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.