Технологии big data в политических процессах: возможности и риски

В статье рассматриваются различные аспекты, связанные с использованием анализа big data в политических процессах. Цифровые технологии оказывают амбивалентное влияние на социально-политические процессы, так как создают «серую зону» возможностей, которые являются предметом конфликтов и конкуренции различных политических агентов. На первом этапе описывается концепция data-driven campaign в политике, которая получает распространение в силу востребованности гибких механизмов управления и формирования «экономики внимания». Практическая реализация концепции включает этапы сбора и алгоритмического анализа данных (создание психологических профилей и психограмм), сегментирование аудитории и микротаргетинг — в статье раскрывается содержание каждого из них на примере актуальных кейсов. Преимущество использования анализа больших данных заключается как в масштабах анализируемой информации, так и в поиске более глубоких каузальных связей и зависимостей, что расширяет спектр возможностей воздействия на поведение политических агентов. На втором этапе рассматривается возможность экстраполяции механизмов data-driven campaign на уровень общего управления и data-driven politics. Формулируются основные риски и угрозы, связанные с технологиями big data в политических процессах: воронка недоверия к политическим институтам и технологиям, размывание принципов плебисцитарной демократии, конфиденциальность персональных данных, использование коммерческих данных в политических целях, последствия когнитивных ограничений алгоритмов и принятия решений на их основе. Как следствие, в краткосрочной перспективе будут актуальны вопросы институционального регулирования использования данных пользователей, а также защита персональных данных через совершенствование инструментов кибербезопасности и развитие человеческого капитала как базовых навыков использования современных технологий.

большие данные, сбор и анализ данных, психометрия, кампания, основанная на данных, микротаргетинг, цифровой след, избирательная кампания, Cambridge Analytica, информационная безопасность, воронка недоверия

1. Scott J. Two Cheers for Anarchism: Six Easy Pieces on Autonomy, Dignity and Meaningful Work and Play. Princeton University Press; 2012.

2. Rifkin J. The Zero Marginal Cost Society: The Internet of Things, the collaborative commons, and the eclipse of capitalism. Palgrave Macmillan; 2014.

3. Thaler R., Sunstein C. Nudge: Improving Decisions about Health, Wealth and Happiness. Yale University Press; 2008.

4. Kollmuss A., Agyeman J. Mind the Gap: Why do people act environmentally and what are the barriers to proenvironmental behavior? Environmental Education Research. 2002;8(3):239–260.

5. Lanham R. The Economics of Attention. Style and Substance in the Age of Information. Chicago: Chicago University Press; 2006.

6. Venturini T., Rogers R. “API-Based Research” or How can Digital Sociology and Journalism Studies Learn from the Facebook and Cambridge Analytica Data Breach. Digital Journalism. 2019;7(40):532–540.

7. Bruns A. After the “APIcalypse”: social media platforms and their fight against critical scholarly research. Information Communication and Society. 2019;22(2):1–23.

8. Jan F., Valikoski T-R., Grau J. Listening in the Business Context: Reviewing the State of Research. The International Journal of Listening. 2008;22(2):141–151.

9. Deulkar D., Gupta P. A Study on Usage of Online Personal Information by Data Brokers. International Research Journal of Engineering and Technology. 2018;5(5):3522–3527.

10. Golbeck J., Robles C., Edmondson M., Turner K. Predicting personality from Twitter. IEEE International Conference on Social Computing; 2011.

11. Quercia D., Lambiotte R., Stillwell D., Kosinski M., Crowcroft J. The personality of popular Facebook users. Proceedings of the ACM 2012 conference on computer supported cooperative work; 2012.

12. Segalin C., Perina A., Cristani M., Vinciarelli A. The pictures we like are our image: continuous mapping of favorite pictures into self-assessed and attributed personality traits. IEEE Trans Affect Comput. 2017;8(2):268–285.

13. Kramer A. D., Guillory J. E., Hancock J. T. Experimental evidence of massive-scale emotional contagion through social networks. Proceedings of the National Academy of Science of the USA. 2014;111(24):8788–8790.

14. Fording R., Schram S. The Cognitive and Emotional Sources of Trump Support: The Case of Low-Information Voters. New Political Science. 2017;39(4):670–686.

15. Мухаметов Д. Р. Проблемы и перспективы реализации концепции «Умный город» в России (на примере Москвы). Мир новой экономики. 2019;13(3):81–88.

16. Ерохина О. В. «Умная Москва»: новая концепция развития столицы. Гуманитарные науки. Вестник Финансового университета. 2018;8(3):6–10.

17. Pentland A. Social Physics: How Good Ideas Spread — The Lessons from a New Science. New York: The Penguin Press; 2014.

18. Rocher L., Hendrickx J., de Montjoye Y.-A. Estimating the success of re-identifications in incomplete datasets using generative models. Nature Communications. 2019;10(1):145–171.

19. O’Neil С. Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. N.Y.: Crown Books; 2016.

20. Pasquale F. The black box society: The secret algorithms that control money and information. Cambridge: Harvard University Press; 2015.

21. Гринфилд А. Радикальные технологии: устройство повседневной жизни. М.: Издательский дом «Дело»; 2018.