Предложенные учеными МФТИ и их коллегами методы оптимизации программ рекомендаций помогут снизить уровень напряженности участников онлайн-общения и позволят более эффективно привлекать людей к совместной реализации крупных социальных проектов — волонтерских объединений, политических партий и так далее.
Российские ученые нашли способ снизить сегрегацию в соцсетях / © Rohit Tandon, unsplash.com
В мире более пяти миллиардов человек регулярно используют сервисы социальных сетей. Однако, как отмечают специалисты, негативная сторона общения в Интернете заключается в том, что подобные взаимоотношения могут способствовать увеличению онлайн-сегрегации. Так называют разделение пользователей на обособленные по различным признакам, часто враждебные друг другу сообщества.
В первую очередь это явление связано с отторжением людьми информации, которая не согласуется с их точкой зрения, благодаря чему формируются закрытые культурные и идеологические веб-системы. В частности, люди группируются по интересам, убеждениям, экономическим, профессиональным или классовым статусам. Таким образом, соцсети усиливают противоречия, которые существуют в реальном мире.
Российские математики из Института проблем управления имени В. А. Трапезникова РАН, Московского физико-технического института и Томского государственного университета предложили один из путей решения проблемы. В научном исследовании, опубликованном академическом журнале Online Social Networks and Media, ученые рассчитали оптимальную модель выдачи рекомендаций о дружбе или знакомстве, которые в социальных сетях используют для расширения контактов пользователей.
«Многие платформы рассматривают количество общих друзей как показатель социальной близости и выстраивают алгоритмы рекомендаций на этом принципе. Но наш анализ показал, что если цель состоит в том, чтобы снизить уровень разобщенности в сети, то следует скорректировать систему рекомендаций таким образом, чтобы не отдавать приоритет данной метрике», — рассказал Иван Козицин, старший научный сотрудник ИПУ РАН и доцент кафедры высшей математики МФТИ.
Он объяснил, что к числу ключевых характеристик соцсетей относится ассортативность — тенденция связанных между собой людей иметь схожие черты и понятия. Это происходит, поскольку члены группы оказывают влияние друг на друга. Кроме того, в целом люди чаще заводят отношения с теми, у кого образ жизни и ход мыслей похож на их собственный.
При этом высокая ассортативность внутри сети в числе прочего характеризует и ее внутреннюю сегрегацию. В крайних случаях общество разбивается на отдельные эхо-камеры — закрытые социальные системы, в которых принятые идеи и убеждения усиливают путем их распространения среди единомышленников, а альтернативные — заглушают.
Между тем исследователям удалось показать аналитически, а также подтвердить при помощи численного моделирования, что ассортативность сетей будет увеличиваться, если рекомендации новых контактов основаны на четырех и более общих друзьях, и, наоборот, снижаться, когда предложение расширения связей внутри сети базируется на 1–3 совместных для двух пользователей знакомствах.
Другими словами, первый тип алгоритмов будет способствовать увеличению сегрегации, а последний — ее уменьшению.
Как сообщили ученые, разработанные модели были протестированы на материале российского сервиса «ВКонтакте», а также с помощью синтетических (искусственных) социальных сетей. Во всех случаях были получены аналогичные результаты.
«Одним из путей дальнейших исследований станет проверка, будет ли предложенный алгоритм способствовать увеличению популярности соцсетей. Также интересно его применение в качестве механизма привлечения сторонников в политические партии или рекрутирования участников крупных социальных проектов. Таких, например, как игровые, спортивные, профессиональные или волонтерские объединения. В маркетинге рассмотренный метод может стать основой для разработки подходов для увеличения лояльности к бренду», — пояснил Иван Козицин.
