Сеть или текст? Факторы распространения протеста в социальных медиа: теория и анализ данных

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

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

 

Рекомендуем статью

   

Рекомендуем статью



Полис. Политические исследования
6 2006


Чернявский Е. Б.
Каспийские антиномии

 Текст статьи
 

Архив номеров

   2024      2023      2022      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