Исследования социальной идентичности в контексте цифровой социологии: теоретико-методологический аспект
Автор: Бадараев Д.Д., Цыденов А.Б.
Журнал: Власть @vlast
Рубрика: Социология
Статья в выпуске: 2, 2024 года.
Бесплатный доступ
В статье обсуждаются методологические аспекты исследования социальной идентичности в рамках виртуальных социальных сетей Интернета. Изучаются различные методологические подходы в контексте цифровой социологии, такие как контент-анализ, сетевой анализ и анализ цифрового следа. В статье рассматриваются основные методы анализа данных, используемые для извлечения информации о социальной идентичности из контента, созданного и распространяемого пользователями в сети; оцениваются преимущества и ограничения каждого метода, определяется их вклад в понимание динамики социальных взаимодействий в онлайн-среде. Исследование направлено на расширение теоретического и методологического арсенала исследователей в области социальной идентичности, предоставляется более глубокий взгляд на взаимосвязь между цифровыми технологиями и формированием личности в современном информационном обществе.
Цифровая социология, социальная идентичность, виртуальная идентичность, цифровой след, сетевой анализ, контент-анализ
Короткий адрес: https://sciup.org/170205564
IDR: 170205564 | УДК: 316.34 | DOI: 10.24412/2071-5358-2024-2-181-189
Текст научной статьи Исследования социальной идентичности в контексте цифровой социологии: теоретико-методологический аспект
Статья подготовлена в рамках государственного задания (проект «Россия и Внутренняя Азия: динамика геополитического, социально-экономического и межкультурного взаимо- действия (XVII – XXI вв.)», № 121031000243-5).
Введение. Социальные медиа, или социальные сети стали в современном мире одним из пространств социальной коммуникации, часто вытесняя традиционные ее виды. Так, по данным доклада Digital 2023: The Russian Federation, в России на 144 млн населения насчитывается 127,6 млн интернет-пользова-телей (88,2% населения России), среди них порядка 106 млн пользователей социальных сетей (73,3% населения России). Примечателен тот факт, что пользователи социальных медиа тратят на них в среднем 2 часа 16 минут в день [Kemp 2023]. Таким образом, мы видим, что подавляющее большинство жителей России являются активными пользователями социальных сетей, а сами социальные сети плотно вошли в их жизнь.
Развитие данной сферы социальной коммуникации привело к повышенному интересу исследователей, что породило необходимость новых методологических подходов. Впервые в рамки отдельного направления в социологии подобные исследования вывели американские исследователи Р. Уинн, Р. Нил, затем Н. Маррес и Д. Лаптон [Wynn 2009; Neal 2010; Marres 2012; Lupton 2015].
В.Ф. Ницевич пишет, что фундаментом «цифровой социологии» являются теоретико-методологические разработки теории цифровизации, а именно математические разработки, информатика, электроника и цифровые методы познания социального [Ницевич 2018: 25]. Другие исследователи, отмечая влияние цифровых методов, подчеркивают, что данные процессы дают доступ к получению информации о человеке из его социальных сетей как чисто социологическими методами (наблюдение, например, за совокупностью аккаунтов, социальный эксперимент, биографический метод, метод парных сравнений, метод идеальных типов и т.п.), так и заимствованными из других областей методами, в частности прикладной лингвистики и социальной психологии [Шульц, Гребенюк, Ашманов 2022: 135].
В рамках данного направления в социологических исследованиях встает вопрос о важнейшей категории, которая находится на пересечении социологии и социальной психологии, – о социальной идентичности. Уникальные возможности для изучения различных аспектов социальной идентичности предоставляет сама структура социальных сетей в Интернете. Это происходит за счет наличия личных страниц, где люди добровольно разглашают данные о себе, такие как место работы, дата рождения, интересы, религиозные и политические убеждения и пр. Виртуальная идентичность таким образом строится c целью самопрезентации на основе готового материала из интернет-среды и ограничена лишь средствами виртуального интерфейса социальной сети [Солдатова, Погорелов 2018: 118].
Человек в интернет-пространстве социальной сети обычно либо проецирует свою реальную идентичность, либо, как отмечают авторы, формирует «виртуальную идентичность», опираясь на свойства, недоступные в повседневной жизни, такие как принадлежность к субкультурам или идейно-политическим течениям. Д.Н. Погорелов отмечает, что в настоящее время пользователи Интернета активно взаимодействуют в социальных сетях с использованием «аватаров» и «ников».
Основную долю пользователей социальных сетей составляют подростки и молодежь, для которых существенны вопросы личностного и профессионального самоопределения, формирования ценностной сферы и мировоззренческих установок. В этом возрасте особенно актуальны процессы формирования и развития идентичности личности, включая комплексное представление о себе в контексте принадлежности к различным социоэкономическим, национальным, религиозным и профессиональным группам. Социальные сети, таким образом, открывают для своих пользователей возможности, которые недоступны в реальном мире, такие как преодоление различных – географических и социальных – рамок реальной жизни [Погорелов 2020: 263].
С развитием технологий и широким распространением Интернета социальные взаимодействия все больше перемещаются в онлайн-пространство. Онлайн-коммуникация создает уникальные возможности для изучения социальной идентичности, предоставляя исследователям доступ к множеству данных о поведении и восприятии пользователей. В этой статье мы рассмотрим различные методы изучения социальной идентичности в онлайн-простран-стве и их вклад в современные исследования.
В целом мы можем выделить три основных направления изучения социальной идентичности в социальных сетях.
Наиболее разработанным в данной сфере направлением является контент-анализ социальных медиа. В общем виде можно выделить две особенности применения контент-анализа для изучения социальной идентичности. Первая предполагает изучение качественной информации, которую пользователь оставил о себе на своей личной странице (пол, возраст, город проживания, место работы, религиозные, политические предпочтения). Вторая – использование контент-анализа для изучения фактов сетевой активности, поддающихся количественному измерению: комментарии, лайки, репосты, упоминания, подсчет типичных слов.
Таким образом, контент-анализ используется в первую очередь при исследовании идентичности пользователя посредством изучения его самопрезен-тации, которую пользователь размещает на своей странице, а во вторую – для подсчета и анализа слов (сленгов, жаргонов), характерных для той или иной социальной группы в публичных текстовых сообщениях (постах, комментариях, обсуждениях), которые оставляет пользователь.
Ключевая проблема в данном случае – это большой объем материала для контент-анализа, в связи с чем, как правило, используется специализированное программное обеспечение для анализа определенной категории контента [Стефашина 2018: 99]. Наибольшее распространение подобное программное обеспечение получило в среде маркетинговых исследований, породив отдельное направление SMM (social media marketing). В непосредственно научных исследованиях данное программное обеспечение используется не так часто. Так, например, в качестве примера исследователи приводят аналитическую платформу для анализа и обработки данных PolyAnalyst (https://www. , которая была разработана российской компанией «Мегапьютер Интеллидженс» (Megaputer Intelligence). Однако, как отмечается, программа способна обрабатывать большие объемы только текстовой информации [Петров, Саркисова 2021: 95], что характерно и для других подобных программ1. Исследователи не могут в полной мере исследовать любую нетекстовую информацию, представленную пользователем в социальной сети (фото, видео, аудиофайлы). Однако с развитием обучающихся нейросетей исследователи добились некоторого прогресса в выявлении политико-идеологической идентичности пользователя по фотографиям из его социальных сетей [Xi et al. 2020].
Второе важнейшее направление в исследовании идентичности в онлайн-пространстве социальных сетей – сетевой анализ. Он делает акцент на изучении количественных показателей связей между социальной группой пользователей (к примеру, пользователей студенческих групп) и тематическими сообществами (к примеру, территориальной, религиозной, этнической и политико-идеологической направленности).
Данный метод позволяет выделять ряд таких характеристик пользователя, как социальные группы, к которым принадлежит пользователь, круг его общения, авторитетность и предпочтения пользователя [Смирнова, Петров, Бабийчук 2016: 153]. Таким образом, сетевой анализ позволяет изучать как взаимосвязи между пользователями в онлайн-пространстве, так и их предпочтения, реализуемые ими в определенных сообществах социальных сетей. Исследователи могут анализировать социальные графы, выявлять группы с общими интересами и определять влиятельных лидеров в онлайн-сообще-ствах. Этот метод помогает понять, как социальные связи влияют на формирование и проявление идентичности.
Стоит отметить, что все исследования в рамках сетевого анализа производятся посредством специализированного программного обеспечения. Как отмечают О.В. Попова и С.И. Суслов, в настоящее время для анализа сетевого взаимодействия в онлайн-пространстве чаще других используются программы Cytoscape , NetMiner , NetworkX , ORA , Pajek , SNAP , UCINet и другие продукты [Попова, Суслов 2021: 161].
Рассматривая основные тенденции эволюции методов сетевого анализа, ученые наиболее часто фокусируют внимание на эго-сетях и социальных графах. Однако социальные сети представляют собой чрезвычайно разнообразное поле для исследований, в связи с чем возникает необходимость подробнее рассмотреть другие подходы, в особенности связанные с технологиями анализа Big Data . Важно осознавать, что различные сети и мессенджеры предоставляют уникальные возможности для анализа социально-демографических характеристик сетевых сообществ, а также особенностей их коммуникаций и политических позиций. Некоторые аспекты и ограничения для исследователей прямо коррелируют с правилами конкретных социальных сетей и мессенджеров, которые тесно связаны с информационной политикой их правообладателей, например, запрет парсинга и поиска информации о пользователях социальной сети, как, к примеру, это делает Facebook 1* и Instagram *. Для российских исследователей крупнейшая русскоязычная виртуальная социальная сеть ВКонтакте все же позволяет собирать информацию о своих пользователях посредством парсинга [Попова 2018: 291].
Стратегия анализа данных основана на программных методах, которые являются «нереактивными», поскольку обходятся без прямого взаимодействия с пользователями. Полученные данные о взаимоотношениях «дружбы» и членстве пользователей в сообществах социальной сети могут быть формализованы путем построения графовых моделей политико-идеологических онлайн-сообществ. Графовые математические модели прекрасно подходят для представления данных, описывающих связи между объектами. При этом используются такие специализированные методы, как анализ кластерной структуры и оценка авторитетности/центральности узлов. Важно отметить, что эти методы отличаются от статистических методов кластеризации/ран-жирования объектов, поскольку они базируются на структуре взаимосвязей [Бадмацыренов, Цыденов, Хандаров 2021: 196].
Так, можно исследовать связи между различными онлайн-сообществами интересующих социальных групп и то, с какими по тематике сообществами у них присутствуют наибольшие пересечения. Таким образом, можно выявить, к примеру, структуру онлайн-идентичности различных групп населения, представленных в онлайн-среде, посредством выявления типичных для них как для пользователей тематики сообществ. Следовательно, пользователи порождают кластеры, образованные по признаку общих подписчиков, и именно по их пересечению мы сможем выделить как структуру идентичности, так и ее вид.
Исследования цифрового следа. Новейший подход к изучению идентичности в цифровой социологии приходит к нам в виде исследований так называемых цифровых следов пользователя, т.е. совокупности данных о деятельности человека в Интернете [Кондаков, Костылева 2019: 209]. Исследователи, как правило, выделяют 2 вида цифрового следа: когда человек умышленно формирует свой онлайн-портрет какими-либо данными и когда сведения о сетевой активности формируются без его ведома [Листвина 2020: 15]. Как отмечают А.М. Кондаков и А.А. Костылева, у цифрового следа есть несколько слоев, которые, в свою очередь, могут быть представлены совершенно разными данными. Во-первых, это информация, которую пользователь умышленно оставляет о себе и может контролировать (имя, фамилия, город проживания, место работы, интересы, религиозные предпочтения, политические взгляды и т.д.). Во-вторых, это данные, которые человек не может контролировать непосредственно: это информация, собираемая, как правило, без его ведома (длительность и конкретное время его присутствия в социальных сетях, геолокация, файлы cookie и т.д.). В-третьих, это интерпретация двух предыдущих слоев, формирование профиля человека на основе как открытых, так и остаточных данных о нем [Кондаков, Костылева 2019: 210].
Таким образом, можно прийти к выводу, что современные технологии создают множество цифровых следов, оставленных пользователями в онлайн-пространстве, включая поисковые запросы, местоположение, историю просмотра и другие данные. Исследователи могут использовать эти цифровые следы для анализа поведения пользователей и выявления особенностей их социальной идентичности. Это наименее исследованный подход к определению социальной идентичности пользователя социальной сети, т.к. он включает в себя не самые доступные данные для анализа, вроде геолокации человека и метаданных его файлов.
Среди методов, используемых социологами в рамках исследований цифровых следов, применяются такие методы, как систематизация, опрос, включенное наблюдение и анализ документов. Подобные подходы в социологии являются основой междисциплинарных исследований цифровых следов пользователей Интернета, поскольку позволяют получить данные для ответа на вопросы, поставленные другими социальными науками.
Как отмечают исследователи, в рамках подобного рода исследований находят свое применение следующие эмпирические методы:
-
1) наблюдение – исследование поведения людей в социальных сетях;
-
2) эксперимент – идентификация человека в сети Интернет по цифровым следам;
-
3) сравнение – исследование поведения людей в социальных сетях и анализ цифровых следов с точки зрения различных социальных наук.
Существует и специфика применения специальных социологических методов:
-
1) опрос и наблюдение – регистрация действий в сети Интернет;
-
2) сбор данных – выборочное обследование аккаунтов и сайтов;
-
3) обработка и анализ данных – системный анализ сайтов, описание аккаунтов и юзеров социальных сетей [Olinder et al. 2020: 132].
Отмечается, что у социологов присутствует некоторое недоверие к использованию цифрового следа в исследованиях. При этом можно выделить две основные проблемы.
Первая проблема – нерепрезентативность полученных данных с характеристиками реальных людей и социальных групп. На это влияет возможность создавать в социальных сетях страницы на основе умышленно ложной информации, которая не может репрезентировать реальную социальную идентичность юзера социальной сети. Эта сложность является самым главным предметом спора в подобного рода исследованиях, и у различных авторов еще не сложилось единое мнение по этому поводу. Одни считают, что нельзя отождествлять реальную и виртуальную идентичность, другие заявляют, что виртуальная реальность является лишь пространством для самопрезентации своей реальной идентичности [Соболева 2021: 20-21]. Однако специалисты сходятся во мнении, что в социологических исследованиях фейковые аккаунты препятствуют формированию репрезентативной выборочной совокупности [Примаков 2021: 279]. Для решения подобной проблемы предлагается использовать специфические способы отбора единиц информации. К их разновидностям относятся такие выборки, как панельная – выборка на основе проверенных баз пользователей; поточная – привлекающая респондентов с помощью таргетированной рекламы; доступная выборка – осуществляется после проведения исследования; критериальная выборка – соответствует таким специфическим критериям, как поведенческий аспект, активность в событиях, конфликтах и других параметрах; интенсивная выборка – фокусируется на единицах, максимально проявляющих характеристики исследуемой совокупности, определяясь числом пользователей, активностью постов и другими факторами; выборка экстремальных случаев – отбирает случаи, демонстрирующие специфические качества, например, масштабные конфликты или девиантное поведение участников; выборка максимальной вариации – включает единицы с существенно различающимися характеристиками; гомогенная выборка – основана на схожих характеристиках единиц; выборка типичных случаев – представляет приемы отбора с устойчивыми сочетаниями признаков; цепная выборка – эффективна в исследовании сообществ и социальных сетей через систему дружбы и отношений внутри сообществ, а также гиперссылки в исследуемых документах [Примаков 2021: 284-287].
Вторая проблема, связанная с использованием цифрового следа в исследованиях, – зависимость от специфики цифровых платформ. Социальные сети – коммерческие продукты, поэтому часть цифровых следов пользователя может быть недоступной для исследователей ввиду коммерческой тайны. Также некоторые виды данных о цифровом следе пользователя невозможно получить на законных основаниях. Так, например, Верховный суд Российской Федерации постановил, что обработка сведений пользователей без их согласия даже из общедоступных источников признается противоречащей законодательству о персональных данных [Губайдуллина 2021: 14].
Однако, несмотря на перечисленные недостатки, у данного методологического подхода существует ряд преимуществ, в т.ч. возможность изучения малых групп, не присутствующих в значимых количествах в географическом и в виртуальном плане. М.Б. Богданов и И.Б. Смирнов отмечают, что использование метода цифровых следов помогает исследовать на основе сетевого поведения такие закрытые для посторонних сообщества, как мигранты, радикальные футбольные фанаты и т.д. Отмечается также, что с помощью сервисов социальных сетей по таргетированной рекламе можно выделить респондентов не только по их демографическим характеристикам, но и по поведению в сети, онлайн-интересам и т.п. [Богданов, Смирнов 2021: 314].
Таким образом, современные исследования идентичности человека с помощью его цифрового следа открывают ряд возможностей: в первую очередь это изучение открытых данных, которые оставил о себе сам человек на странице социальной сети. Следовательно, в зависимости от поставленных целей и задач исследования идентичности возникает реальная альтернатива крупномасштабным социологическим опросам. У исследователя непосредственно оказываются в наличии характерные описания идентичностей человека: места его проживания, политических взглядов, религиозной принадлежности, данных о тематике сообществ, в которых он состоит, и др. В свою очередь, сервисы таргетированной рекламы в социальных сетях позволяют выборочно опрашивать требуемые категории пользователей, что позволяет адресно изучить тех людей, которые характеризуются определенным поведением и разнообразными интересами.
Заключение. Цифровая социология включает разнообразные методы исследования социальной идентичности в онлайн-пространстве. Контент-анализ социальных медиа фокусируется на изучении как качественных данных, предоставляемых пользователями о себе, так и количественных показателей их сетевой активности. Сетевой анализ направлен на изучение количественных взаимосвязей между социальными группами, что позволяет выявить предпочтения и авторитетность объектов исследования в сетевом контексте. Исследования цифрового следа представляют новый метод, который включает в себя «умышленные» и «случайные» цифровые следы, по результатам анализа которых можно определить полноценный профиль пользователя. Эти эмпирические методы, включая наблюдение и эксперимент, позволяют систематизировать, обрабатывать и анализировать данные, что открывает новые возможности для исследования социальной идентичности. Совокупность представленных направлений позволяет более глубоко понять, как формируется и проявляется социальная идентичность у пользователей Интернета в цифровую эпоху. Рассматриваемые методологические подходы не только расширяют современное понимание онлайн-поведения людей, но и предоставляют новые перспективы для социологических исследований в сфере социальной идентичности в современном информационном пространстве.
Список литературы Исследования социальной идентичности в контексте цифровой социологии: теоретико-методологический аспект
- Бадмацыренов Т.Б., Цыденов А.Б., Хандаров Ф.В. 2021. «Третье пространство», «эхо-камеры» и онлайн-сообщества: воспроизводство политических идеологий в социальных сетях. - Политическая наука. № 1. С. 183-204. http:// www.doi.org/10.31249/poln/2021.01.09
- Богданов М.Б., Смирнов И.Б. 2021. Возможности и ограничения цифровых следов и методов машинного обучения в социологии. - Мониторинг общественного мнения: экономические и социальные перемены. № 1. С. 304-328. https://doi.org/10.14515/ monitoring.2021.1.1760.
- Губайдуллина Э.Х. 2021. Проблемы и перспективы правового регулирования использования Больших данных в Российской Федерации. - Вопросы экономики и права. № 154. С. 14-17. DOI: 10.14451/2.154.14.
- Кондаков А.М., Костылева А.А. 2019. Цифровая идентичность, цифровая самоидентификация, цифровой профиль: постановка проблемы. - Вестник Российского университета дружбы народов. Сер. Информатизация образования. Т. 16. № 3. С. 207-218. https://doi. org/10.22363/2312-8631-2019-16-3-207-218.
- Листвина Е.В. 2020. Цифровое общество: социокультурный анализ цифрового следа. - Аспирантский вестник Поволжья. № 7-8. С. 14-18. https://doi. org/10.17816/2072-2354.2020.20.4.14-18.
- Ницевич В.Ф. 2018. Цифровая социология: теоретико-методологические истоки и основания. - Цифровая социология / Digital Sociology. № 1. С. 18-28. https://doi.org/10.26425/2658-347X-2018-1-18-28.
- Петров Е.Ю., Саркисова А.Ю. 2021. Ресурс аналитической платформы PolyAnalyst в социогуманитарных научных исследованиях. - Открытые данные - 2021: материалы форума. Севастополь, 30 сентября - 2 октября 2021 г. Томск: Изд-во Том. ун-та. С. 94-104.
- Погорелов Д.Н. 2020. Структура виртуальной идентичности пользователей социальных сетей. - Казанский педагогический журнал. № 4(141). С. 262-268.
- Попова О.В. 2018. Технологии больших данных в публичной политике. -Публичная политика: Институты, цифровизация, развитие (под ред. Л.В. Сморгунова). М.: Аспект Пресс. С. 286-294.
- Попова О.В., Суслов С.И. 2021. Сетевой анализ политических интернет-сообществ: от формализованных к «ненаблюдаемым» группам. - Политическая наука. № 1. С. 160-182. http://www.doi.org/ 10.31249/poln/2021.01.07.
- Примаков В.Л. 2021. Особенности формирования онлайн-выборок в социологических исследованиях. - Вестник Московского государственного лингвистического университета. Общественные науки. Вып. 4(845). С. 272-289. DOI: 10.52070/2500-347X_2021_4_845_272.
- Смирнова О.С., Петров А.И., Бабийчук Г.А. 2016. Основные методы анализа, используемые при исследовании социальных сетей. - Современные информационные технологии и ИТ-образование. Т. 12. № 3-1. С. 151-158.
- Соболева М.О. 2021. Особенности построения исследований виртуальной идентичности пользователей социальных сетей. - Вестник РГГУ. Сер. Психология. Педагогика. Образование. № 4. С. 14-23. DOI: 10.28995/20736398-2021-4-14-23.
- Солдатова Е.Л., Погорелов Д.Н. 2018. Феномен виртуальной идентичности: современное состояние проблемы. - Образование и наука. № 5. С. 105-124.
- Стефашина К.К. 2018. Контент-анализ социальных сетей как метод изучения удовлетворенности потребителей туристических услуг. - Туризм и гостеприимство сквозь призму инноваций: сборник статей IV Научно-практической конференции. Москва, 27 сентября 2018 г. М.: ИД «Университетская книга». С. 97-100.
- Шульц В.Л., Гребенюк А.А., Ашманов И.С. 2022. Теоретико-методологические проблемы цифровой социологии. - Вестник Московского университета. Сер. 18. Социология и политология. № 28(1). С. 126-144. https://doi.org/10.24290/1029-3736-2022-28-1-126-144.
- Kemp S. 2023. Digital 2023: The Russian Federation. - DATAREPORTAL. URL: https://datareportal.com/reports/digital-2023-russian-federation (accessed 07.03.2024).
- Lupton D. 2015. Digital Sociology. London; N.Y: Routledge. 236 p.
- Marres N.X. 2012. Redistribution of Methods: on Intervention in Digital Social Research, Broadly Conceived. - Sociological Review. Vol. 60. Is. 1-suppl. P. 139-165.
- Neal R. 2010. Expanding Sentience: Introducing Digital Sociology. N.Y 150 p.
- Olinder N., Tsvetkov A., Fedyakin K., & Zaburdaeva K. 2020. Using Digital Footprints in Social Research: an Interdisciplinary Approach. - WISDOM. Vol. 16. Is. 3. P. 124-135. https://doi.org/10.24234/wisdom.v16i3.403..
- Wynn J. 2009. Digital Sociology: Emergent Technologies in the Field and the Classroom. - Sociological Forum. Vol. 24. Is. 2. P. 448-456. DOI: 10.1111/j.1573-7861.2009.
- Xi N., Ma D., Liou M., Steinert-Threlkeld Z.C., Anastasopoulos J., Joo J. 2020. Understanding the Political Ideology of Legislators from Social Media Images. -Proceedings of the International AAAI Conference on Web and Social Media. Vol. 14. Is. 1. P. 726-737. DOI: https://doi.org/10.1609/icwsm.v14i1.7338