Информационные потоки в региональных новых медиа и их связь с политической стабильностью (на примере Саратовской области)

Влияние новых медиа на политическую стабильность носит двойственный характер. С одной стороны, эффективное использование новых медиа региональными властями может способствовать повышению доверия и лояльности со стороны граждан. С другой стороны, медиа могут выступать инструментом политического давления и создавать риски для социально-политической безопасности. В цифровой среде формируются влиятельные политические сети, структура и характер которых напрямую влияют на общественно-политическую ситуацию. Однако простого мониторинга отдельных публикаций недостаточно для понимания общей картины. Возникает необходимость в разработке и применении инструментов, позволяющих анализировать не только содержание сообщений, но и саму структуру информационных потоков, чтобы комплексно оценить состояние медиапространства и его роль в поддержании стабильности.

Цель исследования ‒ выявить и описать структуру сетей влияния в региональном медиапространстве и проанализировать ее как один из потенциальных факторов для оценки политической стабильности.

Для достижения поставленной цели были определены следующие задачи исследования :

• 1.    Сформировать массив данных о публикациях и репостах в региональных новых медиа.

• 2.    Построить граф (сетевую карту), визуализирующий направления информационных потоков между медиа-акторами.

• 3.    Выявить центральных акторов и ключевые сообщества (кластеры) внутри построенной сети с помощью метрик сетевого анализа.

• 4.    Провести контент-анализ публикаций, циркулирующих внутри наиболее значимых кластеров, для определения их тематической направленности.

• 5.    Проанализировать полученную сетевую структуру как потенциальный фактор, влияющий на состояние политической стабильности в регионе.

Эмпирическую базу настоящего исследования составил массив из 424 000 публикаций, размещенных в период с 1 сентября по 31 октября 2025 г. В качестве источников данных были использованы 1 324 региональных новых медиа с таких платформ, как «Одноклассники», «ВКонтакте», Telegram и «Дзен». Процедура отбора источников основывалась на авторской методике идентификации региональных новых медиа и включала применение количественного фильтра, согласно которому рассматривались только ресурсы с аудиторией не менее 250 подписчиков.

Данное исследование опирается на междисциплинарный подход, объединяющий концепции из области медиаисследований, политологии и вычислительных социальных наук. Теоретическим каркасом работы является теория установления повестки дня, а в качестве основного метода анализа данных используется сетевой анализ.

Политическая стабильность в контексте данного исследования понимается не просто как отсутствие массовых беспорядков, а как устойчивость ключевых политических институтов и способность системы эффективно реагировать на внутренние и внешние вызовы. В информационную эпоху стабильность во многом зависит от состояния общественного мнения и уровня доверия граждан к власти, которые напрямую формируются медиасредой. Таким образом, анализ медиапространства становится неотъемлемой частью оценки политической стабильности.

Новые медиа определяются как цифровые платформы, характеризующиеся интерактивностью, сетевой структурой и возможностью пользователей самостоятельно создавать и распространять контент. В отличие от традиционных «вертикальных» СМИ (ТВ, пресса), новые медиа, особенно социальные сети, представляют собой «горизонтальные» каналы коммуникации. Эта особенность коренным образом меняет процессы распространения информации и формирования общественного мнения.

Для объяснения механизмов влияния новых медиа на политические процессы используются две взаимодополняющие теории.

Теория установления повестки дня (McCombs, 1977), основоположниками которой являются Максвелл Маккомбс и Дональд Шоу, в своей классической формулировке утверждает, что медиа, отбирая и освещая определенные темы, влияют не на то, что люди думают, а на то, о чем они думают. В условиях новых медиа эта теория получила дальнейшее развитие. Процесс формирования повестки перестал быть однонаправленным (от СМИ к аудитории) и превратился в сложный сетевой процесс, в котором участвуют как традиционные медиа, так и блогеры, лидеры мнений, сами пользователи. Этот феномен получил название сетевого установления повестки дня (Guo, McCombs, 2015).

Для эмпирического анализа структуры информационных потоков в региональных новых медиа в качестве основного метода был выбран сетевой анализ. Этот метод позволяет перейти от изучения отдельных сообщений к анализу отношений и связей между медиа-акторами. Он помогает визуализировать и количественно оценить, как распространяется информация, кто является наиболее влиятельным источником и формируются ли в медиапространстве изолированные кластеры («эхо-камеры»).

Применение сетевого анализа позволяет операционализировать теоретические концепции. Влиятельные акторы в сети (узлы с высокой центральностью) могут рассматриваться как ключевые «установщики повестки дня». В то же время кластеры (сообщества) в сети, где циркулирует однотипный контент, являются эмпирическим проявлением «эхо-камер».

Таким образом, данное исследование вписывается в парадигму социального компьютинга (Social Computing), которая объединяет теоретические вопросы социальных наук с методами анализа больших данных для изучения сложных социальных процессов (Бродовская и др., 2017).

Для достижения поставленной цели исследования была применена многоэтапная методология, включающая отбор и верификацию региональных новых медиа, интеллектуальный анализ текста для выявления связей, построение и анализ сетевого графа, а также последующий контент-анализ.

Ключевым критерием отбора источников была их региональная принадлежность. Для ее автоматической верификации применялась контент ‑ ориентированная процедура, включавшая три шага. Сначала из всех публикаций каждого канала извлекались географические именованные сущности (топонимы) с помощью инструментов обработки текста. Затем по частотам упоминаний определялась доминирующая география: источник относился к конкретному региону России, если в его контенте преобладали топонимы одного из субъектов РФ. В финальную выборку включались только те каналы, для которых такая региональная привязка была установлена однозначно.

В отличие от исследований, использующих только явные репосты, в данной работе связи между медиа-акторами выявлялись по текстовой схожести и временным меткам публикации материалов, что позволяло обнаруживать не только прямые копии, но и перепечатки с незначительными изменениями.

На основе выявленных пар «оригинал-копия» был построен ориентированный взвешенный граф, узлами которого стали медиаисточники. Ребра направлены от источника-копии к источнику-оригиналу, отражая направление заимствования контента и, следовательно, поток влияния. Вес ребра соответствует общему количеству зафиксированных перепечаток между двумя источниками за весь период наблюдения. Случаи самоповторов (когда источник публиковал собственный текст повторно) были исключены из анализа для более точной оценки межресурсного взаимодействия.

После построения графа был проведен его структурный анализ с использованием стандартных метрик для выявления ключевых акторов и групп. Также была проанализирована центральность для определения наиболее влиятельных узлов, рассчитаны метрики In-Degree Centrality (отражает авторитетность источника, т. е. как часто его контент перепечатывают) и Betweenness Centrality (показывает роль узла как посредника в сети) (Freeman, 1978). Для выявления плотно связанных кластеров («эхо-камер») применялся алгоритм Лувена, который эффективно находит сообщества в крупных сетях путем оптимизации модулярности (Blondel et al., 2008).

На заключительном этапе был проведен качественный анализ контента, циркулирующего внутри наиболее крупных и влиятельных кластеров, выявленных на предыдущем шаге. Тексты классифицировались по их тональности и тематике, что позволило содержательно охарактеризовать выявленные сетевые структуры и сделать выводы об их роли в поддержании политической стабильности.

Результаты исследования . Анализ центральности раскрыл структуру влияния в региональных медиа, где роли явно дифференцированы.

Первый уровень ‒ источники повестки дня (таблица 1). Топ авторитетных источников контента демонстрирует следующее распределение.

Таблица 1 ‒ Источники повестки дня¹

Table 1 ‒ Sources of the Agenda

Источник	Аудитория	In-Degree Centrality
«Энгельс онлайн»	83,901	0,0230
«Говорит Балаково»	20,166	0,0220
«Саратов онлайн»	387,642	0,0209
«Новости Саратова»	1,551	0,0199
«ЭНГЕЛЬС ОНЛАЙН» (Telegram)	47,000	0,0199
«Мой Балаково»	3,103	0,0178
«Новости Балаково #KTA64»	53,323	0,0178
«МинИнформ64 Z»	631,000	0,0167
«Sutynews.ru: Балаково»	20,750	0,0146

Структура авторитетности отражает доминирование локальных коммерческих СМИ («Энгельс онлайн», «Говорит Балаково», «Саратов онлайн»), которые генерируют контент, массово

1 Все таблицы в статье составлены автором.

перепечатываемый другими источниками. Следует отметить, что канал «МинИнформ64 Z» позиционируется как официальный источник для распространения пресс-релизов исполнительных органов Саратовской области, в связи с этим он находится в топе по авторитетности, не обладая большим количеством подписчиков. Это свидетельствует о том, что государственные органы не являются первичными установщиками повестки дня, а скорее полагаются на перепечатку и ретрансляцию контента, созданного коммерческими СМИ.

Второй уровень ‒ посредники и контролеры потоков (таблица 2). В контрасте с распределением по авторитетности, государственные и квазигосударственные структуры демонстрируют существенно более высокие значения центральности посредничества.

Таблица 2 ‒ Посредники и контролеры потоков

Table 2 ‒ Intermediaries and Flow Controllers

Источник	Аудитория	Betweenness Centrality
«МинИнформ64 Z»	631,000	0,0166
Наталия Щелканова	1,520	0,0111
«Минкульт64»	1,780	0,0104
«Регион 64. Новости Саратова»	33,765	0,0086
ИА «Регион 64»	7,520	0,0086
«Лента новостей Саратова»	366,000	0,0064
«Саратов онлайн»	387,642	0,0052
«Новости Саратова»	1,551	0,0033
«Администрация Балаковского района»	3,000	0,0027

Третий уровень – источники-усилители (таблица 3). Метрика Weighted In-Degree отражает авторитетность источника как генератора контента, перепечатываемого другими.

Таблица 3 ‒ Наиболее цитируемые источники (Weighted In-Degree)

Table 3 ‒ The Most Cited Sources (Weighted In-Degree)

Источник	Аудитория	Weighted In-Degree
«Мониторинг 64 Саратовская область»	256,000	2,167
«Новости Балаково | Работа в Балаково»	9,763	1,849
ИА «Регион 64»	7,520	1,356
«Новости Саратова»	1,551	1,295
«Лента новостей Саратова»	366,000	1,200
«Говорит Балаково»	20,166	1,122
«Балаковские вести»	833,000	1,101
«Энгельс онлайн»	83,901	1,101
«Саратов онлайн»	387,642	1,048

Каналы «Мониторинг 64 Саратовская область» (2 167 перепечаток) и «Лента новостей Саратов» (1 200 перепечаток) функционируют как источники контента для других ресурсов, обеспечивая его видимость для множества других каналов, несмотря на ограниченную собственную аудиторию. Следует отметить, что каналы «Мониторинг 64 Саратовская область», «Лента новостей Саратова» и «Балаковские вести» технически являются первоисточниками для бот-сетей, автоматически дублирующих их контент.

Такая роль делает каналы структурно значимыми в экосистеме: информация, исходящая из них, получает экспоненциальное усиление и распространяется далеко за пределы географии, которую охватывают непосредственные подписчики этих каналов.

Алгоритм Лувена выявил 37 плотно связанных кластеров с модулярностью 0.6237. Это значение указывает на выраженную фрагментацию сети, где информационные потоки сосредоточены в отдельных, слабо интегрированных кластерах. Эти кластеры разделяются на несколько типов по функциям и географии (таблица 4).

Таблица 4 ‒ Кластеры источников

Table 4 ‒ Clusters of Sources

Кластер	Размер (узлы)	Тип	Характеристика
№ 1	129	Региональный центр	Саратов + Энгельс + Петровск (ядро)
№ 2	313	Муниципальные администрации	Региональные структуры, администрации
№ 3	160	Образование	Школы, колледжи, вузы
№ 4	96	Балаково	Локальный кластер одного города
№ 5	133	Здравоохранение	Больницы, поликлиники
№ 6	35	Объявления	Доски объявлений, барахолки
№ 7‒37	458	Микро-кластеры	Специализированные и гиперлокальные

Центральное ядро объединяет ключевых акторов высокой центральности ‒ региональные административные органы, государственные СМИ и крупные региональные агрегаторы («МинИн-форм64 Z», ИА «Регион 64», «Лента новостей Саратова»). Этот кластер функционирует как координационный центр для распространения официальной информации и региональной политической повестки дня.

Межкластерные связи остаются слабыми, что свидетельствует о сохранении локальной идентичности и относительной независимости региональных информационных подпространств. Однако присутствие в центре сети агрегирующих каналов и государственных структур обеспечивает минимальный уровень интеграции всей сети, позволяя координировать региональную повестку без разрушения локальной автономии.

Высокое значение модулярности указывает на:

• –    естественную географическую и институциональную сегментацию медиапространства по муниципальным образованиям;

• –    специализацию по тематическим нишам (спорт, культура, обслуживание граждан);

• –    возможное наличие эхо-камерных эффектов, где каналы в одном кластере преимущественно заимствуют контент друг друга.

На заключительном этапе исследования был проведен качественный контент-анализ публикаций, циркулирующих в наиболее крупных и влиятельных сообществах (кластеры № 1–6), а также в ключевых узлах центральной сети. Для анализа была сформирована случайная выборка 300 публикаций из топ-15 источников по In-Degree Centrality за весь период наблюдения (1 сентября ‒ 31 октября 2025 г.). Проведено кодирование публикаций по тематико-тональным категориям:

• –    проправительственные нарративы: публикации, позитивно характеризующие деятельность региональных или федеральных органов власти, поддерживающие официальную позицию по актуальным политическим вопросам;

• –    нейтральные информационные сообщения: новости о событиях (ДТП, погода, культурные события, спорт), лишенные явной политической тональности;

• –    критические/деструктивные нарративы: публикации, критикующие деятельность власти, разоблачающие коррупцию, освещающие конфликты между ветвями власти или выражающие недовольство политикой.

Контент-анализ выявил существенную разницу в тональности между двумя группами источников:

• 1.    Коммерческие медиа («Энгельс онлайн», «Говорит Балаково», «Саратов онлайн» и т. д.) предоставляют преимущественно нейтральный контент (76 %), отражающий местные события, происшествия, культурную жизнь. Проправительственный контент составляет лишь 15 %, а критический ‒ 9 %. Такое распределение указывает на стремление к независимости и объективности.

• 2.    Государственные и квазигосударственные источники («МинИнформ64 Z», официальные администрации) демонстрируют явное смещение в сторону проправительственных нарративов: 54 % публикаций прямо или косвенно поддерживают официальную позицию, 42 % остаются нейтральными, и только 4 % могут быть классифицированы как критические (обычно это критика отдельных муниципальных должностных лиц или событий, а не системы в целом).

Контент-анализ публикаций выявил существенное различие в тональности: государственные источники на 54 % состоят из проправительственного контента, коммерческие СМИ ‒ лишь на 15 % (в остальном нейтральны). Эта разница воспроизводится через структуру сети: государственный контент каскадно распространяется через посредников и агрегаторы, создавая эффект консенсуса. Коммерческие СМИ выглядят независимыми (76 % нейтрального контента), но редко публикуют критику, что создает видимость плюрализма при структурном контроле информационного поля.

Заключение . Результаты показывают, что анализ сетевой структуры может быть полезным инструментом диагностики регионального медиапространства и выявления потенциальных механизмов, через которые информационная структура может влиять на политические процессы. Однако для установления каузальной связи между структурой медиапространства и политической стабильностью требуется дополнительное исследование, включающее:

• –    сравнительный анализ с другими регионами с различными сетевыми структурами;

• –    временной анализ: изменения структуры сети и соответствующие изменения показателей стабильности;

• –    измерение структуры электоральных предпочтений между выборами;

• –    количественный анализ политически ориентированных постов в региональных новых медиа, признаков проведения координированных акций или вирусных кампаний;

• –    измерение протестной активности в регионе;

• –    социологические исследования уровня доверия граждан и их восприятия информационной среды.

Настоящее исследование составляет первый этап такого комплексного анализа ‒ описание структуры. Следующие этапы должны сосредоточиться на механизмах и причинах.