Моделирование информационных воздействий в социальных сетях: территориальный аспект

Переход современной цивилизации к информационному измерению способствовал масштабному и стремительному развитию технологий обмена информацией, что явилось несомненным благом для человечества, его социальных, экономических и гуманитарных институтов. Социальные сети превратили мир в глобальную систему постоянного общения и совершенствования.

Но это с одной стороны – светлой. А темной стороной стало непрерывное, с каждым днем усиливающееся проникновение в позитивную ткань человеческих отношений, формировавшихся тысячелетиями; онлайновые информационные бури, несущие гибель многим интерперсональным отношениям, на которых строилась духовность и высшее качество мироустройства. Особенно опасны указанные явления для детской, подростковой и молодежной среды. Об этом говорится в Доктрине информационной безопасности Российской Федерации [2].

Как пример самой отвратительной социальной коммуникации сегодня выступают информационный терроризм и экстремизм. В сущности, при распространении их воздействий в социальных сетях речь идет уже не о территориальной отдаленности или близости людей друг от друга, а о технологических новинках и скорости внедрения человеконенавистнических идей в массовое сознание учащихся.

Для понимания характеристик социальных сетей и организации эффективного противодействия негативным влияниям, вызванным ими, на массовое сознание либо на сознание отдельных подгрупп социума (дети, молодежь, представители различных силовых

10 в ыпуск 4/2019

структур, оппозиционеры различного толка и т.п.) актуальна задача исследования территориальных различий распространения информации.

Известно, что между странами имеются серьезные различия в использовании социальных сетей, объясняемые развитостью коммуникационного пространства, их технической оснащенностью, менталитетом населения. Так, в России наиболее распространены социальные сети «ВКонтакте» и «Одноклассники» [11], в Китае – Qzone, в Германии – Hi5, dol2day, в Великобритании – Bebo, в Южной и Центральной Америке – Public Broadcasting Service, Orkut и Hi5 и т.д.

Аналитические модели времени распространения информации в социальной сети

Для анализа территориальных различий распространения информации в социальной сети «ВКонтакте», которую наиболее часто использует население Российской Федерации [Там же], в том числе различные молодежные группы, включая учащуюся молодежь, в настоящей работе с помощью имитационной модели применена следующая методика сбора статистических данных:

• 1)    для каждого из федеральных округов России случайным образом сформирована произвольная выборка из восьми населенных пунктов с количеством жителей не более двадцати тысяч человек;

• 2)    по каждому из населенных пунктов произведена выгрузка данных о тысяче пользователей социальной сети «ВКонтакте», у которых выяснены все списки «друзей», зарегистрированных в ней;

• 3)    для каждого поселения по множеству «друзей» рассчитаны среднее значение, среднеквадратичное отклонение (СКО), медиана и мода.

Отметим, что среднее значение – показатель среднего количества «друзей» пользователя для каждого населенного пункта – является весьма значимой характеристикой, будучи существенно связанной со скоростью распространения информации.

СКО характеризует разброс среднего количества «друзей» для каждого населенного пункта.

Медиана , наряду с модой, также определяет скорость распространения информации, характеризуя плотность распределения пользователей относительно среднего значения.

Мода – характеристика, определяющая наиболее часто встречающееся количество «друзей» каждого пользователя в отдельно взятом населенном пункте, которое также связано со средней скоростью распространения информации.

Для исследования территориальных различий распространения информации использована модель, построенная на принципах, изложенных в работах [1; 4; 5; 6; 8]. С нею проведены имитационные эксперименты на программной платформе AnyLogic [3] и изучено время достижения в популяции максимума индивидов, «зараженных» негативной идеей T_k , а также время исхода 95% индивидов из множества «уязвимых» к негативной идее T_r .

Анализ показал, что характеристикой, наиболее влияющей на скорость распространения информации в популяции, выступает медиана, отражающая среднее количество «друзей» в группах пользователей, а именно: чем больше «друзей», тем больше скорость информационного воздействия, тем быстрее достигается максимум «зараженных», в частности «зараженных» негативной идеей террористической и экстремистской направленности.

Минаев В.А., Федорович В.Ю. Моделирование информационных воздействий...

Графики зависимостей характеристик T_r и T_k от медианы представлены на рисунках 1–2. 4500

y = 2835,3 x ^–1,315

Рис. 1. Зависимость характеристики T _r от медианы (кружками обозначены эмпирические данные)

T

y = 172,47 x ^–1,078

R ² = 0,976

Медиана

12 в ыпуск 4/2019

Из них видно, что зависимости характеристик T_r и T_k от медианы очень хорошо описываются обратными степенными функциями с высокими коэффициентами объясняемо-сти – R² · 100%, равными 95 и 98%, т.е. они близки к функциональным. В таблице 1 для выборочной совокупности поселений приведены аналитические зависимости характеристик T_r и T_k от значений медианы.

Таблица 1

Зависимости характеристик T _r и T _k от значений медианы

Функция, y	T r	Tk
Аргумент, x	Медиана	Медиана
y ( x )	2835 x –1,32	173 x –1,08

Выявленные зависимости могут быть эффективно использованы в аналитической деятельности органов власти, силовых и заинтересованных структур из образовательной сферы для расчетов характерных динамических характеристик распространения информации, включая информацию негативного характера (в том числе террористической, экстремистской и иной опасной направленности), в социальных сетях поселений России.

Результаты кластерного анализа различий распространения информации в социальной сети

Проведенный в работе [7] анализ выявил, что определенные группы поселений Российской Федерации имеют схожие статистические характеристики построения социальных сетей, а также похожие показатели активности их пользователей, что, в свою очередь, сказывается на параметрах распространения информации в сетях, в том числе террористического и экстремистского характера.

Для выявления таких однородных групп поселений авторами проведен кластерный анализ с использованием известной программы SPSS. Как следует из его результатов, выборочная совокупность исследованных поселений России подразделяется на семь достаточно однородных групп – кластеров. В таблице 2 приведены характеристики каждого из выделенных кластеров.

Таблица 2

Характеристики кластеров

Кластер	Среднее значение	СКО	Медиана	Мода
А	5,3	6,4	3,5	1
Б	8,9	142,2	5,5	1
В	11,9	13,8	7,7	2,1
Г	24,2	30	15,6	4
Д	19,6	26,1	13	2,5
Е	17,6	21,3	11,5	2,1
Ж	16,7	568,4	10	1,5

Очевидно существенное различие рассмотренных характеристик (среднее значение, СКО, медиана, мода) в зависимости от анализируемого кластера.

Минаев В.А., Федорович В.Ю. Моделирование информационных воздействий...    13

Географическое расположение поселений кластеров А и Б показано на рисунке 3; кластеров В и Г – на рисунке 4; кластеров Д, Е и Ж – на рисунке 5.

Рис. 3. Расположение поселений кластеров А (серые круги) и Б (черные круги) на карте России

Рис. 4. Расположение поселений кластеров В (черные круги) и Г (серые круги) на карте России

Рис. 5. Расположение поселений кластеров Д (серые), Е (черные), Ж (белые) на карте России

14 в ыпуск 4/2019

Результаты имитационного моделирования показали, что время исхода 95% индивидов из множества «уязвимых» применительно к негативной информационной идее T_r и время достижения максимума «зараженных» этой идеей T_k существенно различаются в различных кластерах поселений Российской Федерации (табл. 3).

Таблица 3

Характерные времена T _k и T _r в различных кластерах, ч

Кластер	T r	Tk
А	1126	808
Б	501	346
В	423	320
Г	203	54
Д	239	79
Е	263	85
Ж	340	149

Это обстоятельство необходимо учитывать в аналитической деятельности местных органов власти, силовых структур, а также руководителей образовательных подразделений при организации разъяснительной работы в учебных учреждениях различных регионов, включая противодействие влиянию факторов террористической и экстремистской направленности в социальных сетях.

Отметим, что применительно к кластерам зависимости характерных времен T_r и T_k от медианы имеют еще более выраженную зависимость с очень высокими коэффициентами объясняемости, близкими к 100%. Например, для T_r он равен 98% (рис. 6).

y = 3521,1 x ^–1,043

R ² = 0,9792

0         2          4          6          8         10        12         14         16

Медиана

Рис. 6. Зависимость времени T _r от медианы в кластерах поселений Российской Федерации

Минаев В.А., Федорович В.Ю. Моделирование информационных воздействий...    15

Таким образом, анализ территориальных различий распространения информации в социальных сетях показывает, что при организации мероприятий по противодействию распространению в них негативной информации, особенно террористического и экстремистского характера, со стороны местных органов власти, силовых структур, руководства образовательной сферы российских поселений необходимо учитывать такие характеристики последних, как среднее количество «друзей» у пользователей, среднеквадратическое отклонение от этого среднего значения, медиану и моду, различающиеся в различных населенных пунктах и существенно сказывающихся на скорости информационных воздействий.

Выводы

• 1.    Сочетание методов имитационного моделирования и кластерного анализа дает весьма ценную информацию о взаимодействии пользователей в социальных сетях на различных территориях России. В частности, выявлено, что схожие по скорости распространения информационных воздействий группы населенных пунктов Российской Федерации (см. табл. 3) расположены достаточно определенно и относительно компактно в географическом смысле.

• 2.    Так, поселения, входящие в кластер А, характеризующиеся наибольшими временами достижения максимума информационного «заражения» и исхода из состояния «уязвимых», концентрируются преимущественно в приграничных зонах Северо-Кавказского округа, Юго-Западной Сибири и Приморья.

• 3.    Весьма востребованными для органов власти, силовых и образовательных структур поселений в плане понимания динамики распространения информационных воздействий в социальных сетях являются аналитические зависимости характерных времен достижения максимума информационного «заражения» и исхода 95% индивидов из состояния «уязвимых», построенные для поселений Российской Федерации и для их однородных групп – кластеров. Они дают возможность с высокими коэффициентами объясняемости (более 95%) рассчитывать динамические особенности информационного воздействия негативных факторов социальных сетей и противодействия им в различных населенных пунктах страны.

• 4.    Следующий шаг в исследованиях территориальных различий распространения информации в социальных сетях Российской Федерации, по нашему мнению, должен быть связан с более глубоким и широким изучением:

Поселения кластеров Б и В с вдвое-втрое меньшими значениями характерных времен, определяющих кластер А, – в примыкающих к нему территориальных административных образованиях России.

Поселения кластера Г в Поволжье и на Южном Урале характеризуются еще меньшими рассматриваемыми характерными временами.

Наконец, поселения кластеров Д и Е со схожими с кластером Г, но несколько большими характеристиками распространения информации находятся в Северо-Западном и Центральном округах Российской Федерации.

• •    особенностей технологического и технического обеспечения распространения информации в различных административных образованиях страны;

• •    устоявшихся и формирующихся традиций в использовании социальных сетей населением и его различными группами, особенно молодежными;

16 в ыпуск 4/2019

• •    перспектив развития и обеспечения информационной безопасности региональных информационных сетей и систем.

Именно такой подход позволит наилучшим способом построить информационно-аналитическую и организационно-методическую работу местных органов власти, силовых структур, учреждений образовательной сферы по реализации мероприятий по противодействию распространению негативной информации, особенно информационному терроризму и экстремизму, в Российской Федерации [9; 10].