УДК 004.056:004.738.5(045)
DOI: 10.15587/1729-4061.2021.249313
Разработка метода прогнозирования оценки социального влияния в региональных сообществах
С. П. Евсеев, Ю. Н. Рябуха, А. В. Милов, С. В. Милевский, С. С. Погасий, Е. В. Иванченко, И. С. Иванченко, Е. А. Меленти, И. Р. Опирский,
И. В. Пасько
Розвиток соціального аспекту світового співтовариства тісно пов’язаний із розширенням спектра цифрових послуг у кіберпросторі. Особливе місце в якому займають соціальні мережі. Провідними державами світу у цьому сере- довищі проводяться інформаційні операції задля досягнення геополітичних ці- лей. Такі процеси відбиваються на реальному суспільному та політичному житті. Це дозволяє не тільки впливати на соціальні групи суспільства, а й за- безпечувати маніпуляцію у політичних “іграх”, під час гібридних війн.
Одночасна взаємодія соціальних факторів, факторів впливу, наявності угруповань у соціальних мережах формує повноцінну соціокіберфізичну систе- му, здатну інтегрувати реальні та віртуальні взаємодії для управління регіона- льними спільнотами.
У статті пропонується метод прогнозування оцінки соціального взаємно- го впливу між “формальними” та “неформальними” лідерами та регіональни- ми соціумами. Запропоновані моделі дозволяють сформувати не тільки прогноз впливу агентів, але і взаємодію різних агентів з урахуванням їх формальних і неформальних впливів, використання адміністративного ресурсу, політичних настроїв регіонального соціуму. Такий підхід дозволяє здійснювати динамічне моделювання на основі аналізу факторів впливу та взаємозв'язків.
Представлені результати імітаційного моделювання не суперечать ре- зультатам соціологічних опитувань і дозволяють сформувати комплекс захо- дів, які можуть бути спрямовані на подолання негативного впливу на регіона- льний соціум як окремих “лідерів”, так і політичних партій. Аналіз результа- тів моделювання дозволяє підвищити як політичну, так і соціальну стабіль- ність регіонального соціуму, сприяє запобіганню виникнення конфліктних на- строїв і протиріч.
Ключові слова: соціокіберфізична система, соціальні мережі, моделі впли- ву, рейтинг політичних партій, регіональний соціум.
1. Введение
В современном мире в условиях глобализации Интернет становится основ- ной информационной технологией и социальной формой, универсальным сред- ством свободного общения и поиска информации. Переход социальной комму- никации в виртуальную сферу усилился в связи с глобальной ситуацией, свя- занной с пандемией COVID-19. Именно в виртуальной среде проходит макси- мум социального взаимодействия, построения межличностных связей и сетей,
Not
a reprint
реализация которых стала возможной благодаря самоуправляемой на основе личного выбора сетевой коммуникации.
В условиях формирования высокотехнологичного общества социальные сети, на основе Интернет-сервисов превратились в один из наиболее эффектив- ных и популярных средств массовых коммуникаций. Влияние на такие сообще- ства представляют собой действенный механизм воздействия в условиях ги- бридных войн и цветных революций [1]. Такой синтез социальных интернет- сервисов (СИС) с киберфизическими системами позволяет сформировать соци- окиберфизическую систему (cyberphysical social system, CPSS) [2–6]. СPSS поз- воляет формировать социальное, политическое, экономическое “мнение” ин- теллектуального сообщества (интеграцию кибернетического, физического и социального миров), регулировать и управлять на основе СИС, предоставить пользователям упреждающие услуги. Природа данных CPSS предъявляет новые требования и проблемы к различным этапам обработки данных, включая иден- тификацию источников данных, обработку и объединение данных различных типов и масштабов.
Достижения в сфере информационных технологий явились предпосылкой создания новой формы социальных групп, получившей название “виртуальные сообщества”, влияние на которые может позволить достичь необходимых целе- вых состояний или реакции таких сообществ. Виртуальное сообщество пред- ставляет собой отражение связей, отношений и взаимодействий людей, имею- щих место в социальной жизни, однако с каждым днем все чаще и регулярнее переносимых в свободное и безграничное киберпространство.
Выделение таких сообществ и групп в сети и определение наиболее влия- тельных агентов позволит определить степень и направленность необходимых социальных воздействий для достижения поставленных целей.
Комплексирование CPSS с “виртуальными сообществами” в значительной степени влияет на задачи формирования как политических, социальных, так и экономических мировоззрений. Последние могут быть сформированы на осно- ве влияния как государственных субъектов управления, политических партий, так и неформальных лидеров регионального сообщества. Структурная схема CPSS представлена на рис. 1.
Разнообразие устройств, которые могут применяться в комплексирован- ных информационно-коммуникационных системах (information and communication systems, IKS) и киберфизических системах (cyberphysical systems, CPS) позволяют сформировать с СИС понятие социокиберфизической системы (CPSS). CPSS – совокупность субъектов и объектов кибернетического, физического и социального миров, позволяющих формировать “умные” сооб- щества, с одной стороны, и интеллектуальное пространство с другой. В CPSS пользователи являются потребителями услуг, а физические объекты в виде раз- личных устройств являются поставщиками услуг [2].
Таким образом, интеграция кибернетического, физического и социально- го миров позволяет создавать умные сообщества, то есть способные вести себя разумно. С социальной точки зрения, умные сообщества могут способствовать
For
reading
only
социальной осведомленности среди членов, используя определенные социаль- ные сенсоры [2].
Internet of Things CyberWord
Cyber-Social World
PhysicalWord
данные
действие
Рис. 1. Структурная схема взаимодействия элементов CPSS
Для изучения особенностей создания и развития виртуальных (умных) со- обществ созданы специализированные исследовательские организации. Среди них можно выделить такие как “Communication Institute for Online Scholarship”,
“The UCLA Center for the Study of Online Community”, “Association of Internet Researchers”, “International Society for Mental Health Online”, “The Society for Computers in Psychology” [7]. Результаты работы таких организаций имеют осо- бое значение для структур, стремящихся оформить свое присутствие в элек- тронной среде, а также для ученых, пытающихся понять поведение интернет- пользователей. Однако несмотря на то, что подобные исследования ведутся уже достаточно длительное время, на данный момент недостаточно разработаны
Not
a reprint
механизмы и методы целенаправленного влияния на социальные сообщества, что позволяет судить о перспективности заявленной темы исследования.
Таким образом, CPSS позволяют не только формировать и развивать функции умного сообщества и интеллектуального пространства, но и влиять через СИС на поведение сообществ, обеспечивая формирование предсказуемо- го мировоззрения. Оценка влияния на социальные группы в региональном со- обществе в таком аспекте влияют на национальную безопасность государства в целом, что подтверждает актуальность данного направления исследований.
2. Анализ литературных данных и постановка проблемы
В глобализированном, взаимосвязанном и управляемом данными мире лю- ди все больше полагаются на онлайн-сервисы для удовлетворения своих по- требностей. Такие сервисы обычно используют механизмы обратной связи и репутации для оценки своих продуктов, услуг, продавцов и клиентов. Идеи и мнения все чаще распространяются через социальные сети, до такой степени, что они могут вызвать политические сдвиги [7]. В этом контексте очень важно понимать, как социальное влияние влияет на принятие решений отдельными лицами и как это влияет на уровень группы.
В работе [8] представлена модель, позволяющая получить количественную оценку того, как социальная информация влияет на индивидуальные оценки и мнения. Было измерено и смоделировано влияние социальной информации на индивидуальном и коллективном уровнях в оценочных задачах с низкой оче- видностью. Также было изучено влияние виртуальных экспертов на работу группы. В результате был сформирован вывод: когда эксперты предоставляют группе надежную информацию, систематическое улучшение коллективной точно- сти достигается экспериментально и количественно воспроизводится моделью.
Однако в работе [8] не рассмотрены аспекты, связанные с выявлением таких
“экспертов” и оценкой силы и надѐжности их влияния на социальные группы.
В качестве примера и варианта социального влияния рассматривается ка- тегория “Мудрость толпы”. В работе [9] доказано, что сети динамического вли- яния могут адаптироваться к предвзятым и нестационарным условиям, побуж- дая индивидуальные и коллективные убеждения становиться более точными, чем независимые убеждения наиболее успешных людей.
Но при этом недостаточно раскрыты механизмы влияния индивидуумов на общие коллективные убеждения.
В работе [10] рассмотрено распространение физических величин через со- циальные сети. Явление распространения изучено посредством построения ма- тематической модели. Модель может отслеживать изменение значений атрибу- та в механизме распространения. Учитывая определенные сетевые отношения между игроками, игра с пожертвованием токенов проводится как физический эксперимент по сбору данных, которые анализируются для построения матема- тической модели. Компьютерные эксперименты, основанные на модели, про- водятся для изучения скоростей диффузии и распада, которые определяют, соответственно, направления потока и уменьшение величины к установив- шемуся состоянию.
For
reading
only
Вместе с тем, применение подобной модели для изучения информационно- го воздействия на социальные группы затруднено в связи с сложностью опре- деления физического эквивалента информационного воздействия.
В статье [11] рассмотрен эффект ошибки, приводящий к изменению “Муд- рости толпы” под воздействием индивидуальных и социальных факторов. При- чѐм индивидуальное воздействие учитывается как систематическая ошибка.
Кроме того, были эмпирически определены правила социального влияния и эффект социального смещения. Этот асимметричный эффект предполагает, что на целевого человека сильнее влияла социальная информация, которая была больше по значению по сравнению с оценкой фокусного человека, по сравне- нию с социальной информацией, которая была меньше, чем оценка индивидуу- ма. Наблюдаемое увеличение коэффициента вариации по мере увеличения чис- ленности может указывать на то, что уверенность в собственной оценке умень- шается по мере увеличения численности, что может привести к асимметрично- му эффекту социального смещения.
Однако стратегия поиска “скрытых экспертов” [11] в данном исследовании не дала результатов. Для поиска скрытых экспертов требуется дополнительная информация о людях (например, склонность к использованию социальной ин- формации, прошлые успехи или уровень уверенности). Разработанный автора- ми [11] метод не требует какой-либо дополнительной информации о каждом человеке, только знания о статистических тенденциях населения в целом. И, таким образом, не раскрывается механизм целевого индивидуального воздей- ствия на поведение социальных групп.
В статье [12] приведены результаты социального эксперимента, в котором доказано, что, основываясь на эффекте мудрости толпы, группы могут быть чрезвычайно точными в оценке малоизвестных фактов. С точки зрения лиц, принимающих решения, было бы полезно запросить несколько независимых мнений и объединить их в качестве основы для своих суждений. Получить не- зависимое мнение в обществе вряд ли возможно, потому что люди встроены в социальные сети и обычно в определенной степени влияют друг на друга.
Экспериментальные результаты [12] показывают, что социальное влияние вызывает сближение индивидуальных оценок и существенно снижает разнооб- разие группы без повышения ее точности. Остающееся разнообразие часто настолько мало, что правильное значение смещается из центра во внешние об- ласти диапазона оценок. Таким образом, принимая решения комитета или сле- дуя совету экспертной группы, подвергшейся социальному влиянию, их мнения могут привести к набору прогнозов, которые больше не содержат даже пра- вильного значения. С точки зрения лиц, принимающих решения, такие советы могут полностью вводить в заблуждение, поскольку тесно связанные, на пер- вый взгляд независимые советы могут претендовать на определенность, не- смотря на существенные отклонения от правильного решения.
При этом в исследовании не изучалось влияние лидера группы, убеждение или любое другое социально-психологическое влияние.
В статье [13] была построена агентная модель, использующую эмпириче- ские распределения личных оценок, и распределения чувствительности к соци-
Not
a reprint
альному влиянию, а также эффект расстояния. Модель использовалась для со- здания прогнозов для больших групп и количества общих оценок. Модель предсказывает, что улучшение индивидуальной точности преобладает над кол- лективной точностью и выше при агрегированной обработке, чем при обеих других схемах. Было обнаружено, что в малых группах повышение точности одинаково при совместном использовании всех оценок или их среднего геомет- рического. Однако люди используют разные стратегии, чтобы улучшить свои оценки. Модель, основанная на эмпирических результатах, была использована для создания прогнозов для более крупных групп. Предполагается, что совмест- ное использование средних значений будет лучше, чем совместное использование полной информации в повышении точности оценки в более крупных группах.
Следует отметить, что и в этой работе, как и во многих других, не было разработано подхода к оцениванию степени индивидуального целевого влияния на социальные группы.
В работе [14] было предложено извлекать информацию из коллектива, ис- пользуя тех людей, которые сопротивляются социальному влиянию. Предло- жены методы извлечения информации, которую коллектив считает конфиден- циальной. Идея о том, что разные люди или подгруппы людей имеют разные предубеждения, совместима с существованием в популяции различных проце- дур для решения проблемы, каждая из которых имеет различную предвзятость.
Второе и дополнительное объяснение индивидуальности состоит в том, что у людей разные уровни знаний по предмету или даже в общих оценочных упраж- нениях. Этот уровень знаний, вероятно, недостаточно высок, чтобы люди могли заявить об этом, но его будет достаточно, чтобы действовать в соответствии с ним, столкнувшись с социальным влиянием. Методы, предложенные для улуч- шения “мудрости толпы”, не соответствуют обычной ситуации, в которой люди взаимодействуют естественным образом. Напротив, это протокол, который можно использовать для извлечения высококачественной информации в человеческих коллективах, даже если она присутствует только в меньшинстве группы.
Проведенный анализ работ, посвящѐнных выявлению разнонаправленного влияния в социальных и виртуальных сообществах [8–14] показал, отсутствие методов оценки влияния как “формальных”, так и “неформальных” лидеров, политических связей на региональный социум, или отдельного индивида. Так- же в приведенных работах [8–14] больше внимания уделяется влиянию коллек- тивного мнения на индивида, но не наоборот.
Необходимость разработки метода оценки социального влияния обуслов- лена фактическим наличием таких воздействий, особенно в ситуациях, связан- ных с выборами и оценки влияния отдельных агентов на позиции и рейтинги политических сил.
3. Цель и объекты исследования
Целью работы является разработка метода оценки социального влияния в региональных сообществах. Метод основан на матричных моделях взаимодей- ствия агентов сети с учетом подверженности влиянию различных государ- ственных учреждений и организаций, одновременно с учѐтом политической
For
reading
only
активности участников процесса. Такой подход позволит своевременно полу- чать динамическое изменение уровня подверженности социальному влиянию, в офлайн режиме формировать целенаправленные воздействия на основе вычис- ленных характеристик.
Для достижения цели работы необходимо решить следующие задачи:
– разработать модели оценки социального влияния государственных ин- ститутов, медиа и неформальных лидеров на региональные сообщества, их от- ношение к политическим партиям, влияния регионального социума на форми- рование рейтинга политических сил;
– разработать метод оценки суммарной интенсивности влияния той или иной институциональной структуры;
– разработать метод оценки и прогнозирования рейтинга политических сил, основанного на механизме социального влияния.
4. Материалы и методы исследования
Одним из основных моментов при определении воздействия на сообще- ство и социальную группу является само выделение этого сообщества внутри всей социальной сети или социума в целом.
Сообщество определяется как группа узлов с более тесными внутренними связями, чем с остальной частью сети [15]. Это интуитивное определение было формализовано несколькими конкурирующими способами, обычно в виде функции качества, которая количественно оценивает качество данного разделе- ния сети на сообщества. Основные подходы к выделению сообщества из сети представлены на рис. 2.
МЕТОДЫ
определения (выделения) сообществ в социальных сетях
Функции качества Алгоритм Кернига Лин
Спектральные алгоритмы
Многоуровневое разбиение графа
Марковская кластеризация
Агломеративные/
разделяющие алгоритмы
Рис. 2. Основные подходы к выделению сообщества из сети Ниже рассматриваются особенности каждого из методов.
Функции качества.
В литературе [14, 15] было предложено множество функций или показате- лей качества, чтобы отразить качество разделения графа на кластеры. В даль- нейшем A обозначает матрицу смежности сети или графа, где A (i, j) представ- ляет вес ребра или сродство между узлами i и j, а V обозначает вершину или набор узлов графа или сети.
Not
a reprint
Нормализованный разрез группы вершин S⊂V определяется как:
, ,
, ,
, d e g r e e d e g r e e
i S j S i S j S
c u t
i S i S
A i j A i j
N S
i j
(1)где нормализованный разрез группы узлов S – это сумма весов ребер, которые соединяют S с остальной частью графа, нормированные на общий вес ребер S и остальной части графа S. Интуитивно понятно, что группы с низким нормали- зованным разрезом являются хорошими сообществами, поскольку они хорошо связаны между собой, но слабо связаны с остальной частью графа.
Алгоритм Керниган-Лин (KL). Вершина не считается повторно перемеща- емой, если она уже была перемещена на текущей итерации. После того, как вершина была перемещена, прирост для ее соседних вершин будет обновлен, чтобы отразить новое назначение вершин разделам. Хотя каждая итерация в исходном алгоритме KL [15] имела сложность O(|E|log|E|), в дальнейшем улучшена до O(|E|) за итерацию, используя соответствующие структуры дан- ных. Этот алгоритм может быть расширен до нескольких отдельных разделов, улучшая каждую пару разделов в многопользовательском разделе описанным выше способом.
Агломеративные/разделяющие алгоритмы [15] начинаются с каждого узла социальной сети в своем собственном сообществе, и на каждом этапе объеди- няют сообщества, которые считаются достаточно похожими. Это продолжается до тех пор, пока либо не будет получено желаемое количество сообществ, либо оставшиеся сообщества не окажутся слишком непохожими для дальнейшего слияния. Алгоритмы разделения работают в обратном порядке; они начинают со всей сети как одного сообщества и на каждом этапе выбирают определенное сообщество и разбивают его на две части. Оба типа алгоритмов иерархической кластеризации часто выводят дендрограмму, которая представляет собой дво- ичное дерево, где листья являются узлами сети, а каждый внутренний узел яв- ляется сообществом. В случае делительных алгоритмов отношение родитель- потомок указывает, что сообщество, представленное родительским узлом, было разделено, чтобы получить сообщества, представленные дочерними узлами. В случае агломеративных алгоритмов отношение родитель-потомок в дендро- грамме указывает, что сообщества, представленные дочерними узлами, были агломерированы (или объединены), чтобы получить сообщество, представлен- ное родительским узлом.
Спектральные алгоритмы относятся к классическим методам кластериза- ции и обнаружения сообществ. Спектральные методы обычно относятся к алго- ритмам, которые назначают узлы сообществам на основе собственных векторов матриц, таких как матрица смежности самой сети или других связанных мат- риц. Верхние k собственных векторов определяют вложение узлов сети как то- чек в k-мерном пространстве, и впоследствии можно использовать классиче- ские методы кластеризации данных, такие как кластеризация K-средних, чтобы
For
reading
only
получить окончательное назначение узлов кластерам [15]. Основная идея спек- тральной кластеризации заключается в том, что низкоразмерное представление, индуцированное верхними собственными векторами, с большей ясностью рас- крывает структуру кластера в исходном графе.
Многоуровневые методы обеспечивают мощную основу для быстрого и качественного разбиения графа, и фактически они также использовались для решения множества других проблем [15]. Основная идея состоит в том, чтобы последовательно сжимать или укрупнять входной граф, чтобы получить неболь- шой граф. Затем разбить этот небольшой граф и последовательно спроецировать это разбиение обратно на исходный граф, уточняя разбиение на каждом шаге.
Алгоритм кластеризации Маркова (MCL) Стина ван Донгена кластеризует графы посредством манипуляции со стохастической матрицей или матрицей вероятности перехода, соответствующей графу [15]. В дальнейшем вероятность перехода между двумя узлами также называется стохастическим потоком. Про- цесс MCL состоит из двух операций над стохастическими матрицами: Expand и Inflate. Expand (M) – это просто MM, а Inflate (M, r) увеличивает каждую запись в матрице M до параметра инфляции r (>1 и обычно устанавливается в 2) с по- следующей повторной нормализацией столбцов для суммирования до 1. Эти два оператора применяются поочередно итеративно до сходимости, начиная с исходной матрицы вероятности перехода.
Рассмотренные методы выделения сообществ в социальной сети достаточ- но эффективны. Однако использовать их можно только при относительно не- большом количестве участников и сети и сообществ. Масштабирование ука- занных методов на реальную социальную сеть предельно усложняет процессы расчѐтов и идентификации сообществ.
Кроме определения границ и участников социальных сообществ, необхо- димым является и определение типа и природы социального влияния на пове- дение таких сообществ.
Центральной проблемой социального влияния является понимание взаи- мосвязи между сходством и социальными связями [16]. Во многих исследова- ниях предпринимались попытки определить влияние и корреляцию в социаль- ных сетях с учетом самых разных аспектов. Такими аспектами являются соци- альное сходство и влияние; маркетинг через социальное влияние, максимизация влияния; модель и практика социального влияния через конформность, уступ- чивость и повиновение, а также социальное влияние в виртуальных мирах.
Определить наличие социального влияния можно традиционными методами.
Гомофилия [16] – одна из самых фундаментальных характеристик соци- альных сетей. Это говорит о том, что актер в социальной сети, как правило, по- хож на своих связанных соседей или “друзей”. Это естественный результат, по- тому что друзья или соседи данного актера в социальной сети не являются слу- чайной выборкой из основной совокупности.
Экзистенциальный тест на социальное влияние.
В работе [17] авторы пытаются отделить социальное влияние от домашних или мешающих переменных, предлагая тест перетасовки и тест обратного края.
Идея случайного теста заключается в том, что, если социальное влияние не иг-
Not
a reprint
рает роли, время такой активации не должно зависеть от времени действия дру- гих агентов. Даже учитывая то, что вероятность активации агента может зави- сеть от его друзей. Следовательно, распределение данных и характеристики не изменятся, даже если точное время появления будет изменено. Идея теста сме- ны краев заключается в том, что другие формы социальной корреляции (поми- мо социального влияния) основаны только на следующем. Два друга часто имеют общие характеристики или подвержены влиянию одних и тех же внеш- них переменных. Таким образом, изменение краев не изменит существенно оценку социальной корреляции. С другой стороны, социальное влияние рас- пространяется в направлении, указанном ребрами графа, и, следовательно, из- менение направления ребер должно интуитивно изменить оценку корреляции.
В работе [18] тестируются модели, используя данные тегов с Flickr, и под- тверждают социальное влияние как источник корреляции между действиями людей с социальными связями.
Влияние и действия. Влияние обычно отражается в изменении моделей соци- альных действий (поведения пользователей) в социальной сети. В работах [18, 19]
изучалась проблема изучения степени влияния на основе исторических действий пользователя. В других работах [20, 21] исследуется как социальные действия раз- виваются в контексте сети и как на них воздействует социальное влияние.
Влияние и взаимодействие. Помимо атрибута и действий пользователя, влияние также может отражаться во взаимодействии между пользователями [19]. Обычно онлайн-сообщества содержат дополнительную информацию о взаимодействии с пользователями. Например, у пользователя Facebook есть страница на стене, где ее друзья могут публиковать сообщения. По сообщени- ям, размещенным на Стене, можно сделать вывод, какие друзья – близкие, а ка- кие – только знакомые. Точно так же можно использовать подписчиков и под- писчиков в Твиттере, чтобы сделать вывод о прочности отношений.
Максимальное влияние в вирусном маркетинге. Анализ социального влия- ния имеет множество практических применений. Максимизация влияния в ви- русном маркетинге – пример такого важного применения [19]. Проблема часто мотивируется определением потенциальных клиентов в маркетинговых целях.
Цель состоит в том, чтобы минимизировать затраты на маркетинг и, в более общем плане, максимизировать прибыль. Например, компания может пожелать продавать новый продукт через естественный эффект «молвы», возникающий в результате взаимодействия в социальной сети. Цель состоит в том, чтобы при- влечь небольшое количество влиятельных пользователей к принятию продукта и впоследствии вызвать большой каскад дальнейшего внедрения. Для достиже- ния этой цели нужна мера для количественной оценки внутренних характери- стик пользователя (например, ожидаемой прибыли от пользователя) и сетевой ценности пользователя (например, ожидаемой прибыли от пользователей).
Таким образом, анализ социального влияния направлен на качественное и количественное измерение влияния одного человека на других. По мере того как социальные сети становятся все более распространенными в повседневной деятельности миллионов людей, как исследования, так и практические прило- жения по социальному влиянию будут продолжать расти. Кроме того, размер
For
reading
only
сетей, в которых должны использоваться базовые приложения, также продол- жает расти с течением времени. Поэтому востребованы действенные методы социального воздействия.
Предлагаемый метод оценки социального влияния в региональных сооб- ществах основан на матричных моделях взаимодействия агентов сети с учетом подверженности влиянию различных государственных учреждений и организа- ций одновременно с учѐтом политической активности участников процесса.
Такой подход позволяет своевременно получать динамическое изменение уровня подверженности социальному влиянию. А также формировать не только прогноз влияния агентов, но и взаимодействие различных агентов с учетом их формальных и неформальных влияний, использования административного ре- сурса, политических настроений регионального социума. Таким образом, ко- нечная последовательность шагов позволяет существенно упростить получение комплексированных результатов политической и социальной обстановки на ре- гиональном уровне.
5. Результаты разработки метода оценки социального влияния в реги- ональных сообществах
5. 1. Разработка моделей оценки влияния формальных и неформаль- ных лидеров на региональные сообщества
Математические модели оценки подверженности социальному влиянию региональных сообществ с точки зрения отношения к политическим партиям формально могут быть заданы в матричной форме. Влияние элементов государ- ственных институтов, медиа и неформальных лидеров, и регионального социу- ма на формирование рейтинга политических сил задаѐтся аналогично.
Введем в рассмотрение следующие множества элементов и их характеристик.
Пусть:
– AA={AA1, AA2, …, AAk} – множество государственных институтов власти (формальные лидеры). Для удобства последующих вычислений представим множество в виде одномерного вектора A=(AA1, AA2, …, AAk). Для каждого из элементов определен уровень организационно-государственной иерархии, ко- торый занимает этот элемент. Для каждого из уровней определим весовой ко- эффициент λ, который учитывает “властный вес” (политический вес) иерархи- ческого уровня элементов государственных институтов. Так при четырехуров- невой модели государственного устройства значения весового коэффициента уровня определим как λi{1, 0.75, 0.5, 0.25}. Таким образом, чем выше уровень государственной иерархии, который занимает тот или иной элемент, тем более весомым предполагается его политическое влияние на региональный социум (нумерацию уровней начинаем с наивысшего).
– PP={PP1, PP2, …, PPn} – множество политических сил (партий, блоков, движений, political parties), представленное в виде одномерного вектора P=(PP1, PP2, …, PPn); каждой политической силе можно поставить в соответ- ствие весовой коэффициент, отражающий ее рейтинг – θi∈[0, 1].
– IL={IL1, IL2, …, ILl} – множество неформальных лидеров региональной общины (informal leaders), к которым относятся: руководители предприятий,
Not
a reprint
организаций, компаний, криминальные элементы, киберзлоумышленники и т.
п., представленное в виде одномерного вектора;
– MM={M1, M2, …, Mm} – множество элементов медиа (media), к которым относятся: средства массовой информации (СМИ, газеты и журналы централь- ного и местного уровня). Интернет (социальные сети, ресурсы СМИ), телеви- дение, радио, представленное в виде одномерного вектора M=(M1, M2, …, Mm);
– SS={SS1, SS2, SS3, SS4} – региональная община (социум), представленная множеством своих возрастных групп (segments of society). Разбиение на воз- растные группы является стандартным для социологии и определяется следу- ющими возрастными диапазонами (в годах) (17–30), (31–60), (61–75), (76–90).
Каждой возрастной категории регионального социума необходимо поставить в соответствие два коэффициента. Коэффициент политической активности, кото- рый можно рассматривать как вовлеченность в социальные процессы и в силу этого подверженность социальным манипуляциям ψi∈{0.75, 1, 0.5, 0.25}. И долю соответствующей возрастной категории в общем количестве лиц, состав- ляющих региональный социум W=(w1, w2, w3, w4).
Влияние соответствующих лиц и организаций (множества AA, PP, IL, MM) на различные категории регионального социума (множество SS) может быть формально представлено матрицей IMP. Размер матрицы (k+l+m+n)4, где m – это мощность множества MM, l – мощность множества IL, а k – мощность мно- жества AA, n – это мощность множества PP.
В качестве элементов матрицы используются значения µij∈{1, 0.75, 0.5, 0.25}, которые рассматриваются как весовые коэффициенты, отражающие силу социального влияния элементов государственных институтов, медиа и нефор- мальных лидеров на отношение региональных общин к политическим партиям.
При этом µij может быть как положительным, так и отрицательным (отрица- тельное значение обозначает негативное влияние элементов государственных институтов, медиа и неформальных лидеров на отношение региональных со- обществ к политическим партиям).
Структурная схема взаимодействия субъектов регионального общества и формальных и неформальных лидеров представлена на рис. 3.
Сформируем матрицы влияния по различным множествам, составляющих основу разрабатываемых моделей.
Шаг 1. Сформируем матрицу распределения государственных институтов (формальных лидеров) по уровням организационно-государственной иерархии:
1 1 1 4
1 4
...
... ... ... .
k ... k
h h
H
h h
(2)
For
reading
only
Уровень АА1
Уровень АА3
Уровень АА4
депутаты Совета государственного уровня
АА1
Силовые ведомства АА1
Региональный социум
SS 31-60 лет
SS2
76-90 лет SS4
Предприятия, компании (сельскохозяйственные)
IL4
Политические партии
РР РР1
РР2
...
РРn
Влиятельные лица IL4
Злоумышленники IL1-IL4
Влиятельные лица IL1
председатель местного самоуправления
АА4
Предприятия, компании (промышленные, сельскохозяйственные)
IL3
Мер районного центра
АА3
Предприятия, компании (промышленные)
IL2
- административная (формальная) связь
- неформальная связь Медиакомпании (СМИ, Интернет, телевидение, радио) ММ3
депутаты местного самоуправления
АА4
Медиакомпании (Интернет) ММ4
Киберзлоумышленники IL1-IL4
Влиятельные лица IL2
Силовые ведомства АА3
Силовые ведомства АА2
депутаты Совета районного уровня
АА3
Медиакомпании (СМИ, Интернет, телевидение, радио) ММ2
депутаты Совета областного уровня
АА2
Медиакомпании (СМИ, Интернет, телевидение, радио) ММ1
Губернатор области АА1
Предприятия, компании (промышленные)
IL1
Мер города АА2
Влиятельные лица IL3
Силовые ведомства АА4
61-75 лет SS3
17-30 лет SS1
Рис. 3. Структурная схема взаимодействия субъектов регионального обще- ства и формальных и неформальных лидеров
Not
a reprint
Количество строк матрицы соответствует количеству государственных ин- ститутов (формальных лидеров), а количество столбцов – количеству уровней системы государственного управления (в данном случае предполагается рав- ным 4). Элемент hij равен 1, если государственная институция i находится на уровне j, и 0 – в противном случае. Поскольку для каждой институции возмож- но нахождение только на одном уровне, то для формируемой матрицы можно записать систему ограничений:
4
1
0 ,1 1, , 1, 4 ,
1 .
ij
ij j
h i k j
h
(3)Принято допущение о том, что для государственных институций их поли- тический вес (то есть важность высказанного мнения, точки зрения) тем боль- ше, чем выше уровень организационно-государственной иерархии (как отраже- ние политического веса). Следовательно, полученные ранее значения коэффи- циентов aij, исходя из распределения по уровням иерархии, должны быть от- корректированы, и будут вычисляться следующим образом:
ij ij j,
h h i 1, ,k j 1, 4 , j 1, 0 .7 5 , 0 .5 , 0 .2 5 . (4)
Политический вес соответствующей институции определяется следующим образом:
4
1
i i j.
j
v h
(5)Формирование вектора весовых коэффициентов влияния на региональный социум государственных институций с учетом их иерархического уровня:
ij vi ij.
(6)
Шаг 2. После формирования значения политического веса формальных лидеров, можно сформировать матрицу влияния элементов государственных институтов власти в зависимости от уровней иерархической модели государ- ства:
ij ij ij.
h h (7)
Аналогичные корректировки коэффициентов влияния неформальных ли- деров и средств массовой коммуникации могут быть проведены для соответ- ствующих множеств. Однако на данном этапе построения модели влияния, эти
