Введение (Introduction). В последние несколько лет в нашей стране наблюдается новый виток развития протестного движения. Преимущественно он был инициирован в 2011-2013 гг., и после некоторого перерыва, в значительной степени связанного с «посткрымским консенсусом» и его производными, пролонгирован в 2018-2021 гг. При этом обращают на себя внимание его отличия от других видов протеста, как на уровне портрета участников, так и по способам его организации (Шульц, 2021: 60).

Заметную роль в развитии современного протестного движения играют новые социальные медиа, где информация о тех или иных событиях распространяется как посредством вертикальных, так и посредством горизонтальных связей (Masip P. etal., 2020). Безусловно, их влияние на политическую вовлечённость пользователей является спорным и неоднозначным, на что указывает ряд исследователей (Loader B., 2008; Smidi, Shahin, 2017; Jost J. T. etal., 2018; VonBülow, Vilaça, Abelin, 2019; Enikolopov R., Makarin A., Petrova M., 2020; Кныжова, Суслов, 2019; Юдина, Назарова, Юрасов, 2021). Тем не менее нельзя не признать того факта, что сложившиеся вокруг тех или иных протестных событий информационные потоки обладают существенным рискогенным потенциалом и особенно – в условиях постепенной утраты традиционными медиа монополии на контроль текущей повестки дня среди молодой аудитории (Ушкин, 2017: 59). Протестная напряжённость заметно усиливается, если затрагивается локальная протестная повестка, которую предпочитают не замечать государственные федеральные телеканалы(Бареев, Качурина, 2019: 574).

Принципиальную значимость при этом имеет то, что, во-первых, развёртывание протестов сразу в двух пространствах – онлайн и офлайн – обеспечивает воспроизводство протестной волны без явной зависимости от настроений со стороны гражданских и политических лидеров, а, во-вторых, уровень референтности к повестке протеста у той части общества, которая напрямую не вовлечена в массовые действия, положительно коррелирует  с наступлением пролонгированной протестной волны (Бродовская, Давыдова, Еремин, 2021: 7).

Попытки привлечения онлайн-аудитории к участию в протестных действиях сегодня весьма разнообразны. Так, если на протяжении 2011-2013 гг. основными каналами распространения протестной повестки выступали социальные сети, то в 2018-2021 гг. наряду с ними осваиваются и другие способы: мессенджеры (WhatsApp, Viber и Telegram) и видеохостинги (YouTube и TikTok). И если основными характеристиками мессенджеров являются безопасность данных и их быстрая передача (Колозариди, Ильин, 2016: 129), то видеохостингов – наличие рекомендательных механизмов, реализуемых нейросетью исходя из «цифровых следов» пользователей на платформе, а также их социально-демографических характеристик (Плотникова, 2021: 21).

Социальные сети сегодня имеют широкий инструментарий. Они позволяют пользователям генерировать и распространять контент, вступать в групповые взаимодействия и накапливать социальный капитал (Сапон, Леденев, 2020: 233). Самогенерируемый пользовательский контент, нередкосодержащий социальную критику неравенства и правительства (Клеман, 2021: 229), становится одним из механизмов формирования групповой идентичности и солидарности участников протестных онлайн-групп (Priante etal., 2018; Lee, Chau, 2018). Изучение протестных сообществ в социальных сетях, таким образом, может помочь как в выявлении ядра сетевого протеста, так и в описании социально-демографического портрета участников виртуальных протестных групп.

Методологияиметоды (Methodology and methods). Методологически мы опираемся на анализ больших данных (BigData), который позволяет получить максимально полную картину о российских протестных сообществах. Безусловно, использование сугубо цифровых следов накладывает определенные ограничения на генерализацию последующих выводов (см., напр.: Одинцов, 2017; Кавеева, Гурин, 2018), однако представляет интерес с позиций медийного конструирования реальности (Couldry, Hepp, 2016).

Цель настоящей статьи заключается в том, чтобы портретировать участников российских протестных сообществ и выявить их ключевые особенности (здесь и далее мы используем термины «группы», «паблики» и «сообщества» как синонимы). Реализация поставленной цели предполагает решение следующих задач. Сначала, полагаем, необходимо определиться с направлениями и границами поиска сообществ, релевантных тематике нашего исследования. Это позволит вычленить единицы анализа из общего потока, получить относительно гомогенную структуру выборки. Критериями отбора сообществ выступают их широкий географический охват, значительное число вовлечённых в их деятельность участников, высокая частота их упоминания на других интернет-ресурсах, наличие в их названияхлексем, прямо указывающих на возможность протеста или поддержку лидеров протестного движения. Поскольку технологические возможности ряда сетевых платформ являются ограниченными, мы будем работать с протестными сообществами социальной сети «ВКонтакте», которая позволяет получать информацию из неёнапрямую посредством API-запросов.

Далее мы осуществим парсинг информации из профилей пользователей, включённых в отобранные протестные сообщества, и сформируем набор данных (датасет) для последующей компьютерной обработки. Следствием этого станет не просто построение одномерных и двумерных распределений, но и поиск статистических зависимостей между теми или иными критериями. Для этого использованы методы кластерного анализа и логистической регрессии в программе IBMSPSS. Среди ключевых исследуемых параметров – пол, возраст, место жительства, сетевая активность, количество подписчиков, политические взгляды и ценностные ориентации. Датасет полностью извлечен в сентябре 2021 г.

Научные результаты и дискуссия (Research Results and Discussion). Всего в ходе поиска и отбора протестных сообществ в соответствии с заданными параметрами нами было отобрано 66 объектов, указывающих в своём наименовании на потенциальную склонность их участников к протестным действиям. В дальнейшем из массива нами были исключены 2 паблика, которые в действительности представляли собой протест против лидеров протеста, а также 58 пабликов и групп, представляющих собой сугубо региональные (городские) протестные сети. Среди оставшихся сообществ остались следующие: «РосПил – война коррупции – Алексей Навальный» (337,2 тыс. чел), «Команда Навального» (257,8 тыс. чел), «Алексей Навальный LIVE» (7,6 тыс. чел.), «Новости на “Навальный LIVE”» (2,4 тыс. чел.)[1], «Я против Путина. Я против “Единой России”» (2,2 тыс. чел.) и «Мы против Единой России! Против политики мнимой стабильности. Против однопартийной власти!» (0,9 тыс. чел.). Итоговый набор данных (датасет) составил 608,2 тыс. пользовательских профилей.

В ходе процедуры перекодирования было установлено, что существуют достаточно тесные взаимосвязи между протестными группами по структуре сети их участников. Объединив персональные активности, мы получили 563,6 тыс. уникальных профилей пользователей.

Дальнейшее наше допущение состоит в том, что деятельность групп и акторов происходит по принципу «социального заражения» через связи, поэтому чем больше акторов одновременно входят минимум в две социально-активные группы, тем сильнее связь (Градосельская, Щеглова, Карпов, 2019: 97). Более того, от тех, кто потребляет значительное число протестного медиа-контента, зависит «решение потенциальных протестующих о выходе на уличные протесты (чем больше людей из «публики своих» вокруг каждого конкретного гражданина будет поддерживать идею протестовать, тем больше у него будет вероятность «выхода на улицу»)» (Архипова, Захаров, Козлова, 2021: 292). При этом увеличение числа участников протестных сообществ запускает механизм «протестных каскадов», когда на каждом следующем шаге к протесту (пусть и виртуальному) присоединяются те, кто не был готов пойти на такой шаг при меньшей массовости движения (Ахременко, Беленков, Петров, 2021: 149).

Всего нами выделено 3 основных кластера. В первый вошли пользователи, которые входят только в одно сообщество (521,3 тыс. чел или 92,5% от числа участников отобранных протестных групп). Мы предполагаем, что преимущественно это люди, которые не готовы к активным протестным действиям, а их интерес к протестной повестке в определённой степени случаен и не является выраженным. Это первый уровень периферии виртуального протестного движения.

Второй кластер наполнен людьми, которые входят в два сообщества (40,3 тыс. чел или 7,2% от числа участников отобранных протестных групп). От них следует ожидать, что они более погружены в протестную повестку, поскольку им с более высокой периодичностью в новостной ленте отображаются протестные новости, а сами они сделали дополнительное движение (пусть и на уровне кликтивизма) и, в отличие от представителей первого кластера, вступиливдополнительную группу. Здесь меньшее число случайных людей, но их виртуальная активность не имеет серьёзных предпосылок к трансформации в реальные протестные действия. Это второй уровень периферии виртуального протестного движения.

В третьем кластере представлены люди, которые входят в три и более сообщества (2,0 тыс. чел или 0,4% от числа участников отобранных протестных групп). Они являются активными потребителями протестного контента, причём исходя из рекомендательных механизмов социальной сети, этот контент может усиливаться дополнительной информацией из других источников. Случайные подписки здесь практически исключены, а членство в столь значительном числе сообществ является в какой-то степени демонстративным. По всей видимости, такие пользователи имеют высокий потенциал к совершению протестных действий. Это ядро виртуального протестного движения.

Наибольшая доля пользователей, вступивших только в одну группу, наблюдается в сообществе «РосПил – война коррупции – Алексей Навальный» (86,8%). Далее располагаются «Команда Навального» (83,2%), «Мы против Единой России! Против политики мнимой стабильности. Против однопартийной власти!» (65,7%), «Алексей Навальный LIVE» (64,8%), «Я против Путина. Я против “Единой России”» и «Новости на “Навальный LIVE”» (4,5 %). Исходя из полученных распределений, первые два сообщества можно охарактеризовать как флагманские, привлекающими внимание широкой аудитории; остальные четыре – камерные, которые чаще выбираются пользователями как место получения дополненной протестной повестки.

Рассмотрим структуру выделенных кластеров в зависимости от социально-демографических характеристик, которые пользователи самостоятельно загрузили в свой профиль (Таблица 1). В целом обращает на себя внимание, что различия между кластерами минимальны, и, даже несмотря на большой объём данных, не являются значимыми. Тем не менее отметим две важные особенности, характерные для ядра виртуального протестного движения: во-первых, здесь чаще, чем по остальным категориям, наблюдается присутствие женщин; во-вторых, среди них незначительно преобладают жители Москвы и населённых пунктов с числом жителей менее 100 тыс. чел.

Выявленные в общем массиве и по каждому кластеру ценностные характеристики представлены в Таблице 2. Главная особенность ядра виртуального протестного движения – указание больших объёмов информации о себе. В частности, здесь чаще, чем по остальным категориям, пользователями указываются политические взгляды, главное в людях и главное в жизни, а также отношение к практикам потребления алкоголя и курения. Если говорить о содержательных характеристиках данного кластера, то его преимущественно наполняют приверженцы либеральных, умеренных или либертарианских взглядов, которые ценят в других людях доброту, честность, ум и креативность, а главным в жизни считают саморазвитие и совершенствование мира. Также обращает на себя внимание, что участники трёх и более сообществ значительно чаще, чем в среднем по массиву, ценят в людях смелость и упорство (в 1,7 раза), но при этом реже называют главным в жизни семью и детей (в 0,7 раза).

Дополнительно нами выбраны параметры, которые представляют собой характеристики пространства сети и сетевых взаимодействий (Таблица 3). Полученные результаты позволяют говорить о том, что у аудитории, входящей в периферию и ядро, существует стремление к закрытию своего профиля для посторонних. У данных пользователей активный аккаунт, а также значительное количество подписчиков (более 231). Обращает на себя внимание тот факт, что представители второго уровня периферии заметно чаще других размещают у себя на странице фотографию в профиле.

Также мы выявили долю пишущей аудитории внутри каждого из кластеров. Исходя из того, что ядро представляет собой наиболее вовлечённых пользователей, вполне ожидаемой оказалась их активность по генерации комментариев к записям протестных групп. По мере снижения уровня вовлечённости, доля пишущей аудитории также снижается. Важно отметить тот факт, что пользователи рассматриваемых сообществ производят 80,1% контента, остальные комментарии приходятся на тех, кто не состоит в протестных группах.

На следующем этапе мы использовали логистическую регрессию, чтобы установить взаимосвязи между формированием структуры ядра виртуального протестного движения и выделенными особенностями кластеров. Выбор данного метода связан с нелинейностью его функции, поскольку при различиях в объёмах рассматриваемых совокупностей логистическая регрессия минимизирует ошибку для меньшей из них, в то время как, например, дисперсионный анализ, для большей (Holden, Finch, Kelley, 2011: 872).

Нами была создана фиктивная переменная, принимающая значение, равное 1, если пользователь состоял в трёх и более группах, и 0 – при невыполнении данного условия. Регрессорами выступили рассмотренные ранее социально-демографические и ценностные характеристики, а также данные о структуре сетевых взаимодействий (за исключением количества комментариев в протестных группах). Значения переменных были преобразованы в фиктивные переменные, принимающие значения, равные 1 при наличии признака и 0 – при его отсутствии.

После добавления рассматриваемых переменных в модель значение -2 Log-правдоподобие оказалось равным 1171,582, что на 83,115 меньше, чем начальное. По отношению к регрессионной модели, содержащей только константы, наблюдается улучшение. Но она не обладает высокой прогностической значимостью, поскольку предикторы модели оказывают слабое влияние на дисперсию зависимой переменной (R-квадрат Кокса и Снелла составил 0,005, а R-квадрат Нэйджелкерка – 0,069). Её нельзя использовать, к примеру, для поиска потенциальных протестующих по всему массиву пользователей социальной сети. Одна из причин этого заключается в высокой гетероскедастичности набора данных.

В таблице 5 представлены основные результаты логистической регрессии. Нами были отобраны только те значения переменных, которые демонстрируют высокое значение критерия Вальда. Из них только переменные, связанные с количеством подписчиков (менее 10, от 10 до 100 и от 101 до 230), являются статистически значимыми. Они оказывают обратное влияние на зависимую переменную. Таким образом, мы можем сделать вывод о том, что пользователи, образующие кластер 3, имеют относительно высокие шансы иметь более 230 подписчиков. То есть они могут быть не только потенциально готовыми к протестным действиям, но и генерировать триггеры протестной активности. Вероятно, что максимальная вовлеченность в протестное движение будет достигнута, если ядро будет ориентироваться на семантику между узлами и структуру соседних узлов (Mnasri, Azaouzi, Romdhane, 2021: 7366).

Заключение (Conclusions). В связи с высокой популярностью социальных сетей в мире наблюдается тренд на объединение в них пользователей для реализации различного рода социально-политических активностей. Групповые взаимодействия здесь являются сложным видом социальной коммуникации, и не всегда она трансформируется в реальные действия. Тем не менее, сегодня многие исследователи сходятся во мнении, что отслеживание информации посредством пабликов и подписок на инфлюенсеров если и не влияет на принятие решений «здесь и сейчас», то можетоказывать существенное воздействие на их проективные стратегии (Mizrahi, 2020: 4).

Общие структурные особенности российского виртуального протестного движения, которое охватывает несистемную оппозицию, заключаются в том, что внутри него можно выделить три значимых кластера, каждый из которых имеет принципиально различный потенциал влияния на аудиторию.

Первый кластер включает пользователей, которые подписаны только на одно протестное сообщество. Соответственно, их вовлечённость можно описать как достаточно низкую, они образуют первый уровень периферии. Наши данные свидетельствуют, что доля таких людей превышает 90%.

Во втором кластере–пользователи, которые вступают в два протестных сообщества. Их вовлечённость в протестную повестку повышается, поскольку интенсивность получения новостей повышается, а рекомендательные механизмы социальной сети могут подбирать соответствующий этим пабликам контент. Они образуют второй уровень периферии. В рассматриваемом массиве доля таких пользователей составляет 7,2%.

Наконец, третий кластер включает пользователей, которые состоят в трёх и более группах. Они максимально вовлечены в протестную повестку. Это ядро виртуального протестного движения. Доля таких пользователей – 0,4%.

Портреты образующих выделенные кластеры людей на статистическом уровне слабо отличаются друг от друга. Результаты проведённой логистической регрессии позволяют говорить о том, что значимым фактором включения в ядро виртуального протеста является количество подписчиков пользователя. Хотя сама по себе модель не является устойчивой, и только на её основании нельзя осуществлять поиск протестующих и им сочувствующих.

Пользователи, вступающие в большее число сообществ, имеют и большее число виртуальных друзей. Поскольку среди представителей ядра существенно чаще встречается пишущая аудитория, уместным будет предположение о том, что среди них высока доля инфлюенсеров, которые могут как задавать дискурсы пабликам, так и влиять на своих достаточно многочисленных подписчиков.

Необходимо отметить и тот факт, что сообщества, в которые входят пользователи, существенно отличаются друг от друга. Два из шести представляют собой флагманов, чья аудитория пересекается минимально («РосПил– война коррупции – Алексей Навальный», «Команда Навального»). Оставшиеся четыре претендуют на камерность, они не пользуются популярностью у широкого числа людей («Мы против Единой России! Против политики мнимой стабильности. Против однопартийной власти!», «Алексей Навальный LIVE», «Я против Путина. Я против “Единой России”» и «Новости на “Навальный LIVE”»). Чаще всего их пользователи одновременно состоят в нескольких группах – преимущественно, флагманского характера. В них формируется дополненная протестная повестка, они представляют собой канал обмена информации «для своих». Несомненно, взаимодействие человека с другими людьми в определённой степени влияет на принимаемые им решения (Vega, Mendez-Vazquez, López-Cuevas, 2021). Парадокс в том, что задача по выявлению этой степени хоть и является очевидной, а подходы к её решению формируются на протяжении ряда лет, на деле она невероятно трудна и требует дальнейших теоретических и эмпирических изысканий.