Действительно, рассматривая в качестве объекта исследования социальные сети Интернета как самоорганизующиеся системы, можно предположить, что этот объект вполне соответствует тем требованиям, которые определяют разработчики синергетики. Разумеется, что для соблюдения требований достоверности в данном случае речь может идти о моделировании преимущественно методом аналогии.
Социальные сети представляют собой открытые информационные системы, поскольку закрытая система в соответствии с законами термодинамики должна в конечном итоге прийти к состоянию с максимальной энтропией и прекратить любые эволюции. Здесь аналогом флуктуаций элементов системы являются индивидуальные различия пользователей, их мнения, отношения, установки, настроения, эмоции и пр. Эти переменные не являются постоянными, они также колеблются возле своих средних значений, что также вносит элементы случайности и непредсказуемости в процесс саморазвития системы.
Проблема самоорганизации группы в Интернете предполагает анализ многочисленных результатов фундаментальных социально-психологических исследований, которые в большом количестве проводились в прошлом веке. Следует обратить внимание на ряд известных феноменов, которые, судя по всему, могут проявиться в Интернете, но, возможно, весьма своеобразным образом. В частности, речь может идти о феноменах групповой динамики, поляризации и социального влияния, влияния меньшинства на большинство и других (Moscovici, Zavalloni, 1969; Van Swol, Lyn, 2009).
В процессе анализа дискуссий и обмена мнений в социальных сетях, легко можно обнаружить состояния неопределенности, когда зачастую невозможно предположить, чем закончится обсуждение того или иного вопроса пользователями. Очень часто в такие обсуждения вовлекается огромное количество людей, а в качестве аттракторов выступают мнения, отношения, убеждения пользователей, что приводит к явлению поляризации стихийно образовавшейся группы, как подсистемы социальной сети. Групповая поляризация -- явление, на основе которого гипотетически может происходить описанная Г. Хакеном бифуркация группы как системы.
ФЕНОМЕН ГРУППОВОЙ ПОЛЯРИЗАЦИИ И МЕТОДЫ МОДЕЛИРОВАНИЯ САМООРГАНИЗАЦИИ В ИНТЕРНЕТЕ
Как известно из истории социальной психологии, в ходе исследований в 1961 году американским психологом Дж. Стоунером был обнаружен феномен «сдвига к риску». Суть феномена состоит в том, что группа людей после обсуждения проблемы чаще принимает рискованные решения, чем члены этой групп по отдельности. В 1969 году французский психолог С. Московичи, обсуждая этот феномен, высказал идею о существовании еще двух противоположных феноменов. Это схождение мнений и «групповая поляризация» (Moscovici, Zavalloni, 1969).
С. Московиси описал три ситуации, которые могут приводить к появлению «групповой поляризации»: 1) участники дискуссии имеют одинаковые социальные статусы и одинаковое влияние на других членов группы; 2) обсуждаемый объект не интересен или не известен большинству участников обсуждения; 3) участники обсуждения не дискутируют по теме вопроса, либо не имеют определенного мнения о ситуации и объекте обсуждения. В результате С. Московиси и М. Заваллони предложили определять феномен «сдвига к риску» как частный случай феномена групповой поляризации.
Если представленные выше феномены рассмотреть в контексте изучения механизмов самоорганизации и на уровне больших социальных групп, например, тех, которые случайно формируются в Интернете, то можно предположить, что они будут также проявляться, но при этом приобретут специфику, которая нам пока не известна.
Таким образом, групповая поляризация -- психологический феномен, суть которого состоит в расхождении мнений участников дискуссии по разным полюсам во время принятия группового решения. В исследованиях было установлено, что величина расхождения мнений определяется закономерностью: чем дальше от середины находились мнения в начале дискуссии, тем сильней будет проявляться поляризация. При этом, подчеркивает С. Московиси, нужно разделять «поляризацию» и «экстремизацию». Термин «поляризация» означает, что решение участника обсуждения смещается к ранее выбранному им полюсу. Термин «экстремизация» -- что решение перемещается от нейтральной точки зрения в любом направлении случайно в зависимости от характера дискуссии и неких факторов, которые еще предстоит изучить (Moscovici, Zavalloni, 1969).
Для объяснения феномена групповой поляризации было выдвинуто несколько теорий. В частности, информационная, нормативная и теория самокатегоризации. Так, в соответствии с информационной теорией, во время обсуждения спорных вопросов участники дискуссии формируют некий объединенный «банк знаний». В этом случае высказываются многочисленные противоположные аргументы. Если у члена группы есть сложившееся мнение, он выбирает аргументы из «банка знаний», которые доказывают его правоту и принимает прочную позицию, расположенную у одного из полюсов. В процессе обсуждения определяющую роль играют аргументы, а не защита собственной позиции члена группы.
Нормативная теория, напротив, утверждает, что главной в возникновении феномена -- социальные отношения в группе, а не содержание аргументации, не информация. Предполагается, что участники дискуссии сначала пытаются узнать мнение остальных членов группы и после этого высказать свое собственное. То есть они, желая добиться признания значимых для них людей (идентификация), стараются усилить разногласия и встать на сторону «своих». В другом случае они стремятся поддержать позицию тех, кому симпатизируют. То есть поляризация определяется либо желанием понравиться другим людям, либо быть принятыми в число «своих». Аргументы в этом случае играют второстепенную и зачастую неглавную роль.
Теория самокатегоризации Дж. Тернера, как и нормативная теория, делает акцент на идентичности члена группы с другими людьми. Однако различие состоит в том, что на групповую поляризацию влияет идентификация людей с полярными взглядами не с каким-либо участником группы, а людьми «со стороны», находящимися вне группы. То есть суть теории -- это концепция межгрупповой идентификации Дж. Тернера.
Явление самоорганизации в Интернете может изучаться по-разному. По мнению ряда специалистов, одним из наиболее эффективных методов здесь может оказаться метод имитационного моделирования. В частности, речь может идти о так называемом агент-ориентированном моделировании (АОМ), или agent-based model (ABM).
Имитационное моделирование, или ситуационное моделирование -- метод, который позволяет создавать модели, описывающие процессы так, как они проходят или проходили бы в реальности. Обычно имитационная модель -- это компьютерная программа, которая позволяет получать математическое описание различных состояний некоей системы в зависимости от входных данных. На практике цель моделирования состоит в том, чтобы получить научное обоснование для принятия эффективных управленческих решений (Bandini, Manzoni, Vizzari, 2009; O'Sullivan, Haklay, 2000; Sallach, Charles, 2001).
Идея и первые варианты агентного моделирования, по некоторым данным, появились ещё в 1940 гг. Однако глубокое изучение проблемы началось с появлением современных компьютеров. Так в 1990-х гг. в университете Карнеги-Меллон (штат Пенсильвания, США) была разработана одна из первых компьютерных программ АОМ. Агентное моделирование -- метод, в процессе которого изучается поведение так называемых децентрализованных агентов (элементов системы) и поведение некоей системы в целом. Под агентом здесь понимают такой элемент системы и соответственно модели, который может иметь свойства, память (историю), контакты с другими агентами, способность выбирать случайное направления движения во времени и пространстве и др. Агент -- это некая сущность, обладающая активностью и автономным индивидуальным поведением. Агент может принимать самостоятельные решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться, порой даже случайным образом.
В качестве агентов в процессе моделирования могут выступать отдельные люди, группы людей, животные, птицы, рыбы, насекомые, природные объекты, экономические объекты, города, военные объекты, технические устройства, пожары, тайфуны, самолеты, люди в толпе в условиях паники и многое другое, что соответствует неким заданным требованиям. Например, агентное моделирование в такой науке, как история, позволяет проводить квазиэксперименты и оценивать, что могло бы произойти, если бы история пошла другим путем («сослагательное наклонение»). Также агентное моделирование может выступать инструментом изучения и прогнозирования саморазвития систем.
Для решения научных и практических задач было разработано несколько компьютерных программ, позволяющих обрабатывать большие массивы информации. Обычно в таком моделировании выделяют два подхода. Первые модели строились на основе программного кода (программа NetLogo). Вторые -- на основе карты состояний («стейтчарта») и переходов между состояниями (программа AnyLogic). Программный код -- это набор слов и символов языка программирования. Стейтчарты представляют собой графический язык диаграмм, описывающих различные состояния системы в зависимости от поведения ее элементов на разных уровнях организации, например, в реальном времени. Агентное моделирование основано на идее моделирования процессов «снизу вверх»: в основе модели лежит набор основных элементов, из взаимодействия которых рождается обобщенное поведение системы. Инструментом для реализации более широкого спектра задач в области АОМ является программа Swarm.
Еще в 1940-х годах Джон фон Нейман высказал идею создать гипотетическую машину, которая может воспроизводить сама себя. Он предложил математическую модель такой машины с очень сложными правилами. Позже программист Джон Конвей разработал систему простых правил, которые положил в основу компьютерной игры под названием «Жизнь». В 1970 году описание этой игры опубликовали в журнале Scientific American, в рубрике «Математические игры». Процессы, которые воспроизводились в этой игре, моделировали реальные процессы, которые происходят при зарождении, развитии и гибели колоний живых организмов. Основная идея игры состоит в том, чтобы, начиная с достаточно простого расположения фишек (организмов), расставленных по различным клеткам доски, проследить за эволюцией исходной позиции под действием неких «генетических законов». Правила игры подбирались таким образом, чтобы поведение «популяции фишек» было непредсказуемым. Через некоторое время стали появляться многочисленные компьютерные игры на основе похожих правил (Bandini, Manzoni, Vizzari, 2009; O'Sullivan, Haklay, 2000; Sallach, Charles, 2001).
При изучении феномена самоорганизации людей в Интернете, в частности, в социальных сетях на основе агент-ориентированного моделирования, необходимо описание значительного количества характеристик агентов и правил их взаимодействия. В этом случае появляется крайне актуальное направление в психологии социальных сетей, которое должно рассмотреть специфику общения пользователей глобальной сети с учётом многочисленных социально-психологических феноменов, которые были обнаружены еще в ХХ веке в условиях взаимодействия людей в малых социальных группах.
Таким образом, чтобы задать свойства агентов и правила взаимодействия между ними, необходимо привлечение материалов из опыта экспериментальной психологии, где изучались такие явления, как сдвиг к риску и осторожности, доверие-недоверие, групповая поляризация, влияние меньшинства на большинство и обратное влияние и другие. Между агентами могут устанавливаться двунаправленные связи, поскольку поведение одного агента может зависеть от поведения других. Например, примером является поведение покупателей в супермаркете, обращающих внимание на выбор других покупателей и пр.
Поскольку задача агентных моделей состоит в том, чтобы получить полное представление о правилах поведения системы на основе знаний или предположений об индивидуальном поведении её отдельных активных и взаимодействующих агентов, необходимы психологические исследования субъектов и феноменов их взаимодействия в условиях самоорганизации.
Применительно к действиям пользователей Интернета, может быть показано, как и почему дискуссия между сотнями и даже десятками тысяч пользователей разворачивается в том или ином направлении. И здесь доверие и недоверия информации, может оказаться важным феноменом, позволяющим описать психологический механизм обмена аргументами пользователей в процессе дискуссии по определенной теме.
КВАЗИЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ САМООРГАНИЗЦИИ ПОЛЬЗОВАТЕЛЕЙ СЕТИ «ФЕЙСБУК»
Для имитационного моделирования самоорганизации в Интернете необходимы психологические исследования, которые позволяют оценить специфику известных социально-психологических феноменов в условиях нового глобального информационного пространства, в котором отсутствует непосредственное общение и цензура, но используются мощные методы визуализации. Специфика такого информационного пространства с позиции различных отраслей психологии до конца не определена. Но очевидно, что она существует.
Поэтому целью нашего пилотажного исследования была попытка в условиях моделирующего квазиэксперимента рассмотреть на уровне качественного анализа такие феномены как групповая поляризация и социальное влияние (Корнилова, 2004). Эксперимент проводился в реальном времени в Интернете в социальной сети Facebook. Следует отметить, что традиция проведения квазиэкспериментов в социальной психологии имеет давнюю историю. В соответствии с современными требованиями теории планирования социально-психологического эксперимента классические эксперименты С. Милгрэма, Ф. Зимбардо, М. Шерифа, С. Аша, Н. Триплетт, Дж. Стоунера, С. Московиси, А. Бандуры и аналогичные являются квазиэкспериментами. В них отсутствует принцип контрольной и экспериментальной групп, рандомизации, выравнивания и прочие требования, которые предъявляются в настоящее время к методу эксперимента в социальной психологии.