.jpg)
версия для печатиСеть или текст? Факторы распространения протеста в социальных медиа:
теория и анализ данных
Ахременко А. С.,
Доктор политических наук, профессор факультета социальных наук, Национальный исследовательский университет “Высшая школа экономики”, aakhremenko@hse.ru
elibrary_id: 124097 | ORCID: 0000-0001-8002-7307 | RESEARCHER_ID: L-3000-2015
Стукал Д. К.,
Кандидат политических наук, преподаватель Школы социальных и политических наук, Университет Сиднея, denis.stukal@gmail.com
elibrary_id: 1096522 | ORCID: 0000-0001-6240-5714 | RESEARCHER_ID: ABA-3314-2020
Петров А. П.,
Доктор физико-математических наук, ведущий научный сотрудник, Институт прикладной математики имени М.В. Келдыша РАН, petrov.alexander.p@yandex.ru
elibrary_id: 15671 | ORCID: 0000-0001-5244-8286 | RESEARCHER_ID: R-6729-2016
DOI: 10.17976/jpps/2020.02.06
Правильная ссылка на статью:
Ахременко А. С., Стукал Д. К., Петров А. П. Сеть или текст? Факторы распространения протеста в социальных медиа: теория и анализ данных. – Полис. Политические исследования. 2020. № 2. С. 73-91. https://doi.org/10.17976/jpps/2020.02.06
Исследование выполнено при поддержке РФФИ и АНО ЭИСИ, проект 19-011-31341, “Социальные сети как инструмент политической мобилизации: анализ коммуникаций и оценка потенциала”.
Аннотация
Социальные сети способны аккумулировать и концентрировать протестный потенциал, который может затем выплескиваться на улицу. Сетевые связи между индивидами в онлайн-среде родственны связям в физической реальности, и их структура может оказывать влияние на распространение как информации о протесте, так и протестного поведения. Цифровые платформы способны выступать центральными площадками формулирования коллективных целей и идентичностей. Эти положения, сформулированные на основе проведенных ранее исследований, стали отправной точкой настоящей работы, сосредоточенной в ее эмпирической части на венесуэльском сегменте сети Twitter. “Элементарными единицами” протестной активности в Twitter являются отдельные сообщения (твиты), некоторые из которых мультиплицируются (retweet) и достигают аудитории национального масштаба. Именно эти, наиболее популярные твиты играют наибольшую роль в формировании протестного потенциала. Но какие твиты становятся популярными? Те, что написаны авторами, занимающими лучшую позицию в сетевой структуре, или те, которые имеют более яркое, насыщенное содержание? Мы формализовали эту альтернативу, выделив две группы показателей: одну составили индикаторы сетевой позиции автора, другая же характеризует содержание твита. В качестве зависимой переменной выступает количество ретвитов. Проанализировав более 5,7 млн уникальных твитов с использованием современных подходов и методов науки о данных (регрессия с LASSO-регуляризацией, скользящий контроль и др.), мы выявили, что показатели первой группы имеют существенно большее значение. Поскольку в политической онлайн-коммуникации в последние годы значимую роль играют боты (автоматизированные аккаунты, способные, в частности, делать ретвиты), то мы провели дополнительный анализ, “вычистив” из совокупности ретвитов те из них, которые сделаны ботами. Результат оказался в этом случае тем же, что и для исходной выборки: сеть важнее текста. Сетевая позиция автора, ассоциируемая с его популярностью (в особенности – его популярностью среди популярных пользователей), играет гораздо более значимую роль для распространения твита, чем его содержательные характеристики.
Ключевые слова
политический протест, социальные сети, социальные медиа, Твиттер, Венесуэла, онлайн-коммуникация, интернет-боты, анализ данных.
Список литературы
Ахременко А.С., Филиппов И.Б. 2019. Влияние силового подавления протеста на обсуждениеротестной акции в социальных сетях. – Мониторинг общественного мнения: Экономические и социальные перемены. № 5. С. 200-225. https://doi.org/10.14515/monitoring.2019.5.10
Akhremenko A., Yureskul E., Petrov A. 2019. Latent Factors of Protest Participation: A Basic Computational Model. – 2019 Twelfth International Conference “Management of Large-Scale System Development: (MLSD). Moscow: IEEE. https://doi.org/10.1109/MLSD.2019.8910999
Barbera P., Wang N., Bonneau R., Jost J.T., Nagler J., Tucker J., Gonzalez-Bailon S. 2015. The Critical Periphery in the Growth of Social Protests. – PloS ONE. 10(11): e0143611. https://doi.org/10.1371/journal.pone.0143611
Bastos M.T., Mercea D., Charpentier A. 2015. Tents, Tweets, and Events: The Interplay Between Ongoing Protests and Social Media. – Journal of Communication. Vol. 65. No. 2. P. 320-350. https://doi.org/10.1111/jcom.12145
Bisbee J., Larson J.M. 2017. Testing Social Science Network Theories with Online Network Data: An Evaluation of External Validity. – American Political Science Review. Vol. 111. No. 3, P. 502-521. https://doi.org/10.1017/s0003055417000120
Centola D. 2010. The Spread of Behavior in an Online Social Network Experiment. – Science. Vol. 329. No. 5996. P. 1194-1197. https://doi.org/10.1126/science.1185231
Centola D., Macy M. 2007. Complex Contagions and the Weakness of Long Ties. – American Journal of Sociology. Vol. 113. No. 3. P. 702-734. https://doi.org/10.1086/521848
Csermely P., London A., Wu L.-Yu., Uzzi B. 2013. Structure and Dynamics of Core/Periphery Networks. – Journal of Complex Networks. Vol. 1. No. 2. P. 93-123. https://doi.org/10.1093/comnet/cnt016
Epstein J.M. 2002. Modeling Civil Violence: An Agent-Based Computational Approach. – Proceedings of the National Academy of Sciences of the United States of America. Vol. 99 (suppl 3). P. 7243-7250. https://doi.org/10.1073/pnas.092080199
Freelon D., McIlwain C., Clark M. 2018. Quantifying the Power and Consequences of Social Media Protest. – New Media & Society. Vol. 20. No. 3. P. 990-1011. https://doi.org/10.1177/1461444816676646
Gelman A. 2008. Scaling Regression inputs by Dividing by Two Standard Deviations. – Statistics in Medicine. Vol. 27. No. 15. P. 2865-2873. https://doi.org/10.1002/sim.3107
Gilbert E., Karahalios K. 2009. Predicting Tie Strength with Social Media. – CHI’09: Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. MA: ACM. P. 211-220. https://doi.org/10.1145/1518701.1518736
González-Bailón S., Borge-Holthoefer J., Rivero A., Moreno Y. 2011. The Dynamics of Protest Recruitment through an Online Network. – Scientific Reports. Vol. 197. No. 1. P. 1–7. https://doi.org/10.1038/srep00197
Gonzalez-Bailon S., Ning Wang. 2016. Networked Discontent: The Anatomy of Protest Campaigns in Social Media. – Social Networks. Vol. 44. P. 95-104. https://doi.org/10.1016/j.socnet.2015.07.003
Granovetter M. 1973. The Strength of Weak Ties. – The American Journal of Sociology. Vol. 78. No. 6. P. 1360-1380.
Granovetter M. 1978. Threshold Models of Collective Behavior. – The American Journal of Sociology. Vol. 83. No. 6. P. 1420-1443. https://doi.org/10.1086/226707
Harkins S.G., Petty R.E. 1987. Information Utility and the Multiple Source Effect. – Journal of Personality and Social Psychology. Vol. 52. No. 5. P. 260-268. https://doi.org/10.1037//0022-3514.52.2.260
Hegelich S., Janetzko D. 2016. Are Social Bots on Twitter Political Actors? Empirical Evidence from a Ukrainian Social Botnet. – AAAI Publications, Tenth International AAAI Conference on Web and Social Media. Association for the Advancement of Artificial Intelligence. P. 579-582. URL: https://www.aaai.org/ocs/index.php/ICWSM/ICWSM16/paper/view/13015 (accessed 14.12.2019).
Himelboim I., Sweetser K.D., Tinkham S.F., Cameron K., Danelo M., West K. 2016. Valence-Based Homophily on Twitter: Network Analysis of Emotions and Political Talk in the 2012 Presidential Election. – New Media & Society. Vol. 18. No. 7. P. 1382-1400. https://doi.org/10.1177/1461444814555096
Jost J.T., Barbera P., Bonneau R.; Langer M., Metzger M., Nagler J., Sterling J., Tucker J.A. 2018. How Social Media Facilitates Political Protest: Information, Motivation, and Social Networks. – Advanced in Political Psychology. Vol. 39. No. S1. P. 85-118. https://doi.org/10.1111/pops.12478
Klandermans P.G. 2014. Identity Politics and Politicized Identities: Identity Processes and the Dynamics of Protest. – Political Psychology. Vol. 35. No. 1. P. 1-22. https://doi.org/10.1111/pops.12167
Kuran T. 1989. Sparks and Prairie Fires: A Theory of Unanticipated Political Revolution. – Public Choice. Vol. 61. No. 1. P. 41-74. https://doi.org/10.1007/bf00116762
Larson J.M., Nagler J., Ronen J., Tucker J.A. 2019. Social Networks and Protest Participation: Evidence from 130 Million Twitter Users. – American Journal of Political Science. Vol. 63. No. 3. P. 690-705. https://doi.org/10.1111/ajps.12436
Lohmann S. 1994. The Dynamics of Informational Cascades: The Monday Demonstrations in Leipzig, East Germany, 1989–91. – World Politics. Vol. 47. No. 1. P. 42-101. https://doi.org/10.2307/2950679
Macy W.M. 1990. Learning Theory and the Logic of Critical Mass. – American Sociological Review. Vol. 55. No. 6. P. 809-826. https://doi.org/10.2307/2095747
McGarty C., Thomas E.F., Lala G., Smith L.G.E., Bliuc A.-M. 2014. New Technologies, New Identities, and the Growth of Mass Opposition in the Arab Spring. – Political Psychology. Vol. 35. No. 6. P. 725-740. https://doi.org/10.1111/pops.12060
Marwell G., Oliver P. 1993. The Critical Mass and the Problem of Collective Action. –The Critical Mass in Collective Action (Studies in Rationality and Social Change). Cambridge: Cambridge University Press. P. 1-13. https://doi.org/10.1017/cbo9780511663765.002
Pearl J. 2015. Causes of Effects and Effects of Causes. – Sociological Methods & Research. Vol. 44. No. 1. P. 149-164. https://doi.org/10.1177/0049124114562614
Romero D.M., Meeder B., Kleinberg J.M. 2011. Differences in the Mechanics of Information Diffusion Across Topics: Idioms, Political Hashtags, and Complex Contagion on Twitter. – Proceedings of the 20th International Conference on World Wide Web, WWW 2011. New York, NY: ACM. P. 695-704. https://doi.org/10.1145/1963405.1963503
Siegel D.A. 2009. Social Networks and Collective Action. – American Journal of Political Science. Vol. 53. No. 1. P. 122-138. https://doi.org/10.1111/j.1540-5907.2008.00361.x
Schelling T.C. 1978. Micromotives and Macrobehavior. New York, NY: WW Norton & Company. 272 p.
Steinert-Threlkeld Z.C. 2017. Spontaneous Collective Action: Peripheral Mobilization During the Arab Spring. – American Political Science Review. Vol. 111. No. 2. P. 379-403. https://doi.org/10.1017/s0003055416000769
Steinert-Threlkeld Z.C., Mocanu D., Vespignani A., Fowler J. 2015. Online Social Networks and Offline Protest. – EPJ Data Science. No. 4: 19. P. 1-9. https://doi.org/10.1140/epjds/s13688-015-0056-y
Tibshirani R. 1996. Regression Shrinkage and Selection Via the Lasso. – Journal of the Royal Statistical Society. Series B (Methodological). Vol. 58. No. 1. P. 267-288. https://doi.org/10.1111/j.2517-6161.1996.tb02080.x
Tufekci Z., Wilson C. 2012. Social Media and the Decision to Participate in Political Protest: Observations from Tahrir Square. – Journal of Communication. Vol. 62. No. 2. P. 363-379. https://doi.org/10.1111/j.1460-2466.2012.01629.x
Van Zomeren M., Leach C.W., Spears R. 2012. Protesters as “Passionate Economists”: A Dynamic Dual Pathway Model of Approach Coping with Collective Disadvantage. – Personality and Social Psychology Review. Vol. 16. No. 2. P. 180-199. https://doi.org/10.1177/1088868311430835
Watts D.J. 1999. Small Worlds: The Dynamics of Networks between Order and Randomness. Princeton, Oxford: Princeton University Press. 262 p. https://doi.org/10.1515/9780691188331
Watts D.J. 2002. A Simple Model of Global Cascades on Random Networks. – Proceedings of the National Academy of Sciences of the United States of America. Vol. 99. No. 9. P. 5766-5771. https://doi.org/10.1073/pnas.082090499
Watts D.J., Strogatz S.H. 1998. Collective Dynamics of ‘Small-World’ Networks. – Nature. No. 393. P. 440-442. https://doi.org/10.1038/30918
Won D., Steinert-Threlkeld Z.C., Joo J. 2017. Protest Activity Detection and Perceived Violence Estimation from Social Media Images. – Proceedings of the 25th ACM International Conference on Multimedia. Association for Computing Machinery. P. 786-794. https://doi.org/10.1145/3123266.3123282
Содержание номера № 2, 2020
Возможно, Вас заинтересуют:
Кёхлер Г. ,
Новые социальные медиа: шанс или препятствие для диалога?. – Полис. Политические исследования. 2013. №4
Стукал Д. К., Шилина А. Н.,
Отношение к власти как фактор восприятия политического троллинга в российских социальных медиа. – Полис. Политические исследования. 2022. №4
Рябченко Н. А., Малышева О. П., Гнедаш А. А.,
Управление политическим контентом в социальных сетях в период предвыборной кампании в эпоху постправды. – Полис. Политические исследования. 2019. №2
Попова О. В., Гришин Н. В., Погодина М. Я.,
Коммуникация молодежи с главами исполнительной власти регионов Российской Федерации во “ВКонтакте” в 2022 году. – Полис. Политические исследования. 2023. №4
Тимофеева Л. Н., Рябченко Н. А., Малышева О. П., Гнедаш А. А.,
Цифровая социально-политическая повестка дня и ее осмысление в условиях новой медиаэкологии. – Полис. Политические исследования. 2022. №2
.jpg)
.jpg)