Сеть 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
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”.
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.
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
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