Добавил:

ivanov666 Опубликованный материал нарушает ваши авторские права? Сообщите нам.

Вуз:

Башкирский Государственный Аграрный Университет

Предмет:

[НЕСОРТИРОВАННОЕ]

Файл:

Большие данные в исследовании политических процессов. Учебное пособие

.pdf

Скачиваний:

Добавлен:

07.09.2026

Размер:

2 Мб

Скачать

☆

<<< < Предыдущая 1 23 / 93 4 5 6 7 8 9 > Следующая >>>

ГлаваII. Дизайн Big Data исследований политических процессов поцифровым маркерам

анализа (напримере «Евромайдана», декабрь 2013– январь 2014), также выполненный соавторами, имел немного иной дизайн.

Отметим, что вэтом проекте идея междисциплинарности исследований всфере социального компьютинга воплотилась внаибольшей степени. Основной исследовательской процедурой было изучение большого массива релевантных сообщений, схему анализа которых можно было разработать иосуществить при взаимодействии специалистов гуманитарных иточных наук. Вчастности, математики разработали алгоритм выгрузки и произвели отбор релевантных сообщений из интернет-контента (с применением онлайн-интернет-сервиса для мониторинга социальных медиа), социологи всвою очередь осуществили структурный и содержательный анализ выгруженных документов.

Конкретизируя замысел исследования, отметим, что в рассматриваемом проекте была поставлена задача понять, каким образом вукраинских сетях формируются протестные установки, какими

онлайн-средствами определенные политические силы воздействуют наобщественное мнение впериод кризисных событий 2013–2014гг.

Кроме того, этот исследовательский проект может служить примером возможной оптимизации затрат напроведение политического исследования посредством использования программного обеспечения, позволяющего выгружать контент из социальных сетей, атакже программного обеспечения, автоматически классифицирующего данный контент. Разработка инструментария была подчинена

задаче выявления коэволюционной связи между дискурсом политического протеста, транслируемым впространстве интернета лидерами мнений, иобразом протестной активности, сформировавшимся уразличных групп населения Украины. Под образом протестной активности понималось суммарное представление ополитическом протесте, которое создается лидерами мнений и средствами массовой информации вглобальной сети врезультате отражения вдискурсе характеристик, оценок, мнений.

Достижение цели исследования потребовало

решения несколь-

ких задач:

1) выявление содержательных иэмоциональных доминант ин-

формации обакциях протеста, проходивших наМайдане вКиеве;

2) определение модальности оценки рядовыми пользовате-

лями протестной акции/протестного поведения;

Е. В. БРОДОВСКАЯ, А. Ю. ДОМБРОВСКАЯ. БОЛЬШИЕ ДАННЫЕ В ИССЛЕДОВАНИИ ПОЛИТИЧЕСКИХ ПРОЦЕССОВ

3) оценка эффективности применения лидерами протестного

движения иСМИ технологий мобилизации/демобилизации протеста через вербальные иневербальные средства;

4) выделение социальных профилей пользователей, выражающих сформированность установки наличное участие в протестных действиях идр.;

5) анализ изменения мнения пользователей социальных сетей согласно изменяющейся политической ситуации встране.

Основная сложность при реализации поставленных задач за-

ключалась

ввыделении акторов исравнительном анализе оценок действий таких акторов среди пользователей, проявивших интерес кпротестному дискурсу.

Весьма важным вспомогательным методом киберметрического анализа является ивент-анализ (event analysis). Он позво- лил понять, какие политические события служили фоном появления тех или иных сообщений вукраинских социальных сетях. Поэтому он был направлен наисследование массива сообщений новостных агентств обакции «Евромайдан» (выборка сплошная, тоесть включала всебя все сообщения потеме запериод действия данной акции). Хронология обусловлена данными киберметрического анализа интенсивности поисковых запросов по теме протестной акции (висследовании использовались инструменты GoogleTrends). Впроцессе реализации ивент-анализа была выявлена количественная динамика упоминаний вСМИ события «Евромайдан», атакже динамика изменения направленности

оценки

массмедиа данной акции протеста.

Результаты ивент-анализа показали прямую связь между всплесками протестной активности в реальной среде с увеличением публикуемого объема сообщений в онлайн-среде. Таким образом, был сформулирован вывод отом, что образы протеста отчасти формируются в коммуникативной среде (преимущественно Twitter, Facebook, «ВКонтакте»), построенной по принципам оппозиционно-мобилизационной модели информирования.

Применение инструментов

автоматизированной выгрузки и анализа контента из социальных медиа позволило выявить маркеры политического дискурса ивпоследствии строить модели, связывающие маркеры с конкретными характеристиками протестного образа. Это, в свою очередь, позволит прогнозировать масштабы инаправленность протестных акций вбудущем.

ГлаваII. Дизайн Big Data исследований политических процессов поцифровым маркерам

Сочетание перечисленных методов позволило нам сделать ряд

значимых заключений:

• социальные сети были использованы для переформатирования конвенционального протеста внеконвенциональный, изменения вектора общественного недовольства с ситуации отказа отевроинтеграции наперсональную агрессию вотношении глав украинских ироссийских властей;

• в социальных сетях последовательно формировалась идея необходимости радикализации протеста и прихода к власти радикальной оппозиции. Эта идея формировалась

триадой последовательно транслируемых сообщений, содержащих дискурсы: «Украинцы– жертвы бессовестной власти», «Украинская власть– предатели, воры и губители своего народа», «Радикальная оппозиция– спаситель украинской нации».

Наряду с определенными преимуществами методы исследования всфере социального компьютинга имеют ряд сложностей, преодоление которых можно рассматривать вкачестве перспектив развития методики изучения интернет-пространства. Среди этих

перспектив– ответы наследующие вопросы:

1) можно ли обнаружить в интернет-контенте эмпирические

параметры, которые позволят прогнозировать поведение людей вофлайне;

2) какова вероятность перехода аксиологических показателей пользователей, представленных вглобальной сети, вих поведенческие показатели офлайн;

3) существуетли возможность разработки программного обеспечения, автоматически анализирующего содержание сообщений (смыслы, дискурсы, метафоры)?

Ответы на данные вопросы формируют комплекс

перспек-

тив исследований иразработок всфере социального компьютинга.

Кним относятся:

1) извлечение латентных иявных паттернов вкачестве означа-

ющего для действий иситуаций спомощью методов интеллектуального анализа данных;

2) контент-анализ смыслов, анетолько (инестолько) устойчивых структур, порождаемых всемантическом пространстве гипертекста. Вышеперечисленные методы создают возможность получения данных, которые позволят осмысленно применять

процедуры

контент-анализа с использованием программ автоматической

Е. В. БРОДОВСКАЯ, А. Ю. ДОМБРОВСКАЯ. БОЛЬШИЕ ДАННЫЕ В ИССЛЕДОВАНИИ ПОЛИТИЧЕСКИХ ПРОЦЕССОВ

обработки контента. Аэто, всвою очередь, создаст надежные основания для количественного обзора больших массивов данных;

3) построение и проверка на эмпирических данных содержательных теорий, учитывающих прагматический аспект – ценности и жизненный опыт человека, влияющие на его установки идействия. Перспективным является изучение типов людей, занимающих специфические позиции и играющих определенные роли вузлах сети.

Таким образом,

как показал опыт двух проанализированных проектов, эмпирическая модель киберметрического исследования должна быть комплексной ивключать несколько методов, что отвечает принципиально важному принципу триангуляции методов входе исследования.

ГЛАВАIII

ИНСТРУМЕНТЫ КИБЕРМЕТРИИ

КАК СПОСОБ АККУМУЛИРОВАНИЯ

ИАНАЛИЗА БОЛЬШИХ ДАННЫХ

Существует несколько десятков онлайн-сервисов для мо-

ниторинга социальных медиа: uScan, BuzzLook, Trackur,

SocialPointer, PeerIndex, Babkee, Topsy, Wobot, Медиалогия, Brand Analytics, «Ходят слухи», HootSuite, Social Mention, Socialbakers, HowSociable, Twitalyzer, WildFire, Kurrently, SocialSeek, PostRank, Buzzware.

Тестирование данных сервисов для автоматического аккумулирования ианализа данных изсоциальных медиа показало ограничения этих инструментов.

Например, Socialbakers имеет ограничения в аккумулировании документов изFacebook, Twitter, YouTube, Google+. Twitalyzer приспособлен только для узкой функции мониторинга упоминаемости бренда вTwitter. УTopsy нет возможности плексных поисковых запросов; WildFire, Kurrently, SocialSeek, PostRank, Buzzware, HootSuite не позволяют выгружать необходимое количество сообщений и имеют ограниченную глубину выгрузки. Wobot, Медиалогия, Brand Analytics, «Ходят слухи» работают сдостаточным пообъему массивом иглубиной выгрузки, однако имеют неудобный интерфейс для создания рубрики для аккумулирования сообщений иобладают низким уровнем интуитивности, непонятной композиционностью опций статистических отчетов.

Наибольшими исследовательскими возможностями программаIQBuzz. Рассмотрим ее основные характеристики.

ПрограммаIQBuzz предназначена для мониторинга социальных медиа в Интернет. IQBuzz осуществляет мониторинг большого количества источников иплощадок, таких как LiveInternet, LiveJournal, Facebook, Twitter, «ВКонтакте», «Яндекс.Блоги», сервисов видеохостинга RuTube и YouTube, различные новостные, развлекательные, специализированные, тематические и региональные порталы. Основное направление ее использования– анализ бренда, публичной личности, сектора рынка. Впервую программа разработана для удовлетворения нужд коммерческого

создания ком-

обладает

очередь

Е. В. БРОДОВСКАЯ, А. Ю. ДОМБРОВСКАЯ. БОЛЬШИЕ ДАННЫЕ В ИССЛЕДОВАНИИ ПОЛИТИЧЕСКИХ ПРОЦЕССОВ

характера, SMM-маркетинга, вместе стем данный сервис позволяет решать задачи изучения социальных и политических процессов поцифровым следам.

Механика работы программы позволяет успешно использовать ее вкачестве инструмента сбора больших данных для прикладного политического анализа.

С помощью системы поисковых запросов программа проводит мониторинг заданных оператором социальных медиа, а также сортирует собранные источники (документы

) взависимости оттональности контента поотношению кзаданной оператором теме. Данная система позволяет не просто анализировать количественную составляющую массива, ноиучитывать эмоциональную оценку пользователя.

IQBuzz впервую очередь представляет собой поисковую ма-

шину, работающую поопределенному алгоритму.

Работу в программе условно можно разделить на несколько

этапов.

1-йэтап: создание рубрики мониторинга.

Для начала мониторинга нужно создать рубрику, в которой будут накапливаться упоминания позаданному поисковому запросу.

Рубрика (тематическая рубрика)– объект всистеме, где хранятся все собранные документы поконкретной теме мониторинга. Главный критерий наполнения рубрики– поисковые запросы, содержащие ключевые слова заданной темы.

В рубриках хранится инакапливается вся информация поте- мам мониторинга.

Рубрики являются основным инструментом при работе вIQBuzz, а их

правильная настройка позволит эффективно отсеивать информационный шум и получать качественные аналитические отчеты. Для каждой темы мониторинга лучше создавать свою, отдельную рубрику. Поэтому в процессе анализа, кпримеру, политических установок пользователей каждая рубрика должна соответствовать одной изустановок.

Чтобы создать рубрику, необходимо кликнуть накнопку «Соз-

дать рубрику»(см.рис.1).

ГлаваIII. Инструменты киберметрии как способ аккумулирования ианализа больших данных

Рис. 1. Создание рубрики

В диалоговом окне необходимо провести настройку монито-

ринга рубрики.

Рис. 2. Настройка мониторинга рубрики

Е. В. БРОДОВСКАЯ, А. Ю. ДОМБРОВСКАЯ. БОЛЬШИЕ ДАННЫЕ В ИССЛЕДОВАНИИ ПОЛИТИЧЕСКИХ ПРОЦЕССОВ

Необходимо заполнить следующие разделы:

– название рубрики; – заголовок темы мониторинга; – поисковый критерий.

Важный элемент настройки рубрики, который отвечает заточность поиска. В поисковом критерии задаются ключевые слова иправила, покоторым врубрику будут попадать документы.

При настройке критерия используется язык запросов IQBuzz (рис.3).

Рис. 3. Язык запросовIQBuzz

Более подробно о языке или языках, необходимых для осуществления релевантной выгрузки, можно узнать всправочнике службы (рис.3).

Задачи исследования предполагают мониторинг упоминания ценностей вблогосфере, поэтому для анализа использовался простой набор поисковых критериев, отражающих базовую ценность, указанную врубрике (рис.4).

Рис. 4. Ввод поисковых запросов

Помимо выделенных элементов рубрики оператору сервиса доступны следующие настройки поискового запроса.

Дата создания документов. Данная функция позволяет собирать данные нетолько созданные внастоящем времени, ноирассматривать их в ретроспективе. Если задать временные рамка, относящиеся к прошедшему периоду, сервис выгрузит только те документы, которые были собраны вуказанное время. Кроме того, хранение сообщений измедиа

наудаленных серверах позволяет уловить иознакомиться стеми сообщениями, которые уже были удалены состраницы-первоисточника.

ГлаваIII. Инструменты киберметрии как способ аккумулирования ианализа больших данных

Язык документов. Настройка данного критерия необходима, если проект предполагает работу над контентом на других языках, например входе анализа формируемых впериод кризисных событий наУкраине в2013–2014гг. протестных установок всоциальных медиа, помимо русского, вавторских исследованиях аккумулировался украинский контент.

Авторы. Рубрику можно настроить так, чтобы внее попадали сообщения каких-то конкретных, указанных вами авторов. При этом сообщения других авторов внее попадать уже небудут.

При настройке рубрики доступен фильтр по блогохостингам (источникам, сайтам, накоторых размещаются упоминания). Это поможет настроить мониторинг скаких-то определенных источников или, наоборот, исключить попадание документов изнежелательных источников.

География авторов. Впроцессе создания рубрики можно установить фильтр

поместоположению блогеров. Вэтом случае будет учитываться та информация огеографии, которую блогер сам указал всвоем профиле. Обращаем внимание, что, задав фильтр поконкретным странам, в рубрику уже не попадут документы, авторы которых не указали свое местоположение. После окончательной настройки рубрики программа переходит кпоиску документов.

Для уточнения того, насколько адекватны разработанные по-

исковые запросы и какова

степень «чистоты» (релевантности) аккумулируемых сообщений, можно воспользоваться опцией «Предварительный просмотр документов» (рис.5).

Рис. 5. Предварительный просмотр документов

Сохранение настроек рубрики. Программа IQBuzz позволяет сохранить на ПК настройки рубрики ивдальнейшем применять их кдругим рубрикам иподрубрикам.

Для этого необходимо открыть рубрику, открыть вкладку «Информация орубрике», кликнуть накнопке «Экспорт настроек вXML» (рис.6).

Е. В. БРОДОВСКАЯ, А. Ю. ДОМБРОВСКАЯ. БОЛЬШИЕ ДАННЫЕ В ИССЛЕДОВАНИИ ПОЛИТИЧЕСКИХ ПРОЦЕССОВ

Рис. 6. Экспорт настроек вXML

Для того чтобы применить настройки к новой рубрике, при ее создании необходимо кликнуть на кнопку «Экспортировать наcтройкиXML» (рис.7).

Рис. 7. Экспорт настроек кновой рубрике

После этого появится диалоговое окно, вкотором можно выбрать применение отдельных настроек (см.рис.8).

<<< < Предыдущая 1 23 / 93 4 5 6 7 8 9 > Следующая >>>

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]