Логика протестных кампаний:
от эмпирических данных к динамическим моделям (и обратно)


Ахременко А. С.,

Доктор политических наук, Национальный исследовательский университет “Высшая школа экономики”, Москва, Россия, aakhremenko@hse.ru

elibrary_id: 124097 | ORCID: 0000-0001-8002-7307 | RESEARCHER_ID: L-3000-2015

Беленков В. Е.,

Национальный исследовательский университет “Высшая школа экономики”, Москва, Россия, vadim.belenkov@gmail.com

elibrary_id: 1092630 | ORCID: 0000-0002-5209-7655 | RESEARCHER_ID: ABG-2861-2020

Петров А. П.,

Доктор физико-математических наук, Институт прикладной математики им. М.В. Келдыша РАН, Москва, Россия, petrov.alexander.p@yandex.ru

elibrary_id: 15671 | ORCID: 0000-0001-5244-8286 | RESEARCHER_ID: R-6729-2016


DOI: 10.17976/jpps/2021.03.10
Правильная ссылка на статью:

Ахременко А. С., Беленков В. Е., Петров А. П. Логика протестных кампаний: от эмпирических данных к динамическим моделям (и обратно). – Полис. Политические исследования. 2021. № 3. С. 147-165. https://doi.org/10.17976/jpps/2021.03.10


Исследование выполнено за счет гранта Российского научного фонда (проект № 20-18-00274), Национальный исследовательский университет “Высшая школа экономики”. Мы выражаем особую благодарность аспиранту Аспирантской школы по политическим наукам Национального исследовательского университета “Высшая школа экономики” С.А. Жеглову за помощь в анализе научной литературы и баз данных, а также в реализации численной модели, представленной в статье, на языке программирования Python.

Аннотация

Значимые политические протесты представляют собой протяженные во времени кампании, включающие множество взаимосвязанных действий протестующих и властей. Между тем используемые в настоящее время для их изучения статистические методы и базы данных более приспособлены для анализа разовых событий, не связанных друг с другом во времени. В статье на обширном материале конкретных исследований рассматриваются две характерных черты такого подхода – феномен “избыточного агрегирования” и проблема “независимых событий”. В первом случае все характеристики протестных эпизодов усредняются по кампании в целом либо по годам или месяцам. Во втором случае исследователи формируют выборку из таких эпизодов в том предположении, что они никак не связаны между собой. И то, и другое приводит к игнорированию внутренней динамики протестных кампаний и не позволяет учесть целый ряд их важных особенностей. Среди них – характер информационной асимметрии между протестующими и представителями властей, опора в принятии решений на информацию о предшествующих этапах (прежде всего, об уровне их массовости), системные эффекты “каскадов” и “пороговых точек” в развитии протестного движения, а также эффекты обучения. Для преодоления указанных методологических проблем мы предлагаем математическую агентно-ориентированную модель, в которой множество потенциальных участников протеста представляется как социальная сеть, а индивиды принимают решения об участии в протестной акции с учетом предшествующих событий. Этот подход рассматривает протестную кампанию как динамически связанную и позволяет формулировать эмпирически проверяемые гипотезы, подкрепляемые результатами модельного эксперимента. 

Ключевые слова
протестная кампания, политический протест, количественный анализ протестных кампаний, базы данных по протестам, математическое моделирование, агентно-ориентированная модель.


Список литературы

Ахременко А.С., Петров А.П., Жеглов С.А. 2021. Как информационно-коммуникационные технологии меняют тренды в моделировании политических процессов: к агентному подходу. – Политическая наука. № 1. С. 12-45. https://doi.org/10.31249/poln/2021.01.01

Коротаев А.В., Исаев Л.М., Васильев А.М. 2015. Количественный анализ революционной волны 2013-2014 гг. – Социологические исследования. № 8. С. 119-127. URL: http://socis.isras.ru/article/5621 (accessed 11.03.2021).

Никифоров А.А. 2008. Революция и ее причины: ответы и новые вопросы. – Политическая экспертиза: ПОЛИТЭКС. Т. 4. № 2. С. 80-100.

Розов Н.С. 2017. Кризис и революция: поля взаимодействия, стратегии акторов и траектории конфликтной динамики. – Полис. Политические исследования. № 6. С. 92-108. https://doi.org/10.17976/jpps/2017.06.07

 

Akhremenko A., Petrov A. 2020. Modeling the Protest-Repression Nexus. – Proceedings of the MACSPro Workshop 2020. Venice, Italy, October 22-24. CEUR Workshop Proceedings.

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

Ayanian A., Tausch N. 2016. How Risk Perception Shapes Collective Action Intentions in Repressive Contexts: A Study of Egyptian Activists during the 2013 Post-coup Uprising. – British Journal of Social Psychology. Vol. 55. No. 4. P. 700-721. https://doi.org/10.1111/bjso.12164

Ayoub P. 2010. Repressing Protest: Threat and Weakness in the European Context, 1975-1989. – Mobilization: An International Quarterly. Vol. 15. No. 4. P. 465-488. https://doi.org/10.17813/maiq.15.4.f6306060j4511u58

Bell S., Murdie A. 2018. The Apparatus for Violence: Repression, Violent Protest, and Civil War in a Cross-National Framework. – Conflict Management and Peace Science. Vol. 35. No. 4. P. 336-354. https://doi.org/10.1177/0738894215626848

Braithwaite A., Braithwaite J. M., Kucik J. 2015. The Conditioning Effect of Protest History on the Emulation of Nonviolent Conflict. – Journal of Peace Research. Vol. 52. No. 6. P. 697-711. https://doi.org/10.1177/0022343315593993

Buechler S. 2004. The Strange Career of Strain and Breakdown Theories of Collective Action. – The Blackwell Companion to Social Movements. Ed. by D. Snow, S. Soule, H. Kriesi. Malden, MA: Blackwell. P.47-65. https://doi.org/10.1002/9780470999103

Butcher C., Svensson I. 2014. Manufacturing Dissent. Modernization and the Onset of Major Nonviolent Resistance Campaigns. – Journal of Conflict Resolution. Vol. 60. No. 2. P. 311-339. https://doi.org/10.1177/0022002714541843

Carey S. 2006. The Dynamic Relationship between Protest and Repression. – Political Research Quarterly. Vol. 59. No. 1. P. 1-11. https://doi.org/10.1177/106591290605900101

Carey S. 2010. The Use of Repression as a Response to Domestic Dissent. – Political Studies. Vol. 58. No. 1. P. 167-186. https://doi.org/10.1111/j.1467-9248.2008.00771.x

Casella G., Berger R. 2002. Statistical Inference. 2nd Edition. Pacific Grove: Duxbury, Thomson Learning.

Centola D., Becker J., Brackbill D., Baronchelli A. 2018. Experimental Evidence for Tipping Points in Social Convention. – Science. Vol. 360. No. 6393. P. 1116-1119. https://doi.org/10.1126/science.aas8827

Chenoweth E., Belgioioso M. 2019. The Physics of Dissent and the Effects of Movement Momentum. – Nature Human Behavior. Vol. 3. P. 1088-1095. https://doi.org/10.1038/s41562-019-0665-8

Chenoweth E., Lewis O. 2013. Unpacking Nonviolent Campaigns: Introducing the NAVCO 2.0 Dataset. – Journal of Peace Research. Vol. 50. No .3. P. 415-423. https://doi.org/10.1177/0022343312471551

Chenoweth E., Pinckney J., Lewis O. 2018. Days of Rage: Introducing the NAVCO 3.0 Dataset. – Journal of Peace Research. Vol. 55. No. 4. P. 524-534. https://doi.org/10.1177/0022343318759411

Chenoweth E., Stephan M. 2011. Why Civil Resistance Works: The Strategic Logic of Nonviolent Conflict. New York: Columbia University Press.

Clark D., Regan P. 2016. Mass Mobilization Protest Data. – Harvard Dataverse. Version 4. https://doi.org/10.7910/DVN/HTTWYL

Davenport C., Soule C., Armstrong D. 2011. Protesting While Black? The Differential Policing of American Activism, 1960 to 1990. – American Sociological Review. Vol. 76. No. 1. P. 152-178. https://doi.org/10.1177/0003122410395370

Davis D., Leeds B., Moore W. 1998. Measuring Dissident and State Behavior: The Intranational Political Interactions (IPI) Project. – The Workshop on Cross-National Data Collection. Texas A&M University.

Demirel-Pegg T. 2017. The Demobilization of the Protest Campaigns. – Oxford Research Encyclopedia of Politics. https://doi.org/10.1093/acrefore/9780190228637.013.251

Drury J., Reicher S. D. 2000. Collective Action and Psychological Change: The Emergence of New Social Identities. – British Journal of Social Psychology. Vol. 39. No. 4. P. 579-604. https://doi.org/10.1348/014466600164642

Earl J., Soule S., McCarthy J.2003. Protest Under Fire? Explaining the Policing of Protest. – American Sociological Review. Vol. 68. No. 4. P.581-606. https://doi.org/10.2307/1519740

Epstein J.M. 2002. Modeling Civil Violence: An Agent-Based Computational Approach. – Proceedings of the National Academy of Sciences. Vol. 99. No. 3. P. 7243-7250. https://doi.org/10.1073/pnas.092080199

Francisco R. 2009. Dynamics of Conflict. New York: Springer. https://doi.org/10.1007/978-0-387-75242-6

Fonoberova M., Fonoberov V., Mezic I., Mezic J., Brantingham P. 2012. Nonlinear Dynamics of Crime and Violence in Urban Settings. – Journal of Artificial Societies and Social Simulation. Vol. 15. No. 1. https://doi.org/10.18564/jasss.1921

Gerber A., Green D., Kaplan E. 2004. The Illusion of Learning from Observational Research. – Problems and Methods in the Study of Politics. Ed. by I. Shapiro, S. Smith, T. Massoud. New York: Cambridge University Press. P. 251-273.

Girod D., Stewart M., Walters M. 2016. Mass Protests and the Resource Curse: The Politics of Demobilization in Rentier Autocracies. – Conflict Management and Peace Science. Advance. Vol. 35. No. 5. P. 503-522. https://doi.org/10.1177/0738894216651826

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

Grimm J., Harders C. 2018. Unpacking the Effects of Repression: The Evolution of Islamist Repertoires of Contention in Egypt after the Fall of President Morsi. – Social Movement Studies. Vol. 17. No. 1. P. 1-18. https://doi.org/10.1080/14742837.2017.1344547

Gurr T. 1970. Why Men Rebel? Princeton, NJ: Princeton University Press.

Hussain M., Howard Ph. 2013. What Best Explains Successful Protest Cascades? ICTs and the Fuzzy Causes of the Arab Spring. – International Studies Review. Vol. 15. No. 1. P. 18-66. https://doi.org/10.1111/misr.12020

Ives B., Lewis J. 2019. From Rallies to Riots: Why Some Protests Become Violent. – Journal of Conflict Resolution. Vol. 64. No. 5. P. 958-986. https://doi.org/10.1177/0022002719887491

Johnson J., Thyne C. 2018. Squeaky Wheels and Troop Loyalty: How Domestic Protests Influence Coups d’etat, 1951-2005. – Journal of Conflict Resolution. Vol. 62. No. 3. P. 597-625. https://doi.org/10.1177/0022002716654742

Kim J., Hanneman R. 2011. A Computational Model of Worker Protest. – Journal of Artificial Societies and Social Simulation. Vol. 14. No. 3. https://doi.org/10.18564/jasss.1770

Klandermans B. 1984. Mobilization and Participation: Social-Psychological Expansisons of Resource Mobilization Theory. – American Sociological Review. Vol. 49. No. 5. P. 583-600. https://doi.org/10.2307/2095417

Kriesi H., Koopmans R., Duyvendak J., Giugni M. 1995. New Social Movements in Western Europe: A Comparative Analysis. Minneapolis: University of Minnesota Press.

Kuran T. 1989. Sparks and Prairie Fires: A Theory of Unanticipated Political Revolution. – Public Choice. No. 61. P. 41-74. https://doi.org/10.1007/bf00116762

Lemos C. 2018. Agent-Based Modeling of Social Conflict from Mechanisms to Complex Behavior. Switzerland: Springer International Publishing.

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

Makowsky M., Rubin J. 2013. An Agent-Based Model of Centralized Institutions, Social Network Technology, and Revolution. – PLoS ONE. Vol. 8. No.11: e80380. https://doi.org/10.1371/journal.pone.0080380

McAdam D., Tarrow S., Tilly C. 2001. Dynamics of contention. Cambridge: Cambridge University Press. https://doi.org/10.1017/CBO9780511805431

Moore W. 1998. Repression and Dissent: Substitution, Context, and Timing. – American Journal of Political Science. Vol. 42. No. 3. P. 851-873. https://doi.org/10.2307/2991732

Moro A. 2016. Understanding the Dynamics of Violent Political Revolutions in an Agent-Based Framework. – PLoS ONE. Vol. 11. No. 4: e0154175. https://doi.org/10.1371/journal.pone.0154175

Nardulli P., Althaus S., Hayes M. 2015. A Progressive Supervised-learning Approach to Generating Rich Civil Strife Data. – Sociological Methodology. Vol. 45. No. 1. P. 148-183. https://doi.org/10.1177/0081175015581378

Opp K-D., Roehl W. 1990. Repression, Micromobilization, and Political Protest. – Social Forces. Vol. 69. No. 2. P. 521-524. https://doi.org/10.2307/2579672

Pierskalla J. 2010. Protest, Deterrence, and Escalation: The Strategic Calculus of Government Repression. – Journal of Conflict Resolution. Vol. 54. No. 1. P. 117-145. https://doi.org/10.1177/0022002709352462

Raleigh C., Linke A., Hegre H., Karlsen J. 2010. Introducing ACLED – Armed Conflict Location and Event Data. – Journal of Peace Research. Vol. 47. No. 5. P. 651-660. https://doi.org/10.1177/0022343310378914

Rasler K. 1996. Concessions, Repression, and Political Protest in the Iranian Revolution. – American Sociological Review. Vol. 61. No. 1. P. 132-152. https://doi.org/10.2307/2096410

Rasler K. 2017. Dynamics, Endogeneity, and Complexity in Protest Campaigns. – Oxford Research Encyclopedia of Politics. URL: https://doi.org/10.1093/acrefore/9780190228637.013.321

Ross B., Pilz L., Cabrera B., Brachten F., Neubaum G., Stieglitz S. 2019. Are Social Bots a Real Threat? an Agent-Based Model of the Spiral of Silence to Analyse the Impact of Manipulative Actors in Social Networks. – European Journal of Information System. Vol. 28. No. 4. P. 394-412. https://doi.org/10.1080/0960085X.2018.1560920

Salehyan I. Cullen S., Hamner J., Case C., Linebarger C., Stull E., Williams J. 2012. Social Conflict in Africa: A New Database. – International Interactions. Vol. 38. No. 4. P. 503-511. https://doi.org/10.1080/03050629.2012.697426

Schelling T. 1969. Models of Segregation. – The American Economic Review. Vol. 59. No. 2. P. 488-493.

Schelling T. 1971. Dynamic Models of Segregation. – Journal of Mathematical Sociology. Vol. 1. P. 143-186. https://doi.org/10.1080/0022250X.1971.9989794

Shadmehr M. 2014. Mobilization, Repression, and Revolution: Grievances and Opportunities in Contentious Politics. – Journal of Politics. Vol. 76. No. 3. P.621-635. https://doi.org/10.1017/S002238161400026

Siegel D. 2011. When Does Repression Work? Collective Action and Social Networks. – Journal of Politics. Vol. 73. No. 4. P. 993-1010.

Soares M., Barbosa M., Matos R., Mendes S. 2018. Public Protest and Police Violence: Moral Disengagement and Its Role in Police Repression of Public Demonstrations in Portugal. – Peace and Conflict: Journal of Peace Psychology. Vol. 24. P. 27-35. https://doi.org/10.1037/pac0000277

Slantchev B., Matush K. 2020. The Authoritarian Wager: Political Action and the Sudden Collapse of Repression. – Comparative Political Studies. Vol. 53. No. 2. P. 214-252.

Sturmer S., Simon B. 2004. The Role of Collective Identification in Social Movement Participation: A Panel Study in the Context of the German Gay Movement. – Personality and Social Psychology Bulletin. Vol. 30. No. 3. P. 263-277. https://doi.org/10.1177/0146167203256690

Sullivan C. 2016. Undermining Resistance: Mobilization, Repression, and the Enforcement of Political Order. – Journal of Conflict Resolution. Vol. 60. No. 7. P. 1163-1190. https://doi.org/10.1177/0022002714567951

Sutton J., Butcher C., Svensson I. 2014. Explaining Political Jiu-Jitsu: Institution-Building and the Outcomes of Regime Violence against Unarmed Protests. – Journal of Peace Research. Vol. 51. No. 5. P. 559-573. https://doi.org/10.1177/0022343314531004

Van Stekelenburg J., Klandermans B. 2017. Individuals in Movements: A Social Psychology of Contention. – Handbook of Social Movements across Disciplines. Ed. by C. Roggeband, B. Klandermans. Cham: Springer. P. 103-139. https://doi.org/10.1007/978-3-319-57648-0

Watts D., Strogatz S. 1998. Collective Dynamics of Small-World Networks. – Nature. Vol. 393. No. 6684. P. 440-442. https://doi.org/10.1038/30918

Weidmann N., Rod E. 2019. Chapter 4: Coding Protest Events in Autocracies. – The Internet and Political Protest in Autocracies. New York: Oxford University Press. P. 35-60.

Will M., Groeneveld J., Frank K., Muller B. 2020. Combining Social Network Analysis and Agent-Based Modelling to Explore Dynamics of Human Interaction: A Review. – Socio-Environmental Systems Modelling. Vol. 2. 16325. https://doi.org/10.18174/sesmo.2020a16325

Wooldridge J. 2013. Introductory Econometrics. A Modern Approach. Mason: South Western. 

Содержание номера № 3, 2021

Возможно, Вас заинтересуют:


Безвиконная Е. В.,
Системно-синергетийная модель политической системы . – Полис. Политические исследования. 2009. №3

Окунев И. Ю.,
Стэнфордская модель кризиса развития. – Полис. Политические исследования. 2009. №3

Нечаев В. Д.,
Функционирование двухуровневых моделей территориальной организации местного самоуправления в РФ (На примере Воронежской и Орловской областей). – Полис. Политические исследования. 2006. №3

Гринин Л. Е., Коротаев А. В.,
Урбанизация и политическая нестабильность: к разработке математических моделей политических процессов. – Полис. Политические исследования. 2009. №4

Ахременко А. С.,
Динамический подход к математическому моделированию политической стабильности . – Полис. Политические исследования. 2009. №3



Комментарии к этой странице:

 

Рекомендуем статью

   

Рекомендуем статью



Полис. Политические исследования
1 2010


Ефимов Н. Н.
Ответы на вызовы XXI века

 Текст статьи
 

Архив номеров

   2021   
   2020      2019      2018      2017      2016   
   2015      2014      2013      2012      2011   
   2010      2009      2008      2007      2006   
   2005      2004      2003      2002      2001   
   2000      1999      1998      1997      1996   
   1995      1994      1993      1992      1991