версия для печати

Отношение к власти как фактор восприятия политического троллинга в российских социальных медиа

Стукал Д. К.,

Кандидат политических наук, Национальный исследовательский университет “Высшая школа экономики”, Москва, Россия, denis.stukal@gmail.com

elibrary_id: 1096522 | ORCID: 0000-0001-6240-5714 | RESEARCHER_ID: ABA-3314-2020

Шилина А. Н.,

Национальный исследовательский университет “Высшая школа экономики”, Москва, Россия, ashilina@hse.ru

elibrary_id: 1123153 | ORCID: 0000-0002-6667-0686 |

Дата поступления статьи: 2021.09.24. Принята к печати: 2022.05.23
DOI: 10.17976/jpps/2022.04.14

Рубрика: Россия сегодня

Правильная ссылка на статью:

Стукал Д. К., Шилина А. Н. Отношение к власти как фактор восприятия политического троллинга в российских социальных медиа. – Полис. Политические исследования. 2022. № 4. С. 179-191. https://doi.org/10.17976/jpps/2022.04.14

Исследование выполнено за счет гранта Российского научного фонда № 21-78-00079, https://rscf.ru/project/21-78-00079.

Аннотация

Политический троллинг в социальных сетях превратился в последние годы в новую технологию цифровой политики. Исследования троллинга в политической науке, однако, фокусируются на проблеме детекции троллей и описании характера их деятельности и стратегий, во многом игнорируя вопрос о восприятии троллинга пользователями. Результатом такого смещения академической оптики является острая нехватка работ о последствиях и результатах политической онлайн-активности троллей. Методологически ситуация усугубляется тем, что существующие исследования опираются на выявление троллей путем ручной разметки пользователей социальных сетей. Игнорирование вопросов восприятия троллинга в этой ситуации может приводить к систематическим смещениям в эмпирических результатах. Авторы данной работы стремятся заполнить отмеченный пробел в научной литературе, исследуя восприятие политического троллинга в социальной сети “ВКонтакте”. С опорой на литературу, посвященную феномену селективного восприятия, в статье выдвигается гипотеза о том, что сторонники и противники действующей власти будут чаще называть троллингом сообщения, выражающие противоположную политическую позицию. Эта гипотеза проверяется на основе анализа оригинальных эмпирических данных методами регрессионного анализа, который показывает, что лишь одна из рассматриваемых групп респондентов – оппозиционно настроенные респонденты – склонна чаще маркировать в качестве троллинга сообщения с противоположной политической позицией. При этом сторонники действующей власти не демонстрируют систематических различий в восприятии провластного и оппозиционного троллинга. Полученные результаты, с одной стороны, указывают на методологические ограничения эмпирических исследований, опирающихся на размеченные данные; с другой – указывают на значимые различия в восприятии политической онлайн-информации сторонниками и противниками действующей власти и актуализируют проблематику базовых политических представлений в исследованиях политической коммуникации. 

Ключевые слова

тролли, интернет-тролли, социальные медиа, социальные сети, политическая коммуникация, селективное восприятие, онлайн-сообщества.

 Текст статьи

Бродовская Е.В., Домбровская А.Ю., Карзубов Д.Н., Синяков А.В. 2017. Развитие методологии и методики интеллектуального поиска цифровых маркеров политических процессов в социальных медиа. Мониторинг общественного мнения: экономические и социальные перемены. № 5. С. 79-104. https://doi.org/10.14515/monitoring.2017.5.06

Глухова А.В. 2016. К вопросу о роли провокации в политике. Власть. Т. 24. № 3. С. 92-96.

Евдокимов В.А. 2019. Троллинг в медиасфере. Наука о человеке: гуманитарные исследования. T. 38. № 4. С. 41-47. https://doi.org/10.17238/issn1998-5320.2019.38.41

Попова О.В., Суслов. С.И. 2021. Сетевой анализ политических интернет-сообществ: от формализованных к “ненаблюдаемым” группам. Политическая наука. № 1. С. 160-182. http://www.doi.org/10.31249/poln/2021.01.07

Управляемость и дискурс виртуальных сообществ в условиях политики постправды. 2019. Под ред. Д.С. Мартьянова. СПб.: ЭлекСис. 312 с.

Чугров С.В. 2021. Стратегическая эмпатия в мировой политике: можно ли одолеть Расёмон-эффект и фундаментальную ошибку атрибуции? Полис. Политические исследования. № 5. C. 109-126. https://doi.org/10.17976/jpps/2021.05.08

Angrist, J.D., & Pischke, J.-S. (2009). Mostly harmless econometrics: an empiricist’s companion. Princeton: Princeton University Press. 392 p.

Bail, C.A., Guay, B., Maloney, E., Combs, A., Hillygus, D.S., Merhout, F., Freelon, D., & Volfovsky, A. (2020). Assessing the Russian internet research agency’s impact on the political attitudes and behaviors of American Twitter users in late 2017. Proceedings of the national academy of sciences, 117(1), 243-250. https://doi.org/10.1073/pnas.1906420116

Ball-Rokeach, S.J. (1998). A Theory of media power and a theory of media use: different stories, questions, and ways of thinking. Mass Communication and Society, 1(1-2), 5-40. https://doi.org/10.1080/15205436.1998.9676398

Cheng, J., Danescu-Niculescu-Mizil, C., & Leskovec, J. (2015). Antisocial behavior in online discussion communities. arXiv:1504.00680 (arXiv:1504.00680v2). https://doi.org/10.48550/arXiv.1504.00680

Chun, S.A., Holowczak, R., Dharan, K.N., Wang, R., Basu, S., & Geller, J. (2019). Detecting political bias trolls in Twitter data. Proceedings of the 15th International Conference on Web Information Systems and Technologies (WEBIST 2019), 334-342. Vienna, Austria. https://doi.org/10.5220/0008350303340342

Dlala, I.O., Attiaoui, D., Martin, A., & Yaghlane, B.B. (2015). Trolls Identification within an uncertain framework. arXiv:1501.05272 (arXiv: 1501.05272v1). https://doi.org/10.48550/arXiv.1501.05272

Golovchenko, Y., Buntain, C., Eady, G., Brown, M.A., & Tucker, J.A. (2020). Cross-platform state propaganda: Russian trolls on Twitter and YouTube during the 2016 U.S. presidential election. The International Journal of Press/Politics, 25(3), 357-389. https://doi.org/10.1177/1940161220912682

Gomila, R. (2021). Logistic or linear? Estimating causal effects of experimental treatments on binary outcomes using regression analysis. Journal of Experimental Psychology: General, 150(4), 700-709. https://doi.org/10.1037/xge0000920

Gunitsky, S. (2015). Corrupting the cyber-commons: social media as a tool of autocratic stability. Perspectives on Politics, 13(1), 42-54. https://doi.org/10.1017/S1537592714003120

Herring, S., Job-Sluder, K., Scheckler, R., & Barab, S. (2002). Searching for safety online: managing “trolling” in a feminist forum. The Information Society, 18(5), 371-384. https://doi.org/10.1080/01972240290108186

Howard, Ph.N., Woolley, S., & Calo, R. (2018). Algorithms, bots, and political communication in the US 2016 election: The challenge of automated political communication for election law and administration. Journal of Information Technology & Politics, 15(2), 81-93. https://doi.org/10.1080/19331681.2018.1448735

Keller, F.B., Schoch, D., Stier, S., Yang, JH. (2020). Political astroturfing on Twitter: how to coordinate a disinformation campaign. Political Communication, 37(2), 256-280. https://doi.org/10.1080/10584609.2019.1661888

King, G., Pan, J., & Roberts, M.E. (2017). How the Chinese government fabricates social media posts for strategic distraction, not engaged argument. American Political Science Review, 111(3), 484-501. https://doi.org/10.1017/S0003055417000144

Knobloch-Westerwick, S., Mothes, C., & Polavin, N. (2020). Confirmation bias, ingroup bias, and negativity bias in selective exposure to political information. Communication Research, 47(1), 104-124. https://doi.org/10.1177/0093650217719596

Lazer, D.M.J., Baum, M.A., Benkler, Y., Berinsky, A.J., Greenhill, K.M., Menczer, F., Metzger, M.J., Nyhan, B., Pennycook, G., Rothschild, D., Schudson, M., Sloman, S.A., Sunstein, C.R., Thorson, E.A., Watts, D.J., & Zittrain, J.L. (2018). The science of fake news. Science, 359(6380), 1094-1096. https://doi.org/10.1126/science.aao2998

Levy, M.R., & Windahl, S. (1984). Audience activity and gratifications: a conceptual clarification and exploration. Communication Research, 11(1), 51-78. https://doi.org/10.1177/009365084011001003

Linvill, D.L., Boatwright, B.C., Grant, W.J., & Warren, P.L. (2019). “The Russians are hacking my brain!” investigating Russia’s internet research agency twitter tactics during the 2016 United States presidential campaign. Computers in Human Behavior, 99, 292-300. https://doi.org/10.1016/j.chb.2019.05.027

Lukito, J. (2020). Coordinating a multi-platform disinformation campaign: internet research agency activity on three U.S. social media platforms, 2015 to 2017. Political Communication, 37(2), 238-255. https://doi.org/10.1080/10584609.2019.1661889

Miller, B. (2016). Automated detection of Chinese government astroturfers using network and social metadata. SSRN 2738325. Haven Hall, Ann Arbor: Department of Statistics, University of Michigan. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2738325

Pearson, G.D.H., & Knobloch-Westerwick, S. (2019). Is the confirmation bias bubble larger online? Pre-election confirmation bias in selective exposure to online versus print political information. Mass Communication and Society, 22(4), 466-486. https://doi.org/10.1080/15205436.2019.1599956

Shin, J. (2008). Morality and internet behavior: a study of the internet troll and its relation with morality on the Internet. In K. McFerrin, R. Weber, R. Carlsen & D. Willis (Ed.), Proceedings of SITE 2008—Society for Information Technology & Teacher Education International Conference (pp. 2834-2840). Las Vegas, NV: Association for the Advancement of Computing in Education (AACE). URL: https://www.learntechlib.org/noaccesspresent/27652/46654/ (accessed 07.06.2022).

Stroud, N.J., Muddiman, A., & Lee, J.K. (2014). Seeing media as group members: an evaluation of partisan bias perceptions. Journal of Communication, 64(5), 874-894. https://doi.org/10.1111/jcom.12110

Tomaiuolo, M., Lombardo, G., Mordonini, M., Cagnoni, S., & Poggi, A. (2020). A survey on troll detection. Future Internet, 12(2), 31-44. https://doi.org/10.3390/fi12020031

Umeozor, S.N. (2020). Information retrieval: a communication process in the 21st century library. International Journal of Knowledge Content Development & Technology, 10(2), 7-18. http://dx.doi.org/10.5865/IJKCT.2020.10.2.007

Wang, T., & Merkle, E.C. (2018). merDeriv: derivative computations for linear mixed effects models with application to robust standard errors. Journal of Statistical Software, Code Snippets, 87(1), 1-16. https://doi.org/10.18637/jss.v087.c01

Wheeler, N.E., Allidina, S., Long, E.U., Schneider, S.P., Haas, I.J., & Cunningham, W.A. (2020). Ideology and predictive processing: coordination, bias, and polarization in socially constrained error minimization. Current Opinion in Behavioral Sciences, 34, 192-198. https://doi.org/10.1016/j.cobeha.2020.05.002

Wooldridge, J.M. (2010). Econometric analysis of cross section and panel data. Cambridge, MA; London: The MIT press. 1096 p. 

Возможно, Вас заинтересуют: