Institute of the Countries of the Union of Independent States (Department of Diaspora and Migration, researcher)
Russian Federation
Changing the forms of communication contributes to the emergence of new political management. Analyzing and structuring digital traces that users leave in the Internet space contribute to the creation of unique databases. In the modern world, there was a transition from traditional sociological methods of studying public opinion to methods of psychometric analysis. The study by the author studied the use of technology Big Data in the political sphere. The main goal of the work is to identify the algorithm necessary to win during the election campaign (using new political technologies). The work uses the structural-functional method, comparative political science method, system method. Under current conditions, the policy of sanctions, the study of this experience is especially important for Russia. To date, in Russia there is not only a system of Political Big Data, but also specialists who are able to create the appropriate algorithms and software. In the course of the work, it was established that Big Data have a direct impact on the election result and can change the mass consciousness to achieve specific goals.
Big Data, Political Big Data, political communication, targeting, social networks.
Сегодня виртуальная среда активно проникает во все сферы человеческой жизни: не исключение и политический процесс. Для того чтобы понять потребности общества появляются новые политические технологии. Произошла методологическая революция в процессе изучения общественного мнения – традиционные формы сменили новые психометрические измерения. К такому инструменту относится технология Big Data (большие данные). В политической науке сложились весьма противоречивые разговоры об этой политической технологии:
-
-
- деструктивная составляющая инструментария Big Data (она нацелена на проведение государственного переворота, разжигание этнической, религиозной или иной неприязни для достижения определенной выгоды, например, победы на выборах);
- создание элементов гражданской идентичности (интерес к отечественной истории, развитие патриотизма, гражданская сплоченность).
-
Исходя из этого, отметим, что Big Data – это такой инструмент, который зависит от конкретного заказа, который может исходить как от государства, политической партии, так и от различных экстремистских организаций.
Понятие Big Data в 2008 г. ввел Клиффорд Линч в журнале Nature, который использовал данный термин для описания роста объемов информации. Эксперт приводит следующее определение: Big Data – это комплекс технологий, который отслеживает огромное количество «нужной» для заказчика информации в интернет-пространстве и в социальных сетях, а также формирует аналитические отчеты, необходимые для заказчика [15]. При этом «большие данные» начали существовать намного раньше, чем появился сам термин. По схожему принципу работают поисковые интернет-системы.
Предпосылками создания аналогичных технологий стало появление «цифрового» поколения (поколение Z), которое не мыслит и не знает мир без Интернета, социальных сетей и гаджетов. Поколение Z полностью погружено в «цифровую среду», зачастую им сложно отличить реальный мир от виртуального и связано это, прежде всего, с психическими особенностями личности: они более восприимчивы и менее защищены от так называемого «эффекта кодирования». Погружаясь в «цифровую среду», представители поколения Z стараются оказаться в независимом от государства и политики пространстве, получить более достоверные сведения о внешних и внутренних процессах политики, однако там они сталкиваются с политтехнологами и бизнес-интересантами, которые обладают необходимым инструментарием для манипуляции сознанием личности. Современные информационные и политические технологии предлагают каждой социальной группе свой уникальный месседж. Об этом говорит и экс-председатель совета директоров Google Inc Эрик Шмидт: «Мы не нуждаемся в том, чтобы вы нажимали на все клавиши в вашем компьютере. Мы знаем, где вы находитесь и где вы были. Мы можем узнать в общих чертах, о чем вы думаете. Мне кажется, что большинство людей не хочет, чтобы Google отвечал на их вопросы, а им хочется, чтобы он указал им, что они должны делать... Вы никогда не бываете одни, и вам не скучно...» [14].
Web 1.0 был сегментарным – изначально планировалось, что каждый блок будет заполнен профильным, квалифицированным специалистом, обладающим достоверной информацией. Однако кибер-революция, послужившая созданию Интернета поколения Web 2.0, установила многопользовательский подход.
В эпоху развития социальных сетей и блогосферы активная коммуникация между пользователями позволяет создать свой собственный контент, который носит децентрализованный характер. Соответственно, происходит создание субъективных новостей, которые могут носить «вирусную» информацию, выгодную определенному кругу лиц. Кроме того, часть коммуникационных арен создается искусственно, взаимодействие на них ведется под контролем политических интересантов, для того чтобы обосновать свою легитимность для удержания власти или влияния. Так формируется гибкая технология управления массовым сознанием, более убедительная, чем, например, введение цензуры или блокировка социальных сетей, которые, наоборот, создают дополнительное давление на общество, вызывая негативное отношение к действующему режиму.
Сейчас на рынке политических услуг существует несколько игроков, которые предоставляют структурированные пользовательские данные, сформированные на анализе цифровых следов конкретных категорий граждан. К услугам соответствующих компаний активно прибегают различные политические элиты для возможности лоббировать свои интересы, например, в ходе предвыборной гонки. С другой стороны, такая коммуникация позволяет создать некий демократический форум, где люди имеют возможность высказать свою позицию по тому или иному вопросу, обсудить интересующую их проблему.
Как уже было отмечено, Big Data работает по принципу анализа цифровых следов, которые оставляют интернет-пользователи в ходе онлайн-активности. Такие платформы, как Google, Microsoft, YouTube, Facebook и другие активно используют маячки, которые хранят, систематизируют и анализируют действия пользователей [3]. Наиболее ярким примером здесь служит контекстная реклама, которая работает в соответствии с поисковыми запросами. Например, стоит один или несколько раз задать поисковый запрос на тему путешествий, так на всех сайтах тут же поступают различные рекомендации от туристических агентств с предложениями об отдыхе, и так происходит до следующего интересующего вопроса.
В таком случае остро возникает вопрос о конфиденциальности в интернет-пространстве. Во многих европейских государствах, в США есть возможность легально приобрести некоторые пользовательские данные. А в России Фонд развития интернет-инициатив предложил внести изменения в законодательстве, позволяющие гражданам фактически продавать свои пользовательские данные.
В 2012 г. Михал Косински разработал алгоритм, который вывел технологии Big Data на новый уровень. Занимаясь изучением психотипа личности, эксперт пришел к выводу, что 10 лайков (от англ. Like – нравится) достаточно, чтобы система смогла распознать вашу личность лучше, чем коллега по работе, а по 230–240 лайкам компьютер будет знать больше, чем супруг или супруга [5]. Действительно, по лайкам можно многое сказать о человеке: его предпочтения, интересы, планы и т.п. Однако важно учитывать, что серьезный эффект при работе с Big Data достигается только у квалифицированных в этих вопросах специалистов, обладающих необходимой методологией.
Идеи Михала Косински не остались незамеченными в стороне от политтехнологов. Так, эксперту поступил заказ на анализ 10 миллионов профилей американцев. В итоге эти данные оказались в Лаборатории стратегических коммуникаций, которая занимается созданием манипулятивных технологий в ходе военного или информационного противостояния. Дочерние подразделения этой Лаборатории принадлежат британской компании Cambridge Analytica, которая посредством технологии OCEAN обеспечила победу на выборах Дональду Трампу [8].
Изучив кейс Д. Трампа и еще ряд примеров работ специалистов по Big Data, рассмотрим принцип работы этой политической технологии.
Первое, с чего необходимо начать, – это исследование потенциальной целевой аудитории, которая интересует политический субъект (кандидат в президенты / депутаты, политическая партия).
Важно отметить, что в избирательном «бункере» Д. Трампа присутствовало всего несколько человек, в отличие от предвыборного штаба Х. Клинтон. Однако специалистам, работающим в команде у Дональда Трампа, удалось создать симбиоз информационных технологий и психологических приемов, позволивших опередить своих конкурентов (из этого следует, что важнейшей составляющей в победе на выборах стала междисциплинарность).
В то время как специалисты Хиллари Клинтон собирали политические предпочтения американцев, штаб Дональда Трампа собирал поведенческие предпочтения американцев и выявил ряд проблем, волнующих граждан. В результате чего была получена база, содержащая несколько тысяч показателей, состоящих из проблем и предпочтений американцев. Таким приемом удалось охватить около 13,5 млн граждан в 16 штатах, которые были не определившимися и не знали, за кого в итоге отдать свой голос [7].
Следующий этап – микротаргетированная пропаганда, направленная на неопределившихся избирателей. К этому времени у штаба Д. Трампа имелись все представления о том, какие проблемы волнуют ту или иную целевую группу. В данном случае свой месседж получили три категории граждан: для белых либералов раскручивалась тема с электронной почтой Х. Клинтон; на молодых женщин была направлена пропаганда на тему сексуальных домогательств Б. Клинтона; а афроамериканцам напомнили о словах Х. Клинтон, что те «суперхищники» [7].
В Кении в 2013 г. при поддержке Cambridge Analytica было разработано и проведено крупнейшее в Восточной Африке политологическое исследование. Специалисты компании выяснили, что племя кикуйю, которое поддерживает кандидата в президенты Ухуру Кениата (который и являлся заказчиком в данном случае) находится в сложных отношениях с племенем луа, к тому же поддерживающих другого кандидата. Выявив это, Cambridge Analytica создала психопрофиль племени луа как агрессивного народа, склонного к войнам и преступлениям, запустив соответствующий таргетинг в Интернете. Такая реклама вызвала страх у большинства населения Кении. Итогом этого стала победа У. Кениата на выборах.
Изучение данного примера показывает еще одну проблему технологий Big Data – это этический вопрос. Так, например, в Новой Зеландии общество выразило некоторое недовольство по вопросу использования «больших данных» в политике: государство утверждает, что ведет свою базу данных для выявления социально-экономических проблем у своих граждан; граждане, в свою очередь, уверены, что это ничто иное, как глобальная слежка. Так, Лейбористская партия Новой Зеландии открыто заявляет о том, что активно использует технологию Big Data в ходе своих политических кампаний. Они анализируют целевую аудиторию и выявляют предпочтения новозеландцев при помощи социальных сетей, и используют это для того, чтобы корректировать свою пропаганду [11].
Важно понимать, что существуют большие риски по утечке личных данных граждан через различные интернет-коммуникации (это могут использовать заинтересованные акторы при работе с Big Data). Политолог С.Н. Федорченко уверен, что возрастающая популярность «облачных технологий» в условиях доминирования зарубежных и отсутствия собственных программных решений может быть использована различными антиправительственными интересантами, которые, таким образом, могут заложить фундамент для разрушения легитимности политического режима [9].
Справедливости ради стоит отметить, что человек сам предоставляет различным интересантам свои пользовательские данные. В 2018 г. мобильным телефоном пользовалось около 5,135 млрд чел. [13]. Практически каждый пользователь смартфона загружает на него различные приложения, но, чтобы использовать максимум функциональности того или иного приложения, необходимо дать несколько «разрешений». Тем самым поставщик приложений имеет доступ практически ко всему – местоположение, мультимедиа, контакты и др.
В России Big Data сосредоточена в основном в коммерческом сегменте (Тинькофф, Альфа-Банк, ВТБ, Сбербанк, Газпром Банк).
Что касается политической сферы, то в России до настоящего времени не существует какого-то серьезного центра или аналитического проекта, который бы привлек внимание коллектива специалистов, способных разработать свое уникальное программное оборудование с целью построения эффективной коммуникации между властью и обществом. Сейчас в России таких специалистов нет.
Российский политолог А.В. Матюхин, анализируя значение наследия Б.Н. Чичерина (1828–1904) для академической политической науки, обращает внимание на то, что этот мыслитель уже тогда «предостерегал российское общество от традиционной пассивности, от потребительских настроений в ожидании плодов реформ» [6].
Сейчас для того, чтобы как-то исправить эту ситуацию необходимо:
– создание сегмента в образовательных структурах, которые будут выпускать специалистов, специализирующихся на инновационных технологиях, и, в первую очередь, IT-технологиях, связанных с гуманитарной сферой;
– развитие собственного софта и программного обеспечения, которое сейчас в основном зарубежное, что делает Россию зависимой в информационном поле.
Если Россия не будет создавать своего уникального оборудования, то она останется игрушкой в информационных войнах и, к сожалению, она в этих информационных войнах будет уступать, так как правила игры диктуются нам извне.
Выводы
Сегодня Интернет – часть жизни. Для того чтобы узнать что-то новое, специфическое о своих гражданах, – необходимо быть вовлеченным в эту сферу. Важно не просто жестко контролировать информационные потоки, как это делает современная российская политическая элита, принимая законы, запрещающие негативно высказываться в адрес государственной власти, а наоборот – необходимо изучать и анализировать этот сегмент в Интернете. Важно уметь контролировать социальные изменения, вовремя урегулировать нарастающее недовольство, пока не пройдена «красная черта».
Технология Big Data – новая платформа для манипулирования общественным сознанием. Психометрическое портретирование электората позволяет заинтересованным акторам сформировать нужное мнение при помощи таргетированной рассылки. Однако на сегодняшний день остается открытым вопрос о конфиденциальности в интернет-пространстве и этической стороне использования подобных технологий.
Что касается алгоритма победы на выборах, то здесь выделим следующее:
1. Междисциплинарный подход к политической кампании (информационная сфера + психология + социология).
2. Изучение потенциальной целевой аудитории:
– выявление неполитических предпочтений и проблем граждан;
– выявление политических предпочтений;
– определение целевой аудитории граждан;
3. Таргетированная реклама.
Однако догматизировать роль методик Big Data не следует, при анализе современных политических процессов не менее продуктивней будет сочетать различные подходы, среди которых:
- технология блокчейн, позволяющая хранить большие объемы информации без возможности их изменения. Использование такой технологии на выборах позволит проверять подлинность данных по итогам голосования (подобные технологии активно применяются в США, Австралии, Сьерра-Леоне). Кроме того, технология блокчейн частично позволит развеять сомнение избирателей, что их голос ничего не решает. Такой аспект может способствовать снижению уровня политического абсентеизма, особенно среди молодежи [1];
- изучение поведенческих особенностей молодежи (электоральный выбор формируется под влиянием окружения индивида, особенностей и агентов его политической социализации, а также присущих ему оснований социально-экономической и политической стратификации) [4]. Внимание нужно уделить и социальным сетям, где сосредоточена основная часть межличностных и межгрупповых коммуникаций [2; 10];
- использование платформ наподобие Google Trends, при помощи которых политтехнологи и бизнес-интересанты получают возможность анализировать поисковые запросы пользователей и систематизировать их в графики, выстраивать политическую географию поисковых запросов. Такой прием позволяет выявить желания интернет-пользователей и разработать точечную рекламу для продажи своего продукта, в том числе и политического [12].
1. Alekseev R.A. Aprobaciya i perspektivy primeneniya tekhnologii blokchejn na vyborah za rubezhom i v Rossii [Testing and prospects for the use of blockchain technology in elections abroad and in Russia] // Zhurnal politicheskikh issledovaniy [Journal of Politic Research]. 2018, V. 2, I. 3, pp. 41-48.
2. Aminov I.R. Klasternyy analiz potokovogo prostranstva regiona. [Cluster analysis of the stream space of the region]. Vestnik Moskovskogo gosudarstvennogo oblastnogo universiteta. Seriya: Istoriya i politicheskie nauki. [Bulletin of Moscow Region State University. Series: History and Politic Sciences]. 2017, I. 4, pp. 155-160.
3. Volodenkov S. V. Total Data kak fenomen formirovaniya politicheskoj postreal'nosti [Total Data as a phenomenon for the formation of political postreality] // Vestnik Omskogo universiteta. Seriya «Istoricheskie nauki» [Bulletin of Omsk University. Series "Historical Sciences"]. 2017, I. 3 (15), pp. 409-415.
4. Efanova E.V., Samolazova A.E. Elektoral'nyy vybor molodezhi: faktory formirovaniya, povedencheskie osobennosti. [Electoral choice of youth: factors of formation, behavioral features]. Vestnik Moskovskogo gosudarstvennogo oblastnogo universiteta. Seriya: Istoriya i politicheskie nauki. [Bulletin of Moscow Region State University. Series: History and Politic Sciences]. 2017, I. 4, pp. 169-177.
5. Kosinski M. Ne big data pobezhdaet na vyborah, a sami kandidaty [Kosinski M. Not big data wins the election, but the candidates themselves]. Available at: https://tass.ru/interviews/3885594 (Accessed: 11.03.2019)
6. Matyukhin A.V. Kontseptsiya grazhdanskogo obshchestva B.N. Chicherina [The concept of civil society B.N. Chicherin]. Zhurnal politicheskikh issledovaniy [Journal of Politic Research]. 2019, V. 3, I. 1.
7. Rassledovanie Das Magazin: kak Big Data i para uchenyh obespechili pobedu Trampu i Brexit [Das Magazin investigation: how Big Data and a couple of scientists ensured Trump and Brexit won]. Available at: https://theins.ru/politika/38490 (Accessed: 08.03.2019)
8. Tekst goda: kak Tramp stal prezidentom SSHA blagodarya Big Data [Text of the Year: How Trump Became President of the United States Thanks to Big Data]. Available at: https://gordonua.com/publications/tekst-goda-kak-tramp-stal-prezidentomssha-blagodarya-big-data-162924.html (Accessed: 08.03.2019)
9. Fedorchenko S.N., Fedorchenko L.V. Vlast' i oblachnye tekhnologii v Rossii i SSHA [Power and cloud technologies in Russia and USA]. Vestnik Moskovskogo gosudarstvennogo oblastnogo universiteta. Seriya: Istoriya i politicheskie nauki [Bulletin of the Moscow State Regional University. Series: History and Political Science]. 2016, I. 2, pp.108-116.
10. Fedorchenko S.N. Kheshtegi v formirovanii politicheskoy povestki i metodologicheskiy potentsial Big Data. [Hashtags in shaping the political agenda and the methodological potential of Big Data]. Zhurnal politicheskikh issledovaniy [Journal of Politic Research]. 2019, V. 3, I. 1.
11. Fedorchenko S.N. Big Data v politicheskom processe Novoj Zelandii [Big Data in New Zealand's political process]. Nauchno-analiticheskij zhurnal Obozrevatel'-Observer [Scientific-analytical journal Observer]. 2018, I. 6, pp. 66-82.
12. Fedorchenko S.N. Big Data i metodologicheskie vozmozhnosti resursa Google Trends dlya politologicheskogo issledovaniya. [Big Data and methodological capabilities of the Google Trends resource for political science research]. Zhurnal politicheskikh issledovaniy [Journal of Politic Research]. 2018, V. 2, I. 4, pp. 48-55.
13. Digital in 2018: World’s internet users pass the 4 billion mark. Available at: https://wearesocial.com/blog/2018/01/global-digital-report-2018 (Accessed: 09.03.2019)
14. Global Elite Transforms Itself for Technocratic Revolution. Available at: https://www.infowars.com/google-berg-global-elite-transforms-itself-for-technocratic-revolution/ (Accessed: 11.03.2019)
15. Lynch C. Big data: how do your data grow? Nature, 2008, V. 455, I. 7209, pp. 28-29.
