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

Рубрика: Теория и методология политических исследований

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.

 Текст статьи 

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. 

Возможно, Вас заинтересуют:

© НП «Редакция журнала "Полис" ("Политические исследования")», 2014‐2024