Розробка методу прогнозування оцінки соціального впливу в регіональних спільнотах
DOI:
https://doi.org/10.15587/1729-4061.2021.249313Ключові слова:
соціокіберфізична система, соціальні мережі, моделі впливу, рейтинг політичних партій, регіональний соціумАнотація
Розвиток соціального аспекту світового співтовариства тісно пов’язаний із розширенням спектра цифрових послуг у кіберпросторі. Особливе місце в якому займають соціальні мережі. Провідними державами світу у цьому середовищі проводяться інформаційні операції задля досягнення геополітичних цілей. Такі процеси відбиваються на реальному суспільному та політичному житті. Це дозволяє не тільки впливати на соціальні групи суспільства, а й забезпечувати маніпуляцію у політичних “іграх”, під час гібридних війн.
Одночасна взаємодія соціальних факторів, факторів впливу, наявності угруповань у соціальних мережах формує повноцінну соціокіберфізичну систему, здатну інтегрувати реальні та віртуальні взаємодії для управління регіональними спільнотами.
У статті пропонується метод прогнозування оцінки соціального взаємного впливу між “формальними” та “неформальними” лідерами та регіональними соціумами. Запропоновані моделі дозволяють сформувати не тільки прогноз впливу агентів, але і взаємодію різних агентів з урахуванням їх формальних і неформальних впливів, використання адміністративного ресурсу, політичних настроїв регіонального соціуму. Такий підхід дозволяє здійснювати динамічне моделювання на основі аналізу факторів впливу та взаємозв'язків.
Представлені результати імітаційного моделювання не суперечать результатам соціологічних опитувань і дозволяють сформувати комплекс заходів, які можуть бути спрямовані на подолання негативного впливу на регіональний соціум як окремих “лідерів”, так і політичних партій. Аналіз результатів моделювання дозволяє підвищити як політичну, так і соціальну стабільність регіонального соціуму, сприяє запобіганню виникнення конфліктних настроїв і протиріч
Посилання
- Hryshchuk, R. V., Danyk, Yu. H. (2016). Osnovy kibernetychnoi bezpeky. Zhytomyr: ZhNAEU, 636.
- Xia, F., Ma, J. (2011). Building smart communities with cyber-physical systems. Proceedings of 1st International Symposium on From Digital Footprints to Social and Community Intelligence - SCI ’11. doi: https://doi.org/10.1145/2030066.2030068
- Guo, B., Yu, Z., Zhou, X. (2015). A Data-Centric Framework for Cyber-Physical-Social Systems. IT Professional, 17 (6), 4–7. doi: https://doi.org/10.1109/mitp.2015.116
- Kuang, L., Yang, L. T., Liao, Y. (2020). An Integration Framework on Cloud for Cyber-Physical-Social Systems Big Data. IEEE Transactions on Cloud Computing, 8 (2), 363–374. doi: https://doi.org/10.1109/tcc.2015.2511766
- Lin, C.-C., Deng, D.-J., Jhong, S.-Y. (2020). A Triangular NodeTrix Visualization Interface for Overlapping Social Community Structures of Cyber-Physical-Social Systems in Smart Factories. IEEE Transactions on Emerging Topics in Computing, 8 (1), 58–68. doi: https://doi.org/10.1109/tetc.2017.2671846
- De, S., Zhou, Y., Larizgoitia Abad, I., Moessner, K. (2017). Cyber–Physical–Social Frameworks for Urban Big Data Systems: A Survey. Applied Sciences, 7 (10), 1017. doi: https://doi.org/10.3390/app7101017
- 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, 489 (7415), 295–298. doi: https://doi.org/10.1038/nature11421
- Jayles, B., Kim, H., Escobedo, R., Cezera, S., Blanchet, A., Kameda, T. et. al. (2017). How social information can improve estimation accuracy in human groups. Proceedings of the National Academy of Sciences, 114 (47), 12620–12625. doi: https://doi.org/10.1073/pnas.1703695114
- Almaatouq, A., Noriega-Campero, A., Alotaibi, A., Krafft, P. M., Moussaid, M., Pentland, A. (2020). Adaptive social networks promote the wisdom of crowds. Proceedings of the National Academy of Sciences, 117 (21), 11379–11386. doi: https://doi.org/10.1073/pnas.1917687117
- Phoa, F. K. H., Weng, P. C.-Y., Chiang, Y.-S. (2016). A mathematical model on the propagation of node attributes on a social network. IAENG Transactions on Engineering Sciences. doi: https://doi.org/10.1142/9789813142725_0009
- Kao, A. B., Berdahl, A. M., Hartnett, A. T., Lutz, M. J., Bak-Coleman, J. B., Ioannou, C. C. et. al. (2018). Counteracting estimation bias and social influence to improve the wisdom of crowds. Journal of The Royal Society Interface, 15 (141), 20180130. doi: https://doi.org/10.1098/rsif.2018.0130
- Lorenz, J., Rauhut, H., Schweitzer, F., Helbing, D. (2011). How social influence can undermine the wisdom of crowd effect. Proceedings of the National Academy of Sciences, 108 (22), 9020–9025. doi: https://doi.org/10.1073/pnas.1008636108
- Jayles, B., Sire, C., Kurvers, R. H. J. M. (2021). Impact of sharing full versus averaged social information on social influence and estimation accuracy. Journal of The Royal Society Interface, 18 (180), 20210231. doi: https://doi.org/10.1098/rsif.2021.0231
- Madirolas, G., de Polavieja, G. G. (2015). Improving Collective Estimations Using Resistance to Social Influence. PLOS Computational Biology, 11 (11), e1004594. doi: https://doi.org/10.1371/journal.pcbi.1004594
- Parthasarathy, S., Ruan, Y., Satuluri, V. (2011). Community Discovery in Social Networks: Applications, Methods and Emerging Trends. Social Network Data Analytics, 79–113. doi: https://doi.org/10.1007/978-1-4419-8462-3_4
- Sun, J., Tang, J. (2011). A Survey of Models and Algorithms for Social Influence Analysis. Social Network Data Analytics, 177–214. doi: https://doi.org/10.1007/978-1-4419-8462-3_7
- Anagnostopoulos, A., Kumar, R., Mahdian, M. (2008). Influence and correlation in social networks. Proceeding of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining - KDD 08. doi: https://doi.org/10.1145/1401890.1401897
- Goyal, A., Bonchi, F., Lakshmanan, L. V. S. (2010). Learning influence probabilities in social networks. Proceedings of the Third ACM International Conference on Web Search and Data Mining - WSDM ’10. doi: https://doi.org/10.1145/1718487.1718518
- Xiang, R., Neville, J., Rogati, M. (2010). Modeling relationship strength in online social networks. Proceedings of the 19th International Conference on World Wide Web - WWW ’10. doi: https://doi.org/10.1145/1772690.1772790
- Scripps, J., Tan, P.-N., Esfahanian, A.-H. (2009). Measuring the effects of preprocessing decisions and network forces in dynamic network analysis. Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining - KDD ’09. doi: https://doi.org/10.1145/1557019.1557102
- Tang, L., Liu, H. (2009). Relational learning via latent social dimensions. Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining - KDD ’09. doi: https://doi.org/10.1145/1557019.1557109
- Yevseiev, S., Ponomarenko, V., Laptiev, O., Milov, O., Korol, O., Milevskyi, S. et. al. (2021). Synergy of building cybersecurity systems. Kharkiv: PC TECHNOLOGY CENTER, 188. doi: https://doi.org/10.15587/978-617-7319-31-2
- Pozacherhovi vybory narodnykh deputativ Ukrainy 21 lypnia 2019 roku. Ofitsiynyi sait «Tsentralnoi vyborchoi komisii Ukrainy». Available at: https://www.cvk.gov.ua/vibory_category/vibori-narodnih-deputativ-ukraini/pozachergovi-vibori-narodnih-deputativ-ukraini-21-lipnya-2019-roku.html
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2021 Serhii Yevseiev, Yurii Ryabukha, Oleksandr Milov, Stanislav Milevskyi, Serhii Pohasii, Yevgen Melenti, Yevheniia Ivanchenko, Ihor Ivanchenko, Ivan Opirskyy, Igor Pasko
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
