Моделирование информационных воздействий в социальных сетях: территориальный аспект
Автор: Минаев Владимир Александрович, Федорович Василий Юрьевич
Рубрика: Математическое моделирование
Статья в выпуске: 4, 2019 года.
Бесплатный доступ
Для создания аналитических и имитационных моделей территориальных различий распространения информации в социальных сетях, в том числе связанной с воздействием на население факторов террористической и экстремистской направленности, реализована специальная методика формирования выборочных статистических данных из популярной среди населения России соцсети «ВКонтакте». Построены аналитические модели зависимости скорости распространения информационного воздействия от среднестатистических размеров круга «друзей» пользователей в различных поселениях России. Коэффициенты объясняемости моделей не менее 95%, что позволяет строить достаточно достоверные прогнозы. Осуществлена типологизация поселений с помощью кластерного анализа. Выделено семь групп однородных российских поселений, значимо различающихся скоростями распространения информации в социальных сетях. Сделан вывод о перспективности применения результатов моделирования для обоснования мероприятий по противодействию информационному терроризму и экстремизму в Российской Федерации в деятельности местных органов власти и силовых структур.
Информационное воздействие и противодействие, аналитическая модель, имитационная модель, распространение информации, поселения российской федерации, кластерный анализ, территориальные различия
Короткий адрес: https://sciup.org/148309548
IDR: 148309548 | DOI: 10.25586/RNU.V9187.19.04.P.008
Текст научной статьи 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 Tk , а также время исхода 95% индивидов из множества «уязвимых» к негативной идее Tr .
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 Tr и Tk 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 Tr и Tk 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 Tr и Tk 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 Tr и время достижения максимума «зараженных» этой идеей Tk 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 Tr и Tk от медианы имеют еще более выраженную зависимость с очень высокими коэффициентами объясняемости, близкими к 100%. Например, для Tr 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].
Список литературы Моделирование информационных воздействий в социальных сетях: территориальный аспект
- Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. Социальные сети: модели информационного влияния, управления и противоборства / под ред. чл.-кор. РАН Д.А. Новикова. М.: Физматлит, 2010. 228 с.
- Доктрина информационной безопасности Российской Федерации: утверждена Указом президента Российской Федерации от 5 декабря 2016 г. № 646. Доступ из информационно-правовой системы "Гарант".
- Маликов Р.Ф. Практикум по имитационному моделированию сложных систем в среде AnyLogic 6: учебное пособие. Уфа: Изд-во БГПУ, 2013. 296 с.
- Минаев В.А. и др. Как управлять массовым сознанием: современные модели М.: РосНОУ, 2013. 200 с.
- Минаев В.А., Дворянкин С.В. Моделирование динамики информационно-психологических воздействий на массовое сознание // Вопросы кибербезопасности. 2016. № 5 (18). С. 56-64. DOI: 10.21681/2311-3456-2016-5-56-64