Место и роль организаций в структуре онлайн-коммуникации современного экологического протеста

Для того чтобы оставить в выборке только активных сторонников Fridays for Future были удалены все пользователи, не опубликовавшие за рассматриваемый период ни одного твита с актуальным хэштегом; вместе с ними были удалены и все те, кто вообще ничего не публиковал за данный период. Отдельную задачу представляло собой выявление пользователей, пользовавшихся хэштегами движения для того, чтобы распространять негативный контент об экологическом протесте и его лидерах. Для того, чтобы избавиться от таких пользователей, были выявлены хэштеги, сформулированные оскорбительно для участников движения; контент, публиковавшийся под такими хэштегами, был проанализирован, и выявленные недоброжелатели Fridays for Future-удалены.

По итогам этого процесса была получена выборка из 891 пользователя. Аккаунты этих пользователей были разбиты на 5 классов сообразно их отношению к формальным организациям. В первый класс попали аккаунты отдельных людей, доброжелательно относящихся к движению за защиту климата. Во второй - групповые аккаунты, связанные с Fridays for Future и другими экологическими движениями: типичным представителем этого класса является аккаунт инициативной группы Fridays for Futureв каком-либо городе. Такие группы нельзя отнести к формальным организациям, но и приравнивать их к обычным активистам тоже нельзя, так как они представляют собой результат некой организационной работы. В третий класс попали групповые аккаунты, поддерживающие эко-движение, но непосредственно к нему не относящиеся (к примеру, веганские онлайн-магазины). Наконец, в четвёртый класс были определены дружественные эко-движению формальные организации (партии, НГО) либо их высокопоставленные представители, к примеру, руководители организаций или парламентских фракций партии. В пятый класс попали знаменитости высокого уровня, высказывавшие поддержку движению в своих публикациях. Классы были названы EcoPerson, EcoGroup, ExtGroup, Formal Orgи Friendly VIP соответственно. Все классы, кроме EcoPerson, так или иначе представляют собой организованные структуры; VIP тоже будут отнесены к этой категории, так как они зачастую располагают собственной командой, которая занимается ведением их социальных сетей. Факт поддержки экологического движения определялся по содержанию твитов данных аккаунтов; в процессе было отсеяно несколько сотен недоброжелательных либо нейтральных по отношению к движению аккаунтов, размер финальной выборки составил 542 наблюдения. К классу EcoPerson было отнесено 373 наблюдения, EcoGroup- 126, ExtGroup- 21, Formal Org - 18, Friendly VIP - 4. Распределение аккаунтов по классам показано на Рис. 1 и 2.

Рисунок 1 - Разбиение наблюдений по классам

Рисунок 2 - Разбиение наблюдений на индивидов и организованных акторов

Хотя полученная таким образом выборка и не является полностью случайной, она представляется вполне эффективной для выявления структуры отношений внутри скрытой генеральной совокупности. Несмотря на то, что сбор данных стартовал с не самых важных для движения аккаунтов, в итоговой выборке оказались наиболее известные лица движения (Грета Тунберг, Луиза Нойбауэр) и его основные групповые аккаунты.

2.2 Построение сети

На основе полученных данных был построен граф, в котором узлами являются отдельные аккаунты, а связями - упоминания одним аккаунтом другого. Граф состоит из 542 узлов и 965 рёбер, он является направленным, направление связи - от упоминающего актора к тому, кого он упоминает. Таким образом, связь отражает внимание одного актора к другому; наиболее популярные акторы имеют наибольшую входную центральность, то есть к ним направлено больше всего связей. На Рис. 3 представлена сеть коммуникаций внутри движения, цветом выделены различные классы (голубой - EcoPerson, жёлтый -EcoGroup, оранжевый - ExtGroup, красный - FormalOrg, синий -FriendlyVIP), а размер узлов соответствует их входной центральности. Подписаны имена четырёх самых популярных узлов.

Уже на стадии визуального анализа можно понять, что наиболее популярные узлы в сети являются аккаунтами индивидов: Греты Тунберг и Луизы Нойбауэр. При этом двумя следующими попопулярностями узлами являются основной групповой аккаунт движения (@fridays4future) и аккаунт немецкой ветви движения (@fridayforfuture). Формальные организации и дружественные знаменитости занимают маргинальное положение в сети, как по своему количеству, так и по центральности. Выявить различия между позициями внешних организаций, индивидов и эко-ориентированных групп визуально не представляется возможным.

Показатель плотности графа, рассчитываемый как отношение количества существующих рёбер к максимально возможному их количеству, составляет 0.003.Показатель централизации, показывающий разницу во входной центральности между самым центральным узлом и остальными, составляет 0.328. На графе можно видеть, что значительная часть узлов связана только с одним большим хабом, не имея связей с другими рядовыми акторами.

Рисунок 3 - Сеть коммуникации. Размер варьируется в зависимости от входной центральности узла

На графе, изображённом на рис. 4, размер узлов соответствует их степени посредничества. Подписаны узлы с наибольшим значением этого показателя. Как мы видим, наибольшую степень посредничества играют узлы, относящиеся к онлайн-группам FridaysforFuture, однако присутствуют и индивиды, занимающие брокерские позиции. Так или иначе, очевидно, что визуального анализа недостаточно для того, чтобы определить, акторам какого типа свойственно занимать более важные брокерские позиции.

Рисунок 4 - Сеть коммуникации. Размер варьируется в зависимости от степени посредничества узла

2.3 Методы

Как было показано в предыдущем разделе, наиболее значительные позиции в сети занимают акторы разных классов - EcoPersonи EcoGroup. Для того чтобы определить, каким классам присуща более важная роль в структуре коммуникации данного движения, потребуется провести более глубокий анализ. Я рассмотрю вопросы, влияет ли класс актора на его склонность занимать лидерские и брокерские позиции.

Для того, чтобы определить, зависит ли склонность актора занимать лидерские позиции в сети от его класса, я проверю, есть ли существенное различие между средними значениями входной центральности для акторов разных классов. Это будет сделано с помощью однофакторного дисперсионного анализа (ANOVA). При этом в анализе не будут учитываться представители класса FriendlyVIP, так как в выборке их всего четыре, что не позволяет делать надёжные выводы. 95% наблюдений имеют входную центральность не более 5, для не менее чем половины наблюдений этот показатель равен 0. На Рис. 5 представлена диаграмма размаха для значения входной центральности по классам для наблюдений, имеющих входную центральность не выше 5; на Рис. 6 - средние значения данного параметра по классам с 95% доверительными интервалами для того же набора данных.

Рисунок 5 - Диаграмма размаха входной центральности по классам

Рисунок 6 - Средние значения входной центральности по группам

Из данных графиков можно сделать предположение о том, что для акторов класса EcoGroup свойственна более высокая входная центральность, то есть, что онлайн-группам экологических движений в большей мере свойственно занимать лидерские позиции в структуре движения.

Для того чтобы проверить это предположение, я оценю модель ANOVA, которая позволит проверить, имеется ли значимое различие средних значений интересующего меня критерия между разными классами акторов. Данная модель проверяет нулевую гипотезу о равенстве средних значений, рассчитывая F-критерий, равный отношению межгрупповой и внутригрупповой вариации. Иными словами, модель проверяет, насколько важно разделение на классы для объяснения вариации данного параметра. Я оценю две модели: одну (anova1) на данных без 4 акторов с наибольшей входной центральностью (Греты Тунберг, Луизы Нойбауэр, общего и немецкого аккаунтов FridaysforFuture, имеющих входную центральность, равную 179, 76, 48 и 40 соответственно), и одну (anova2) для наблюдений, имеющих входную центральность не более 5. Исключение наблюдений с самыми высокими значениями параметра обусловлено тем, что их влияние способно исказить результаты анализа.

Также я сравню средние значения входной центральности всех организованных акторов (в том числе иFriendlyVIP) и индивидов (EcoPerson). Для этого будет применён t-критерий Стьюдента. Как и ANOVA, этот тест предназначен для сравнения средних значений по выборкам, однако он позволяет сравнить всего две выборки. Я проведу два теста, для всех данных без 4-х наиболее популярных узлов (ttest1) и для наблюдений с входной центральностью не более 5 (ttest2).

Я проверю, насколько класс актора влияет на способность занимать брокерские позиции в движении, таким же образом, как и в случае с лидерской позицией: я выявлю различие в средних значениях степени посредничества между членами различных групп. Следует учесть, что во всех классов акторов, кроме EcoPersonи EcoGroup, ненулевое значение степени посредничества имеет только один актор на каждый класс. Это позволяет нам исключить эти классы из анализа и принять допущение, что принадлежность к ним не оказывает никакого влияния на занятие брокерской позиции. На Рис. 7 визуализированы средние значения степени посредничества для индивидов и онлайн-групп эко-движений. Они позволяют предположить наличие значимой разницы в пользу групп. Для того, чтобы проверить это предположение, будет применён t-критерий Стьюдента (ttest3).

Рисунок 7 - Средние значения степени посредничества по группам

Дополнительным подкреплением описанного выше анализа будет проверка гипотезы о том, что класс актора влияет на его положение в сети, с помощью экспоненциальной модели случайных графов (ERGM). Сутью работы данной модели является сравнение свойств заданного графа со свойствами случайно сгенерированных графов с такими же исходными данными. В случае, если заданный параметр в имеющемся графе существенно отличается от значения, которое он склонен принимать в случайно сгенерированных графах, делается вывод о статистически значимом влиянии данного параметра на формирование сети.Я проверю, влияет ли разбиение акторов на классы на структуру сети с помощью двух моделей: в одной (ergm1) предиктором будет разбиение акторов на 5 классов, в другой (ergm2) - только на индивидов и организованных акторов.

С помощью описанных выше методов я выясню, влияет ли класс актора на позицию, которую он занимает в сети. Помимо этого, необходимо понять, используют ли акторы, находящиеся в лидерских и брокерских позициях, свои позиции для того, чтобы влиять на повестку движения, то есть, совмещают ли они позиции и роли? Для того, чтобы ответить на этот вопрос, я сравню информационную активность акторов, имеющих высокие показатели популярности и брокеража со средней информационной активностью участников движения. Уровень информационной активности будет операционализирован как количество постов на актуальную для движения тематику (т.е. содержащих один из указанных выше хэштегов), опубликованных за рассматриваемый период.

2.4 Результаты

Для того чтобы понять, влияет ли класс актора на его популярность, то есть склонность занимать лидерские позиции в сети, были оценены две модели ANOVAс входной центральностью в качестве зависимой переменной и классом актора в качестве предиктора (anova1, anova2). Их результаты представлены на таблицах 1 и 2.По высокому уровню статистической значимости можно понять, что нулевая гипотеза отвергается, то есть средние значения разных классов неодинаковы. Обе модели показывают значимость различий между EcoPersonи EcoGroup,ExtGroupи EcoGroupи FormalOrgи EcoGroup, во всех случаях в пользу EcoGroup. Различия между остальными классами статистически незначимы.

Таблица 1 - Результаты модели anova1

Таблица 2 - Результаты модели anova2

Для того чтобы проверить, различаются ли уровни входной центральности для индивидов и организованных акторов в целом, был применён t-критерий Стьюдента. Сначала он был применён ко всей выборке без 4-х наиболее популярных наблюдений (ttest1), затем - к выборке, содержащей наблюдения, чья входная центральность не превышает 5 (ttest2). Их результаты представлены на таблицах 3 и 4.Оба теста показывают одинаковый результат - входная центральность организованных акторов устойчиво выше входной центральности индивидов.

Таблица 3 - Результаты ttest1

Таблица 4 - Результаты ttest2

Для проверки взаимосвязи между принадлежностью к классу и степенью посредничества был также применён t-критерий Стьюдента (ttest3).Его результаты представлены на таблице 5. Тест показал, что различия в степени посредничества между классом EcoPersonи EcoGroup статистически незначимы.

Таблица 5 - Результаты ttest3

Наконец, была оценена модель ERGM, позволившая дополнительно оценить гипотезу о том, что класс акторов влияет на их структурное положение в сети. Модель была оценена в двух спецификациях: в первой основным предиктором была принадлежность узла к одному из 5 классов (ergm1), а во второй - к индивидуальным либо организованным акторам (ergm2). Результаты моделей представлены на таблицах 6 и 7 соответственно. Они показывают высокую статистическую значимость взаимосвязи между типом актора и его положением в сети.

сеть роль онлайн выборка

Таблица 6 - Результаты модели ergm1.

Таблица 7 - Результаты модели ergm2.

Итак, мной были получены результаты, позволяющие сделать выводы о том, отличается ли позиция организованных акторов в структуре движения от позиции отдельных индивидов. Как было показано, наиболее высокой популярностью в сети пользуются онлайн-группы экологических движений: средняя входная центральность для данной группы наблюдений значимо выше, чем тот же показатель для остальных. К таким акторам относятся аккаунты движения FridaysforFuture, охватывающие сторонников движения в конкретном городе, стране или во всём мире. Также, к данной категории относятся аккаунты дружественных эко-движений, таких, как ExtinctionRebellion, 350 и т.д. При этом существенной разницы в способности организованных и индивидуальных акторов занимать брокерскую позицию выявлено не было. Место прочих классов акторов, в том числе и формальных организаций старого типа, в рамках движения FridaysforFuture представляется незначительным.

Отдельно стоит затронуть вопрос, свойственна ли для акторов, занимающих наиболее важные позиции, большая информационная активность. Я отобрал акторов, имеющих более высокое значение входной центральности или степени посредничества, чем 95% популяции и проверил, сильно ли отличается количество относящихся к деятельности движения постов, опубликованных этими аккаунтами за рассматриваемый период, от средней частоты публикации постов по выборке (она составила примерно 5 актуальных сообщений за две недели).

Информационная активность большей части акторов, занимающих лидерские позиции, оказалась незначительно ниже средней, колеблясь от 1 до 5 актуальных сообщений за две недели. Лишь 3 аккаунта из числа 24 лидеров оказались значительно более информационно активны, чем средний участник движения. Акторы, занимающие высокие брокерские позиции, оказалось более активны: 12 из 28 опубликовали больше постов за две недели, чем средний участник движения. Эти аккаунты включают в себя как индивидов, так и организованных акторов.

Рассмотрим, подтвердились ли сформулированные ранее гипотезы. Первая гипотеза, предполагавшая, что большую часть сети онлайн-коммуникации движения составляют отдельные индивиды, подтвердилась: в выборке присутствует 373 аккаунта, принадлежащих конкретным людям, против 169 аккаунтов, принадлежащих различным организованным акторам.

Вторая гипотеза, согласно которой организованным акторам не свойственно занимать важные позиции в структуре движения, была полностью опровергнута результатами анализа, показавшими высокую популярность экологических онлайн-групп (EcoGroup) по сравнению с другими классами. Третья гипотеза, согласно которой информационная активность аккаунтов, занимающих важные позиции в сети, должна быть не ниже средней информационной активности, также не подтвердилась.

Как можно интерпретировать данный результат в контексте изучения роли организованных акторов в протестных движениях? Прежде всего, дополнительное подкрепление получает позиция Гонзалез-Байлон и Ванга, указывавших на наличие иерархии даже в децентрализованных сетевых движениях. Действительно, структура коммуникации движения FridaysforFuture оказалась достаточно сильно централизованной, с существенным разбросом значений метрик центральности между лидерами и большей частью пользователей, центральность которых равняется нулю. Таким образом, структуре данного движения всё же свойственна определённая иерархия.

Что не менее важно, организованные акторы стоят в этой иерархии выше простых активистов - это подтверждается результатами анализа. Важно, однако, ещё раз уточнить, что речь идёт не об иерархических организациях старого типа, а о существующих исключительно в Интернете онлайн-группах, координирующих действия протестующих в конкретном регионе или городе. В этом смысле полученный мной результат не противоречит теоретическим концепциям, рассказывающим о падении роли традиционных организаций: в структуре коммуникации рассматриваемого движения они также занимают крайне незначительное место. И всё же полученный результат указывает на некий пробел в теоретических концепциях сетевых движений. Как в рамках данных теорий можно обозначить подобные онлайн-группы, занимающие, как было показано, центральное место в движении школьных забастовок? С одной стороны, само их существование, по-видимому, является продуктом низовой активности местных активистов, взявших дело самоорганизации в свои руки. С другой - люди, ведущие аккаунты этих групп, получают в свои руки власть формировать повестку и определять, какую информацию доносить до рядовых активистов. В такой ситуации уже сложно говорить о полном отсутствии иерархии и равенстве всех членов движения в определении его повестки и стратегии действий. Поэлл и соавторы указывают на данный феномен, исследуя роль администраторов страниц в социальных сетях в ходе протестов. Они применяют к администраторам аккаунтов, посвящённых протестным событиям, наименование «connectiveleaders» и подчёркивают их роль в непрямом руководстве протестом. Резонно предположить, что в отсутствие формальных организаций именно акторы такого рода имеют максимальное влияние на действия протестующих, по меньшей мере на локальном уровне. Весьма интересным для будущих исследований вопросом представляется выявление паттернов трансформации спонтанных децентрализованных движений со временем и проверка гипотезы о том, что со временем централизация таких движений усиливается.

Наконец, проведённый анализ активности пользователей также подтвердил правоту тех исследователей, которые различали позицию актора в структуре сети и его реальную роль в движении. Далеко не все из занимающих центральные позиции лидеров и брокеров активно производили собственный информационный контент, актуальный для движения. Важным вопросом для дальнейшего исследования было бы соотношение структурных характеристик (позиции) и образа действий (роли) актора в общем показателе его влияния на повестку той или иной группы.

Следует отдельно сказать об ограничениях проведённого мной исследования. Наиболее очевидные из них связаны с небольшим размером выборки и узостью временных рамок исследования. Они обусловлены ограниченными техническими возможностями, не позволившими собрать и проанализировать большее количество данных. По этой же причине был использован только один способ построения сети (через упоминания), тогда как полезно было бы сравнить структуру упоминаний со структурой ретвитов и подписок членов движения, как это сделано рядом авторов. Наконец, структура коммуникации движения представляется близкой, но не идентичной реальной структуре властных отношений, связанных с движением. Так, анализ паттернов коммуникации в социальных сетях не позволяет учесть негласные договорённости, если таковые имели место, и отследить источники финансирования движения.

Заключение