Метод анализа социальной сети как инструмент противодействия незаконному обороту психотропных веществ

Размещено на http://www.allbest.ru/

Метод анализа социальной сети как инструмент противодействия незаконному обороту психотропных веществ

Карпика Анатолий Григорьевич

В статье проанализированы возможности применения методов анализа социальной сети в интересах противодействия незаконному обороту психотропных веществ. Предложены ключевые показатели измерения характеристик участников социальной сети с целью определения их вовлеченности в незаконную деятельность.

Ключевые слова: анализ сети, психотропные вещества, деструктивная субкультура, ориентированный граф, узел сети, правоохранительная деятельность.

Karpika Anatoly Grigorievich

SOCIAL NETWORK ANALYSIS METHOD AS A TOOL FOR COUNTERACTION TO ILLEGAL TRAFFICKING IN PSYCHOTROPIC SUBSTANCES

The article analyzes the possibilities of applying the methods of social network analysis in the interests of countering the illicit trafficking in psychotropic substances. Key indicators for measuring the characteristics of social network participants are proposed in order to determine their involvement in illegal activities.

Keywords: network analysis, psychotropic substances, destructive subculture, directed graph, network node, law enforcement.

Существующие методы исследования человеческого поведения в основном предполагают изучение того, как отдельные поведенческие характеристики коррелируют друг с другом, и то, какие результаты получаются вследствие этой корреляции. Так, деятельность, направленная на поиск новых ощущений, может обуславливать асоциальное поведение личности, склонность к совершению им преступных деяний, «выключенность» из социума, вовлеченность в деятельность маргинальных групп и деструктивных субкультур.

В середине 2000-х гг. стало понятно, что и контекстуальные факторы, например, искусственно созданная социальная среда (социальная сеть), вносят значительный вклад в изменение поведенческих моделей и траекторий достижения личных целей, среди которых интерес представляет пропаганда и распространение психотропных веществ.

Анализ социальных сетей как метод перспективного социального анализа, по оценкам зарубежных исследователей, дает возможность изучить социальный контекст траекторий вовлечения отдельной личности и групп людей в различного рода деятельность [1]. Сточки зрения методологии анализ социальных сетей представляет собой совокупность теоретических исследований, практических методов и приемов, использующихся для улучшения понимания социальных отношений и того, как эти отношения могут влиять на индивидуальное и групповое поведение.

На практике теоретическая составляющая исследований может интегрироваться в такие научные направления, как антропология, коммуникация, экономика, психология, социология.

Исследования в области анализа социальных сетей, в том числе в Российской Федерации, проводятся с конца 2000-х гг. Так, в статье А.В. Якушева, С.А. Митягина и др. «Исследование социальных сетей в задаче моделирования наркотизации населения и противодействия незаконному обороту наркотиков» предложена математическая модель наркотизации населения, с помощью которой был осуществлен краулинг (обнаружение и сбор поисковым роботом ссылок на страницы) ресурса LiveJournal, содержащих определенные словоформы, имеющие отношение к исследованию. В статье Н.П. Сидоровой«Употребление наркотиков как социальная практика в молодежной среде» проанализированы социальные аспекты вовлечения молодежи в «наркокультуру».

Несмотря на это тема анализа сетей имеет значительные перспективы для оптимизации процесса взаимодействия государственных органов в предотвращении злоупотребления психотропными веществами.

В основе теории анализа социальных сетей лежит аксиома «Люди находятся под влиянием людей». Действительно, любой человек, за исключением тяжелых случаев социопатии, имеет социоконтакты, при этом состав, количество контактов, а также характер межличностного общения позиционируют его в социальных структурах и могут определять его поведение и влияние на других людей.

Методы сбора сетевых данных бывают двух типов: эгоцентрические и социоцентрические. Эгоцентрические методы позволяют измерять локальную социальную сеть путем формулировки вопросов респондентам друг о друге, анализа и сопоставления их ответов. Эти методы поддаются методам статистического анализаслучайной выборки, но с известными ограничениями, позволяющими проанализировать небольшие социальные сети и коллективы, как правило, в масштабе одной небольшой организации (например, учебного заведения).

И. Ли, Дж. Килмер и М.Э. Лаример в исследовании заявляют, что социоцентрические методы позволяют измерить социальную сеть путем опроса всех ее участников [2]. Социоцетрические методы чаще всего используются в сообществах, где граница сети может быть не вполне определенной. Здесь можно согласиться с авторами в том, что эта группа методов более эффективна, чем упомянутая выше, в том смысле, что обеспечивает глобальное представление о сети,выявляет и устанавливает индикаторы отдельных позиций (поведение элементов) в этой сети.

Авторами рассматриваются социоцентрические данные как совокупность эгоцентрических данных. Данное утверждение является спорным, поскольку функционирование социальной сети, как любой системы, не может быть строго описана наборами эгоцентрических данных. Причина этого заключается в неминуемом интегративном эффекте, возникающем в процессе влияния внешних факторов и элементов системы друг на друга. противодействие незаконный оборот психотропный

Применение социометрических методов к анализу социальных сетей в целях противодействия распространения психотропных веществ, несмотря на сложность этой задачи, безусловно способствует выявлению важнейших элементов сети, участвующих в этой деятельности.

Решение этой задачи требует комплексного подхода и лежит на стыке следующих направлений: психологии (изучение психологических портретов объектов сети, разработка индикаторов анализа), социологии (получение данных от индикаторов, обработка полученных данных, коррекция индикаторов), правоохранительной деятельности (анализ данных, выявление связей, пресечение незаконной деятельности).

С целью конкретизации задачи выявления ключевых параметров, которые можно использовать на практике, рассмотрим вариант анализа гипотетической социальной сети, представленной в виде ориентированного графа (рис. 1), содержащей ограниченное число людей («узлов»). В сети имеются различные виды связей между узлами. Хотя это сеть небольшая и включает всего 20 узлов, подобный анализ сети можно проводить и на больших сетях, содержащих сотни и тысячи узлов. Сетевые связи могут содержать весовые коэффициенты, указывающие на силу связей узлов, например, насколько в тесных отношениях находятся два человека. Кроме этого, он также может включать валентности («нравится» (+), «не нравится» (-).

Предварительный анализ сети, представленный на рис. 1, проведенный на основе измерения количества положительных и отрицательных оценок и комментариев сетевой деятельности узлов, позволяет оценить наличие и направление связи (качественная характеристика), а также ее знак (валентность) и силу (количественная оценка). Полученные результаты позволяют определить характеристики социального положения узла сети, такие как место в сети (центральность), связность, изолированность.

На графе видно, что одни узлы занимают более важное место, т. е. более популярны в сети, чем другие. Выявление такой полезной характеристики, как «центральность», позволяет классифицировать узлы по степени, которую человек занимает в сети.

Центральность в одной сети может быть измерена различным образом. Наиболее понятныи метод определения центральности - подсчет числа раз, когда узел упоминается в ответ на сетевой запрос. В рассматриваемом примере (рис. 1) узлы 3, 5, и 15 можно обосновано считать наиболее центральными, т. к. они получили больше всего связей - четыре.

Рис. 1. Вариант графа социальной сети

В некоторых зарубежных публикациях [2; 3] содержится описание альтернативных показателей центральности, таких как «промежуточность» - степень искренности узла (лжет или искренен), «близость» обратно пропорциональна среднему расстоянию (количеству промежуточных узлов) до других узлов сети, «мощность» определяется в качестве взвешенных баллов центральности связей узла. В связи с этим хотелось бы отметить необходимость нормирования (стандартизации) перечисленных показателей, в том числе в интересах учета размера сети.

Переходя от абстрактных формулировок к конкретным примерам, следует отметить, что в сетевых сообществах лица, имеющие высокие показатели «центральности», а значит, популярные среди участников сообщества, обладают личными качествами, формируемыми самим сообществом. При этом такая связь имеет и обратный характер, т. е. указанные лица формируют модель поведения значительного числа членов сообщества. Иными словами, лица, употребляющие сами психотропные вещества и тем самым пропагандирующие их употребление, имеют высокие показатели «центральности» в сообществах, где это является нормой, и наоборот. Наибольшее влияние традиционно оказывает на молодую аудиторию фактор «центральности».

Лидеры аудитории часто служат примером и «законодателями» норм для своих сообществ и с большей вероятностью могут являться более ранними и, возможно, более активными потребителями указанных веществ.

Еще один параметр узла, который может быть выявлен с помощью анализа социальных сетей, - это связность (способность работать «мостом»). Мост в сети - это узел, который связывает разъединенные или слабо связанные группы (например, узел 11, рис. 1). Мосты интересны тем, что они, с одной стороны, слабо связаны с группами, а с другой стороны, именно они позволяют осуществлять влияние групп друг на друга, тем самым «масштабируя» это влияние в практически любом направлении на достаточное удаление от центра группы.

Грановеттер [4] назвал это «силой слабой связи», потому что связи могут быть установлены как с отдельными узлами, так и с группами, которые узел, создавший связь, не «видит» или подключен к ним через несколько каналов связи, что дает мосту доступ к информации и ресурсам, которых нет у группы.

Мост, в свою очередь, может подвергаться риску употребления психотропных веществ иззапотенциально возможного воздействия норм поведения двух различных групп, каждая из которых может поддерживать деструктивную субкультуру. С другой стороны, представители одной из групп могут попытаться вписаться в другую, с которой они не связаны напрямую и инициировать вовлечение ее в процесс употребления психотропных веществ, чтобы соответствовать «групповой норме».

Таким образом, мосты занимают в социальной сети положение, которое может подвергнуть их риску в зависимости от их индивидуальных психологических характеристик и динамики поведения групп внутри сети.

Изолированные узлы (изоляты) также могут быть идентифицированы посредством сетевого анализа. Узлы 7, 19, 20 (рис. 1) ни с кем не связанны, тем не менее в исследовании «механизмов распространения новых идей» изоляты показали себя более поздними приверженцами всего нового, поскольку их положение ставит их вне потока информации о новых идеях [5]. Таким образом, в условиях повышенного риска употребления психотропных веществ изолят потенциально более защищен в этой области, поскольку, как правило, изолирован от негативных влияний в группах (узлы 7, 20).

С другой стороны, изолят, находящийся в непосредственной близости от групп (узел 19), может иметь опосредованную связь с какой-либо из них, что повышает риск вовлечения его в деструктивную субкультуру. Например, учащийся, являющийся «изгоем» в своей школе и не имеющий связей с одноклассниками, может иметь друзей за пределами школы или в другой школе, что делает связи с группами рассматриваемой сети не очевидными, но потенциально способными вовлечь его в деятельность группы спустя определенное время.

Используя рассмотренные типы узлов социальной сети, виды и особенности связей между ними, целесообразно сформулировать некоторые ключевые характеристики (показатели) узлов социальной сети и сети в целом, интересные с точки зрения ее анализа.

«Взаимность» - показатель доверия узла А к узлу Б, который, в свою очередь, также ему доверяет. «Взаимность» может быть прямой или косвенной (Aдоверяет B, который доверяет С, который, в свою очередь, доверяет А).

«Вовлеченность» - показатель участия узла А в деятельности сети. Например, количество или доля употребляющих психотропные вещества друзей узла А может рассматриваться как уровень вовлеченности узла в употребление указанных веществ

«Связность» - показатель количества связей между узлами одной сети и количества связей ее с другими. Чем больше показатель связности, тем выше скорость распространения идей и вовлечения новых узлов в деятельность сети.

«Транзитивность» - показатель того, предполагают ли связи между двумя узлами третье соединение.

«Расстояние» - минимальное количество шагов (связей), соединяющих два узла в сети. Так, расстояние между узлами 8 и 10 (рис. 1) равно 3.

«Плотность» - показатель централизации сети, характеризующий соотношение узлов и связей между ними. В сети с высокой плотностью число связей значительно больше, чем в сети с низкой плотностью.

Разработка процедур практического определения ключевых характеристик является сама по себе отдельной научно-практической задачей, предполагающей, как было отмечено выше, участие психологов, социологов и, при необходимости, правоохранительных органов. Предполагаемый эффект от анализа социальных сетей с использованием приведенных характеристик состоит в повышении эффективности противодействия органов внутренних дел распространению влияния деструктивных субкультур на общество, в том числе и в сфере незаконного оборота психотропных веществ.

Литература

1. Бандура А. Теория социального научения [Электронный ресурс]. URL: https:// argudanmousosh1.ru/raznoe/teoriya-a-bandury- teoriya-socialnogo-naucheniya-alberta-bandury- vikipediya.html(дата обращения: 01.03.2022).

2. Ли И., Килмер Дж.Р., Лаример М.Э. Краткий, основанный на данных сети Интернет- анализ студентов колледжа, употребляющих марихуану: рандомизированное клиническое исследование [Электронный ресурс]. URL: https://pubmed.ncbi.nlm.nih.gov/20565152(дата обращения: 01.03.2022).

3. Костенбейдер Е., Валенте Т.В. Установление центральности при анализе сети [Электронный документ]. URL: https://www.bebr. ufl.edu/sites/default/files/CostenbaderandValenteThestabilityo fcentralitymeasureswhennetworks.pdf (датаобращения: 01.03.2022).4. Гранноветер M. Сила слабых связей [Электронный ресурс]. URL: https://snap.stanford. edu/class/cs224w-readings/granovetter73weakties.pdf (датаобращения: 01.03.2022).

5. Роджерс Е.М. Распространение инноваций [Электронный ресурс]. URL: https:// web.stanford.edu/class/symbsys205/Diffusionof% Innovations.htm (датаобращения: 01.03.2022).

Bibliography

1. Bandura A. Theory of social learning [Electronic resource]. URL: https://argudanmousosh1.ru/ raznoe/teoriya-a-bandury-teoriya-socialnogo- naucheniya-alberta-bandury-vikipediya.html (date of access: 03.01.2022).

6. Li I., Kilmer J.R., Larimer M.E. A brief, Internet-based analysis of college students using marijuana: a randomized clinical trial [Electronic resource]. URL: https://pubmed.ncbi.nlm.nih.gov/ 20565152 (date of access: 01.03.2022).

7. Kostenbader E., Valente T.V. Establishing centrality in network analysis [Electronic resource]. URL: https://www.bebr.ufl.edu/sites/default/files/CostenbaderandValenteThestabilityofcentralitymeasuresw hennetworks.pdf (date of access: 01.03.2022).

8. Grannoveter M. The strength of weak ties [Electronic resource]. URL: https://snap.stanford.edu/class/ cs224w-readings/granovetter73weakties.pdf (date of access: 01.03.2022).

9. Rogers E.M. Dissemination of innovations [Electronic resource]. URL: https://web.stanford.edu/class/ symbsys205/Diffusionof%Innovations.htm (date of access: 01.03.2022).

Размещено на Allbest.ru