченную группу. Создание мегасообществ без большого количества средний ималыхсообществпредполагает,чтоутраченныесообществабудетзатруднительно восстановить.
Топология националистов показывает наилучшуюустойчивость. Скорее всего, это можно объяснить тем, что националистическиесообщества чаще, чем другие, подвергаются блокировкам, сеть пришла (можетнеявно) к такому равновесию.В-пятых, мы обнаружили сетевое неравенство не по признаку идеологии, апо признаку топологии сети. В первой модели топологические особенностинационалистического кластера воспринимались алгоритмами как отдельныйкластер. В целом можно говорить о наличии двух очень крупных кластерах вполитическом сегменте онлайн пространства Петербурга: националисты илибералы. Кроме того, подробный анализ зависимости между численностью иинформационной активностью подтверждает высокую активность двух главных193кластеров, когда в их подкластерах активность снижается.
Так, корреляционныйанализ подтверждает зависимость от количества публикаций в сообществе сколичеством его членов. Простое правило «больше публикаций – большеподписчиков» работает.Кроме того, исследование показывает разобщенность и слабость левых.Пространство вокруг их сообществ мы назвали «буферной зоной». Количествосообществ в этой группе мало, точно так же, как и количество участников. Онифрагментированы и не связаны между собой. В одной модели они раскалываютсямежду либералами и националистами, а в другой обнаруживаются только враспространении связей «Дистанция» и то в фрагментированном виде десяткакластеров.В-шестых,модельзаимствованиязаписейраскрыластратегииадминистраторов виртуальных сообществ, указав на заметные отличия междунамерениями аудитории и распределенных «сферы влияния» администраторовсообществ, которые носят фрагментированный характер, раскалывая кластеры,которые формируют участники на основании своих пристрастий.В-седьмых, анализ ядра (факт подписки минимум на 2 сообщества вкластере) коммуникационного пространства дал интересные выводы.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
