Агентно-сетевой подход в прогнозировании политической активности российских пользователей социальных медиа
Научная статья
Для цитирования
Бельников С. С. Агентно-сетевой подход в прогнозировании политической активности российских пользователей социальных медиа // Власть. 2026. Том 34. № 1. С. 183-188.
Аннотация
Статья посвящена систематизации опыта применения агентно-сетевого подхода при прогнозировании социально-медийной политической активности пользователей цифровых платформ. На основе обзора зарубежного и российского научного опыта установлены ключевые возможности и ограничения использования моделей агентного моделирования (agent-based modeling, ABM) в условиях российской информационной среды. В статье выявляется, что западные методологии (агентное моделирование, сетевые модели информационной диффузии, прогнозирование на основе нейронных сетей глубокого обучения) демонстрируют высокую эффективность при прогнозировании политической активности в открытых информационных пространствах, однако их адаптация к российскому контексту требует учета специфики государственного регулирования информационного поля, архитектуры социально-медийных платформ и структуры российского общественного мнения. Автор опредет оптимальные методы параметризации моделей и предлагает комплексный подход к конструированию систем прогнозирования политической активности, интегрирующий методологический инструментарий западной вычислительной науки с российским опытом анализа информационных потоков и сетевых структур.
Ключевые слова:
агентное моделирование, социально-медийная политическая активность, информационные потоки, сетевой анализ, цифровые платформы, политические технологии, информационное влияние
Литература
Ахременко А.С., Петров А.П., Жеглов С.А. 2021. Как информационно-коммуникационные технологии меняют тренды моделирования политических процессов: к агентному подходу. – Политическая наука. № 1. С. 12-45.
Бродовская Е.В., Домбровская А.Ю. 2020. Цифровые сообщества гражданских и политических активистов в России: интегрированность, управление потенциалом. – Вестник Московского государственного областного университета. № 4. С. 3-27.
Бродовская Е.В., Домбровская А.Ю., Парма Р.В. 2024. Технологии солидаризации российского общества в социальных медиа: результаты когнитивного анализа дискурсов. – Власть. Т. 32. № 6. С. 126-135.
Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. 2010. Социальные сети: модели информационного влияния, управления и противоборства. М.: Физматлит. 228 с.
Домбровская А.Ю., Азаров А.А. 2023. Методология и методика изучения структуры дискурсов, плотности взаимодействия и пересечения аудиторий цифровых платформ политических сообществ. – Власть. Т. 31. № 2. С. 109-116.
Парма Р.В., Козлов Н.А. 2023. Построение модели влияния кредитных обязательств граждан на политическое поведение. – Власть. Т. 31. № 4. С. 102-125.
Петров А.П., Подлипская О.Г., Подлипский О.К. 2024. Моделирование динамики политических позиций: плотность сети и шансы меньшинства. – Компьютерные исследования и моделирование. Т. 16. № 3. С. 785-796.
Стукал Д.К. 2022. Продвижение лидера или популяризация повестки? Агентно-ориентированная модель применения ботов в социальных сетях. – Мониторинг общественного мнения. № 1. С. 22-38.
Bond R.M., Fariss C.J., Jones J.J., Kramer A.D.I., Marlow C., Settle J.E., Fowler J.H. 2012. A 61-million-person Experiment in Social Influence and Political Mobilization. – Nature. Vol. 489. No. 7415. P. 295-298.
Kollman K., Miller J.H., Page S.E. 2022. Forecasting Elections with Agent-based Modeling. – Proceedings of the National Academy of Sciences. Vol. 119. No. 26. P. e2200964119.
Stukal D.K., Sanovich S., Bonneau R., Tucker J.A. 2017. Detecting Bots on Russian Political Twitter. – Big Data. Vol. 5. No. 4. P. 310-324.
Бродовская Е.В., Домбровская А.Ю. 2020. Цифровые сообщества гражданских и политических активистов в России: интегрированность, управление потенциалом. – Вестник Московского государственного областного университета. № 4. С. 3-27.
Бродовская Е.В., Домбровская А.Ю., Парма Р.В. 2024. Технологии солидаризации российского общества в социальных медиа: результаты когнитивного анализа дискурсов. – Власть. Т. 32. № 6. С. 126-135.
Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. 2010. Социальные сети: модели информационного влияния, управления и противоборства. М.: Физматлит. 228 с.
Домбровская А.Ю., Азаров А.А. 2023. Методология и методика изучения структуры дискурсов, плотности взаимодействия и пересечения аудиторий цифровых платформ политических сообществ. – Власть. Т. 31. № 2. С. 109-116.
Парма Р.В., Козлов Н.А. 2023. Построение модели влияния кредитных обязательств граждан на политическое поведение. – Власть. Т. 31. № 4. С. 102-125.
Петров А.П., Подлипская О.Г., Подлипский О.К. 2024. Моделирование динамики политических позиций: плотность сети и шансы меньшинства. – Компьютерные исследования и моделирование. Т. 16. № 3. С. 785-796.
Стукал Д.К. 2022. Продвижение лидера или популяризация повестки? Агентно-ориентированная модель применения ботов в социальных сетях. – Мониторинг общественного мнения. № 1. С. 22-38.
Bond R.M., Fariss C.J., Jones J.J., Kramer A.D.I., Marlow C., Settle J.E., Fowler J.H. 2012. A 61-million-person Experiment in Social Influence and Political Mobilization. – Nature. Vol. 489. No. 7415. P. 295-298.
Kollman K., Miller J.H., Page S.E. 2022. Forecasting Elections with Agent-based Modeling. – Proceedings of the National Academy of Sciences. Vol. 119. No. 26. P. e2200964119.
Stukal D.K., Sanovich S., Bonneau R., Tucker J.A. 2017. Detecting Bots on Russian Political Twitter. – Big Data. Vol. 5. No. 4. P. 310-324.
Статья
Поступила: 28.03.2026
Форматы цитирования
Другие форматы цитирования:
APA
Бельников, С. С. (2026). Агентно-сетевой подход в прогнозировании политической активности российских пользователей социальных медиа. Власть, 34(1), 183-188. извлечено от https://www.jour.fnisc.ru/index.php/vlast/article/view/11075
Выпуск
Раздел
ПОЛИТОЛОГИЯ
Представляя в Редакцию рукопись автор выражает согласие со всеми пунктами настоящего лицензионного договора.
JATS XML
