Модель фильтрации информации в социальных медиа
Вероника Грушевская
В условиях цифровой цивилизации искусственный интеллект оказывает существенное влияние на селекцию информационных потоков. Алгоритмы социальных сетей и поисковых систем отбирают контент с опорой на данные об интересах и поведении пользователя и его окружения. Однако характер массовых коммуникаций определяет не только автоматизированная селекция, но и сложная совокупность медийных, рекламных и рыночных процессов. Актуальность статьи обусловлена необходимостью систематизации знаний, описывающих распространение массмедийного контента в цифровой среде. В научной литературе только начинают анализироваться свойства медиасреды и её влияния на человека и общество. Отдельные исследования и наблюдения описывают принципы распространения информации в социальных медиа, методы продвижения контента, новые возможности и трансформации медиасреды. Ученые фиксируют ряд дисфункций: эхо-камеры, возможности манипулирования общественным мнением на основе микротаргетинга и фальсификации реальности, ограничения выбора, связанные с естественным формированием пузырей фильтров, предвзятой и непрозрачной работой сервисов, диспропорциями медийной и рекламной активности разных социальных групп. В работе систематизированы актуальные научные публикации, описывающие процессы распространения и фильтрации информации в сетевых медиа, и проблемы, с ними связанные. Обзор научной литературы дополнен данными анкетного опроса, а также серии глубинных интервью с представителями молодежи Екатеринбурга, регулярно просматривающими контент популярных видеоблогов, которые проводились в 2021 году с целью выявления и описания устоявшихся у российской молодежи привычек использования видеоблогов. Полученные данные позволили дополнить существующие модели автоматизированной селекции информации рядом важных социальных, когнитивных и психологических факторов селекции контента на этапе медиапотребления. В работе фиксируется общность дискурсивных принципов оформления развлекательного контента, доминирующего в видеоблогах, с массовыми дискурсивными феноменами, характерными для развлекательного сегмента традиционной журналистики, их гедонистическая направленность. Проанализированы вирусность и коллаборации как методы продвижения контента в видеоблогах, выявлены дискурсивные и стилистические маркеры и приемы, способствующие распространению информации. К таким маркерам можно отнести игровое начало, коллаборации, повышенную эмоциональность, провокационность и презентационность. Результатом работы стала модель фильтрации информации в социальных медиа, учитывающая индивидуальный, технологический, социальный, рекламный, дискурсивный и стратегический факторы.
Ключевые слова: рекомендательные системы, алгоритмы, коммуникация, медиапотребление, социальные медиа.
DOI: 10.17323/727-0634-2022-20-3-393-406
Введение
В условиях цифровой цивилизации искусственный интеллект существенно влияет на селекцию информации. Мы погружаемся в созданное алгоритмами фрагментированное гипермедийное пространство, состоящее из текстов и образов, новостей и мнений. При поверхностном взгляде на череду сообщений на экране складывается впечатление, что это и есть совокупность представлений о мире наших современников. Их множественность и многообразие придает гипермедийному продукту иллюзию объективности.
Социальные последствия новых условий формирования информационной картины мира только начинают анализироваться в научной литературе. Исследователи рассматривают технологические, социальные, психологические, рыночные и политические факторы, влияющие на цифровые коммуникации. Технологии подачи информации сегодня можно считать социальным управленческим процессом (Бузин 2020: 178). Отмечаются возможности манипулирования сознанием в условиях «многослойности» и «многомерности» информационного потока и важность формирования «личного, группового и общего информационного иммунитета» (Лагун, Строев 2018), для которого требуется систематизация факторов, определяющих отбор контента в условиях автоматизированной селекции информационных потоков. Знание актуальных принципов селекции контента в используемой информационной среде позволит участникам лучше понимать последствия своей виртуальной активности, осуществлять самостоятельную оценку и интерпретацию полученной информации.
Целью данной статьи является системное рассмотрение комплекса факторов, определяющих характер фильтрации информации в сетевых медиа. Проблема заключается в том, что в гипермедиа нам приходится иметь дело не с завершенным текстом, а с бесконечно вариативным, изменяющимся и неопределенным продуктом, который формируется в процессе многоступенчатого отбора. Таким образом, исследование должно ответить на вопрос, через какие уровни отбора проходит информация, прежде чем дойдет до адресата. Для достижения цели необходимо выделить уровни отбора информации в процессе производства, распространения и потребления контента и рассмотреть основные особенности селекции на этих уровнях. Мы проанализируем особенности селекции развлекательного контента как одного из самых востребованных в социальных медиа и при этом использующегося для доставки отдельных сообщений до максимально широкой аудитории.
В работе применяются методы систематизации исследований в области медиа и коммуникаций, а также данные анкетного опроса, который проводился среди молодежи Екатеринбурга в возрасте от 18 до 34 лет (N = 407, квотная выборка), и серии глубинных интервью с представителями молодежи (20 интервью, целевая выборка среди аудитории популярных видеоблогов, выявленных в ходе экспресс-опроса), проведенные в 2021 г. с целью выявления устоявшихся у российской молодежи привычек использования видеоблогов.
Автоматизированная селекция информации в сетевых медиа
Исследования автоматизированной селекции информации в сетевых медиа можно разделить на две группы. В первую группу входят работы, посвященные алгоритмам поисковых и рекомендательных систем. Хотя детали таких разработок не публикуются в открытых источниках, общие подходы обсуждаются научным сообществом. Отмечается, что каждый пользователь представлен профилем, содержащим информацию о его взаимодействии с «элементами» гипермедиа (Sardianos et al. 2018). Эти данные применяются для совершенствования UX-дизайна и персонализации рекомендаций. Группой исследователей из государственного университета Сан-Хосе и Афинского университета описаны наиболее распространенные в рекомендательных системах методы селекции, действующие на основе:
- контента, когда новые элементы рекомендуются на основе их сходства с элементами, уже присутствующими в профиле пользователя;
- контекста, т.е. времени, местоположения и цели пользователя, при этом осуществляется объединение информации из нескольких источников, группировка пользователей и элементов с похожими контекстами;
- социальных связей, когда информация об отношениях и доверии между членами социальной сети позволяет обнаружить кластеры пользователей. Такие системы основаны на представлении о том, что для человека важны предпочтения друзей (Eirinaki et al. 2018).
Аналогичные особенности работы рекомендательных систем рассматриваются в работах российских исследователей. Выделяется коллаборативная и контентная фильтрация. При коллаборативной фильтрации рекомендации выдаются на основе совокупности поведенческих характеристик людей, похожих по виртуальному поведению. При контентной фильтрацией рекомендации формируются на основе данных о виртуальном поведении человека, зафиксированных в истории просмотров. Эффективным считается смешанный подход, сочетающий обе разновидности (Преображенский, Коновалов 2019).
В современных исследованиях технологий фильтрации предложена модель тройного фильтра, учитывающая индивидуальный, социальный и технологический уровни фильтрации информации (Geschke et al. 2019). На индивидуальном уровне фильтрации поиск контента выполняется самостоятельно, если пользователь осознает потребность и формулирует соответствующий запрос. Авторы модели тройного фильтра связывают индивидуальную фильтрацию с когнитивными мотивационными процессами, со стремлением к подтверждению ранее существовавших установок, избеганием когнитивного диссонанса, запросом на повышение социальной идентичности и самооценки. Социальную фильтрацию авторы модели тройного фильтра связывают со стремлением пользователей устанавливать связи с людьми, имеющими схожие социально-демографические, поведенческие и внутриличностные характеристики (там же).
Вторая группа исследований посвящена анализу влияния новых технологий фильтрации информации на личность и общество. В ней описываются сами эффекты, причины их возникновения и социальные последствия. В частности, описан эффект попадания пользователя в замкнутое персонализированное информационное пространство, называемое «пузырем фильтров» (Pariser 2011). Причины этого явления связывают с психологическими особенностями пользователей Интернета, предпочитающих потреблять подтверждающую их взгляды информацию. Ученые фиксируют рост однородности потребления в информационных средах, использующих рекомендательные алгоритмы, и предлагают методы преодоления этой проблемы (Aridor et al. 2020; Masrour et al. 2020).
Другой причиной снижения разнообразия потребления контента называют предвзятую фильтрацию сервисов. Отмечается, что Google чрезмерно рекомендует одни новостные агентства и недостаточно представляет другие, даже часто посещаемые пользователем (Haim et al. 2018).
Особое внимание исследователей привлекает увеличение манипулятивного потенциала интернет-коммуникации. Например, прослеживается влияние алгоритмов поисковых машин на политические предпочтения и социальные взаимодействия пользователей (Косоруков 2018), публичные данные социальных медиа анализируются с конца 2000‑х гг. «для последующего их использования в интересах субъектов глобального политического управления» (Володенков 2021:342). Отмечается смещение акцентов с убеждающей коммуникации к точечному микротаргетингу на основе психологических профилей (психограмм) и психометрических моделей (там же: 343-344). Рассматриваются примеры эксплуатации эмоциональных реакций пользователей, обнаруживших противоречивый контент, вовлекающий пользователей в сетевые дискуссии, увеличивающий время их нахождения на платформах и приводящий к росту доходов и влияния производителей сервисов и контента (Головнин, Кушпаева 2021:463). Обращается внимание на превалирование экономических интересов медиаиндустрии над социально-гуманистическими, что затрудняет противодействие дегуманизации медиапространства (Бузин 2020: 176). Сравнивается работа алгоритма Яндекс.Дзен с естественным возникновением интереса к новым темам и с просмотром традиционных СМИ (Кудрявцева 2020): естественный интерес пробуждается неожиданными ассоциациями и «интуитивными озарениями», а традиционные СМИ позволяют получать информацию даже по мало интересующим читателя темам. Отмечается обусловленный работой алгоритма эффект сужения картины мира: «Человек лишается возможности подняться на новую ступень осознания целостности мира» (там же: 98). Обсуждения провокационного контента и сужение картины мира приводит к появлению эхо-камер и их радикализации (Поцелуев, Подшибякина 2018). Фиксируется выход информационных потоков из-под контроля создателей, порождающий «информационную аномию как непрерывный процесс производства аберраций информации в коммуникативной цепи, который имеет естественные и искусственные формы происхождения» (Карпова 2017: 29).
Помимо рекомендательных алгоритмов в социальных сетях на видимость отдельного сообщения влияет способность контента удовлетворять запросы участников сообщества и «вирусность» – качество, обеспечивающие естественное распространение посредством повышенной виртуальной активности аудитории. Пользователи ретранслируют и обсуждают контент, вызывающий сильные эмоциональные реакции, но при этом неоднозначный, побуждающий выразить поддержку или возмущение. Коммуникативные ситуации, вызывающие ажиотажи споры, могут возникать сами или создаваться искусственно. Технологии формирования искусственной сенсационности, провокации или «хайпа» описываются в ряде исследований популярных видеоблогов. Отмечается широкая представленность интервью-конфронтации в структуре сетевого видеоблогинга (Шестерина 2019), рассматривается провокация как составляющая имиджа и жанровые особенности интервью (Родичева, Зайцева 2020; Хомутникова и др. 2019). Отметим, что описанные приемы характерны для развлекательной культуры независимо от технологического формата доставки. Елена Пронина (2006), анализируя дискурсивные процессы таблоидной журналистики 1990‑х гг., вводит понятие гедонистического текста, основной функцией которого является доставление публике острых ощущений. Автор выделяет ряд наиболее радикально выраженных, но при этом характерных его проявлений. В их числе демонстрация предметов и действий, способных вызвать рефлекторное возбуждение; провоцирование витальных страхов; нарушение табу, эпатаж, связанный с ощущением, что «полная жизнь» – это только жизнь нарушителя норм и границ; глум, пренебрежение приличиями, ненормативная лексика, опошление идейного подхода к реальности, десакрализация, иногда доходящая до кощунства, пересыщение ссылками на мнения «звезд» и «гурманов».
Влияние индивидуальных, технологических и социальных факторов фильтрации на выбор видеоблогов
Как происходит селекция информации в процессе использования социальных медиа видеоблогов, популярных в молодежной среде? Для ответа на этот вопрос проанализированы данные серии глубинных интервью с представителями молодежи, проявляющими интерес к контенту популярных видеоблогов. Серия интервью проведена в 2021 г. среди молодых людей, которые регулярно просматривают контент видеоблогов наиболее популярных у молодежной аудитории. В основе рекрутинга информантов лежал целевой отбор, опирающийся на самоидентификацию представителей молодежи в качестве проявляющих интерес к контенту соответствующего видеоблога. В том случае, если информант говорил о своем интересе к двум или более из этих видеоблогов, то его просили определить среди них наиболее интересный для себя, а логика интервью выстраивалась в соответствии с этим выбором. Данные, полученные в ходе глубинных интервью, позволили прояснить некоторые особенности индивидуального и социального уровня фильтрации информации, не связанные с виртуальной активностью пользователей.
Анализ интервью показывает, что поиск и отбор контента может осуществляться на основе разных критериев,зачастую он осуществляется в соответствии с «принципом наименьших усилий», кроме того влияние на выбор оказывает окружение, рекомендации публичных персон и алгоритмов.
Индивидуальная фильтрация
В частности, наряду с обусловленными жизненным контекстом причинами интереса, в ряде случаев может оказаться решающим фактор доверия к автору, каналу или гостю:
Мы с мужем вообще очень любим смотреть шоу Константина Ивлева, повара. И мы в тот момент просто решили сесть и поискать, а есть ли какие-то еще его программы на YouTube или хотя бы о нем. И нам в поиске выпало интервью с ним, которая как раз взяла Ирина Шихман. Мы в тот момент понятия не имели, кто это. Но посмотрели – Ивлев, интервью, целый час. Посмотрели, нам как-то понравилось (Надежда, 25 лет).
На индивидуальную фильтрацию оказывают влияние мотивы и условия медиапотребления. Иногда известный канал включается без особой
причины, просто для фонового сопровождения: «Я, по-моему, это начинала смотреть, готовя обед и думая, фоном поставлю и нормально посмотрю. И ничего так, начала смотреть и поняла, что это интересно, даже затягивает моментами» (Александра, 26 л., рассказывает о причинах просмотра фильма «Колыма – родина нашего страха»).
Социальная фильтрация
В ряде случаев выбор видеоролика может быть обусловлен советом или рекомендацией членов семьи, друзей, учителей, знакомых или авторитетных публичных персон. Значимым мотивом просмотра некоторых каналов является социально обусловленное стремление следить за обсуждаемыми на межличностном уровне или в социальных сетях медийными явлениями. Осведомленность о резонансном выпуске становится значимым фактором социализации, а неосведомленность провоцирует дискомфорт и вызывает желание разобраться: «Там даже вопрос не стоял, смотреть или нет. Его настолько активно все обсуждали тогда, что посмотреть было обязательно нужно просто» (Андрей, 29 л., рассказывает о причинах просмотра обзора на фильм «Крым»). Сильное влияние на выбор оказывает медийная мода внутри референтных групп:
Я смотрю, в разговорах постоянно упоминают: Д. то, Д. се… А я как бы не очень понимал, это кто вообще. Мне было неуютно. Чувствовал, что я не знаю чего-то важного. И я начал искать и смотреть… (Иван, 19 л.).
Иными словами, на выбор того или иного канала для просмотра может влиять социальное давление, когда быть «не в курсе» становится неприлично в социальном круге индивида.
Технологическая фильтрация
Выбор контента также может осуществляться с опорой на предложения рекомендательных алгоритмов:
Скорее всего это было так, что я не специально переходил на его канал. Что-такое свежее появляется, и оно выбивается в рекомендации. Я таким алгоритмам доверяю и смотрю, потому что интересно. Д. так или иначе все равно будут обсуждать (Георгий, 24 г., регулярно смотрит, рассказывает о причинах просмотра фильма «Колыма – родина нашего страха»).
Таким образом мы видим, что модель тройного фильтра выбора контента дополняется невиртуальными факторами контекста медиапотребления и влияния
Селекция информации на этапах производства и продвижения контента
Для целостного понимания процессов селекции информации модель тройного фильтра должна быть дополнена еще несколькими уровнями, действующими на этапах производства и продвижения контента. В частности, на этапе производства контента на основе коммуникативных стратегий и жанровых принципов происходит отбор материала. Условия распространения и перспективы монетизации, а также все виды активности, связанные с продвижением контента, оказывают сильное влияние на это. В данной части работы на основе дискурсивного анализа мы рассмотрим форматы, темы, жанровые и стилистические особенности, а также условия распространения видеоблогов как дополнительные уровни фильтрации информации, формирующие гипермедийный образ мира.
Рекламный фильтр
Специалисты в области рекламы и связей с общественностью, используя современные методы и технологии продвижения, усиливают видимость и известность заинтересованных социальных групп и лиц, обеспечивают доминирование определенных проблем и интерпретаций в актуальной повестке. Для продвижения контента используются разные каналы коммуникации, например, другие социальные медиа, публикации в прессе, телеэфиры, интернет-маркетинг, астротурфинг, кросс-маркетинг. Известности видеоблогов способствуют коллаборации с персонами, имеющими доступ к нужным аудиториям. Наиболее распространенная форма коллаборации – интервью. Приглашение селебрити не только способствует их личной известности и упоминаемости, но и естественным образом увеличивает рейтинги канала, делая его влиятельной площадкой шоубизнеса: «Когда-то это было очень ярким и, наверное, для артистов, долгожданным событием – попасть к Д., потому что это было оченьочень элитарно, выборочно и опять-таки точно» – отмечает Дмитрий Нагиев в интервью Д. в 2018г.
Дискурсивный фильтр
Этот фильтр связан с отбором и обработкой материалов в соответствии с форматами и жанровыми особенностями, тематикой, преобладающей в конкретном сегменте, повесткой, доминирующими мифами и стереотипами, стилистическими факторами, модой, степенью развлекательности, актуальности или новизны, ориентацией на запросы аудитории. Так, в рекреационных целях пользователь будет предпочитать легкий и развлекательный контент. Отметим, что успех в социальных медиа часто обеспечивает вирусность контента, его способность вызывать волны виртуальных откликов, повышающих его видимость и способствующих максимальному распространению.
Вирусный эффект бывает и у полезного контента, например, детский обучающий видеоролик «Учим цвета Разноцветные яйца на ферме M.Tv» набрал 4,6 млрд просмотров на YouTube (M. Tv 2018), но чаще всего вирусный эффект вызван сильными эмоциональными реакциями – так, комический видеоролик Gangnam Style удерживал статус самого просматриваемого видео на YouTube в течение пяти лет (O. 2012). Вирусными могут стать смешные, сентиментальные, провокационные, эпатирующие, пугающие или скандальные ролики, кроме того широкий общественный резонанс гарантирует обращение к эмоционально воспринимаемым темам, вошедшим в актуальную общественно-политическую повестку. Стилистика молодежного вирусного контента предполагает постиронию, сарказм и сатиру, допускает провокации и ненормативную лексику. Например, содержащий взаимные провокативные сентенции батл двух видеоблогеров Х. и Л., набрал более 42 млн просмотров (v. 2016).
Стратегический фильтр
Этот механизм связан с целями производителей контента, монетизацией, редакционной политикой. На этом уровне информационный поток определяют диспропорции медийной активности профессиональных и социальных групп, определенные коммерческие, политические или социокультурные задачи поставщиков контента, рекламодателей и владельцев медиаплатформ. Процессы таблоидизации контента, как правило, определяются рыночной логикой выбора формы и содержания сообщений. Но также сетевые медиа могут выступать инструментом формирования ценностных установок и гражданской идентичности. Популярный видеоролик 2018 года «Как устроена IT-столица мира» посвящен, по словам ведущего Д., системе ценностей, «которая позволила человечеству на клочке суши длиной 80 км построить технологическую столицу всего мира». Отмечается, что блоги и видеофильмы используются для информационных вбросов и провокативных действий, повышения градуса «мобилизационного возмущения» (Красовская, Гуляев, 2019: 51–52), а YouTube-блогеры «выступают активными акторами символической политики» (Гигаури и др. 2019: 56). Так, публикация видеоролика в 2021 г. «Дворец для П.. История самой большой взятки» на канале «А.Н.» сопровождалась призывами к участию в акциях протеста.
Таким образом, фильтрация информации в социальных медиа осуществляется на всех этапах: от производства и продвижения до потребления контента. В то же время на селекцию информации влияют самые разные процессы: индивидуальные, технологические, социальные, политические, дискурсивные и рыночные. Проанализированную модель фильтрации информации можно представить в виде схемы (рис.).
Заключение
Рассмотрев комплекс факторов, определяющих характер отбора информации в сетевых медиа, мы разработали модель, учитывающую индивидуальный, технологический, социальный, рекламный, дискурсивный и стратегический уровни. В результате селекции до адресата преимущественно доходит контент, появление которого обусловлено стратегическими задачами участников медиарынка, его видимость связана с использованием различных технологий привлечения внимания, формирования интереса к контенту, его поддержки и продвижения в интернет-среде, а на отбор влияет социальное окружение и рекомендательные алгоритмы. В сегменте популярных молодежных видеоблогов под влиянием совокупности рыночных, технологических, социальных и медийных процессов начинают доминировать дискурсивные и стилистические маркеры массовой гедонистической культуры и приемы, способствующие вирусному распространению информации. Под влиянием регулярных упоминаний канала в медиа, рекомендациях и в социальном окружении, формируется мода на медийное явление.
Модель фильтрации позволяет выявить некоторые факторы неблагоприятного отбора информации, действующие в социальных медиа. В частности, принцип наименьших усилий или поиск «пути наименьшего сопротивления» может действовать как на уровне индивидуального поиска информации, так и на уровне производства контента. Кроме того, пузыри фильтров, предвзятая и непрозрачная работа сервисов, мода, диспропорции медийной и рекламной активности разных социальных групп могут усиливать дисфункциональные эффекты и аномии сетевой медиакоммуникации. Представленная модель может быть дополнена факторами, учитывающими проактивное поведение участников коммуникации.
Выражение признательности
Работа выполнена при финансовой поддержке РФФИ в рамках научного проекта 20–011–00683 с участием Руденкина Д. В.
Редакция благодарит программу «Университетское партнерство» за поддержку и возможность опубликовать данную статью.
Материалы для анализа
O. (2012) PSY – GANGNAM STYLE M/V. Доступно по ссылке: https://www.youtube.com/watch?v=9bZkp7q19f0 (дата обращения: 14 августа 2022).
V. (2016) VERSUS #4 (сезон III): Х. VS Л. Доступно по ссылке: https://www.youtube.com/watch?v=Tp0GTdXwxMw (дата обращения: 14 августа 2022).
А.Н. (2021) Дворец для П. История самой большой взятки. Доступно по ссылке: https://www.youtube.com/watch?v=ipAnwilMncI (дата обращения: 14 августа 2022).
вД. (2020) Как устроена IT-столица мира / Russian Silicon Valley (English subs). Доступно по ссылке: https://www.youtube.com/watch?v=9lO06Zxhu88&t=2s (дата обращения: 14 августа 2022).
вД. (2018) Нагиев – пенсии, стих в Кремле (English subs). Доступно по ссылке: https://www.youtube.com/watch?v=7tKb5u52nSE. (дата обращения: 14 августа 2022).
М. TV (2018) Учим цвета Разноцветные яйца на ферме M. Tv. Доступно по ссылке: https://www.youtube.com/watch?v=_nAu9D‑8srA (дата обращения: 14 августа 2022).
Список источников
Бузин В.Н. (2020) Гуманизация социума как императив управления медиапространством. Коммуникология, 8 (2): 168-180.
Володенков С.В. (2021) Интернет-коммуникации в глобальном пространстве современного политического управления: навстречу цифровому обществу. Москва: Проспект.
Гигаури Д.И., Гуторов В.А., Ширинянц А.А. (2019) YouTube-блогеры как лидеры общественного мнения молодёжи: новые технологии формирования идентичности в виртуальном пространстве. Каспийский регион: политика, экономика, культура, 3 (60): 51-58.
Головнин В.Н., Кушпаева Г.С., Комольцева А.П. (2021) Цифровые границы: влияние алгоритмов на коммуникационное пространство и этические нормы общества. Московский экономический журнал, (7): 459-464.
Карпова А.Ю. (2017) Аберрации информации в политической коммуникации как новый вид риска. Власть, (9): 27-31.
Косоруков А.А. (2018) Алгоритмы поисковых машин и социальных сетей как фактор становления цифровой публичной сферы. Политика и общество, (2): 23-31.
Красовская Н.Р., Гуляев А.А. (2019) К вопросу классификации информационных войн. Социология науки и технологий, 10 (2): 44-55.
Кудрявцева М.Е. (2020) Влияние новостной ленты «Яндекс. Дзен» на картину мира современного человека. А.А. Морозрва (ред.) Материалы V Международной научной конференции «MEDIAОбразование: медиа как тотальная повседневность», Челябинск, 24-25 ноября: 96-100.
Лагун А.В., Строев Н.Н. (2018) Формирование личного информационного иммунитета в условиях постоянного информационного воздействия. Ученые записки Санкт-Петербургского имени В.Б. Бобкова филиала Российской таможенной академии, 3 (67): 108-110.
Поцелуев С.П., Подшибякина Т.А. (2018) О факторах политической радикализации в сетевой коммуникации посредством «эхокамер». Научная мысль Кавказа, (3): 29-34.
Преображенский Ю.П., Коновалов В.М. (2019) Анализ подходов к формированию рекомендательных систем. Вестник Воронежского института высоких технологий, (4): 88-90.
Пронина Е.Е. (2006) Психология журналистского творчества: учебное пособие. Москва: МГУ.
Родичева А.А., Зайцева Т.А. (2020) Репрезентация имиджа современного российского журналиста. Евразийский Союз Ученых, 73 (4-9): 39-43.
Хомутникова Е.А., Джалилов Р.А., Иноятова К.Ш. (2019) Технологии создания интервью для молодежи в интернет-СМИ. Медиасреда, (2): 45-49.
Шестерина А.М. (2019) Интервью-конфронтация в структуре современного аудиовизуального произведения. Вестник Российского университета дружбы народов. Серия: Литературоведение, журналистика, 24 (3): 511-520.
Aridor G., Goncalves D., Sikdar S. (2020) Deconstructing the Filter Bubble: User Decision-Making and Recommender Systems. RecSys’20: Fourteenth ACM Conference on Recommender Systems, Virtual Event, Brazil, September 22 — 26, 202. Association for Computing Machinery: NY, USA: 82-91.
Eirinaki M., Gao J., Varlamis I., Tserpes K. (2018) Recommender Systems for Large-scale Social Networks: A Review of Challenges and Solutions. Future Generation Computer Systems, (78): 413-418.
Geschke D., Lorenz J., Holtz P. (2019) The Triple‐filter Bubble: Using Agent‐Based Modelling to test a Meta‐Theoretical Framework for the Emergence of Filter Bubbles and Echo Chambers. British Journal of Social Psychology, 58 (1): 129-149.
Haim M., Graefe A., Brosius H.B. (2018) Burst of the Filter Bubble? Effects of Personalization on the Diversity of Google News. Digital Journalism, 6 (3): 330-343.
Masrour F., Wilson T., Yan H., Tan P.N., Esfahanian A. (2020) Bursting the Filter Bubble: Fairness-aware Network Link Prediction. In Proceedings of the AAAI conference on artificial intelligence, 34 (01): 841-848.
Pariser E. (2011) The Filter Bubble: What the Internet is Hiding from You. Penguin UK.
Sardianos C., Tsirakis N., Varlamis I. (2018) A Survey on the Scalability of Recommender Systems for Social Networks. In: N. Dey, R. Babo, A.S. Ashour, V. Bhatnagar, M.S. Bouhlel (eds.) Social Networks Science: Design, Implementation, Security, and Challenge. Springer: 89-110.
Veronica Grushevskaya
The Information Filtering Model in Social Media
In the digital civilization, artificial intelligence has a significant impact on the selection of information flows. The algorithms of social networks and search engines select content based on data about the interests and behavior of the user and the user’s environment. However, the specific of mass communications is determined not only by automated selection, but also by a complex set of media, advertising and market processes. The relevance of the article stems from the need to systematise knowledge describing the dissemination of mass-media content in the digital environment. Scientific literature is just beginning the digital media environment discuss. Few studies describe the principles of information dissemination in social media, methods of content promotion, new opportunities and the transformation of the media environment. The article systematises topical scientific publications describing the processes of information dissemination and filtering in online media, as well as the problems associated with them. The review of scientific literature is supplemented by questionnaire survey data as well as a series of in-depth interviews with Yekaterinburg youth representatives who regularly watch the content of popular video blogs. The data obtained allowed to identify a number of important social, cognitive and psychological factors of content selection at the stage of media consumption. The article records the commonality of discursive principles of entertainment content design dominant in video blogs with the mass discursive phenomena characteristic of the entertainment segment of traditional journalism. Such markers include playful, collaborations, heightened emotionality, provocation and presentationalism. The result is a model of information filtering in social media, including six levels: individual, technological, social, advertising, discursive and strategic.
Keywords: recommendation systems, algorithms, communication, media consumption, social media.
References
Aridor G., Goncalves D., Sikdar S. (2020) Deconstructing the Filter Bubble: User Decision-Making and Recommender Systems. RecSys’20: Fourteenth ACM Conference on Recommender Systems, Virtual Event, Brazil, September 22 — 26, 202. Association for Computing Machinery: NY, USA: 82-91.
Buzin V.N. (2020) Gumanizacija sociuma kak imperativ upravlenija mediaprostranstvom. [Humanization of Socium as an Imperative of Mediaspace Management]. Kommunikologija [Communicology], 8 (2): 168-180.
Eirinaki M., Gao J., Varlamis I., Tserpes K. (2018) Recommender Systems for Large-scale Social Networks: A Review of Challenges and Solutions. Future Generation Computer Systems, (78): 413-418.
Geschke D., Lorenz J., Holtz P. (2019) The Triple‐filter Bubble: Using Agent‐Based Modelling to test a Meta‐Theoretical Framework for the Emergence of Filter Bubbles and Echo Chambers. British Journal of Social Psychology, 58 (1): 129-149.
Gigauri D.I., Gutorov V.A., Shirinjanc A.A. (2019) YouTube-blogery kak lidery obshhestvennogo mnenija molodjozhi: novye tehnologii formirovanija identichnosti v virtual’nom prostranstve [Youtube-bloggers as Leaders of Public Opinion of Youth: New Technologies of Identity Formation i Virtual Space]. Kaspijskij region: politika, jekonomika, kul’tura [The Caspian Region: Politics, Economics, Culture], 3 (60): 51-58.
Golovnin V.N., Kushpaeva G.S., Komol’ceva A.P. (2021) Cifrovye granicy: vlijanie algoritmov na kommunikacionnoe prostranstvo i jeticheskie normy obshhestva [Digital Boundaries: The Impact of Algorithms on the Communication Space and Ethical Norms of Society]. Moskovskij jekonomicheskij zhurnal [Moscow Economic Journal], (7): 459-464.
Haim M., Graefe A., Brosius H.B. (2018) Burst of the Filter Bubble? Effects of Personalization on the Diversity of Google News. Digital Journalism, 6 (3): 330-343.
Homutnikova E.A., Dzhalilov R.A., Inojatova K.Sh. (2019) Tehnologii sozdanija interv’ju dlja molodezhi v internet-SMI [Technologies of Interview Creation for Young People in Online Media]. Mediasreda [Mediasreda], (2): 45-49.
Karpova A.Ju. (2017) Aberracii informacii v politicheskoj kommunikacii kak novyj vid riska [Aberrations of Information in Political Communication as a New Type of Risk]. Vlast’ [Vlast’], (9): 27-31.
Kosorukov A.A. (2018) Algoritmy poiskovyh mashin i social’nyh setej kak faktor stanovlenija cifrovoj publichnoj sfery [Algorithms of Search Engines and Social Networks as a Factor of Becoming a Digital Public Sphere]. Politika i obshhestvo [Politics and Society], (2): 23-31.
Krasovskaja N.R., Guljaev A.A. (2019). K voprosu klassifikacii informacionnyh vojn [Concerning the Classification of Information Wars]. Sociologija nauki i tehnologij [Sociology of Science and Technology], 10 (2): 44-55.
Kudrjavceva M.E. (2020) Vlijanie novostnoj lenty «Yandex. Zen» na kartinu mira sovremennogo cheloveka [The Influence of Yandex. Zen Newsline on the Picture of the World of a Modern Person]. Proceedings of the V International Scientific Conference ‘MEDIAObrazovanie: media kak total’naja povsednevnost’ , Chelyabinsk, 24-25 November: 96-100.
Lagun A.V., Stroev N.N. (2018) Formirovanie lichnogo informacionnogo immuniteta v uslovijah postojannogo informacionnogo vozdejstvija [Formation of Personal Information Immunity under the Conditions of Continual Information Influence]. Uchenye zapiski Sankt-Peterburgskogo imeni VB Bobkova filiala Rossijskoj tamozhennoj akademii [Scientific Notes of Bobkov St. Petersburg Branch of the Russian Customs Academy], 3 (67): 108-110.
Masrour F., Wilson T., Yan H., Tan P.N., Esfahanian A. (2020) Bursting the Filter Bubble: Fairness-aware Network Link Prediction. In Proceedings of the AAAI conference on artificial intelligence, 34 (01): 841-848.
Pariser E. (2011) The Filter Bubble: What the Internet is Hiding from You. Penguin UK.
Potseluev S.P. Podshibyakina T.A. (2018) O faktorah politicheskoj radikalizacii v setevoj kommunikacii posredstvom ‘jehokamer’ [On the Factors of Political Radicalization in Network Communication Through ‘Echo Chambers’]. Nauchnaja mysl’ Kavkaza [Scientific Thought of Caucasus], 3: 29-34.
Preobrazhenskij Ju.P., Konovalov V.M. (2019) Analiz podhodov k formirovaniju rekomendatel’nyh system [Analysis of Approaches to Formation Recommended Systems]. Vestnik Voronezhskogo instituta vysokih tehnologij [Vestnik of Voronezh Institute of High Technologies], (4): 88-90.
Pronina E.E. (2006) Psihologija zhurnalistskogo tvorchestva: uchebnoe posobie [Psychology of Journalistic Creativity]. Moscow: MGU.
Rodicheva A.A., Zajceva T.A. (2020) Reprezentacija imidzha sovremennogo rossijskogo zhurnalista [Modern Russian Journalist Image Representation]. Evrazijskij Sojuz Uchenyh [Eurasian Union of Scientists], 73 (4-9): 39-43.
Sardianos C., Tsirakis N., Varlamis I. (2018) A Survey on the Scalability of Recommender Systems for Social Networks. In: N. Dey, R. Babo, A.S. Ashour, V. Bhatnagar, M.S. Bouhlel (eds.) Social Networks Science: Design, Implementation, Security, and Challenge. Springer: 89-110.
Shesterina A.M. (2019) Interv’ju-konfrontacija v strukture sovremennogo audiovizual’nogo proizvedenija [Interview-confrontation in the Structure of Modern Audiovisual Works]. Vestnik Rossijskogo universiteta druzhby narodov. Serija: Literaturovedenie, zhurnalistika [Peoples’ Friendship University of Russia. RUDN Journal of Studies in Literature and Journalism], 24 (3): 511-520.
Volodenkov S.V. (2021) Internet-kommunikacii v global’nom prostranstve sovremennogo politicheskogo upravlenija: navstrechu cifrovomu obshhestvu [Internet Communications in the Global Space of Contemporary Political Governance: Towards a Digital Society]. Moscow: Prospekt.
