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 2 3 4 56 / 96 7 8 9 > Следующая >>>

ГлаваV. Приемы графической ивербальной интерпретации больших данных

визучении политических процессов поцифровым следам

Социально-демографические цифровые маркеры политических процессов

Геолокационный анализ сообщений социальных медиа

Данная аналитическая функция позволяет установить географию исхода релевантных потоков социальных медиа. Геолокация отражает, какие регионы России и мира доминируют всоздании сообщений, вкоторых представлена изучаемая тема (рис.16).

В интерфейсе отчет строится ввиде интерактивной (кликабельной) карты. Чем темнее цвет

заливки, тем больше авторов изэтой

страны.

Рис. 16. Опция геолокации

Показательным вэтой связи служит такое распределение, которое коллектив авторов получил впроцессе исследования протестных информационных потоков в российском сегменте социальных медиа впериод 2011–2017гг. (массив составляют сообщения, представлявшие информационный фон протестов после выборов депутатов Государственной Думы ФС 2011г. наБолотной площади и проспекте Академика Сахарова в Москве, «Марша против подлецов» в2013г

., антикоррупционных протестов 26марта 2017г., а также межэтнических конфликтов в Ростове-на-Дону, Бирюлево идр.) (см.табл.4).

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

Таблица 4

Геолокационное распределение авторов сообщений, отражающих

антикоррупционную инационалистическую риторику врусскоязыч-

ном сегменте Интернета запериод с01.03.2011по31.03.2017г.

(отобрано 5первых строк рейтингового распределения)

Страна/Регион Авторов Документов

Москва 1779 3070

Санкт-Петербург 950 1525

Московская область 200 318

Свердловская область 191 227

Ростовская область 188 252

Распределение данных в табл. 4 обеспечило понимание того, что качество жизни врегионах и онлайновая протестная публикационная активность не находятся в прямой взаимосвязи. Так, пребывающие в топе рейтинга качества жизни Москва и СанктПетербург демонстрируют наибольший уровень протестного потенциала, втоже время среди авторов документов антикоррупционной направленности практически непредставлены пользователи изтаких традиционно проблемных регионов, как Северный Кав каз иДальний Восток.

Зачастую ученые непридают серьезного значения возможностям геолокационной опции, иэто имеет свое рациональное объяснение. Оно связано спредставлением овиртуальной среде как неимеющей строгой привязки кгеографии, геолокации авторов или аудитории информационных потоков. Вместе стем важно учитывать эвристический потенциал геолокационной функции анализа. Свидетельства тому– исследования в области компьютерной лингвистики, нацеленные,

например, наразработку карты языков социальных медиа или карты социально-медийного протестного дискурса. Итогом применения функции определения геолокации наряду сметодами компьютерной лингвистики в этих случаях будет являться географическая распространенность языков, накоторых общаются пользователи социальных медиа, или геолокация протестной семантики. Эти данные могут быть весьма значимы для оценки социального настроения иобщественного

мнения пользователей различных регио-

ГлаваV. Приемы графической ивербальной интерпретации больших данных

визучении политических процессов поцифровым следам

нов страны. Значимым маркером протестной активности, фиксируемым спомощью этого типа анализа, является увеличение аудитории неконвенциональных социально-медийных потоков, геолокация которых распространяется назначительную часть страны.

Половозрастной анализ авторов сообщений социальных медиа

Половозрастная идентификация позволяет увидеть распределение авторов пополу ивозрасту, что позволяет учитывать статистические показатели при анализе, атакже делать сравнительные выводы софлайн-пространством. Так, этот параметр активно использовался в рассмотренном ранее кейсе «Анализ репрезентации ядерных ценностей молодых российских интернет-пользователей». Сравнение данных позволило сделать вывод отом, что как впространстве офлайн, так ионлайн наиболее значимой ценностью являются семья идети, при этом данную ценность чаще всего указывают девушки, тогда как

ценности карьеры, процветания идостатка характерны для молодых людей, что вполной мере подтверждается тенденциями офлайн-пространства.

Однако данный отчет имеет ряд недостатков и ограничений. Наиболее существенным изних является отсутствие возможности изменять границы возраста пользователей, что ограничивает исследователя всравнениях сданными офлайн.

В интерфейсе отчет пополу отображается ввиде круговой диаграммы (рис.

17).

Рис. 17. Опция гендерной идентификации

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

Таким образом, эта опция онлайн-сервиса для мониторинга социальных медиа обеспечивает построение базовых контуров социально-демографического портрета авторов документов анализируемого массива. В процессе интерпретации половозрастной структуры авторов выгруженных сообщений важно помнить отом, что рассматриваемая функция сервиса указывает прежде всего на специфику состава пользователей социальных медиа ивовторую очередь– половозрастную структуру авторов именно данного информационного потока.

Отчет повозрасту отображается ввиде гистограммы распределения повозрастным категориям (рис.18).

Рис. 18. Опция возрастной идентификации

В этой связи заключения должны базироваться насравнении социально-демографических профилей авторов нескольких массивов документов. Как иллюстрацию значимого отличия вполовозрастном составе авторов разных помодальности информационных потоков приведем данные рис.19–20, отражающих половозрастной состав авторов документов – крымских пользователей, продемонстрировавших позитивную или негативную ориентацию вотношении воссоединения Крыма иРоссии.

ГлаваV. Приемы графической ивербальной интерпретации больших данных

визучении политических процессов поцифровым следам

Рис. 19. Соотношение пользователей Крыма разного возраста, вы-

ражающих позитивное или негативное отношение квоссоединению

Крыма иРоссии (03.04.2014–07.06.2016г.)

Рис. 20. Соотношение пользователей Крыма разного гендера, выра-

жающих позитивное или негативное отношение квоссоединению

Крыма иРоссии (03.04.2014–07.06.2016г.)

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

Всеже половозрастной анализ, очевидно, наделен наибольшим кругом ограничений. Во-первых, как уже было сказано ранее, половозрастной состав пользователей социальных медиа далеко неотражает аналогичную структуру российского населения, втом числе данную структуру населения Крыма. Поэтому данные ополовозрастном составе авторов негативных ипозитивных потоков дают в первую очередь картину половозрастной структуры социально-медийных пользователей. Однако напервый взгляд маскулинная позиция может видеться как существенно более критическая вотношении рассматриваемого события (мужчин больше среди авторов сообщений снегативной модальностью). Вместе с тем аналогичное соотношение женщин имужчин характерно идля потоков положительной тональности. Вомногом таже ситуация повторяется ивслучае свозрастом авторов изучаемых сообщений. Таким образом, данные

ополовозрастной структуре авторов можно достоверно интерпретировать только вкомпаративных исследованиях, когда существует возможность сопоставить процент представителей различных социально-демографических групп, производящих сопоставимые (потенциально сравниваемые) информационные потоки.

Существенным недостатком половозрастного анализа является также иногда довольно низкая доля сообщений всего выгруженного контента, для которых онлайн-сервис определяет пол или возраст авторов

. Эта проблема также, как ивслучае сприменяемой в сообщениях иронией, решается с помощью аккумулирования больших данных, дающего вабсолютном значении представительные цифры даже при малой доле вмассиве сообщений, маркированных пополу ивозрасту авторов.

Социально-демографический анализ обеспечивает получение важного показателя такого политического процесса, как формирование протестных установок всоциальных медиа, – существенная

доля среди пользовательской аудитории протестных медийных потоков молодых пользователей как наиболее мобильной иактивной части граждан.

Технологические маркеры политических процессов

Анализ динамики информационных потоков

Распределение повремени– один изнаиболее интересных

отчетов, предоставляемых сервисом. Наиболее продуктивно

ГлаваV. Приемы графической ивербальной интерпретации больших данных

визучении политических процессов поцифровым следам

использовать этот отчет всобытийных запросах, так как позволяет сравнить то, как развивалось событие вонлайн- иофлайн-пространстве. Например, при сопоставлении информационных потоков, в которых отражены цифровые маркеры протестных кейсов натерритории РФ истран постсоветского пространства.

При анализе личности распределение повремени демонстрирует пики ипровалы обсуждения рассматриваемой персоны, позволяет выявить их

причины ипоследствия. Но в любом случае необходимо сравнение с показателя офлайн-пространства, что требует проведения глубокого ивент-анализа.

Отчет показывает распределение документов рубрики повре-

мени– динамику создания документов (таймлайн) (см.рис.21).

Рис. 21. Опция таймлайна

Иллюстрацией потенциала этой техники служит сравнение динамики информационных потоков о политических партиях (кейс «Эффективность интернет-коммуникации парламентских политических партий накануне единого дня голосования– 2017»): «Единой России» и «Справедливой России»

(см.рис.22и23).

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

Рис. 22. Динамика численности сообщений всоциальных медиа,

вкоторых есть упоминание партии «Справедливая Россия»

Рис. 23. Динамика численности сообщений всоциальных медиа,

вкоторых есть упоминание партии «Единая Россия»

ГлаваV. Приемы графической ивербальной интерпретации больших данных

визучении политических процессов поцифровым следам

Сопоставление данных рис.22 и23 показывает соотношение интенсивности циркулирования всоциальных медиа интересующих исследователя информационных потоков, тоесть цифровых маркеров интенсивности релевантных потоков.

Значимым показателем может служить усиление, интенсификация информационных потоков, вкоторых присутствует упоминание определенного объекта или определенной лексики, отражающей конкретный аспект политических процессов.

Анализ публикационной активности лидеров общественного

мне-

ния всоциальных медиа

Эта разновидность метрики онлайн-сервисов для мониторинга социальных медиа позволяет выявить субъектов, конструирующих целенаправленные потоки и, следовательно, целенаправленно влияющих на конструирование в сознании участников онлайн-групп установок ипредставления опредмете обсуждения: политическая сфера общества, отношение корганам власти, мнение о политических решениях, людях, идеях. Пример того, как можно выявить

лидеров общественного мнения в социальных медиа, представлен вавтоматически генерируемой отчетной статистике – таблице измерения публикационной активности иохвата аудитории различными акторами (см.табл.5). Эти данные показывают активность авторов информационного потока, целенаправленно воздействующих на формирование протестных установок упользователей российского сегмента социальных медиа.

Таблица 5

Публикационная активность иохват пользовательской аудитории

лидерами общественного мнения националистического сегмента

социально-медийных сообщений Украины иРоссии

Название блога Блогохостинг Аудитория Документы

Типичный Донецк «ВКонтакте» 448 351 325

РУССКАЯ ВЕСНА (rusvesna.su) «ВКонтакте» 63 417 207

Новости RT нарусском «ВКонтакте» 966 513 112

Русские Онлайн «ВКонтакте» 277 329 107

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

Название блога Блогохостинг Аудитория Документы

Інформаційний опір «ВКонтакте» 90 626 87

Сводки ДНР ЛНР Новороссия «ВКонтакте» 67 254 83

АНГРИФ «ВКонтакте» 61 228 78

РИА Новости «ВКонтакте» 2 113 225 78

0629Мариуполь «ВКонтакте» 96 696 71

Типова Україна «ВКонтакте» 344 838 64

Типичный Киев «ВКонтакте» 693 555 63

Коломойский вещает «ВКонтакте» 97 063 61

Табличные сведения о публикационной деятельности авторов, автоматически аккумулируемые онлайн-сервисами для мониторинга социальных медиа, весьма многообразны. В табл. 4 показано, что анализируемая опция предоставляет названия блогов и блогохостингов, создающих релевантные предмету изучения информационные потоки, число документов вданных потоках иобъем их пользовательской аудитории. Названия блогов дают качественные данные для исследования сиспользованием методик

понимающего восприятия текста, для изучения семантики, характерной для этих названий. Количественные данные имеют исключительную значимость для оценки масштаба воздействия информационных потоков иразмера этих потоков.

Построение социальных графов: установление структуры взаи-

мосвязей внутри имежду онлайн-сообществами

Эта техника анализа выполняется с помощью специального приложения – программного обеспечения, которое разрабатывается под задачу исследования

интеракций между ивнутри он-

лайн-сообществами различных социальных медиа.

Примером такого приложения, в частности к блогохостингу «ВКонтакте», является программа «Социальный граф». Данное программное обеспечение позволяет автоматически построить социальные графы, то есть визуализировать структуру связей внутри интересующих исследователя онлайн-сообществ итого, каков характер связи между ними.

<<< < Предыдущая 1 2 3 4 56 / 96 7 8 9 > Следующая >>>

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]