Диссертация (1148128), страница 42
Текст из файла (страница 42)
Графимел плотность 0,93, валидность данного алгоритма (в таком обилии связей) былапроверена с помощью эксперимента, однако, поскольку ребра выражалиинтенсивностьиимбылзаданвес,результатпоказал,чтокластернационалистических сообществ существенно отличается от графа в целом.Диаграмма размаха метрик центральности кластеров (см Приложение И)показывает, что кластеры разделяются не компонентно, что имеет место вкомплексных сетях с формой «песочные часы», когда вычисление диаметра сетивыделяетнесколькоярковыделяющихсясетевыхброкеровсвысокойпромежуточной центральностью, удаление которых разделит граф на несвязанныекомпоненты, а структурно или топологически, когда медиана взвешенной степениузлов одного кластера располагается примерно на уровне наблюдаемогомаксимума, а первый квантиль незначительно отстает от медианы второгокластера. Таким образом, было обнаружено, что националистические сообществаявляются важным компонентом политического онлайн пространства. Подобныерезультаты мы обнаруживаем в модели расширения выборки.
Диаграммы размахав Приложениях Р, Т и Ф показывают, что националисты действительно обладаютв среднем высокой взвешенной степенью узла. Другими словами, интенсивность199связей в кластере националистов в разы превышает интенсивность в другомкластере. Это означает, что пользователи националистических сообществсклонныподписыватьсянабольшинстводоступныхнационалистическихсообществ, что формирует общее дискурсивное поле с высокой способностьюраспространять информацию.
Также можно выделить либеральный кластер каксущественный в политическом онлайн пространстве. Диаграммы размаха метрикцентральности показывают, что либеральные сообщества ничуть не уступаютнационалистам, а в промежуточной центральности превосходят их. Данноеотличие мы можем объяснить разницей в стратегии. Для либерального кластера,как видно из распределения, более характерно превращение сообществ вмегасообщества, когда доля сообществ с малой и средней численностьюотносительно велика.
Напротив, у националистов, преобладают крупные исредние по численности сообщества. На примере исследования сообществИГИЛ335 видно, что такая структура в большей степени устойчива к блокировкам.Подобные топологические особенности можно объяснить тем, что они сложилисьлибо под влиянием среды, например, националистические сообщества довольночасто подвергаются блокировкам, или под влиянием модераторов и лидеров,которые часто сталкиваются с уголовным преследованиями. Либеральныесообщества редко сталкиваются с такими факторами, поэтому сообществауспевают стать многочисленными мегасообществами и перейти от локальногоместечкового уровня к всероссийскому. В значительной степени это мешалонайти по ключевым словам либеральные сообщества, которые относились бы кСанкт-Петербургу.В описании особенностей кластеров мы можем перечислить следующее.Либеральные сообщества имеют очень тесные связи с общественнымиорганизациями.
Например, трудно причислить организации за улучшениегородской среды к либералам. Интересно, что кластер разбавляется такиминеполитическими организациями. Подобное мы встречали у националистов.335Johnson 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)200Появился новый тренд, который последовательно воплощается в жизнь –«Покупай у своих» (появляются магазины с товарами, которые в себе содержатопределенную атрибутику, но предназначены для обычно жизни: косоворотки,ювелирные украшения с ясными неоязыческими символами, спортивная одежда,произведенная под «правым логотипом»).Кроме того, общественные организации занимают центральное положение всети. Как это видно на примере модели заимствования записей и на примеремоделейсмежностиаудитории.«КрасивыйПетербург»,«НаблюдателиПетербурга за честные выборы», «Петербургский гражданин», «Помощьзадержанным в Питере», «Экологическое движение «РазДельный Сбор» обладаютвысокими показателями центральности.Сетевой анализ показал структурную слабость социалистов.
Если в первоймодели социалисты раскололись между полюсами: либералы и националисты, гдебольшинство сообществ и аудитории относится к кластеру националистов. Вовторой модели мы смогли выявить социалистические кластеры только настройкой«Дистанция».В Приложении Е и Л видно, что социалистические сообщества имеютдовольно низкие показатели центральности за исключением промежуточной впервых двух моделях. Отчасти это выражается в том, что в одном из видовкластерного анализа они раскололись между националистами и либералами. Вмодели расширенной выборки социалисты выделились только на самом низкоммасштабе кластеризации при применении распределения связей «Дистанция».Стоит заметить, что выделение их как социалистов носит в большей степениописательный характер, так как они не существуют в едином кластере; это —совокупность примерно шести крошечных кластеров.
Некоторые из них имеютвысокие показатели по метрикам центральности и публикационной активности.Мы можем заметить сильные расколы внутри левого движения Петербурга. Темне менее, анализ сети «дружбы» показал, что социалисты хоть и имеют раскол впотреблении политической информации, но обладают самой плотной дружеской201сетью.Этопроявляетсявнебольшомдиаметреивысокойстепениконтагиозности, которую мы выявили на основе корреляционного анализа.Если в первой модели мы имели всего четыре онлайн-сообщества ЛГБТ, топосле расширения выборки они составляли четвертый по количеству сообществкластер.
Очень интересно, что данный кластер образует высокую плотность,какой не обладает ни один другой. Более того, сообщества данного кластераимеют чрезмерно высокие показатели метрик для такой небольшой аудитории.Таким образом, мы можем называть ЛГБТ-сообщества теми, кто лучше другихсообществ применяет сетевую логику.Кластеры не испытывают сильную политическую поляризацию. Более того,её пришлось симулировать для возможности изучения кластеров.
Во всех моделяхмы обнаруживаем сильные межкластерные связи, процент которых всегда большевнутрикластерных. Таким образом, ни один политический кластер в нашеймодели не представляет из себя эхо-камеру. Более того, частота межкластерныхсвязей говорит о том, что пользователям в политическом онлайн-пространствесвойственно становится реципиентами разных либо идеологических сообществ,либо кластеров. Другими словами, имея множество подписок на либеральныесообщества,пользователисбольшойвероятностьюподпишутсяинанационалистические, и на социалистические сообщества, либо vice versa. Однаковысокая взвешенная степень узлов в националистическом кластере говорит о том,что для пользователей этого кластера характерна еще одна черта; они зачастуюподписанынамножествонационалистическихсообществ.Этовысокаякоммуникативная контагиозность характерна только для них. Мы полагаем, чтосуществует гигантское количество расколов внутри националистов, однакоаудитории, предпочитающей сведения данной окраски, это не мешает получатьинформацию из разных источников.
Можно сказать, что сила такой потребностисильнее, чем расколы. Но расколы в большей степени инициированы лидерами,хотя надежды всей их целевой аудитории имеют совершенно иное направление.Стоит отметить алгоритм симуляции эхо-камер. В первой модели бинарноеразделение на два кластера выглядит нетривиально. Например, мы специально202включили в выборку социалистические сообщества. Кроме того, распределениевесов связей явно указывало на то, что большинство связей имеют низкуюинтенсивность. Медиана составляла 12. Исходя из таких топологическихособенностей, логично было бы предложить, что националистические сообществанаходятся в центре такой сети, однако это в значительной степени противоречилобы сложившимся представлениям об идеологических предпочтениях граждан РФ.Резюмируя вышеперечисленное, можно сказать, что разработанный алгоритмсимуляции эхо-камер дал валидный результат для анализа взвешенных графов свысокой плотностью.
Результат усечения слабоинтенсивных связей показалвозможность выделения кластеров, идентичных идеологическим группам наосновании исследовательской оценки.Алгоритм расширения выборки решил отчасти ограничение первых двухмоделей, включив в выборку связанные с политическими и другие петербургскиесообщества.
В результате обнаружилось, что нельзя рассматривать политическиесообщества как ding in sich (нем. «вещь в себе»). Потребление политическойинформации существует не в вакууме, а в тесной связи с другими отношениями.Расширив выборку онлайн-сообществ с целью найти политические и связанныесообщества Санкт-Петербурга, которые не отыскиваются по ключевым словам,мы создали новую модель, более чем в четыре раза превосходящую по размерупредыдущую.Снижаямасштабкластеризации,мыустановили,чтокоммуникативное пространство тесно связано с общественными организациями,группамипомощи,сообществамикультурологическойнаправленности,спортивными сообществами и другими. Особенно любопытными оказались связимеждулиберальнымииЛГБТкластерами,спортивнымкластероминационалистическим.Полученные данные демонстрируют то, что структура коммуникативногоповедения отличается от эго-сетей. В исследованиях, посвященных феноменуонлайн-дружбы, антропологических исследованиях по структуре общественныхотношений, исследованиях сексуальных сетей и других обнаруживается, что узлыобладают неким пределом отношений, которые они могут поддерживать на203стабильном уровне.
В нашем исследовании мы, по большому счету, редуцировалидвуглавый граф во взвешенный, где в ребрах выражены совокупность общихузлов-потребителей политической информации, и обнаружили иной уровеньданного предела. Так, мы полагаем, что структура потребления политическойинформации отличается от дружеских связей тем, что нет необходимости делатьинвестиции в создание и поддержание подобных связей как это бывает в личныхэго-сетях.
Кроме того, отсутствуют ресурсы, для распределения которых узлыформируют сети. Сообщества предоставляют интеллектуальную собственность,которая, будучи объективированной в цифровой форме, может достатьсякаждому. Таким образом, теория рационального поведения в сетевом анализекоммуникативного пространства представляется нам методологически неверной,так как концепции сетей как распределения ресурсов и сетей как инвестиции вотношения не находит подтверждения в поведении участников сети.
Нетинвестиционных затрат для создания связи с сообществом, поскольку достаточнонажать на кнопку, а в френд-ленте будут появляться публикации сообщества. Нетнеобходимости поддерживать отношения подобного рода, поскольку выражениесимпатии в виде лайка, перепубликация в виде перепоста, комментарии подпубликацией не создают ни положительных, ни отрицательных эффектов длясвязи пользователя с сообществом. Любая информация на стене сообществавтоматически считается вышедшей в свет и доступной неограниченному кругулиц.Стоит выделить, что диссертационное исследование имеет и ограничения.Основные ограничения связаны с пропущенными значениями в персональныхданных пользователей и низкой разработанностью применения big data как вотечественной, так и зарубежной социологии.Как мы продемонстрировали в третьем параграфе третьей главы, дажеосновные социодемографические данные пользователей являются неполными.Возникает вопрос достоверности как самих данных, так и страниц.