Модели совместной динамики мнений и действий в онлайновых социальных сетях. Ч. 1. Исходные данные и первичный анализ

Обложка

Цитировать

Полный текст

Аннотация

На примере онлайновой социальной сети ВКонтакте исследуется влияние различных факторов на динамику мнений и действий как на макроуровне («общественное мнение»), так и на микроуровне (мнения и действия отдельных агентов). Описаны исходные данные и ключевые факторы для анализа сетевых взаимодействий. Предложен способ идентификации мнений агентов в сети на основе методов глубокого обучения. Представлены результаты первичного анализа динамики мнений и действий агентов в онлайновой социальной сети, в том числе: выявлен рост поляризации мнений на макроуровне; установлено изменение мнений агентов со временем; определены социально-демографические характеристики агентов, изменивших мнения; определена согласованность мнений и действий агентов между собой; проведена оценка взаимосвязи мнений и действий агентов в социальной сети.

Об авторах

Д. А Губанов

Институт проблем управления им. В.А. Трапезникова РАН

Email: dmitry.a.g@gmail.com
г. Москва, Россия

Д. А Новиков

Институт проблем управления им. В.А. Трапезникова РАН

Email: novikov@ipu.ru
г. Москва, Россия

Список литературы

  1. Губанов Д.А. Влияние в социальных сетях: варианты формализации // Управление большими системами. – 2020. – Вып. 85. – С. 51–71. [Gubanov, D.A. Influence in Social Networks: Formalization Variants // Large-Scale Systems Control. – 2020. – Iss. 85. – P. 51–71. (In Russian)]
  2. Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. Социальные сети: модели информационного влияния, управления и противоборства. 3-е изд., перераб. и дополн. – М.: МЦНМО, 2018. – 224 с. [Gubanov, D.A., Novikov, D.A., Chkhartishvili, A.G. Social'nye seti: modeli informacionnogo vliyaniya, upravleniya i pro-tivoborstva. 3-e izd., pererab. i dopoln. – M.: MCNMO, 2018. – 224 s. (In Russian)]
  3. Губанов Д.А., Чхартишвили А.Г. Влиятельность пользователей и метапользователей социальной сети // Проблемы управления. – 2016. – № 6. – С. 12–17. [Gubanov, D.A., Chkhartishvili, A.G. Meta-Agent and User Influence Levels in a Social Network // Control Sciences. – 2016. – No. 6. – P. 12–17. (In Russian)]
  4. Новиков Д.А., Бреер В.В., Рогаткин А.Д. Управление толпой: математические модели порогового коллективного поведения. – М.: ЛЕНАНД, 2016. – 168 с. [Novikov, D.A., Breer, V.V., Rogatkin, A.D. Upravlenie tolpoj: matematicheskie modeli porogovogo kollektivnogo povedeniya. – M.: LENAND, 2016. – 168 s. (In Russian)]
  5. Gubanov, D. A Study of a Complex Model of Opinion Dynamics in Social Networks / Journal of Physics: Conference Series. – 2021. – Vol. 1740. – P. 1–6.
  6. Allbaracin, D., Shavitt, S. Attitudes and Attitude Change // Annu. Rev. Psychol. – 2018. – Vol. 69, no. 4. – P. 1–29.
  7. Banisch, S., Olbrich, E. Opinion Polarization by Learning from Social Feedback // The Journal of Mathematical Sociology. – 2019. – Vol. 43. – P. 76–103.
  8. DeGroot, M. Reaching a Consensus // Journal of American Statistical Assoсiation. – 1974. – No. 69. – P. 118–121.
  9. Granovetter, M. Threshold Models of Collective Behavior // The American Journal of Sociology. – 1978. – Vol. 83, no. 6. – P. 1420–1443.
  10. Hunter, J., Danes, J., Cohen, S. Mathematical Models of Attitude Change. – Orlando: Academic Press, 1984. – 339 p.
  11. Schelling, T. Micromotives and Macrobehaviour. – New York, London: Norton & Co Ltd, 1978. – 256 p.
  12. Xia, H., Wang, H., Xuan, Z. Opinion Dynamics: A Multidisciplinary Review and Perspective on Future Research // Int. Journal of Knowledge and Systems Science. – 2011. – Vol. 2, no. 4. – P. 72–91.
  13. Зимбардо Ф., Ляйппе М. Социальное влияние. – СПб.: Питер, 2000. – 448 с. [Zimbardo, F., Lyajppe, M. Social'noe vliyanie. – SPb.: Piter, 2000. – 448 s. (In Russian)]
  14. Майерс Д. Социальная психология. – СПб.: Питер, 1998. – 688 с. [Majers, D. Social'naya psihologiya. – SPb.: Piter, 1998. – 688 s. (In Russian) ]
  15. Чалдини Р. Психология влияния. – СПб.: Питер, 2003. – 258 с. [Chaldini, R. Psihologiya vliyaniya. – SPb.: Piter, 2003. – 258 s. (In Russian)]
  16. Pandemic Profiteers: the Business of Anti-vaxx // Center for Countering Digital Hate (CCDH). – 2021. – URL: https://www.counterhate.com/_files/ugd/f4d9b9_13cbbbef105e459285ff21e94ec34157.pdf.
  17. Новиков Д.А. Модели динамики психических и поведенческих компонент деятельности в коллективном принятии решений // Управление большими системами. – 2020. – Вып. 85. – С. 206–237. [Novikov, D.A. Dynamics Models of Mental and Behavioral Components of Activity in Collective Decision-Making // Large-Scale Systems Control. – 2020. – Iss. 85. – P. 206–237. (In Russian)]
  18. Gubanov, D., Kozitsin, I., Chkhartishvili, A. COVID-19 Information Consumption and Dissemination: A Study of Online Social Network VKontakte / Proceedings of the 14th International Conference «Management of Large-Scale System Development». – Moscow, 2021. – P. 1–5. – URL: https://ieeexplore.ieee.org/document/9600199.
  19. Gubanov, D., Kozitsin, I., Chkhartishvili, A. Face Mask Perception during the COVID-19 Pandemic: An Observational Study of Russian Online Social Network VKontakte // Advances in Systems Science and Applications. – 2021. – Vol. 21. – No. 3. – P. 91–100.
  20. Kuratov, Y., Arkhipov, M. Adaptation of Deep Bidirectional Multilingual Transformers for Russian Language // arXiv preprint arXiv:1905.07213. 2019.
  21. Babakov, N., Logacheva, V., Panchenko, A. Beyond Plain Toxic: Detection of Inappropriate Statements on Flammable Topics for the Russian Language // arXiv:2203.02392. – 2022. – DOI: https://doi.org/10.48550/arXiv.2203.02392.
  22. Grigoriev, O., Kuznetsova, Y., Nikitina, E., et al. Causative-Emotive Analysis. Part I. Emotional Reactions of Social Networks Users Research // Psikhologicheskii Zhurnal. – 2022. – № 3 (43). – P. 114–121.
  23. Nugamanov, E., Loukachevitch, N., Dobrov, B. Extracting Sentiments towards COVID-19 Aspects / CEUR Workshop Proceedings. – Moscow, 2021. – P. 299–312.
  24. Pronoza E., Panicheva P., Koltsova O., Rosso P. Detecting Ethnicity-targeted Hate Speech in Russian Social Media Texts // Information Processing and Management. – 2021. – Vol. 58, no. 6. – Art. no. 102674.
  25. Howe, N., Strauss, W. Generations: The History of America’s Future, 1584 to 2069. – New York: William Morrow & Company, 1991.
  26. Dong, E., Du, H., Gardner, L. An Interactive Web-based Dashboard to Track COVID-19 in Real Time // Lancet Inf Dis. – 2020. – Vol. 20(5). – P. 533–534.
  27. Newman, M. Mixing Patterns in Networks // Physical Review E. – 2003. – No. 2 (67). – P. 026126.
  28. Newman, M. Modularity and Community Structure in Networks // Proceedings of the National Academy of Sciences of the United States of America. – 2006. – Vol. 103, no. 23. – P. 8577–8696. – URL: https://arxiv.org/abs/physics/0602124v1.
  29. Clauset, A., Newman, M., Moore, C. Finding Community Structure in Very Large Networks // Physical Review E. – 2004. – Vol. 70, no. 6. – 2004. – doi: 10.1103/PhysRevE.70.066111.
  30. Kozitsin, I. Opinion Dynamics of Online Social Network Users: a Micro-level Analysis // Journal of Mathematical Sociology. – 2021. – P. 1–41. – DOI: https://doi.org/10.1080/0022250X.2021.1956917.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).