Диссертация (1148128), страница 41
Текст из файла (страница 41)
Удалосьсравнить количество неуникальной и уникальной аудитории. Так, количествоучастников в ядре общественно-политического кластера в 3 раза уступаетколичеству уникальных подписчиков в националистическом кластере.В-восьмых, сеть «дружбы» в рамках ядра коммуникативного пространствадалаинтересныесоответствуютрезультаты.результатамАтрибутивныетелефонногоопроса.показателиучастниковКумулятивныйпроцентощущения себя вне зоны безопасности в Интернете практически совпадает спроцентом выставленных настроек приватности. Хоть исследователи испытываютограничение в анализе больших объемов данных, тем не менее, некоторыепараметры, по которым можно хоть и косвенно судить о топологии сети, мысмогли вычислить.
Это — средняя степень в графе, которая заметно отличается отчисла Данбара. Кроме того, телефонный опрос показывает, что для жителей194Санкт-Петербурга в большей степени характерно недоверие к знакомству вИнтернете. Корреляционный анализ дружеских связей, которыми обладаетпользователь, с дружескими связями в политическом коммуникационном ядре далоснованиесудитьотом,чтопотреблениеполитическойинформациивзаимосвязано с тем, что доля друзей пользователя интересуется подобного родаинформацией.Коэффициент корреляциидля разных кластеров оказалсяотличным.
Эти данные с метрикой расстояния в сети «дружбы» каждого кластерапозволили оценить сетевые особенности. Так, отличаются по плотности связейсоциалисты в группе левых кластеров. Имея структурную фрагментированность впотреблении информации, они, тем не менее, показывают лучшие показатели порасстоянию на графе: небольшой диаметр и короткую среднюю степень узла. Чембольше друзей у пользователей в группе левых кластеров, тем больше число изних являются соратниками. Высокие показатели имеют и два самых крупныхкластера, однако националистический кластер в три раза больше общественнополитического кластера по количеству участников, а его диаметр и средняя длинапути все равно меньше, тогда когда в комплексных сетях с увеличением порядкаграфа обычно замечается увеличение диаметра и средней длины пути.195ЗАКЛЮЧЕНИЕНа основе проведенного диссертационного исследования структурыкоммуникативного пространства в петербургском сегменте онлайн пространства всоциальной сети «ВКонтакте» можно сделать следующие выводы.Нами были определены основные теоретические подходы к политическойкоммуникации.
Как мы выяснили, появление новых каналов коммуникациинесущественноизменяетпредметкоммуникации,поэтомумоделиодноступенчатой и многоступенчатой коммуникации применяются в сетевыхисследованиях Интернет-коммуникации. Более того, на наш взгляд, появляетсяновое прочтение теории полезностей и удовлетворения потребностей, так как вусловияхинформационногообществаотсутствуетдефицитисточниковинформации. Более того, социальные сети предоставляют большой выборвиртуальных сообществ, многие из которых являются электронными СМИ, анекоторыеможнокоммуникативныеназватьсвязиальтернативнымпредставляютсякакСМИ.способыТакимобразом,удовлетворенияпотребностей, а идеологические установки сообщества являются для индивиданеобходимыми и полезными.Был изучен большой теоретических пласт, из которого появился сетевойанализ.
Многие составные части сетевого анализа существовали по отдельностидо его появления. Мы установили, что до Морено и Уайта ближе всего к сетевомуанализу подошли Рэдклифа-Браун и К. Левин. Однако они не предложилиматематического способа изучения отношений, хотя первыми указали на такуювозможность и необходимость. Представляет научный интерес то, что упсихологов и антропологов мы замечаем первые попытки выразить принципысетевого анализа, а также попытки применить математический аппарат. Тотсетевой анализ, что применяют сегодня, в большой степени сформированблагодаря группе Уайта. В дальнейшем в значительной степени его дополнилиисследования физиков.196Появление онлайн социальных сетей создало благоприятную почву дляприкладных сетевых исследований по изучению комплексных сетей.
Простотавыгрузки данных и их большие объемы создали бум в сетевых исследованияхконца 2000-х и начала 2010-х годов. Прикладные программные интерфейсы (API)онлайн социальных сетей, изначально созданные для подключения стороннихприложений к функционалу социальных сетей, использования учетных записейдля универсальной авторизации и многих других коммерческих и техническихзадач, в настоящее время дают доступ ученым к миру больших данных.
Такиеданные могут представлять интерес для широкого круга ученых (см. §3 Главы 1).Методы API предоставляют информацию не только атрибутивного характера, нотакже и реляционного характера. Они дают сведения об общественныхотношениях, в которых состоят пользователи. К сожалению, методы интерфейсовразных онлайн социальных сетей не всегда идентичны и не всегда возвращаютодинаковые по структуре данные.
В этом смысле затруднительно проводить«кроссплатформенные» компаративные исследования или совмещать данныеразных социальных сетей. Например, API Twitter имеет ретроактивный предел,позволяющий получать данные до двух недель. API Facebook не предоставляетнекоторые персональные данные пользователей, например, список друзей.
VKAPI не располагает такими предметными ограничениями, хотя обладаеттехническим ограничением по количеству запросов: три запроса в секунду. Такимобразом, с помощью таких инструментов исследователи получают доступ ксовокупности данных c возможным экспоненциальным ростом, которые слишкомвелики, слишком неформатированы или слишком неструктурированы для анализатрадиционными методами.
В перспективе все больше исследователей будутприменять в общественных исследованиях Hadoop и Map Reduce.Нами было разработано множество программных продуктов для сбора иобработки данных из онлайн социальных сетей. Их можно разделить на те, чтоработают с API VK, и те, что работают с реляционными данными.
Мы успешносоздали модели как выборки-затравки, в соответствии с которой виртуальныесообщества были найдены по ключевым словам, как и модель расширенной197выборки, включающую связанные сообщества. Кроме того, нами был разработанспособ симуляции поляризации плотных графов сложных сетей онлайнсообществ на эхо-камеры. Это, конечно, не является алгоритмом кластеризации,но данная процедура значительным способом влияет на показатель модулярности,а затем упрощает задачу любому существующему алгоритму кластеризации.Значение данных информационных продуктов в настоящее время вотечественной социологии недооценено. Данные инструменты предоставляютразличные данные в большом объеме, с помощью них представляется возможнымпроводить исследования на совершенно разные темы.
Выглядит странным, когдафизики и программисты могут опубликовать исследования о террористическихсетях в теме social behavior, а социологи – нет.Применяя сетевую методологию, нам удалось раскрыть структуруполитического потребления в петербургском сегменте онлайн пространства.Основнойцельюсоциологииявляетсяизучениеструктурысоциальныхотношений. Описывают данную структуру различные модели стратификацииобщества, разделяя его на элиты и массы, классы, страты и другие группы.Кластерный анализ есть один из множества алгоритмов классификации. В нашейвыборке мы изучаем структуру отношений, основанных на потребленииинформации, которая представляется ценной и полезной для индивида.
Онсовершает конклюдентные действия, вовлекая себя в потоки коммуникации,носящие как одноступенчатый характер, так и двухступенчатый, усиленный отего окружения. Поэтому мы замечаем, что есть взаимосвязь между количествомдрузей в дискурсивном пространстве и вовлеченностью в него. Изучениеструктуры коммуникативного пространства дает возможность разделить всюгенеральную совокупность участников на множества в зависимости от ихпредпочтений и особенностей виртуального социального поведения. Такимобразом, выявление кластеров коммуникационного пространства есть изучениестратификации виртуального сообщества в широком смысле этого слова, а такжеизучение неравенства в информационном участии, которое может проявляться и вполитической коммуникации в социальных сетях.198В качестве способа изучения разделения участников онлайн-пространства взависимости от предпочтений в потреблении политической информации мывыбрали математические модели сетей.
Понимая под узлами графа сообщества всоциальной сети, а под ребрами – величину общих подписчиков, мы создалинесколькоматематическихмоделейполитическогокоммуникативногопространства. Хотя модели используют в качестве данных всего лишь сведения оподписчиках, эти данные оказались более чем достаточными, чтобы провестиэксплораторное исследование структуры коммуникативного пространства иполучить точные математические характеристики об отношениях различныхагентов.Первая модель, состоящая приблизительно из 100 узлов, дала базовоепредставлениеотопологииполитическогопространства,хотяимеласущественное ограничение в виде выборки сообществ по ключевым словам.