Возможности и опыт применения компьютерных инструментов в анализе цифровых следов студентов-пользователей социальной сети
Ключевые слова:
социальные сети, психологические особенности, цифровые следы, автоматизация исследований
Аннотация
В статье обсуждаются результаты пилотного исследования, нацеленного на выявление взаимосвязи между типами постов, которые пользователь размещает на своей странице ВКонтакте, и его личностными особенностями, определенными при помощи психологических методик. Рассматриваются возможности применения результатов анализа аккаунтов пользователей социальных сетей в качестве основы первичной экспресс-диагностики при работе с учебными группами. Кроме того, приводятся примеры как уже решенных, так и открытых задач автоматизации, возникающих в процессе разработки инструментария.
Литература
1. Бычкова М.Н., Окушова Г.А. Интернет как среда реализации общественных инициатив российской молодежи // Исторические, философские, политические и юридические науки, культурология и искусствоведение. Вопросы теории и практики. Тамбов: Грамота, 2012. № 8. С. 22.
2. Крылов А.А. Психология. М.: Велби: Проспект, 2008.
3. «Любовь и ненависть» на карте России, лето 2015: исследование эмоционального состояния 25 млн пользователей социальных медиа // Блог Brand Analytics — все о бренд мониторинге и социальной аналитике, 2015. URL: http://br-analytics.ru/blog/lyubov-i-nenavist-na-karte-rossiileto-2015-issledovanie-emocionalnogo-sostoyaniya-35-mln-polzovatelej-socialnyx-media/ (дата обращения 15.08.2015).
4. Москвина В. Пользователи социальных сетей // Телескоп: журнал социологических и маркетинговых исследований, 2010. № 2. С. 35–38.
5. Носовец А.А. Система экспресс-классификации постов в социальной сети: обнаружение маркеров в тексте. Дипломная работа. СПб: СПбГУ, 2015.
6. Пащенко А.Е., Тулупьева Т.В. Экспресс-анализ реплик и метаданных социальных сетей с использованием программных средств автоматизации получения данных / Список-2014: материалы всерос. науч. конф. по пробл. информатики. СПб.: ВВМ, 2014. С. 563–568.
7. Работа с API // Разработчикам. URL: https://vk.com/dev/apiusage(дата обращения 15.08.2015).
8. Радкевич А.Л. Интернет-аудитория в России: состояние, динамика, тенденции // Знание. Понимание. Умение, 2009. № 1.
9. Телегина Н.Л. Виртуальные социальные сети как составляющая современного образовательного пространства // ББК И 466.01 А 43 Редакционная коллегия. 2010. С. 255.
10. Титов В.В. Интернет как пространство трансформации системы коммуникативных идентичностей российского общества: по материалам международного исследования World Internet project (WIP) // Мониторинг общественного мнения: экономические и социальные перемены, 2013. № 3 (115).
11. Тулупьева Т.В, Тулупьев А.Л., Ющенко Н.А. Проявление ценностных ориентаций пользователей социальных сетей в контенте персональных страниц (на примере сети «В контакте») // Вестник психотерапии, 2014. № 52. С. 37–50.
12. Amichai-Hamburger Y., Hayat Z. The impact of the Internet on the social lives of users: Arepresentative sample from 13 countries // Computers in Human Behavior, 2011. Vol. 27. No. 1. P. 585–589.
13. Bond R.M. et al. A 61-million-person experiment in social influence and political mobilization // Nature, 2012. Vol. 489. No. 7415. P. 295–298.
14. Duh´ e S. An overview of new media research in public relations journals from 1981 to 2014 // Public Relations Review, 2015. Vol. 41. No. 2. P. 153–169.
15. Golder S.A., Macy M.W. Digital footprints: opportunities and challenges for online social research // Sociology, 2014. Vol. 40. No. 1. P. 129.
16. McCreanor T. et al. Youth drinking cultures, social networking and alcohol marketing: implications for public health // Critical public health, 2013. Vol. 23. No. 1. P. 110–120.
17. Muchnik L., Aral S., Taylor S.J. Social influence bias: A randomized experiment // Science, 2013. Vol. 341. No. 6146. P. 647–651.
18. Oremus W. Pew Internet Survey: Twitter is full of haters and negative opinions // Future Tense. 2013. URL: http://www.slate.com/blogs/future_tense/2013/03/04/pew_internet_survey_twitter_is_full_of_haters_and_negative_opinions.html (дата обращения 15.08.2015).
19. Wellman B., Haythornthwaite C. (ed.). The Internet in everyday life. John Wiley & Sons, 2008.
2. Крылов А.А. Психология. М.: Велби: Проспект, 2008.
3. «Любовь и ненависть» на карте России, лето 2015: исследование эмоционального состояния 25 млн пользователей социальных медиа // Блог Brand Analytics — все о бренд мониторинге и социальной аналитике, 2015. URL: http://br-analytics.ru/blog/lyubov-i-nenavist-na-karte-rossiileto-2015-issledovanie-emocionalnogo-sostoyaniya-35-mln-polzovatelej-socialnyx-media/ (дата обращения 15.08.2015).
4. Москвина В. Пользователи социальных сетей // Телескоп: журнал социологических и маркетинговых исследований, 2010. № 2. С. 35–38.
5. Носовец А.А. Система экспресс-классификации постов в социальной сети: обнаружение маркеров в тексте. Дипломная работа. СПб: СПбГУ, 2015.
6. Пащенко А.Е., Тулупьева Т.В. Экспресс-анализ реплик и метаданных социальных сетей с использованием программных средств автоматизации получения данных / Список-2014: материалы всерос. науч. конф. по пробл. информатики. СПб.: ВВМ, 2014. С. 563–568.
7. Работа с API // Разработчикам. URL: https://vk.com/dev/apiusage(дата обращения 15.08.2015).
8. Радкевич А.Л. Интернет-аудитория в России: состояние, динамика, тенденции // Знание. Понимание. Умение, 2009. № 1.
9. Телегина Н.Л. Виртуальные социальные сети как составляющая современного образовательного пространства // ББК И 466.01 А 43 Редакционная коллегия. 2010. С. 255.
10. Титов В.В. Интернет как пространство трансформации системы коммуникативных идентичностей российского общества: по материалам международного исследования World Internet project (WIP) // Мониторинг общественного мнения: экономические и социальные перемены, 2013. № 3 (115).
11. Тулупьева Т.В, Тулупьев А.Л., Ющенко Н.А. Проявление ценностных ориентаций пользователей социальных сетей в контенте персональных страниц (на примере сети «В контакте») // Вестник психотерапии, 2014. № 52. С. 37–50.
12. Amichai-Hamburger Y., Hayat Z. The impact of the Internet on the social lives of users: Arepresentative sample from 13 countries // Computers in Human Behavior, 2011. Vol. 27. No. 1. P. 585–589.
13. Bond R.M. et al. A 61-million-person experiment in social influence and political mobilization // Nature, 2012. Vol. 489. No. 7415. P. 295–298.
14. Duh´ e S. An overview of new media research in public relations journals from 1981 to 2014 // Public Relations Review, 2015. Vol. 41. No. 2. P. 153–169.
15. Golder S.A., Macy M.W. Digital footprints: opportunities and challenges for online social research // Sociology, 2014. Vol. 40. No. 1. P. 129.
16. McCreanor T. et al. Youth drinking cultures, social networking and alcohol marketing: implications for public health // Critical public health, 2013. Vol. 23. No. 1. P. 110–120.
17. Muchnik L., Aral S., Taylor S.J. Social influence bias: A randomized experiment // Science, 2013. Vol. 341. No. 6146. P. 647–651.
18. Oremus W. Pew Internet Survey: Twitter is full of haters and negative opinions // Future Tense. 2013. URL: http://www.slate.com/blogs/future_tense/2013/03/04/pew_internet_survey_twitter_is_full_of_haters_and_negative_opinions.html (дата обращения 15.08.2015).
19. Wellman B., Haythornthwaite C. (ed.). The Internet in everyday life. John Wiley & Sons, 2008.
Опубликован
2017-07-16
Как цитировать
Тулупьева, Т. В., Суворова, А. В., Азаров, А. А., Тулупьев, А. Л., & Бордовская, Н. В. (2017). Возможности и опыт применения компьютерных инструментов в анализе цифровых следов студентов-пользователей социальной сети. Компьютерные инструменты в образовании, (5), 3-13. извлечено от http://cte.eltech.ru/ojs/index.php/kio/article/view/1451
Выпуск
Раздел
Информационные системы
Материал публикуется под лицензией:
