Выступая на CNews FORUM, вице-президент по ИТ «Евразхолдинга» рассказал, за счет каких цифровых проектов компании удалось добиться огромного прямого экономического эффекта, который компания рассчитывает сделать ежегодным.

Российский производитель металлургической и горнодобывающей продукции «Евразхолдинг» в 2021 г. за счет реализации цифровых проектов получила прямой экономический эффект в размере $100 млн. В 2022 г. усилия компании будут направлены на то, чтобы эффект остался на том же уровне и стал ежегодным в долгосрочной перспективе.

Об этом в конце 2021 г. во время своего выступления на ежегодном «CNews FORUM. Информационные технологии завтра» рассказал вице-президент по ИТ «Евразхолдинга» Артем Натрусов.

Он подчеркивает, что речь идет именно о прямом эффекте. «Есть замечательные проекты, например электронный документооборот, которые сокращают время сотрудников на операции. Но эффект от них размазан между многими людьми. Мы его не считаем прямым, мы его считаем косвенным», — поясняет топ-менеджер.

Прямой эффект, в его понимании, повышает производительность и качество процессов, снижает себестоимость продукции. «Согласно McKinsey, мировые лидеры производителей стали после первого года цифровой трансформации достигают $3-4 эффекта на тонну стали и $10-13 ко второму году, — говорит Натрусов. — Вот сейчас мы можем сказать, что “Евраз” находится на уровне лидеров цифровой трансформации».

Артем Натрусов: Задача стояла исключительно амбициозная — более 150 цифровых проектов с годовым прямым эффектом $100 млн

По словам топ-менеджера, проекты цифровой трансформации начали реализовываться в «Евразе» четыре года назад. «С 2018 до 2020 гг. мы нащупывали технологии, которые действительно принесут компании эффект, — вспоминает он. — В 2020 г. мы научились делать проекты гораздо быстрее, чем раньше (не как лабораторные исследования, которые могут принести результат, а могут и нет) — уже с понятной окупаемость. В конце 2020 г. мы приступили к масштабированию программы цифровой трансформации, поставив исключительно амбициозную задачу — реализовать 150 цифровых проектов с годовым прямым эффектом в $100 млн. Даже для такой большой компании как “Евраз” это огромная цифра».

Как отмечает Натрусов, в индустриальной компании 80% эффектов от цифровой трансформации находится в производстве. А «Евраз» — это производитель №1 рельсов в мире и производителем №1 коксующегося угля в России.

«Цель по цифровой трансформации и цель в отношении прямого экономического эффекта ставится не ИТ и не бизнес-системам, она ставится производству, — говорит он. — То есть, производственные руководители должны обеспечить эффект от процессов цифровой трансформации, не ИТ предлагают технологии, которые возможно принесут, а возможно не принесут эффект, и доказывают это производству. Нет. ИТ и бизнес-системы предлагают только варианты, проекты, идеи и гипотезы. Но именно у производственных руководителей есть задача принести эффект за счет проектов цифровой трансформации».

Говоря о специфике главных ИТ-проектов, которые приносят наибольший прямой экономический эффект, топ-менеджер отметил базовую автоматизацию и производственный учет средствами интернета вещей — дооснащение производства датчиками и развитие АСУ ТП для сбора производственных данных. Доля этих проектов в портфеле компании составляет примерно 20%

Выступление Артема Натрусова на CNews FORUM

Порядка 10% портфеля связано с вендорскими экспертными системами — решениями на фундаментальных моделях технологических процессов, формирующих рекомендации по оптимальным параметрам производственного процесса.

Также 10% портфеля составляют проекты видеоаналитики и машинного зрения. С помощью них формируются рекомендации на основе сбора и анализа медиаданных: видео, фото, аудио, рукописных текстов.

Облачные хранилища получили трехуровневую защиту от вымогателей

Еще 10% портфеля — это корпоративные информационные системы, цифровизация бизнес-процессов и мобильные решения. Они обеспечивают автоматизацию непроизводственных и поддерживающих процессов (планирование работ, ТОиР, и т. д.), включая реализацию на носимых устройствах (смартфоны, планшеты, умные часы и др.).

Презентация Артема Натрусова (нажмите для пролистывания)

Оставшаяся часть портфеля примерно поровну поделена между базовой аналитикой на производстве и продвинутой аналитикой. В первом случае речь идет об аналитических решениях на основе базовой статистической обработки и агрегации данных, включающих визуализацию вывода. Во втором — о прогностических и оптимизационных решениях для производственных и технологических процессов на основе искусственного интеллекта и машинного обучения.

Почему администраторы не заметят миграцию данных в облака

С полным докладом Артема Натрусова на CNews FORUM можно ознакомиться по его презентации и видеозаписи его выступления.

В 2021 г. CNews FORUM — крупнейшая независимая площадка для встречи ИТ-директоров, руководителей ИТ-компаний и представителей органов власти — успешно прошел в четырнадцатый раз. В силу известных ограничительных факторов организаторами был снова использован смешанный формат проведения мероприятия — значительная часть форума прошла в онлайн-режиме.

CNews FORUM 2021 собрал свыше 1000 участников. Было заслушано порядка 90 экспертных докладов. В сессионной части было проведено шесть тематических отраслевых секций: «ИТ в госсекторе», «ИТ в банках», «Облачные технологии», «Информационная безопасность», «ИТ в торговле» и «Цифровая трансформация».

Взгляд CNews на состояние ИТ-отрасли

В пленарной части CNews FORUM выступили глава Минцифры Максут Шадаев, его заместитель Максим Паршин, ИТ-директор РЖД Евгений Чаркин замглавы Минпромторга Василий Шпак, замгендиректора по операционной эффективности и цифровому развитию «Первой грузовой компании» Алексей Агапкин, гендиректор «Скалы-Р» Виктор Урусов, директор по работе с ключевыми заказчиками Yadro Сергей Касаев и многие другие.

Денис Воейков

Ученые выяснили, как алкоголь помогает COVID-19 проникать в легкие

Группа ученых из Гейдельбергского университета (Германия) провела исследование, чтобы выяснить, как алкоголизм влияет на вероятность заражения SARS-CoV-2. Оказалось, что употребление алкоголя усиливает способность к проникновению патогена в легкие.   

Так, часть мышей периодически с небольшими перерывами получала алкоголь с помощью инъекций. На другую группу на протяжение семи недель непрерывно воздействовали алкогольными парами. А мышей из третьей группы после периода регулярного потребления алкоголя резко лишали спиртного, чтобы смоделировать абстинентный синдром.  

Затем в органах подопытных животных измеряли уровень экспрессии генов, которые задействованы в механизме проникновения коронавируса в клетки будущего хозяина. Стоит заметить, что уровень экспрессии влияет на то, насколько гены эффективно исполняют свою функцию.

Оказалось, что алкоголь усиливает способность к проникновению патогена в легкие.  

«Алкоголь приводит к повышению экспрессии гена ACE2, используя который вирус проникает в организм. А увеличение количества доступных клеточных рецепторов может объяснить повышенную восприимчивость к инфекции SARS-CoV-2. Таким образом исследование демонстрирует увеличение риска поражения органов вирусом при употреблении алкоголя», — прокомментировала результаты немецкого исследования врач-ревматолог ГУТА КЛИНИК Екатерина Филатова. 

Помимо этого, ученые выяснили, что алкоголь влияет на Mas-рецептор на мембране клетки, который отвечает за противовоспалительный эффект в случае проникновения вируса в клетку. Злоупотребление алкоголем сказывается на способности Mas-рецепторов формировать противовоспалительный ответ организма.  

Употребление алкоголя в целом ухудшает состояние организма, поскольку приводит к повреждению клеток, отметила также Филатова. Это обуславливает снижение активности иммунной системы, повреждение жизненно важных органов, таких, как мозг, легкие, печень, почки, сердце и т.д. В связи с этим, проникновение инфекции в организм облегчается, а справится с ней становится труднее. 

Тройной эффект в одном приёме

На Кубани в работе с избирателями успешно используется практика приёмов граждан с одновременным привлечением представителей федерального и регионального парламентов, а также муниципалитетов. О том, как без лишней волокиты можно оперативно решать проблемы людей, рассказал «Парламентской газете» председатель Законодательного собрания Краснодарского края Юрий Бурлачко.

— Юрий Александрович, ключевыми факторами, от которых зависит отношение людей к действующей власти, являются её открытость и результативность деятельности. Какие задачи вы ставили перед собой, внедряя практику совместных приёмов граждан?

— Невозможно досконально разобраться в той или иной проблеме, не пообщавшись с человеком, не выслушав его лично. Поэтому, когда в 2018 году, в самом начале шестого созыва парламента Кубани, вместе с депутатом Госдумы Иваном ­Демченко мы начали проводить в Анапе совместные приёмы граждан, мы чётко представляли себе цели, которых необходимо достигнуть. В процессе общения с представителями сразу трёх уровней власти люди экономят время, избавляются от множества неудобств, от излишней бюрократии. Им не надо ходить по кругу и обивать пороги разных инстанций. Каждый, кто записался на приём, может быть абсолютно уверен — его просьба не останется без внимания и по ней обязательно будет принято решение.

Совместные приёмы значительно повышают не только результативность рассмотрения обращений, но и доверие людей

— С чем к вам чаще всего приходят люди и в каких случаях необходима помощь федеральных парламентариев?

— Спектр обращений очень широк. Это и вопросы ЖКХ, и деятельность учреждений культуры, и поддержка предпринимательства. Безусловно, все эти вопросы касаются не только города-­курорта, где мы проводим приёмы, но и в целом региона. Анапа имеет свою специфику. Сюда на отдых приезжают миллионы людей. Многие хотели бы выбрать её в качестве постоянного места жительства. Соответственно, миграционные процессы протекают здесь достаточно активно. Более того, в городе расположены объекты федерального значения, международный аэропорт. В Анапе хорошо развита транспортная логистика, социальная инфраструктура. Поэтому в случае возникновения каких-­либо проблем для их решения может потребоваться участие и региональных, и федеральных властей. Яркий тому пример — наша совместная работа по недавнему обращению главы ассоциации детских лагерей и здравниц Кубани.

Он предложил распространить на них те же принципы работы, которые установлены сейчас в отношении детских оздоровительных учреждений федерального значения. В итоге на внеочередной сессии мы приняли обращение к руководителю Роспотребнадзора Анне ­Поповой. В нём на фоне решения в отношении федеральных детских лагерей «Артек», «Орлёнок», «Океан», «Смена», для которых установлены 75­-процентное наполнение и возможность приёма детей из других субъектов с благоприятной эпидобстановкой, мы предложили распространить эту практику и на остальные кубанские здравницы, но с учётом соблюдения антиковидных ограничений. Отмечу, что наше обращение не осталось без ответа и нас услышали. Буквально на днях Роспотребнадзор предложил увеличить количество детей в детских лагерях до 75 процентов. Соответствующий документ опубликован на портале проектов нормативных правовых актов РФ.

Если говорить о других вопросах, то среди них я бы особо выделил также предоставление земельного участка для размещения Анапской школы яхтинга, содействие в газификации ряда крупных объектов, строительство нескольких пожарных частей, спортивных комплексов. Поступают от людей и личные просьбы, которые мы также стараемся не оставить без внимания.

— Пандемия внесла свои коррективы в деятельность многих госучреждений, в организацию их работы. Вы как справляетесь?

— Как и всем остальным, нам также пришлось перестроить свою деятельность. Тем не менее на качестве законотворческой работы это никак не отразилось. Равно как и на открытости власти для людей. Совместные приёмы граждан проводятся в том числе и в онлайн­-режиме, когда избиратели также имеют возможность напрямую обратиться к своим депутатам посредством видео­конференц­связи. Сейчас, к примеру, у нас в работе находится несколько обращений, поступивших во время последнего дистанционного приёма. Положительные решения по ним, наде­юсь, удастся принять в ближайшее время.

Виктор Георгиев

Понимание эффекта межсайтового расстояния в одноатомных катализаторах электровосстановления кислорода

КАС Статья Google ученый

Влияние эхо-камеры на социальные сети

Значение

Мы исследуем ключевые различия между основными платформами социальных сетей и то, как они могут влиять на распространение информации и формирование эхо-камер. Чтобы оценить различную динамику, мы проводим сравнительный анализ более 100 миллионов единиц контента, касающихся спорных тем (например,г. , контроль над оружием, вакцинация, аборт) из Gab, Facebook, Reddit и Twitter. Анализ фокусируется на двух основных измерениях: 1) гомофилия в сетях взаимодействия и 2) предвзятость в распространении информации в сторону единомышленников. Наши результаты показывают, что агрегация в гомофильных кластерах пользователей доминирует в онлайн-динамике. Однако прямое сравнение потребления новостей на Facebook и Reddit показывает более высокую сегрегацию на Facebook.

Abstract

Социальные сети могут ограничивать доступ к различным точкам зрения и способствовать формированию групп пользователей-единомышленников, формирующих и укрепляющих общий нарратив, то есть эхо-камер.Однако парадигмы взаимодействия между пользователями и алгоритмы подачи сильно различаются в зависимости от платформы социальных сетей. В этой статье исследуются ключевые различия между основными платформами социальных сетей и то, как они могут влиять на распространение информации и формирование эхо-камер. Мы проводим сравнительный анализ более 100 миллионов единиц контента по нескольким спорным темам (например, контроль над огнестрельным оружием, вакцинация, аборт) из Gab, Facebook, Reddit и Twitter. Мы количественно оцениваем эхо-камеры в социальных сетях по двум основным компонентам: 1) гомофилия в сетях взаимодействия и 2) предвзятость в распространении информации в сторону единомышленников.Наши результаты показывают, что объединение пользователей в гомофильные кластеры доминирует в онлайн-взаимодействиях на Facebook и Twitter. Мы завершаем статью прямым сравнением потребления новостей на Facebook и Reddit, обнаружив более высокую сегрегацию на Facebook.

Социальные сети радикально изменили механизм доступа к информации и формирования нашего мнения (1⇓⇓⇓–5). Нам необходимо понять, как люди ищут информацию или избегают ее, и как эти решения влияют на их поведение (6), особенно когда новостной цикл, в котором преобладает распространение информации без посредников, меняет способ потребления информации и сообщения о ней.Недавнее исследование (7), ограниченное Twitter, показало, что фальшивые новости распространяются быстрее, чем настоящие новости. Однако на распространение информации в социальных сетях влияет множество факторов. Онлайн-поляризация, например, может способствовать распространению дезинформации (1, 8). Объем нашего внимания остается ограниченным (9, 10), и алгоритмы подачи могут ограничивать наш процесс выбора, предлагая контент, похожий на тот, с которым мы обычно сталкиваемся (11⇓–13). Кроме того, пользователи проявляют тенденцию отдавать предпочтение информации, соответствующей их убеждениям, и присоединяются к группам, сформированным вокруг общего повествования, то есть к эхо-камерам (1, 14⇓⇓⇓–18).В широком смысле мы можем определить эхо-камеры как среду, в которой мнения, политические взгляды или убеждения пользователей по поводу темы укрепляются благодаря повторяющимся взаимодействиям с коллегами или источниками, имеющими схожие тенденции и взгляды. Избирательное воздействие (19) и предвзятость подтверждения (20) (т. е. склонность искать информацию в соответствии с ранее существовавшими мнениями) могут объяснить появление эхо-камер в социальных сетях (1, 17, 21, 22).

Согласно теории групповой поляризации (23), эхо-камера может выступать в качестве механизма для усиления существующего мнения внутри группы и, в результате, перемещать всю группу в более крайние позиции. Было показано, что эхо-камеры существуют в различных формах онлайн-СМИ, таких как блоги (24), форумы (25) и сайты социальных сетей (26⇓–28). В некоторых исследованиях эхо-камеры указывают на возникающий эффект человеческих склонностей, таких как избирательное воздействие, заражение и групповая поляризация (13, 23, 29⇓–31). Однако в последнее время эффекты и само существование эхокамер ставятся под сомнение (2, 27, 32). Эта проблема также усугубляется недостатком сравнительных исследований социальных сетей, особенно в отношении потребления новостей (33).В этом контексте дебаты вокруг эхо-камер имеют основополагающее значение для понимания влияния социальных сетей на потребление информации и формирование общественного мнения. В этой статье мы исследуем ключевые различия между платформами социальных сетей и их влияние на формирование эхо-камер. Как недавно было продемонстрировано в случае выборочного доступа к новостным агентствам, исследования, в которых рассматриваются несколько платформ, могут предложить свежий взгляд на давно обсуждаемые проблемы (34). Различные платформы предлагают пользователям разные парадигмы взаимодействия, начиная от ретвитов и упоминаний в Твиттере и заканчивая лайками и комментариями в группах на Фейсбуке, тем самым вызывая очень разную социальную динамику (35).Мы вводим рабочее определение эхо-камер, чтобы обеспечить общую методологическую основу для изучения того, как разные платформы влияют на их формирование. В частности, мы превращаем два общих элемента, характеризующих эхо-камеры, в наблюдаемые объекты, которые можно количественно и эмпирически измерить, а именно: 1) вывод о склонности пользователя к конкретной теме (например, политика, вакцины) и 2) структуру их социальные взаимодействия на платформе. Затем мы используем эти элементы для оценки присутствия эхо-камер, рассматривая два разных аспекта: 1) гомофилию во взаимодействиях по конкретной теме и 2) предвзятость в распространении информации из источников с единомышленниками.Мы фокусируем наш анализ на нескольких платформах: Facebook, Twitter, Reddit и Gab. Эти платформы имеют схожие функции и функции (например, все они позволяют выполнять действия в социальных сетях, такие как отметки «Нравится» или «за») и дизайн (например, Gab похож на Twitter), но также и отличительные черты (например, Reddit состоит из сообществ по интересам, называемых сабреддитами). . Reddit — один из самых посещаемых веб-сайтов в мире (https://www.alexa.com/siteinfo/reddit.com), организованный как форум для сбора дискуссий по широкому кругу тем, от политики до эмоциональной поддержки.Gab утверждает, что является социальной платформой, направленной на защиту свободы слова. Однако низкая модерация и регулирование контента привели к широко распространенному разжиганию ненависти. По этим причинам он неоднократно приостанавливался поставщиком услуг, а его мобильное приложение было заблокировано как в магазинах приложений, так и в магазинах Play (36). В целом мы учитываем взаимодействия более 1 миллиона активных пользователей на четырех платформах, что в общей сложности составляет более 100 миллионов уникальных единиц контента, включая публикации и социальные взаимодействия. Наш анализ показывает, что платформы, организованные вокруг социальных сетей и алгоритмов новостных лент, такие как Facebook и Twitter, способствуют появлению эхо-камер.

Мы завершаем статью прямым сравнением потребления новостей на Facebook и Reddit, обнаружив более высокую сегрегацию на Facebook, чем на Reddit.

Характеристика эхо-камер в социальных сетях

Рабочие определения.

Чтобы изучить ключевые различия между платформами социальных сетей и то, как они влияют на формирование эхо-камер, нам нужно ввести для них определение.Во-первых, нам нужно определить отношение пользователей на микроуровне. В онлайн-социальных сетях индивидуальная склонность пользователя i к определенной теме xi может быть определена по-разному, посредством создаваемого контента или сети поддержки среди пользователей (37). Что касается содержания, мы можем определить склонность как отношение, выраженное частью содержания к определенной теме. Эта склонность может быть явной (например, аргументы, поддерживающие повествование) или неявной (например, фреймирование и повестка дня). Давайте рассмотрим пользователя i, создающего количество контента ai, Ci={c1,c2,…,cai}, где ai — активность пользователя i, и каждому склонению к контенту присваивается числовое значение.Тогда индивидуальная склонность пользователя i может быть определена как среднее значение склонности к произведенному контенту, xi≡∑j=1aicjai. распределение склонностей P(x) сосредоточено в одном или нескольких кластерах. Возможным примером является случай с одним кластером, отличающимся одним экстремальным пиком в P(x). Другим примером является типичный случай тем, характеризующихся положительной и отрицательной позициями, в которых бимодальное распределение может описывать поляризацию.Например, если предполагается, что мнения вложены в одномерное пространство (38), x∈[−1,+1] без ограничения общности, как обычно для спорных тем, то поляризация характеризуется двумя хорошо разделенными пиками в P(x) для положительных и отрицательных мнений. Напротив, нейтральные отсутствуют или недостаточно представлены в популяции. Обратите внимание, что поляризация может происходить независимо от структуры или самого наличия социальных взаимодействий. Гомофилию в социальных взаимодействиях можно количественно определить, представив взаимодействия в виде социальной сети, а затем проанализировав ее структуру в отношении мнений пользователей (18, 39, 40).Социальные сети могут быть реконструированы по-разному из социальных сетей в Интернете, где ссылки представляют собой социальные отношения или взаимодействия. Поскольку мы заинтересованы в том, чтобы зафиксировать возможный обмен мнениями между пользователями, мы предполагаем, что ссылки являются субстратом, по которому может течь информация. Например, если пользователь i следит за пользователем j в Твиттере, пользователь i может видеть твиты, созданные пользователем j, и существует поток информации от узла j к узлу i в сети. Когда реконструированная сеть направлена, мы предполагаем, что направление связи указывает на потенциальных влиятельных лиц (противоположное информационному потоку). Такие действия, как упоминания или ретвиты, могут передавать похожие потоки. В некоторых случаях в данных отсутствуют прямые отношения между пользователями, поэтому необходимо предположить некий прокси для социальных связей, например, связь между двумя пользователями, если они комментируют один и тот же пост в Facebook. Важно отметить, что два элемента, характеризующие наличие эхо-камер, поляризация и гомофильные взаимодействия, должны быть количественно определены независимо друг от друга.

Реализация в социальных сетях.

В этом разделе объясняется, как мы реализуем рабочие определения, определенные выше, в различных социальных сетях.Для каждого средства массовой информации мы подробно описываем 1) то, как мы количественно оцениваем склонность пользователей, и 2) как мы реконструируем, как распространялась информация.

Твиттер.

Мы рассматриваем набор твитов, опубликованных пользователем i, которые содержат ссылки на новостные агентства известной политической направленности. Каждое новостное издание связано с оценкой политических взглядов, варьирующейся от крайне левых до крайне правых в соответствии с классификацией «Материалы и методы» . Мы делаем вывод об индивидуальной склонности пользователя i, xi∈[−1,+1], усредняя баллы новостных организаций, связанных пользователем i, согласно уравнению. 1 . Мы анализируем три разных набора данных, собранных в Твиттере и связанных со спорными темами: контроль над огнестрельным оружием, Obamacare и аборты. Для каждого набора данных сеть социального взаимодействия реконструируется с использованием следующего отношения, так что существует прямая связь от узла i к узлу j, если пользователь i следует за пользователем j (т. е. источником). В дальнейшем мы сосредоточимся на наборе данных об абортах, а другие данные показаны в приложении SI .

Фейсбук.

Мы количественно оцениваем индивидуальную склонность пользователей к одобрению в виде лайков к публикациям.Посты создаются страницами, которые помечены определенным количеством категорий, и каждой категории мы присваиваем числовое значение (например, Anti-Vax [+1] или Pro-Vax [–1]). Каждый лайк на публикацию (допускается только один лайк на публикацию) представляет собой одобрение этого контента, который, как предполагается, соответствует склонности, связанной со страницей. Таким образом, склонность пользователя определяется как среднее значение склонности к контенту постов, которые понравились пользователю, согласно уравнению. 1 .

Мы анализируем три разных набора данных, собранных на Facebook, по конкретной теме обсуждения: вакцины, наука против заговора и новости.Сеть взаимодействия определяется с учетом комментариев. В такой сети взаимодействия два пользователя связаны, если они прокомментировали хотя бы один пост. В дальнейшем мы сосредоточимся на наборе данных о вакцинах и новостях, а другие показаны в приложении SI .

Реддит.

Индивидуальная склонность пользователей количественно определяется так же, как и в Twitter, путем учета ссылок на новостные организации в контенте, созданном пользователями, материалах и комментариях. Мы строим сеть взаимодействия с учетом комментариев и материалов.Существует прямая ссылка от узла i к узлу j, если пользователь i комментирует представление или комментарий пользователя j (мы предполагаем, что i читает комментарий, на который он отвечает, написанный j).

Мы анализируем три набора данных, собранных на разных сабреддитах: the_donald, Politics и News. Далее мы сосредоточимся на наборе данных, собранном в сабреддитах «Политика» и «Новости», а другие показаны в приложении SI .

Габ.

Политическая склонность xi пользователя i вычисляется путем рассмотрения набора контента, опубликованного пользователем i и содержащего ссылку на новостные агентства известной политической направленности, аналогично Twitter и Reddit.Чтобы получить склонность xi пользователя i, мы усреднили баллы каждой ссылки, размещенной пользователем i, в соответствии с уравнением. 1 . Сеть взаимодействия реконструируется путем использования отношений сокомментирования под сообщениями так же, как и для Facebook. Для двух пользователей i и j ненаправленное ребро между i и j существует тогда и только тогда, когда они комментируют один и тот же пост.

Сравнительный анализ

Далее мы проводим сравнительный анализ четырех различных социальных сетей.Мы выбираем один набор данных для каждой социальной сети: «Аборты» (Twitter), «Вакцины» (Facebook), «Политика» (Reddit) и «Гэб» в целом. Результаты для других наборов данных для той же среды качественно аналогичны, как показано в Приложение SI . Сначала мы охарактеризуем эхо-камеры в топологии сетей, а затем рассмотрим их влияние на распространение информации. Наконец, мы напрямую сравниваем потребление новостей на Facebook и Reddit.

Поляризация и гомофилия в сетях взаимодействия.

Топология сети может выявить эхо-камеры, где пользователи окружены сверстниками со схожими предпочтениями и, таким образом, с большей вероятностью подвергаются воздействию аналогичного содержимого.В сетевых терминах это означает, что узел i с заданным наклоном xi с большей вероятностью будет связан с узлами с наклоном, близким к xi (18). Эту концепцию можно количественно определить, определив для каждого пользователя i среднее значение склонности их соседства как xiN≡1ki→∑jAijxj, где Aij — матрица смежности сети взаимодействия, Aij=1, если есть ссылка из узла i. к узлу j, Aij=0 в противном случае, и ki→=∑jAij — исходящая степень узла i. На рис. 1 показана корреляция между склонностью пользователя i и склонностью его соседей, xiN, для четырех рассматриваемых социальных сетей.Распределения вероятностей P(x) (индивидуальный наклон) и PN(x) (средний наклон соседей) нанесены на оси x и y соответственно. Все графики представляют собой контурные карты с цветовой кодировкой, представляющие количество пользователей в фазовом пространстве (x,xN): чем ярче область на плане, тем больше плотность пользователей в этой области. Темы вакцин и абортов в Facebook и Twitter соответственно демонстрируют сильную корреляцию между склонностью пользователя и средней склонностью его ближайших соседей.Аналогичное поведение наблюдается для разных тем на одной и той же платформе социальных сетей; см. Приложение SI . И наоборот, Reddit и Gab показывают другую картину. Соответствующие графики на рис. 1 показывают одну яркую область, указывающую на то, что пользователи не делятся на группы с противоположным уклоном, а образуют единое сообщество, с уклоном влево (Reddit) или вправо (Gab). Аналогичные результаты получены для разных наборов данных на Reddit; см. Приложение SI .