Цель, объект и гипотеза

Объяснительные схемы современной политики существенно деформируются из-за вторжения в политическую жизнь виртуальных сетевых феноменов. Между тем, формальные количественные показатели сообществ в социальных сетях нередко не совпадают с уровнем мобилизации, вовлечённости пользователей. Интернет – это пространство, переполненное «мыльными пузырями». Одни группы формируют лишь поверхностный интерес, тогда как другие – способны вывести своих участников на улицы. Поэтому, в целях мониторинга политической активности в социальных сетях, важно знать, кто и на что способен или не способен.

Цель нашей работы – зафиксировать признаки политической мобилизации в сетях в период обострения внутриполитической борьбы (включая уличные акции оппозиции) в начале 2021 г. в России. Таковая цель имеет также методологический аспект: мы стремились протестировать новый инструментарий и понять, возможно ли, посредством формальных математических методов, обнаружить своего рода сигнатуру мятежа, т.е. мобилизацию протестных групп в угрожаемый период. Именно политическая мобилизация выталкивает людей из виртуального пространства на улицы. Одна из фундаментальных проблем современной политологии – научиться видеть, как, где и когда связаны сфера мнений и сфера действий.

Мобилизованные (и, следовательно, в определённом смысле, готовые к некоторого рода действиям) группы необходимо отличить от массы других сообществ, которые, даже имея огромное множество участников и излучая большие объёмы информации, не способны инициировать активное участие.

В этом исследовании применён новый исчисляемый индикатор для выявления сетевых сообществ, для которых характерна сильная вовлеченность пользователей и высокий уровень политической мобилизации. Мы попытаемся продемонстрировать возможности данного инструментария в ходе предметного изыскания.

Объектом исследования является связанная совокупность (кластер) сообществ (групп / узлов) в социальной сети ВКонтакте, через которые проходят в сеть в той или иной мере протестные месседжи. Для всех рассмотренных групп мы определим индекс мобилизации в угрожаемый (с точки зрения возможности насильственных уличных протестных акций) период – первая четверть 2021 г.

Высокая вовлеченность в этой работе определена как «такое состояние участников сетевых сообществ, в котором участники проявляют повышенную готовность воспринимать и распространять сетевые политические сообщения (месседжи), опубликованные в сообществе, а также формировать свои оценки текущей политической ситуации, менять своё мнение и действовать (как в виртуальной реальности, так и на улицах) под воздействием таковых сообщений. Для политических сообществ сильная вовлеченность, как правило, означает и высокую политическую мобилизацию участников» [5].

В одной из наших предшествующих статей для выявления уровня мобилизации предложен индикатор на основании теории самоорганизованной критичности (СОК): «Мы исходим из представления, что сообщества, пребывающие в состоянии критичности, в сущности, можно считать мобилизованными. Теория СОК изначально создана для описания обширного класса естественнонаучных феноменов, однако уже в классических трудах основателей теории содержалось утверждение о её применимости и к социальным системам. Атрибут состояния СОК – 1/f-шум (розовый шум) – может быть точно вычислен на основании динамических рядов, представляющих собой запись изменений во времени ключевых параметров системы. Следовательно, обнаружение 1/f-шума может быть использовано в ряде случаев для идентификации мобилизованных сообществ. Инструментарий теории СОК, поэтому, весьма удобен для мониторинга состояний сетевых сообществ» [5].

Для отбора групп, которые вошли в исследование, мы картографировали ближайшее сетевое окружение нескольких сообществ, которые в данном исследовательском дизайне сыграли роль «точек входа» в протестную сеть. Точки входа оказались подсвечены, поскольку довольно сильно отреагировали на некоторый политический месседж. Приёмы картографирования более детально представлены в разделе «Картографирование сети».

Актуальность исследования обусловлена необходимостью наращивания методологического арсенала для мониторинга и анализа сетевой политической и, в том числе, протестной активности. Известно, что цветные революции могут возникать как своего рода «чёртик из табакерки», т.е. без длительного и видимого периода подготовки и без соразмерных объективных социально-экономических предпосылок. Таковая взрывообразная активность, среди прочего, может быть обусловлена воздействием виртуальных феноменов на течение политических процессов, когда организация и самоорганизация протестов происходит в легковозбудимой сетевой среде.

Краткий обзор научной литературы

Ряд теоретико-методологических работ по проблемам СОК расширяет сферу применения этой концепции, в том числе, и на социогуманитарные предметы [1; 2; 6; 8; 14; 15; 16; 17; 20; 23; 27; 28]. Наличие СОК в активности Интернет-сообществ показано в работах Б. Тадич и коллег [25], а также А.В. Дмитриева и В.А. Дмитриева [19]. Степенные законы (признаки СОК) в социальных системах показаны в ряде публикаций в ведущих международных и отечественных журналах [5; 7; 12; 13; 18; 22; 23; 24; 26]. Не столь давно журнал Chaos, Solitons & Fractals опубликовал статью, показывающую самоорганизованную критичность в истории государственных институтов Китая [21].

В современной политологии утверждается тезис о качественной трансформации политической реальности в результате возрастания значимости сетевых и виртуальных феноменов. Вокруг этой темы формируется весьма обширная литература; вклад в эту область внесли многие авторитетные исследователи. Здесь мы обозначим лишь те работы, которые в наибольшей мере повлияли на исследовательский дизайн предлагаемого проекта. Это труды С.В. Володенкова [4], Л.В. Сморгунова [9], И.А. Быкова [3], С.Н. Федорченко [10; 11] и ряда других исследователей.

Анализ литературы показывает, что заявленная тематика обеспечена хорошим теоретическим фундаментом, считается весьма новой и перспективной, поддерживается весьма авторитетными учёными и журналами.

Подход и инструментарий

Данное исследование произведено в русле наших многолетних усилий по изучению эффектов СОК в социальных и политических системах. Соответствующие подходы и методологию мы детально рассмотрели в наших предшествующих публикациях [5]. Здесь обозначим ключевые положения теории СОК (и её инструментария), которые, полагаем, обуславливают её эффективность в фиксации, описании и объяснении феноменов, которые являются предметом данного исследовании.

Самоорганизованно-критические системы состоят из большого количества коммуницирующих микроуровневых элементов. При выполнении ряда условий отдельные несильные события в таких системах возбуждают множественные длинные причинно-следственные цепочки, одни из которых могут взаимно усиливаться, другие – взаимно  ослабляться. Кроме того, наличие обратных (петлеобразных) причинно-следственных связей между элементами приводит в некоторых случаях к балансировке микроуровневых процессов, а в иных случаях – к их взрывообразному самоусилению. Колебания разных – и всех возможных – масштабов, возникающие в самоорганизованно-критической системе, обозначаются как розовый шум (1/f-шум) (рис. 1).

Рис. 1. Слева – искусственный сигнал, розовый шум; справа – спектральная плотность мощности (одна из разновидностей спектрограммы) представленного сигнала

Таков механизм формирования  общесистемных – глобальных – закономерностей «снизу вверх», т.е. в результате взаимодействия большого количества микроскопических элементов. Причем, подобного рода взаимодействие является ординарным, тогда как глобальное поведение системы включает в себя экстраординарные скачкообразные отклонения основных системных параметров – лавины.

Реальные причины лавин, поэтому, скрыты от внешнего наблюдателя в глубине системы. Ведь микроуровневые процессы, которые долгое время не приводят к сколько-либо заметным последствиям, как правило, не принимаются в расчёт при прогнозировании и объяснении масштабных всплесков активности. Вместе с тем, непосредственный – как правило, малозначимый – повод для лавины не является её истинной причиной. Так возникает нелинейный эффект – нарушение соразмерности причин и следствий.

Самоорганизованно-критическая система и отдельные её элементы находятся под сильным влиянием двух противонаправленных процессов: накопления напряжения (противоречий, конфликтов) и релаксации, т.е. сброса напряжения. Такое состояние подобно растянутой во времени точке бифуркации: в любой момент динамический баланс может быть разрушен, и система должна будет пережить катастрофическое разрушение и качественную трансформацию. Теория СОК объясняет, почему и как некоторые системы способны пребывать в таком состоянии довольно длительное время.

Подобного рода динамика во многих дисциплинах обозначается как прерывистое равновесие (punctuated equilibrium). Теория СОК трактует это понятие как розовый шум. «…Это явление, – пишет Г.Г. Малинецкий, – наблюдается в процессе биологической эволюции, функционировании социальных и технических систем. Типичной оказывается ситуация, когда в течении очень большого времени ничего заметного не происходит, а затем стремительные изменения кардинально меняют облик системы, наступает время революций, что, разумеется, не отменяет множества мелких событий, которых мы просто не замечаем» [6, с. 39].

Основные понятия теории СОК иллюстрирует модель кучи песка. Если на вершину такой кучи постоянно насыпать некоторое, весьма небольшое, количество песчинок, то у подножья мы сможем наблюдать серию оползней, перемежающихся периодами  покоя, когда никаких событий не происходит. Наконец, произойдёт масштабная лавина. Как отдельные оползни, так и лавина инициируются одной песчинкой и возникают тогда, когда угол наклона кучи достигает критической величины. Причина оползней и лавин кроется не в поведении песчинок-инициаторов, а в характере взаимодействия всех песчинок на склоне кучи. Постепенный рост напряжения в совокупности с быстрыми релаксациями формирует событийный ряд, который является, по существу, розовым шумом.

 Для вычисления розового шума необходимо проделать спектральный анализ динамических рядов, которые генерирует система. Используемые для этого динамические ряды должны представлять собой запись ключевой активности или ключевого свойства системы во времени. В этом случае мы сможем, зафиксировав 1/f-шум, утверждать, что система находится в состоянии критичности или, наоборот, не обнаружив 1/f-шума, сможем отрицать наличие критичности. Для анализа поведения Интернет-сообщества мы предлагаем использовать динамические ряды, содержащие подневные сведения о репостах  сообщений, которые были размещены на странице группы.  Полагаем, что именно динамика репостной активности хорошо индикатирует состояние сообществ, поскольку репост, будучи актом рефлексии, является фундаментальным механизмом информационного взаимодействия в Сети.

Для того чтобы идентифицировать розовый шум, необходимо показать, что, во-первых, в спектрограмме (в спектральной плотности мощности) исследуемого динамического ряда наблюдается степенная закономерность и, во-вторых, показатель степени находится в некотором диапазоне около 1 (условно говоря, от 0,5 до 1,5).  В этом исследовании спектральный анализ производился посредством программы Statistica (модуль «Spectral analysis» с настройками: «pad length to power of 2», «no taper», «subtract mean», «detrend»).  Достоверность аппроксимации данных степенной закономерностью оценивалась посредством величины R². Приближение R² к 1 указывает на то, что исследуемая математическая закономерность идеально описывает реальные данные.

Гипотеза, которая лежит в основе нашего исследования, состоит в том, что сообщество, находящееся в состоянии СОК, можно считать такой группой, для которой характерна высокая вовлечённость пользователей и которая способна влиять на мнения и поведение пользователей.

Описание СК-систем в теории СОК можно трактовать как совокупность признаков социальной группы, для которой характерна высокая вовлечённость участников. Конечно, пользователи могут демонстрировать высокую вовлечённость и при обсуждении кинофильмов или футбольных матчей. Однако мы будем исследовать группы, в которых политические вопросы находятся, как правило, в центре внимания. Поэтому полагаем, что розовый шум в таких группах может указывать на высокий уровень политической мобилизации. Соответственно, показатель степенного закона – α – и будет использован в качестве индикатора вовлеченности пользователей и политической мобилизации сообществ.

Картографирование сети

Важно определить критерий, на основании которого будет фиксироваться связь между разными узлами (группами ВКонтакте). Этот критерий должен выявлять рефлексивность.

В данном исследовании принято, что между двумя группами (узлами сети) есть связь, если они имеют некоторое значимое (для одной или обеих групп) количество совпадающих / общих участников. Вес связи определён, соответственно, как количество совпадающих пользователей. «Действительно, если два сообщества имеют достаточно большое количество общих членов, то следует предположить, что для таких сообществ характерен интенсивный обмен сообщениями: мнениями, оценками, новостями и пр.» [5].

Картографирование начиналось с групп, играющих роль точек входа. Эти группы обозначили свою высокую политическую активность, опубликовав посты о ликвидации неправительственной организации – иностранного агента «Международный Мемориал»[1], набравшие наибольшее количество лайков. Такая негативная оценка этого события «подсветила» политическую ориентацию и влиятельность групп. Однако наше исследование не было сфокусировано на изучении реакции именно на данное событие; и таковая реакция использовалась нами лишь для формирования начальной выборки посредством поисковых запросов ВКонтакте. Количество общих пользователей выявлялось посредством сервиса vk.barkov.net. Группы, которые имели значительное количество пользователей из исходной аудитории (т.е. из группы, которая является «точкой входа»), здесь условно именуются «сопряжёнными». В общей сложности в исследование было вовлечено 40 сообществ – точек входа (см. группы в табл. 1, отмеченные «*»), а также более 7200 сопряжённых групп. Все исходные данные размещены в открытом доступе на сайте Центра фрактального моделирования: http://ineternum.ru/category/bazy-dannyx/.

Результаты картографирования (узлы, связи и их характеристики) накоплены в виде БД MS Access, визуализированы в виде графа и подвергнуты анализу посредством программы Gephi.

Информация о ликвидации судом неправительственной организации – иностранного агента «Международный Мемориал» появилась 28 декабря 2021 г. (29 декабря стало известно о ликвидации Правозащитного центра «Мемориал»). Мы рассмотрели сообщения об этом событии, сделанные 28, 29 и 30 декабря и выданные поисковым сервисом ВКонтакте по запросу «Мемориал ликвидирован» (тип «новости»). (Сообщения за 31 декабря не рассматривались, поскольку в этот день было опубликовано много новогодних постов с обширными итоговыми перечнями всех поводов для недовольства либеральной оппозиции). Таким образом, в поле нашего зрения оказалась непосредственная реакция. Причём, в расчёт брались те посты, в которых содержалась резко негативная оценка этого события и которые набрали не менее 100 лайков. Такой подход, полагаем, позволил обнаружить сообщества, сильно вовлечённые в оппозиционно-политический дискурс, наиболее влиятельные и наиболее быстро реагирующие. Такие сообщества весьма удобны в роли точек входа, так как весьма вероятно, что именно такие сообщества связаны рефлексивностью с большим множеством протестных групп.

В общей сложности 28 – 30 декабря во ВКонтакте было опубликовано 148 постов на эту тему, из которых 55 сообщений чрезвычайно положительно оценивали ликвидацию, 64 сообщения – резко негативно, остальные – в той или иной мере нейтрально. Упомянутые 64 сообщения с осуждением властей, страны и народа по поводу ликвидации «Мемориала» опубликованы в 39 группах, которые и стали точками входа при картографировании. Одно исключение было сделано для неофициальной группы «Эха Москвы», которая, конечно, дала бы ожидаемую оценку закрытию «Мемориала», но группа в конце 2021 г. не работала. Группа была внесена в список точек входа.

Затем для каждой точки входа, посредством сервиса vk.barkov.net, был произведён поиск групп, имеющих значительное количество общих участников с исходной группой. Шесть групп-точек входа скрыли своих участников; соответственно для них поиск сопряжённых групп был невозможен (см. табл. 1).

Отбор сопряжённых групп включал две итерации. В первой итерации найденные сопряжённые группы были ранжированы в зависимости от количества общих членов (точнее – в зависимости от количества пользователей из исходной группы, которые входят также и в спряжённую). Для разных точек входа мы рассматривали разное количество сопряжённых групп, пропорциональное числу участников точки входа. Так, для групп от 0 до 10 000 участников рассматривался топ-10 сопряжённых групп. Для групп с 128 000 участников рассматривался топ-128. Поэтому каждая отдельная мегагруппы имела возможность вносить больше связей и сопряжённых групп в картографирование. Зато небольших групп существенно больше. Такой подход позволяет отразить баланс между мега-, мезо- и мини- группами. Картографированный кластер (совокупность связанных групп / узлов), в таком случае, нельзя считать завершённым, но он будет репрезентативным: в кластер входят сопряжённые группы, значимые как для участников мегасообществ, так и для участников маленьких групп.

При поиске сопряжённых групп в расчёт принимались группы от 3000 чел. (это размер самой маленькой группы среди точек входа) до 1 млн.

Мелкие группы, теоретически, следует рассматривать как более специализированные (заточенные под узкие интересы и задачи) и, соответственно, более однородные по составу. Однако следует иметь в виду, что некоторая часть аудитории групп, очевидно, составлена фейковыми аккаунтами.

Из всей многотысячной совокупности сопряжённых групп мы отбирали только политизированные сообщества. Большие группы типа «Медузы»[2] в топе сопряжённых групп имеют много связей с развлекательными или иными неполитизированными ресурсами; небольшие группы (т.е. созданные по ярко выраженному интересу), напротив, имеют множество связей с иными политизированными группами и, как ни странно, с некоторым одним пакетом тематических групп (например, музыкальные группы, «строительство и дача», мемы и т.п.). Тем не менее при таком подходе в топ-600 или топ-10 оказывались, преимущественно (хотя и не всегда), наиболее крупные группы, которые просто в силу своего размера имели много общих пользователей. Как обнаружить средние и мелкие группы?

Эта проблема была решена во второй итерации. Мы ограничили размеры сопряжённых групп, которые искал парсер, от 3 тыс. до 50 тыс. чел. Это позволило получить опять-таки ранжированные списки, но уже более мелких групп. (Заметим, что среди точек входа около половины – группы с менее чем 50 тыс. участников.) Из второй итерации были исключены наиболее крупные точки входа (более 200 тыс. чел.). В таких крупных группах (объединяющих многообразные интересы) в «хвосте» ранжированного списка (в скоплении мелких сопряжённых групп) много совершенно случайных.

Критерии, по которым отбирались группы: политизированность и наличие протестного потенциала. Учитывая специфику точек входа, ядро картографированного кластера составили либерально-русофобские группы, а также группы, контент которых можно охарактеризовать как «чернуха». В кластер не попали провластные группы, но, как ни странно, вошло небольшое количество националистических и заметное количество сталинистских групп. Последнее обстоятельство вызывает удивление, поскольку точки входа должны были иметь, по определению, антисоветскую ориентацию. Тем не менее у либералов-антисоветчиков и сталинистов оказалась некоторая – причём, заметная – общая аудитория, что связано, очевидно, с неприятием российского государства как такового – во всех его исторических фазах. В кластер вошли также немногочисленные группы, принадлежащие к иным категориям в плане их идейно-политических предпочтений. Заметим, что проведённый отбор призван был обнаружить потенциально протестные группы без какой-либо попытки протестировать контент групп на экстремизм. Иначе говоря, картографированный кластер не следует рассматривать как совокупность групп, отобранных по критерию наличия в них экстремистского содержания. Таковой критерий просто не использовался.

Заметим, что для определения протестного потенциала рассматривался не только контент постов, размещённых администрацией группы, но и общая направленность комментариев. Мы исходили из того, что в любом сообществе существует некоторый дискурс, поддерживаемый администрацией, и некоторый дискурс, третируемый большинством участников и / или запрещаемый администрацией. Соответственно, далеко не всегда администрация совершенно нейтральна к общему направлению мнений, выражаемых пользователями.

Любопытно, что в некоторых случаях основная масса постов была подчёркнуто неполитической (история России, природа, животные, военное дело и т.п.), но регулярно возникали русофобские вкрапления. Из кластера были удалены украинские группы, хотя и являющиеся сугубо русофобскими.

Картографированный кластер не обладает полнотой, поскольку прослежены не все связи групп. Тем не менее этот кластер более значим, нежели простая репрезентативная выборка: он включает ядро и периферию протестных групп определённой – прежде всего, либеральной – направленности.

Динамические ряды и хронология

Для всех VK-групп, вовлечённых в исследование, с помощью облачного сервиса popsters.ru были получены динамические ряды (подневные суммы репостов) за первый квартал 2021 г. Эти ряды были подвергнуты спектральному анализу. По спектрограммам мы определили показатели степенного закона и вычислили, таким образом, индекс мобилизации. Это дало материал для выводов об активности и вовлечённости разных пользователей разных групп. Исходные динамические ряды доступны на сайте ЦФМ: http://ineternum.ru/category/bazy-dannyx/.

Рис. 2 представляет данные о суммарной репостной активности изученного кластера, рис. 3 – об активности одной из групп, а рис. 4 содержит примеры спектрограмм отдельных динамических рядов.

Рис. 2. Совокупная репостная активность всех рассмотренных групп ВКонтакте

Рис. 3. Репостная активность группы ВКонтакте «Журнал DOXA»

Рис. 4. Спектрограммы репостной активности групп ВКонтакте, 10.01.2021 – 30.04.2021. А – Клуб для тех, кто головой не только ест (α = 0,086; R² = 0,013); B – Журнал DOXA (α = 0,729; R² = 0,8)

В расчёт принимались только те группы, которые были обеспечены статистикой репостов более 40% дней из рассматриваемого периода. Почему некоторые группы выпали из исследования? Во-первых, некоторые из них были малоактивными. Во-вторых, по техническим причинам статистика некоторых групп недоступна за некоторые дни. В-третьих, некоторые группы появились / активизировались позже рассматриваемого периода.

Поведение сообществ изучалось на хронологическом отрезке от 10 января до 30 апреля 2021 г. Это время уличных протестов, когда с наибольшей вероятностью можно было ожидать политической мобилизации протестных групп, и когда фиксация сетевой мобилизации весьма важна. Это угрожающий период с точки зрения перехода виртуальной активности в уличные – в том числе насильственные – акции.

Хронологические рамки обусловлены следующими событиями. 17 января 2021 г. А.А. Навальный вернулся в Россию и был арестован. 23 января, 31 января и 2 февраля состоялись массовые акции в его поддержку. 2 февраля суд заменил условное наказание А.А. Навальному на реальный срок – 3,5 года. 14 февраля состоялась акция «Любовь сильнее страха» (подсветка дворов фонариками мобильных телефонов). 31 марта 2021 г. А.А. Навальный объявил голодовку. Фактически финальные уличные акции прошли 21 апреля, а 23 апреля 2021 г. А.А. Навальный прекратил голодовку. Таким образом, к концу апреля острая фаза внутриполитического конфликта завершилась полным разгромом сторонников А.А. Навального.

Результаты и интерпретации

В ходе отбора из 7200 рассмотренных групп в исследуемый кластер вошли 264 сообщества.

Общий вид кластера представлен на рис. 5. Более детально (с названиями групп) отдельные сегменты кластера представлены на рис. 6, 7 и 8. Файл в формате gephi доступен онлайн: http://ineternum.ru/category/bazy-dannyx/.

Рис. 5. Сетевой кластер, состоящий из рассмотренных групп ВКонтакте, по состоянию на 20.01.2022 (общий вид). Пояснение: диаметр узлов пропорционален их входящей мощности (количеству входящих связей). Цвет узлов – см. легенду на рис.

Рис. 6. Сетевой кластер, состоящий из рассмотренных групп ВКонтакте, по состоянию на 20.01.2022 (детализация, северная часть). Пояснение: диаметр узлов пропорционален их входящей мощности. Цвет граней смешанный в зависимости от цветов соединяемых узлов. Толщина граней пропорциональна абсолютному количеству общих участников групп. Цвет узлов – см. легенду на рис.

Рис. 7. Сетевой кластер, состоящий из рассмотренных групп ВКонтакте, по состоянию на 20.01.2022 (детализация, центральная часть). См. пояснение к рис. 6

Рис. 8. Сетевой кластер, состоящий из рассмотренных групп ВКонтакте, по состоянию на 20.01.2022 (детализация, юго-восточная часть). См. пояснение к рис. 6

Хотя формальный алгоритм вовлёк в исследование, по существу, посторонние группы (сталинисты, националисты и пр.), мы получили ядро либерально-протестной экосистемы с ближайшей периферией.

Во-первых, косвенным свидетельством в пользу этого утверждения является распределение размеров (числа участников) групп в ряду «ранг-размер». На рис. 9 видно, что этот ряд распределён в соответствии с экспоненциальным законом. Причём, показатель достоверности аппроксимации R² весьма высокий. Это может быть свидетельством того факта, что исследуемая совокупность является не произвольно составленным «монстром Франкенштейна», а естественно развивающимся кластером. Примечательно, что экспоненциальные модели роста / спада часто описывают процессы в экологии и популяционной биологии.

Рис. 9. Ряд «ранг – размер», состоящий из рассматриваемых групп. Пояснение: чёрная линия – экспоненциальный тренд

Во-вторых, структура связей внутри исследуемого кластера свидетельствует о том, что нам удалось выявить основную структуру сети, функционирующей как относительно единый организм. Дело в том, что сопряжённые группы оказались поразительно плотно связаны между собой. Заметим, что это не является артефактом, возникшим из применённого метода: при картографировании все сопряжённые группы, конечно, оказались связаны с точками входа (что обуславливает аномально высокую исходящую мощность точек входа), но сопряжённым группам вовсе не было необходимости быть связанными друг с другом. Плотность всего графа (кластера) составляет 0,039. (Если в графе наличествуют все возможные связи, то его плотность принимается за 1). Несмотря на то, что величина плотности, на первый взгляд, невелика, это число свидетельствует, что граф, состоящий из 264 узлов, является весьма связанным.

Мы выделили узлы с входящей мощностью 10 и более (в Gephi – «входящая мощность» – количество входящих связей данного узла) в новый граф. Фактически, это центральная часть исходного графа на рис. 7. Количество узлов в нём оказалось 48 (18% от всех узлов исходного графа), на которые приходится 21% от суммарного количества неуникальных пользователей). Плотность нового графа оказалась равной 0,275 (рис. 10). Таким образом, в центре изучаемого кластера находится ещё более плотное ядро. Заметим, что многие из групп, отмобилизованных в первом квартале 2021 г., находятся в этом ядре.

Рис. 10. Сетевой кластер, состоящий из рассмотренных групп ВКонтакте, по состоянию на 20.01.2022 (детализация, ядро). См. пояснение к рис. 6

Можно предположить (хотя данное исследование лишь косвенно поддерживает такое предположение), что весь кластер представляет собой огромного размера эхо-камеру, в которую ментально могут быть погружены сотни тысяч людей. Причём, для поддержания этой конструкции важно не столько количество узлов, сколько эффективность, плотность и вес связей рефлексивности. В исследуемом графе максимальный вес грани составлял около 70 тыс. чел., среднее арифметическое всех весов – 3763 чел., медиана – 1932. Таким образом, несколько десятков тысяч (весьма возможно – существенно меньше) активных пользователей, обеспечивающих связи рефлексивности, достаточно чтобы поддерживать виртуальную структуру, в которые могут быть пойманы сотни тысяч чел.

Величины α для рассматриваемых групп представлены в табл. 1.

Таблица 1

Степенные закономерности в спектральной плотности мощности. Исходные данные: репостная активность групп ВКонтакте, 10 января - 30 апреля 2021 г.