tsukanova_oa_modeli_i_metody_upravleniia_informatsionnymi_re-1

81

Данный подход достаточно универсален и потому в целом может быть применен и к задаче, решаемой в данной работе, где в качестве базовой применяется графовая модель сообщества. При этом требуется уточнение в связи с использованием несколько иной интерпретации элементов графа.

Поскольку в качестве базовой графовой модели сообщества используется интегрированная акторно-информационная модель, что означает одновременный учет и акторной, и информационной структуры сетевого сообщества, то действительно, в данном случае, качественные изменения возможны в составе:

1.акторов сетевого сообщества;

2.информационных ресурсов;

3.связей между индивидуальными акторами.

Однако, следует отметить, что отдельные изменения (1-3) происходят довольно редко, поэтому необходимо добавить следующие дополнительные уточнения (4-6):

4.изменение в акторном составе влечет за собой одновременно изменения и

всоставе связей, и в информационном наполнении. Так, привлечение нового актора потенциально увеличивает информационный ресурс того или иного кластера;

5.изменение состава информационных ресурсов может также привлечь новых акторов, а соответственно и повлиять на изменения в связях;

6.изменение в связях влияет на доступность того или иного актора или информационного ресурса.

При любом из вышеперечисленных изменений система переходит в новое состояние. Однако необходимо уточнить, образуется ли при этом новый слой текстуры, и в каком случае. Т.е. особенностью в данном случае является то, что при переходе с одного слоя текстурированного пространства состояний на другой сетевое сообщество может поменять несколько промежуточных состояний,

которые не являются значимыми (фиктивный текстурный слой). Эти фиктивные слои определяются заданным временным промежутком для снятия показаний

82

состояния сети. Такой слой не фиксируются моделью, но условно подразумевается, как некоторое пустое множество – индикатор направления эволюции. Как только появляется заполненное множество – т.е. выделятся качественно новый слой, это пустое множество исчезает из статистики модели.

Следует заметить, что ранее делались попытки методологически осмыслить процесс «пространственного» движения систем. Здесь интересна, в частности,

работа Яхонтова В.Н. [60], в которой автор предлагает «темпоральную модель пространства» для абстрактных понятий «Ничто» и «рефлексия Ничто», оперируя которыми он описывает некую простейшую систему с рефлексивной связью,

справедливо замечая, что «действительность – фабрика непрерывно воспроизводимых объектов». И далее совершенно в духе субъективного идеализма отмечается: «Постулируется существование простейшего объекта с одной рефлексивной связью, порождающего упорядоченное множество состояний. Все остальные объекты – производные» [60].

Вероятно, что некоторыми уточнениями эту методологическую постановку можно применить и для описания реальных объектов, и в т.ч. для описания переходов в модели текстурированного пространства состояний для сетевых сообществ. Но для этого систему необходимо наполнить реальным содержанием и, в соответствии с рекомендациями самого автора, отмеченными в работе [60],

следует определить некоторые категории и метрические показатели (пп. 3.3, 3.4)

3.3.Определение параметров перехода (расстояния между эволюционными

площадками и интенсивности перехода)

В моделях и методологиях, создаваемых для описания объектов в динамике,

расстояние часто определяется временным параметром. Так в рассмотренной выше работе [60] предлагается считать расстоянием между двумя объектами

«время перехода в пространстве состояний из начального состояния в конечное объекта «сцена», являющегося абстракцией системы двух связанных объектов».

83

Т.е. расстояние представляет собой «минимальное время реализации «сцены» как физического объекта». Кроме того, в работе [60] отмечается, что сцена не является традиционным физическим объектом, т.к. нарушается периодичность реализации. В связи с чем, такую сцену предлагается называть «объектом переменной длины» [60].

Данные утверждения благодаря предельной степени абстракции можно считать справедливыми и методологически продуктивными также и для таких объектов, как сетевые сообщества. Для такого объекта в модели текстурированного пространства состояний, понятие расстояния можно определить следующим образом. Расстояние – минимальное время формирования нового слоя в процессе виртуального текстурирования пространства состояний

сетевого сообщества. Т.е. в определенный момент времени сетевое сообщество

обладает определенной структурой, являющейся отражением его состояние в этот

момент. В некоторый момент времени сообщество переходит на новый

уровень развития. В данном случае (условная характеристика, не являющаяся константой) представляет собой период времени, необходимый для перехода на следующий слой или расстояние между двумя слоями текстуры.

Любая реальная система динамична и эволюционна. И даже революция – это лишь ускоренная эволюция. Также и стационарные системы можно трактовать как условно динамичные, взятые дискретно по временному срезу. Любой срез структурен. Следовательно, динамичность системы определяется интенсивность перехода от одной структуры к другой. В сети, как текстурированном пространстве состояний с неявными структурами системообразующим фактором является сами процессы перехода. Исходя из представленной логики, в

методологии научного познания [9] динамичную систему предлагается описывать как «поток переходов пространственно объединенных стационарных систем».

Понятно, что динамичность, или эволюционность, системы будет характеризоваться интенсивностью данных потоков.

84

Для физических систем проблема формализации процессов перехода достаточно подробно разработана [9] и практически и экспериментально реализована, в то же время для социальных, в т.ч. и сетевых, систем, корректный эксперимент в которых весьма затруднен, формализация переходного процесса является проблемой, ожидающей своего решения. (В то же время, например,

интенсивность научных публикаций, сопровождающих процесс формирования научного знания, является достаточно корректным статистическим материалом,

по крайней мере, в первом приближении).

Концепция рассмотрения сети, как условно текстурированного пространства состояний позволяет непротиворечиво отнести рассматриваемую систему к указанному выше классу систем. Однако, ставя задачу формализации потока перехода, без решения которой невозможно корректное моделирование, следует обратить внимание на особенность вида целевой функции. Это не может быть функция, максимизирующая только скорость перехода, поскольку не столько количественные, сколько качественные параметры эволюционной площадки преобразуют ее. Таким образом, речь должна идти о введении особой системной категории – становлении потока.

Это одновременно и функциональное, и структурное явление. Методология структурно-функционального анализа достаточно хорошо разработана для стационарных систем или систем, динамичных в физическом смысле. Однако для социальных сетевых систем процесс становления потока является специфичной задачей. Становлением потока предлагается называть эволюционный процесс,

отражающий не только изменчивость информационного ресурса площадки, но и его устойчивость. Исходя из диалектического характера двух упомянутых категорий, здесь предлагается говорить о становлении потока, об его устойчивости в смысле закономерной изменчивости. Закономерная изменчивость

– означает – неслучайная изменчивость. Отсюда задача – установление закономерности, а затем и моделирование систем на основании установленной закономерности.

85

Логично также сделать замечания, касающиеся определения скорости перемещения системы на новый слой. Выше было отмечено, что период времени между переходами из одного состояния сетевого сообщества в другое, как правило, не является постоянной величиной, поскольку переход в качественно новое состояние может произойти в непредвиденный момент времени. Такие процессы принято называть случайными процессами с непрерывным временем

[1]. Исследователь [1] также отмечает, что для таких процессов «вероятность перехода в точно произвольный момент времени равна нулю» и предлагают

описывать переход с помощью параметра «интенсивности перехода»	, которая
определяется как предел отношения вероятности перехода	системы за

промежуток времени из одного состояния в другое к длине этого промежутка

[1]:

(

Указанная формула достаточно корректна для определения интенсивности перехода при развитии простых или организационно структурированных объектов. Однако сети принадлежат к другому по порядку формализации классу,

и поэтому здесь в большей степени важна не вероятностная интенсивность перехода, а характер распределения параметрических вероятностей, поскольку эффективность управления зависит именно от точности моделирования этого характера по эволюционной площадке. Здесь следует также отметить, что нормальное распределение, являясь «пиковым» не может быть признано оптимальным по целевому применению, эволюционный переход не может быть переходом по точке и даже по ее окрестности. Это должен быть переход по площади. Поэтому целевой функцией при моделировании должна быть функция равномерного распределения вероятностей.

86

3.4.Анализ режимов движения в пространстве состояний

Режим движения характеризует функционирование сетевого сообщества с течением времени.

Исследователи выделяют 5 режимов движения системы в пространстве [2]:

равновесный, периодический, переходный, апериодический и эргодический режим.

К системам с равновесным режимом сетевые сообществ отнести нельзя в связи с тем, что их состояние постоянно меняется. Но, с учетом модели текстурированного пространства состояний, в равновесном (или стационарном)

состоянии сетевое сообщество может находиться в определенный временной срез,

т.е. на одном из слоев моделируемой текстуры. В переходном режиме сетевое сообщество также может оказаться в момент перемещения между двумя слоями.

Для отнесения к классу систем с периодическим режимом в процессе функционирования сетевых сообществах нельзя выделить равные промежутки времени перехода между состояниями вследствие непредсказуемости поведения акторов (выделение таковых будет являться случайным совпадением, или частным случаем).

Эргодический режим предполагает наличие заданного состояния, к которому с течение времени сколь угодно близко может подойти система. А в сетевом сообществе некоторого заданного состояния может и не оказаться. Но,

рассмотрение такого режима имеет место в случае, если применяется управляющее воздействие с целью получения определенного результата. Т.е. в

результате некоторой последовательности управляющих воздействий, система все-таки может быть приведена в заданное состояние. Но такой вариант также является частным случаем.

Таким образом, проанализировав данную классификацию режимов движения, следует отметить, что такую систему как сетевое сообщество в общем случае наиболее корректно можно отнести к классу систем с апериодическим

87

режимом, поскольку обладает переменным периодом перехода из одного

состояния в другое и последующие.

3.5.Экспериментальное исследование режимов движения в пространстве

состояний

Исследование динамического поведения сетевых сообществ может быть сделано на базе специализированных инструментов и методов.

Процесс межслойного перехода и порядок движения сообщества в пространстве рассмотрены на примере сети Twitter.

Методологическая база исследования основана на положениях теории графов, а также методах сетевых технологий. В качестве инструмента практического анализа и визуализации использовалось программное обеспечение

NodeXL. Этот инструмент позволяет работать с данными с целью их анализа.

С помощью данного инструмента предметно исследовалась реакция акторов на события, в частности, соревнование по бобслею в рамках Олимпийских игр

2014 (как одно из наиболее популярных событий), которое гипотетически предполагалось как импульсное событие, способное повлечь за собой образование нового слоя.

Сеть Twitter обладает акторно-информационной структурой. Акторная компонента представлена аккаунтами – акторами, которые могут быть связаны между собой и осуществлять различные действия, которые представляют собой реакцию на внешние воздействия, т.е. события, происходящие в сети и реальной жизни.

Информационная составляющая отражает данные о событиях, происходящих в сети и реальном мире. Эти данные могут поступать из внешней среды напрямую, т.е. вноситься как новости о событиях реального мира, или же косвенно – т.е. формироваться в результате обсуждения в сети событий,

происходящих в реальном мире.

88

Состояние сети Twitter постоянно меняется под влиянием происходящих событий.

В ходе эксперимента, через равные промежутки времени (т.е. до, в течение и после наступления события) на основе полученных данных были построены графы, вершинами которых являются аккаунты пользователей, чьи недавние твиты содержали ключевое слово «bobsleigh» (бобслей). В каждом случае были установлены равные ограничения на количество твитов. Здесь ребра графа характеризуют отношения между пользователями («replies-to», «mentions» и

другие); петлей обозначаются твиты, которые не вызвали ретвит и не были отвеченными. Для построенных графов были проанализированы следующие метрики: количество вершин и ребер (Total Edges and Vertices), связанных компонентов (Connected Components), диаметр графа (Geodesic Distance),

плотность графа (Graph Density), коэффициент кластеризации (Clustering Coefficient), а также меры степени промежуточности (Betweenness Centrality),

близости (Сloseness Centrality) и собственных векторов (Eigenvector Centrality) [83].

В итоге, наибольший интерес для ранжирования вершин представили

показатели Betweenness	Centrality (			) и Eigenvector
Centrality (	[74]. Betweenness	Centrality и Eigenvector Centrality

являются мерой центрированности той или иной вершины в сети.

С практической точки зрения, можно отметить следующее: вершины с высоким коэффициентом Betweenness Centrality обладают большим потенциалом для становления актора информационным брокером в своей сети. Коэффициент

Eigenvector Centrality в свою очередь позволяет оценить наиболее перспективные узлы для начала распространения информации, т.к. оценивается количество и качество связей данного узла с остальной сетью. По результатам анализа метрик были построены графы, отражающие состояние сети в разные моменты времени.

89

Поскольку в настоящее время при рассмотрении социальных сетей речь чаще всего идет о больших данных, то актуальны исследования рандомных выборок в разные срезы времени.

Рассмотренные примеры характеризуют порядок движения сетевого сообщества как системы в пространстве состояний. Это также является отражением динамики реакции акторов с эволюцией события под воздействием роста интереса к нему.

Веб-страницы новостных агентств и новости социальных сетей находятся среди наиболее цитируемых интернет-страниц независимо от эволюции события.

Метрика, характеризующая наиболее упоминаемые элементы в графе (Top Mentioned in Entire Graph) оказалась одним из самых интересных и непредсказуемых параметров в анализируемом примере.

Изначально предполагалось, что наиболее популярными окажутся спортивные события. Но анализ наиболее упоминаемых элементов, а также соответствующих акторов сети показал, что особое место среди этих элементов занимают маркетинговые страницы. Сравнение наиболее часто упоминаемых хэштегов также отражает характер движения сообщества.

По результатам проведенного кейс-стади можно сделать следующие выводы

отипах порядка движения сетевого сообщества:

1.Порядок движения не может считаться равновесным. Сетевое сообщество может находиться в равновесном (стационарном) состоянии только в тот момент, когда оно располагается на определенной эволюционной площадке.

2.Порядок движения является апериодическим и находится под влиянием большого количества разнообразных событий, происходящих в мире, которые отражаются средствами массовой информации.

3.Сетевое сообщество не может считаться системой с периодическим порядком движения. Это связано с непредсказуемым возникновением различных событий, а также непредсказуемым поведением акторов сетевого сообщества.

90

4.Порядок движения сетевого сообщества нельзя считать переходным.

Однако оно может находиться в переходном состоянии в момент перемещения между двумя слоями текстуры. Подобную ситуацию в настоящей работе предлагается описывать в рамках принципов «черного ящика».

5. Эргодический порядок движения также не может корректно описывать перемещение сетевого сообщества в текстурированном пространстве состояний,

поскольку для сетевого сообщества, в общем случае, сложно прийти к предварительно установленному состоянию. Это дополнительно усложняется,

если учитывать особенности больших данных и вытекающие из них проблемы.

Однако, все-таки можно выделить отдельные частные случаи. Например, если рассмотреть корпоративные сетевые сообщества, в которых акторы могут находится под влиянием достаточно сильных управленческих воздействий,

которые направлены на достижение определенных результатов с целью развития компании.

С практической стороны анализ показывает, что маркетинговые страницы занимают специальное место среди аккаунтов, зарегистрированных в сети.

Различные компании, индивидуальные проекты или продукты, известные музыканты и кинозвезды имеют аккаунты в различных социальных сетях.

Значение представленности бренда в социальных сетях возрастает с течением времени. Соответственно, маркетинг в социальных сетях составляет все большую и большую часть тех или иных маркетинговых кампаний.

Для привлечения интереса пользователей недостаточно просто разместить на странице рекламную информацию о продукте или услугах. Особенно важно продумать стратегию поддержания аккаунта и стратегию его наполнения. Анализ показывает, что компании часто передают информацию с новостных страниц для того, чтобы поддерживать интерес пользователя. Это ведет к дополнительному распространению информации.

Полученные результаты анализа метрик и визуализации также иллюстрируют процесс перехода рассматриваемых сетей из эгоцентриванного