Изучение пространственной структуры Санкт-Петербурга на основе данных мобильного приложения социальной сети "Одноклассники"

Размещено на http://www.allbest.ru/

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ «ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»

Факультет Санкт-Петербургская школа социальных и гуманитарных наук Национального исследовательского университета «Высшая школа экономики»

БАКАЛАВРСКАЯ РАБОТА

по направлению подготовки 39.03.01 «Социология»

образовательная программа «Социология»

Изучение пространственной структуры Санкт-Петербурга на основе данных мобильного приложения социальной сети "Одноклассники"

Королева Ирина Евгеньевна

Санкт-Петербург 2018



ВВЕДЕНИЕ

При проведении исследований социальной структуры города становится известно, как расселяются по городской территории люди с разным социальным статусом и уровнем доходов, представители разных рас и этничностей. Будучи совмещённой с результатами исследований о пространственной структуре города, о стоимости земли и недвижимости на его различных территориях, эта социально-экономическая составляющая даёт представление как о благополучных, экономически активных, обустроенных в соответствии со спросом на инфраструктуру районах, так и о проблемных, геттоизированных, малообеспеченных инфраструктурой территориях. Обладая этой информацией, можно эффективно использовать информационное пространство на разных территориях города, создавать новую и развивать имеющуюся инфраструктуру, управлять транспортной системой. сегрегация социальный сеть демографический

Во многих американских и европейских городах есть неблагополучные районы, застроенные трущобами, в которых процветает преступность; районы с дорогими коттеджами, окружёнными большими участками, где принято подстригать газон и выезжать с соседями на игру в гольф; кварталы, заселённые преимущественно представителями одной этничности - Chinatown, Brightonbeach, Маленькая Италия, цыганские кварталы. Территориальное разделение между группами, обладающими разными характеристиками, составляет термин городская или пространственная сегрегация.

Вопросу пространственной сегрегации в городе уже не одна сотня лет. Будучи впервые поднятым Чарльзом Бутом в конце 19 века, он до сих пор волнует многих исследователей, иногда изменяя форму и предмет. Вечная актуальность проблемы городской сегрегации обусловлена изменениями в социальном составе и общем социально-экономическом положении жителей города.

Сегодня, по сравнению с советским прошлым, в российских городах повышается уровень сегрегации. В основном она точечная и заключается в отделении более обеспеченных жителей от всех остальных [Напреенко, 2016], [Zotova, 2012].

В этой работе проводится исследование социальной сегрегации среди жителей Санкт-Петербурга. Результаты работы представляют ответы на следующие исследовательские вопросы: как распределены по городу пользователи соцсети с различающимися социально-демографическими характеристиками? Каков характер социально-экономической сегрегации в Санкт-Петербурге?

Опираясь на имеющуюся литературу, мы выдвигаем гипотезу о слабой сегрегации в городе, наблюдающейся в отдельных микрорайонах между элитными новостройками и старыми районами. В ходе работы эта гипотеза не подтвердилась, и разницы в социальном составе между новыми и старыми домами не обнаружилось. Кроме того, выделились группы людей, схожих исключительно по возрасту и полу, встречающиеся в разных частях города. Группы с самым высоким по выборке медианным возрастом находятся ближе к окраинам города, в то время как «молодые» кластеры не имеют никаких тенденций к пространственному распределению. Многие из кластеров, включающих в основном молодых мужчин, находятся вблизи общежитий.



1. ОБЗОР ЛИТЕРАТУРЫ

Первые исследования городской сегрегации проводились ещё в начале 20 века, но большинство из них было сделано в его середине и конце. По одному из первых предположений касательно социально-пространственной структуры города Э. Берджесса город делитсяна пять концентрическихзон, где разные социальные классы располагаются в разной удалённости от центра города, который называется centralbusinessdistrict, теряя плотность и увеличивая показатели социально-экономического статуса жителей[Marcuse, 2002].Так, впервые причины городской сегрегации были сформулированы Р. Парком и Э. Берджессом в начале 20 века. Согласно их теории humanecology, расселение горожан связано с их социально-экономическими характеристиками[Ruiz-Tagle, 2013].Высокостатусные семьи стараются оградиться от семей с низким социальным статусом как ради обеспечения безопасности, так и чтобы ограничить контакты с непривилегированным классом и подчеркнуть свою статусную позицию [Marrett, 1973],[Jargowsky, Wilson, 1997].В американских городах 19 века ближе к центральной части города располагались трущобы с низкой стоимостью жилья, в которых селились бедные горожане, а на окраинах более обеспеченные. Тем не менее, в американских городах того времени расовая сегрегация наблюдалась сильнее, чем социально-экономическая[Farley, 1977].

Позже этот подход был раскритикован многими исследователями как упрощённый, позитивистский и игнорирующий влияние культурных, политических и исторических факторов на расселениежителей города, но связь сегрегации и социально-экономических характеристик жителей города продолжает рассматриваться и в современных социологических работах[Caner, Bolen, 2013].

В современной России степень социально-экономической сегрегированности в городах мала благодаря её советскому прошлому, которое предполагало равенство для всех советских граждан. На деле, конечно, абсолютного равенства не состоялось, и представители определённых профессий жилив лучших условиях, чем остальное население, зачастую образуя элитные районы наподобие домов вокруг Смольного собора [Axenov, Petri, 2014], однако типовая советская застройка, а также сложные имущественные перипетии, включающие деление буржуазных владений на общественные, обеспечение работников жильём от государства и отсутствие рынка недвижимости, обеспечили смешение представителей разных социальных классов на одной территории. О расовой или этнической пространственной сегрегации в России доступно очень мало научных исследований, что само по себе свидетельствует об отсутствии достаточно острой проблемы. Вместо научной активно ведётся общественная дискуссия о сегрегации в Санкт-Петербурге. Многие издания проводят интервью и круглые столы с социологами, архитекторами и градостроителями. По их словам, мигранты редко образуют свои кварталы, поскольку имеют возможность снимать квартиры в любых районах российских городов [Космарский, 2017], [Сивцова, 2016]. Один из немногих источников, описывающих образование этнических гетто в Санкт-Петербурге, обращает внимание на большое количество мигрантов, сосредоточенное в кварталах около станций метро «Технологический институт», «Нарвская», «Пролетарская» и в Калининском районе[Елекоева, 2012]. Источник данных в статье не приведён и доверия не вызывает.

В западной литературе чаще всего рассматривается именно расовая сегрегация. Американский социолог Кора Марретт обращает внимание на неразделимость сегрегации расовой и социальной в исследованиях американских городов прошлого века[Marrett, 1973].Поскольку в России расовое разделение минимально, а имеющиеся данные не содержат информации об этничности пользователей, наше исследование сфокусировано на других социальных характеристиках горожан.

В зарубежной социологии существует понятие gatedcommunity, описывающее огороженную область, населённую людьми схожего социального статуса, обладающими чувством общности. В то время как физически огороженные жилые территории в российских городах встречаются нередко, статья русского исследователя Российской академии наук Марии Зотовой в журнале L'Espacepolitique сообщает об отсутствии в России gatedcommunities, единственной функцией которых здесь можно назвать осуществление безопасности, так как огороженные комплексы могут быть предназначены как для высшего класса, так и для обоих средних классов[Zotova, 2012].

После распада Советского союза и появления в стране частной формы собственности и сильного экономического расслоения пространственная структура городов стала изменяться в сторону неравномерности[Корнев, 2004].Сегодня специалисты рассматривают предположение о создании сегрегации в городе застройщиками, которые предлагают элитные жилищные комплексы - то есть целые кварталы, и новые дома с дешёвыми квартирами для менее обеспеченных покупателей [Космарский, 2017].

Важно обратить внимание на статью сотрудника Социологического института РАН Николая Корнева, в которой поднимается вопрос социально-пространственной сегрегации в Санкт-Петербурге. Автор уделяет внимание смене жителей исторического центра города, отреставрированного и обладающего символической и культурной ценностью и привлекающего обеспеченных горожан. Несмотря на высокую стоимость жилья и привлекательность, сложившееся состояние зданий не позволяет представителям обеспеченных слоёв заселить эти районы. В качестве причин автор приводит размеры жилья - большие многокомнатные квартиры заняты «коммуналками»; планировки квартир, предназначенные для разных слоёв населения и по-прежнему сохранивших это распределение; размеры самих домов - большое количество квартир в доме не позволяет полностью сменить социальный состав его жителей. Выводы, который делает автор из своего исследования исторического центра города - социальная однородность даже в отдельных домах, позиционируемых как престижные, отсутствует, а «население большинства домов центра Петербурга высоко неоднородно по жилищному статусу». Кроме того, из статьи следует, что в центре города есть как неоднородные по социальному составу, так и заселённые преимущественно малообеспеченными, и преимущественно платежеспособными жителями дома[Корнев, 2004].

Вопрос городской сегрегации близок исследователям городских публичных пространств. Российский исследователь Константин Аксёнов, изучающий использование и доступность публичных пространств Санкт-Петербурга разными классам населения, сообщает, что в Санкт-Петербурге уровень сегрегации мал и не может считаться полноценным разделением. Однако некоторые признаки отделения наблюдаются в новых высотных домах, привлекательных для обеспеченного класса, и закрытых загородных элитных посёлках[Aksyonov, 2009], [Axenov, Petri, 2014].

Информация о размерах доходов горожан труднодоступна и для исследований может выражаться в форме комплементарной переменной, связанной с доходами. Так, в некоторых исследованиях используется стоимость жилья. Связь цен на жильё уровня сегрегации была доказана в исследовании 1975 года в Калифорнии [Daniels, 1975], на то же самое указывают авторы более поздних статей [Tomba, 2004].

Множество исследований доказывает, что уровень доходов определяется как социально-экономическим статусом семьи, так и уровнем образования. Уровень образования может служить индикатором социального положения человека, так как сам тесно связан с социально-экономическим положением семьи и влияет на перспективы в трудоустройстве, что подтверждают как исследования прошлого века [Mincer, 1988], так и современные [Fujishiro, Xu, Gong, 2010]. Утверждается, что окончательный статус человека и его заработок в наибольшей мере зависит от образования[Jencks, 1979]. Как пишут американские учёные в журнале AcademyofManagement, наличие формального образования повышает шансы быть нанятым на работу, потому что навыки работника закреплены в его дипломе и понятны работодателю, в то время как самообразование и отдельные курсы сложны для оценки работодателем и могут быть не поняты[Benson, Finegold, Mohrman, 2004].

Пространственная структура города определяет социальные характеристики жителей разных районов, но в то же сама зависит от них, а социальный статус может как определять место жительства, так и определяться им[Marrett, 1973]. Например, диссертация, защищённая в Боннском университете, ссылается на исследования, которые показывают, как проживание в определённом районе Рио де Жанейро стигматизируется обществом и усложняет людям поиск работы[Feintosa, 2010]. Так, китайские исследователи пишут о сильном ограничении в выборе жилья, которое создают административные преграды, этнические и культурные барьеры [Tomba, 2004], а в исследовании бразильских городов, было показано влияние городской структуры в форме концентрации рабочих мест и их расположения на сегрегацию по доходам [Garcнa-Lуpez, Moreno-Monroy, 2016].

Кроме того, финансовые вложения в определённые районы города могут повышать стоимость земель, что ведёт к повышению стоимости услуг инфраструктурных объектов, и тем самым вынуждает малообеспеченные семьи переселяться в менее развитые районы. Неочевидный вред социальной среде города могут наносить и государственные проекты по переселению малоимущих. Бесплатное жильё обычно предлагается в дешёвых районах, отдалённых от городской инфраструктуры, что собирает бедные семьи в неразвитых и отдалённых частях города и отдаляет от остального благополучного общества[Feintosa, 2010].

Проблемы, к которым приводит высокий уровень сегрегации, заключаются в ограничении взаимодействия между представителями разных групп в других сферах жизни. Менее обеспеченные горожане оказываются изолированными от ресурсов и возможностей, доступных остальному обществу, включая качественную инфраструктуру. Как показало исследованиев Бразилии, в бедных районах Сан Пауло больше фаст-фуда и меньше здоровой еды в продуктовых магазинах, чем в

остальной городской среде[Duran и др., 2013]. В таких районах повышается преступность[Sharp, 2011], а интеграция в обществе ограничивается [Jargowsky, Wilson, 1997]. Слабая экономическая интегрированность создаёт проблемы для расовой интеграции, для улучшения трудовых условий и возможностей малообеспеченных, мешает улучшению их образовательного, социального и культурного уровней, а также регулированиюобеспечения домов, как это было бы возможно при их смешанном заселении [Marrett, 1973].

В противоположность сегрегированному обществу, общество, интегрирующее в себя все социальные классы, позволяет представителям неблагополучных семей получить от более успешных горожан мотивацию получить образование, усвоить модели поведения и сформировать жизненные ожидания, которые способны улучшить их собственный уровень жизни[Tunstall, Fenton, 2006].

2. ИЗМЕРЕНИЕ СЕГРЕГАЦИИ

Учёные уже задавались вопросом возможности измерения уровня сегрегации, и в результате их работ было разработано множество индексов уровня сегрегации. Согласно ставшей классикой методологическойработе Дугласа Месси и Нэнси Дентон, фокусирующейся, однако на расовом разделении, сегрегация обладает пятью свойствами, для измерения каждого из которых требуется использование своего индекса. По их убеждению, нельзя выделить единый универсальный индекс для измерения всех свойств сегрегации одновременно, поэтому необходимо помнить обо всех имеющихся средствах и обращаться к ним в соответствии с задачей. Так, с учётом всех пяти свойств, расположенная как можно ближе к центру города, сконцентрированная и неравномерно распределённая в пространстве, минимально примыкающая к представителям других общностей и минимально включающая их в себя группа может считаться пространственно сегрегированной. Определение свойства централизации авторы связывают с историческим расселением низших классов в центре города, где была низкая стоимость жилья.

Максимально точными индексами для измерения каждого свойства авторы признали theIndexofDissimilarity для подсчёта равномерности распределения группы, Bell'sinteraction/isolationindices для определения взаимодействия с другими группами , therelativeconcentrationindexRCO для концентрированности, White'sindexofspatialproximity SP для кластеризованности и theabsolutecentralizationindex ACE для степени централизованности [Massey, Denton, 1988].

Позже, в работе американского математика и статистика Гарри Шарпа 2011 года методология Месси и Дейтон была проверена, и результаты модифицированы. Авторсводит измерение сегрегации к двум свойствам вместо пяти - InteractionandAgglomeration, ссылаясь на высокую корреляцию между EvennessandExposure и Centrality, Clustering, andConcentration[Sharp, 2011].

Несмотря на высокую цитируемость работы Месси и Дейтон, другие методы измерения сегрегации всё же в ходу у научного сообщества. Как пишет испанская исследовательница Мария Богус, сегодня широко применим так называемый типологический подход. Он предполагает разделение объектов на типы, классы или кластеры в соответствии со схожестью распределения социальных категорий, представленных в каждой группе[Garcнa-Lуpez, Moreno-Monroy, 2016].

Другими учёными предлагается альтернативный метод измерения сегрегации, включающий измерение социально изолированности, заключающейся в представленности других групп в окружении каждой группы, и пространственной сегрегации, заключающейся в проверке схожести распределения групп в городе[Reardon, O'Sullivan, 2004].

В нашей работе представлена иная методология, не предполагающая использования индексов. Преимущества её заключаются в использовании социально-демографической информации о каждом представителе выборки, в проверке случайности распределения, математической оценке различий между группами в пространстве, а также в подробном разделении городской территории.

3. ДАННЫЕ

Данные для исследования предоставлены представителями второй по популярности в России социальной сети «Одноклассники». Преимущество данных социальных сетей заключается в количестве доступной информации. В профилях указываются демографические характеристики, а из анализа подписок можно сделать выводы об интересах людей. Кроме того, сбор данных не требует временных и финансовых затрат и предполагает участие всего лишь одного человека.

Всего для анализа были доступны профили 179130 пользователей из Петербурга и Ленинградской области, включая их пол, возраст, образование, интересные им сообщества и геолокации за неделю с 11 по 18 декабря 2017 года. Геолокация регистрируется приложением, пока оно активно на телефоне пользователя, поэтому распределение активности пользователей в течение для выглядит следующим образом.

Больше всего замеров делается во второй половине дня и особенно ближе к вечеру между 16 и 20 часами. В это время приложение используется больше всего. После 9 вечера активность пользователей, а вместе с ними и регистраций геолокаций стремительно снижается и достигает минимума к часу ночи. Однако начиная с 3 часов ночи активность начинает восстанавливаться.



Размещено на http://www.allbest.ru/

Поскольку исследовательский вопрос подразумевает определение места жительства, координаты пользователей в течение семи дней сведены к периоду с 2 часов ночи до 4:30; затем округлены до 4 знаков после запятой, что позволяет, не теряя точности, свести некоторые координаты воедино; далее из нескольких оставшихся локаций выбраны повторяющиеся чаще других. Эти координаты используются в исследовании в качестве мест жительства пользователей.

Указывая своё учебное учреждение, место работы или службы, пользователь оказывается членом сообщества соответствующей организации. Сообщество учреждения попадает в список интересных пользователю групп, в системе такому сообществу приписывается тип - школа, колледж, университет, воинская часть, место работы, праздник, "паблик", мероприятие, факультет. По этому типу из всех групп отфильтрованы те, которые относятся к образованию, причём факультеты приравнены к университетам. Среди всех доступных профилей высшее образование указано у 48,8 % пользователей. По сравнению с государственной статистикой по Санкт-Петербургу от 2015 года, когда высшее образование имело 30% петербуржцев, это немало.

Некоторые пользователи не имеют указанного среднего общего образования, что может быть справедливым только для школьников, в остальных случаях было бы неправильно считать это верным, потому что по закону Российской Федерации каждый гражданин обязан окончить 9 классов школы. Кроме того, у некоторых из них при отсутствии школы указан колледж или ВУЗ. В базе для анализа образование представлено в виде dummy-переменных для среднего профессионального и высшего уровней образования.

В базе встречаются профили с очевидно выдуманным возрастом - больше 100 лет или меньше 10. Уверенность в вымышленности таких возрастов подкрепиласьпросмотром подписок этих людей. Профили с возрастом ниже 11 и выше 75 был исключены из базы для анализа.

Далее представлен график с распределением численности населения по возрастам в России по данным Росстата за 2016 год. Как видно на рис. 3, в распределении есть два подъема - в районе 27 и 55 лет. В начале становления современной России была низкая рождаемость, поэтому количество детей и подростков 7-17 лет заметно ниже, чем людей других возрастов. Схожие тенденции наблюдаются в распределении возрастов в выборке, и пользователей 7-17 лет в выборке мало, но далее происходит подъём, который достигает пика на 30 годах. Смещение количества людей этих возрастов в выборке относительно населения России составляет 3-4 года в большую сторону. Далее, небольшой подъём в количестве создают пользователи 56-58 лет, в то время как в населении Петербурга этот подъём также есть. Различие заключается в резком всплеске показателя для 49 лет, тогда как среди жителей города он, наоборот, стремится к локальному минимуму.

Не для всех упомянутых пользователей доступно и образование, и геолокация, поэтому конечная выборка составляет 25954 профилей. Из них 12143 мужчин и 13811 женщин.



3. МЕТОДОЛОГИЯ

Вычисления в этом исследовании сделаны с использованием программной среды Rstudio, средств языка программирования Python и геоинформационной системы QGIS.

Методология исследования включает два пути. Первый из них предполагает разделение пользователей на социальные группы, второй - кластеризацию в пространстве и выявление схожести характеристик профилей внутри каждого кластера. Эта методология предполагает не только количественное измерение свойств географических кластеров, но и дальнейший просмотр получившихся результатов вручную, что позволяет исключить проблему «изменяемой зональной единицы» (Themodifiablearealunitproblem). Она заключается в том, что при делении городской территории на районы, микрорайоны или соседства, люди, оказавшиеся в разных территориальных единицах, могут быть более схожи между собой, чем те, кто попал в один блок[Reardon, O'Sullivan, 2004].

Первый метод: тип переменных в базе призывает делить пользователей на социальные группы вручную, без применения алгоритмов, поскольку три из четырёх переменных - факторные, и лишь одна непрерывная. Так, база данных была разбита на 16 частей следующего содержания:

1. Женщины до 35 лет со средним образованием

2. Женщины старше 35 лет со средним образованием

3. Женщины до 35 лет с высшим образованием

4. Женщины старше 35 лет с высшим образованием

5. Женщины до 35 лет со средним образованием и высшим образованием

6. Женщины старше 35 лет со средним образованием и высшим образованием

7. Женщины до 35 лет без среднего или высшего образования

8. Женщины старше 35 лет без среднего или высшего образования

9. Мужчины до 35 лет со средним образованием

10. Мужчины старше 35 лет со средним образованием

11. Мужчины до 35 лет с высшим образованием

12. Мужчины старше 35 лет с высшим образованием

13. Мужчины до 35 лет со средним образованием и высшим образованием

14. Мужчины старше 35 лет со средним образованием и высшим образованием

15. Мужчины до 35 лет без среднего или высшего образования

16. Мужчины старше 35 лет без среднего или высшего образования

Разбиение возраста по 35 годам сделано в соответствии с работой социолога Э. Элкинда, выделявшего восемь стадий человеческой жизни, различающихся уровнем психосоциального развития. Две основных стадии развития человека приходятся, по его убеждению, на 19-60 лет и сменяют друг друга в районе 35 лет[Эриксон, 1963]. Другие возрастные периодизации также указывают этот возраст как переход между периодами жизни взрослого человека [Классификация АПН СССР, 1965].

Далее, на геокоординатах всей базы алгоритмом DBSCAN были выделены группы людей, находящихся в достаточной близости между собой. Density-basedspatialclusteringofapplicationswithnoise (DBSCAN) - алгоритм кластеризации, выявляющий участки заданной плотности в ограниченном пространстве. Для его работы требуется определение минимального количества точек, образующих кластер, и максимальное расстояние между ними, позволяющее отнести их к одному кластеру. Точки, находящиеся в недостаточной близости от заданного количества соседей, попадают в «нулевой» кластер и обозначаются шумом[Kitson, Piekenbrock, 2018].



Поскольку при точности в 4 знака после запятой географические координаты имеют точность примерно 50 метров по широте и 111 метров по долготе, кластеры вытягиваются. Чтобы сгладить это несоответствие, координатам была приписана метрическая проекция Земли Меркатор, обеспечивающая равенство расстояний по широте и долготе. Для алгоритма был задан параметр максимальной дальности между точками 0.003, что в переводе в географические координаты равняется примерно 350 метрам, чтобы один кластер представлял один двор, и минимальное количество точек в кластере 17. Таким образом выявилось 211 кластеров. Маленькие кластеры размером до 17 человек были исключены из анализа как не содержащие достаточной информации.

В большинстве геокластеров оказались люди, попавшие в разные социально-демографические группы. Максимальная доля представителей одной социальной группы в геокластере - 35,7%. В нём преобладают мужчины возрастом больше 35 со средним профессиональным образованием. Второй по представленности класс в этом геокластере - мужчины старше 35 лет без высшего или профессионального образования. Следующий по проценту представленности одной социальной группы геокластер также включает две преобладающие группы. Группы состоят из мужчин и женщин старше 35 лет, которые имеют среднее профессиональное образование, но у нескольких из них есть также высшее. Этот геокластер находится в Колпино, что не входит в область анализа в нашем исследовании, но представляет собой интересное наблюдение.

Метод 2:для проверки и закрепления результатов первого метода мы обратились ко второму.

Для каждого геокластера, выделенного алгоритмом dbscan, были посчитаны медианный возраст попавших в него людей, процент имеющих высшее образование, процент имеющих среднее профессиональное образование и процент мужчин.

Далее, для проверки случайности получившегося распределения был применён перестановочный тест (permutationtest) с повторением 1000 раз, и к номерам кластеров были приписаны наблюдения в случайном порядке. При каждой перестановке мы проверяли значения четырёх упомянутых переменных, 10 и 90 персентили и межквартильный размах, представляющий собой разницу между ними. При попадании реального значения межквартильного размаха в первые или последние 5% распределения 1000 сгенерированных значений в более, чем в 95% случаев, свойство кластера считается неслучайным.

Реальный межквартильный размах по переменным невелик - 26,2% для пола,24,8% для среднего профессионального образования, 22,6% для высшего образования и9,1 года для возраста.

Значения межквартильного размаха для обоих уровней образования попадают в середину распределения сгенерированных значений. Это значит, что по этим переменным разница между кластерами не только мала, но и случайна. Однако по сравнению с распределением сгенерированных значений межквартильного размаха по полу настоящее значение этой переменной - 26,2% - попадает в крайние 5% распределения, а по возрасту значение 9,1 года выходит за границы распределения.

4. РЕЗУЛЬТАТЫ

Такие результаты вычислений говорят о неслучайности различий между кластерами. Посмотрим на самые выделяющиеся из них ближе.

Самый «молодой» кластер - с медианным возрастом 30 лет - оказался расположен около Лахта-центра. Кроме того, в этом кластере нет мужчин. В нём 41% человек имеют высшее образование. Похоже на работу в ночную смену, поскольку жилые дома находятся в стороне от этого места.

Другой кластер с таким же медианным возрастом расположен около метро «Чёрная речка». В нём всего 15% мужчин, и 59% имеют высшееобразование. В некоторой близости от этого места есть общежитие СПбГИК.

Кластеры с самым высоким медианным возрастом от 47 до 56 лет располагаются на окраинах города - в Мурино, в районе Старой деревни, на Охте и на Юго-западе. Примечательно, что один из них, находящийся в Шавалово-Озерках и имеющий медианный возраст 49 лет, совпадает с единственным геокластером на территории города, выделенным предыдущим методом.

Кластеры, в которых преобладают мужчины, имеют свойство находиться вблизи общежитий. Например, вокруг метро «Технологический институт» располагается кластер, в котором 85,7% мужчин. В нём 57% человек имеют высшее образование, а среднее профессиональное есть у 39%. Медианный возраст этого кластера - 44 года.



ВЫВОДЫ

Результаты анализа свидетельствуют о половозрастном разделении жителей города. Поскольку выделяющиеся группы малы и единичны и часто совпадают с расположением университетских общежитий, можно сделать вывод, что разделение это имеет масштабы отдельных домов. Выделяющихся по признаку наличия высшего или среднего профессионального образования групп не обнаружилось, что может говорить об отсутствии в городе областей концентрации людей с особым социальным статусом. Однако за отсутствием данных о доходах горожан нельзя делать однозначные выводы о распределении экономического капитала среди районов и микрорайонов города.

Гипотеза исследования не подтвердилась, хотя выявились другие любопытные результаты.

В контекст сегодняшнего общественного обсуждения сегрегации в Санкт-Петербурге проведённое исследование вписывается в качестве научного аргумента в пользу неоднородности городской социальной среды.Однаков медиа источниках в качестве оценки используется мнение специалистов, апримеров исследований в масштабе города не приводится.

Приведём один из примеров недавних обсуждений. Известный российский общественный деятель и блоггерИлья Варламов часто пишет об угрозах образования гетто в новых районах Петербурга. Например, в октябре 2017 года своём блоге varlamov.ruон опубликовал пост с устрашающим названием «СТРАШНОЕ ПРОРОЧЕСТВО ВАРЛАМОВА СБЫЛОСЬ!!!». В этом тексте приводится множество примеров последствий заселения в жилой комплекс детдомовцев и сообщается о планах переселения туда малоимущих граждан[Варламов, 2017]. Происходящее в этом жилом комплексе - отличный пример механизма создания сегрегациигосударством, описанного в уже упомянутой работе, рассматривающей механизмы создания сегрегации в городской среде [Feintosa, 2010]. На данный момент этот квартал всё ещё нельзя считать гетто, поскольку его социальный состав неоднороден, а квартиры представляют интерес для покупателей разных классов. В любом анализе городской сегрегации это место не окажется выделяющимся в своих социальных свойствах, пока малоимущие и лица с девиантным поведением не «выселят» из жилого комплекса остальные социальные классы, однако начало образования гетто именно в нём можно считать заложенным.

В обсуждении новостроек Петербурга социологи, архитекторы и градостроители высказывают разные мнения об угрозегеттоизации новых районов, сравнивая современные постройки как с «хрущёвками», в которых выросли люди совершенно разных социальных классов, так и с социальными районами Китая и Америки, в которые были переселены бедняки из трущоб [Нестерова, Логвин].

Однако, согласно научной теории, сейчас новые жилые комплексы, расположенные на окраинах Санкт-Петербурга ещё далеки от гетто. Квартиры в них доступны для молодых семей, могут сдаваться студентам, могут быть заселены мигрантами или рабочими, что обеспечивает отсутствие сегрегации, хотя угроза оказаться неблагополучным у района бесспорно есть.https://link.springer.com/article/10.1134/S2079970511010023

Безусловно, отсутствие сегрегации не означает отсутствия социальных проблем.

Данные социальной сети не могут обеспечивать стопроцентной точности информации о пользователях, поскольку многие намеренно искажают её или не указывают. В таком случае исследователю остаётся полагаться на допущения и уверенность в своей методологии. В данной работе мы постарались использовать выборку профилей, информации которых можно доверять.

В подобном исследовании было бы крайне полезно учитывать экономические данные, будь то информация о доходах горожан или данные о стоимости недвижимости в районах. Однако первые могут быть у социальной сети, интернет провайдера или мобильного оператора только в форме предполагаемой оценки и всё равно труднодоступны, в данные же банков верить не приходится, поскольку они максимально зашифрованы и защищены от распространения. К информации о стоимости жилья по районам города мы решили не обращаться, поскольку подробное деление городской территории сложно совместить с таким же подробным делением карты недвижимости, и работа эта достойна отдельного исследования, а по доступным рыночным данным известна только общая информация по районам, что не несёт пользы для исследования сегрегации.



СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Классификация АПНСССР (1965). :симпозиум Академии педагогических наук СССР, 1965.

2. Корнев Н. СЕГРЕГАЦИЯ ПО-ПЕТЕРБУРГСКИ - ПОИСКИ РЕАЛЬНОСТИ // “Телескоп”: наблюдения за повседневной жизнью петербуржцев. 2004. № 2.

3. Эриксон Э. Детство и общество. , 1963.

4. Aksyonov K.E. Social segregation of personal activity spaces in a posttransformation metropolis (case study of St. Petersburg) // Reg. Res. Russ. 2011. Т. 1. № 1. С. 52-61.

5. Axenov K., Petri O. Socio-spatial differentiation and public accessibility of urban spaces in the post-transformational city: case study Saint-Petersburg // Europa Regional,. 2014. Т. 19.2011.

6. Benson G.S., Finegold D., Mohrman S.A. You paid for the skills, now keep them: Tuition reimbursement and voluntary turnover // Academy of Management Journal. 2004. С. 315-331.

7. Caner G., Bolen F. Implications for socio-spatial segregation in urban theories // Journal of Planning. 2013. Т. 23. № 3. С. 153-161.

8. Daniels C.B. The influence of racial segregation on housing prices // Journal of Urban Economics. 1975. Т. 2. № 2. С. 105-122.

9. Duran A.C. идр. Neighborhood socioeconomic characteristics and differences in the availability of healthy food stores and restaurants in Sao Paulo, Brazil // Health & Place. 2013. Т. 23. С. 39-47.

10. Farley R. Residential segregation in urbanized areas of the United States in 1970: an analysis of social class and racial differences // Demography. 1977. Т. 14. № 4. С. 497-518.

11. Feintosa F. da F. Urban segregation as a complex system: an agent-based simulation approach // 2010.

12. Fujishiro K., Xu J., Gong F. What does “occupation” represent as an indicator of socioeconomic status?: Exploring occupational prestige and health // Social Science & Medicine. 2010. Т. 71. № 12. С. 2100-2107.

13. Garcнa-Lуpez M.Б., Moreno-Monroy A.I. Income Segregation and Urban Spatial Structure: Evidence from Brazil. : CAF, 2016.

14. Jargowsky P.A., Wilson W.J. Poverty and Place: Ghettos, Barrios, and the American City. : Russell Sage Foundation, 1997.

15. Jencks C. Who Gets Ahead? The Determinants of Economic Success in America. , 1979.

16. Kitson M., Piekenbrock M. Density Based Clustering of Applications with Noise (DBSCAN) and Related Algorithms // 2018.

17. Marcuse P. Of States and Cities: The Partitioning of Urban Space. : Oxford University Press, 2002. 318 с.

18. Marrett C. SOCIAL STRATIFICATION IN URBAN AREAS // Segregation in Residential Areas: Papers on Racial and Socioeconomic Factors in Choice of Housing. : National Academy of Sciences, 1973.

19. Massey D.S., Denton N.A. The Dimensions of Residential Segregation // Social Forces. 1988. Т. 67. № 2. С. 281-315.

20. Mincer J. Job Training, Wage Growth, and Labor Turnover. : National Bureau of Economic Research, Inc, 1988.

21. Reardon S.F., O'Sullivan D. Measures of Spatial Segregation // Sociological Methodology. 2004. Т. 34. С. 121-162.

22. Ruiz-Tagle J. Theories of segregation and policies for integration: travel of ideas and concrete consequences in Chicago (US) and Santiago (Chile). : Research Committee on Urban and Regional Development, 2013. С. 19.

23. Sharp H. Revisiting the Dimensions of Residential Segregation // 2011.

24. Tomba L. Creating an Urban Middle Class: Social Engineering in Beijing // The China Journal. 2004. № 51. С. 1-26.

25. Tunstall R., Fenton A. A review of mixed income, mixed tenure and mixed communities: what do we know? , 2006.

26. Zotova M. Emergence of Gated Communities in Russia: Causes and Consequences // L'Espace Politique. Revue enligne de gйographie politique et de gйopolitique. 2012. № 17.

27. Варламов И. СТРАШНОЕ ПРОРОЧЕСТВО ВАРЛАМОВА СБЫЛОСЬ!!! // varlamov.ru. 2017.

28. Елекоева Т. Этнические гетто Санкт-Петербурга [Электронный ресурс]. URL: https://spb.gdeetotdom.ru/articles/1859153-2012-05-02-etnicheskie-getto-sankt-peterburga/ (дата обращения: 22.05.2018).

29. Космарский А. «Это не гетто, а транзитная зона»: урбанисты поспорили о российских новостройках [Электронный ресурс]. URL: https://indicator.ru/article/2017/02/08/eto-ne-getto/ (дата обращения: 22.05.2018).

30. Напреенко И. Сегрегация в России: социальная, этническая, транспортная [Электронный ресурс] Colta.ru // 2016.

31. Нестерова К., Логвин И. Новое гетто: какое будущее ждет «муравейники» Петербурга [Электронный ресурс]. URL: http://karpovka.com/spec2016/3 (дата обращения: 23.05.2018).

32. Сивцова А. Словарный запас: СЕГРЕГАЦИЯ // StrelkaMag. 2016.

Размещено на Allbest.ru

...