Pages Navigation Menu
Submit scientific paper, scientific publications, International Research Journal | Meždunarodnyj naučno-issledovatel’skij žurnal

ISSN 2227-6017 (ONLINE), ISSN 2303-9868 (PRINT), DOI: 10.18454/IRJ.2227-6017
ЭЛ № ФС 77 - 80772, 16+

DOI: https://doi.org/10.23670/IRJ.2017.64.027

Download PDF ( ) Pages: 94-99 Issue: № 10 (64) Part 2 () Search in Google Scholar
Cite

Cite


Copy the reference manually or choose one of the links to import the data to Bibliography manager
Glotina I.M., "PROBABLE CHARACTER OF INFORMATION INFLUENCE OF THE INTERNET". Meždunarodnyj naučno-issledovatel’skij žurnal (International Research Journal) № 10 (64) Part 2, (2017): 94. Tue. 21. Nov. 2017.
Glotina, I.M. (2017). VEROYATNOSTNYY HARAKTER INFORMACIONNOGO VOZDEYSTVIYA V SETI INTERNET [PROBABLE CHARACTER OF INFORMATION INFLUENCE OF THE INTERNET]. Meždunarodnyj naučno-issledovatel’skij žurnal, № 10 (64) Part 2, 94-99. http://dx.doi.org/10.23670/IRJ.2017.64.027
Glotina I. M. PROBABLE CHARACTER OF INFORMATION INFLUENCE OF THE INTERNET / I. M. Glotina // Mezhdunarodnyj nauchno-issledovatel'skij zhurnal. — 2017. — № 10 (64) Part 2. — С. 94—99. doi: 10.23670/IRJ.2017.64.027

Import


PROBABLE CHARACTER OF INFORMATION INFLUENCE OF THE INTERNET

Глотина И.М.

Доцент, кандидат экономических наук,

ФГБОУ ВО Пермская ГСХА

ВЕРОЯТНОСТНЫЙ ХАРАКТЕР ИНФОРМАЦИОННОГО ВОЗДЕЙСТВИЯ В СЕТИ ИНТЕРНЕТ

Аннотация

Статья посвящена проблеме информационного воздействия в сети Интернет. Выделены основные факторы, затрудняющие проведение анализа в сфере информационного воздействия. Обоснован вероятностный подход к оценке воздействия Интернет-ресурсов на мнения пользователей. Приводятся результаты математических расчетов, проиллюстрированные графически и подтвержденные статистической информацией, полученной с помощью современных систем веб – аналитики. Вероятностная оценка позволяет определить основные направления, где необходимо наращивание сил и средств, обеспечивающих защиту от негативных информационных воздействий.

Ключевые слова: информационное воздействие, оценка вероятности, веб-аналитика.

 

Glotina I.M.

Associate Professor, PhD in Economics,

FSBEI of Higher Education “Perm State Agricultural Academy”

PROBABLE CHARACTER OF INFORMATION INFLUENCE OF THE INTERNET

Abstract

The article is devoted to the problem of information impact of the Internet. The main factors that make it difficult to carry out the analysis in the sphere of information impact are identified. Probabilistic approach to assessing the impact of Internet resources on the opinions of users is substantiated. The results of mathematical calculations are presented. They are illustrated graphically and confirmed by means of statistical information obtained with the help of modern web analytics systems. Probabilistic assessment allows defining the main directions, where it is necessary to build up the forces and means that provide protection from negative information impacts.

Keywords: information impact, probability estimation, web analytics.

 

Рост значимости социальных сетей, форумов, блогов, как средств обсуждения различных событий, проблем, распространения мнений, способных воздействовать на поведение пользователей сети, оказывает все большее влияние на экзистенцию современного человека, играя важную роль в формировании его и как личности, и как члена общества.

Особенностью Интернет-ресурсов является принцип привлечения пользователей к ознакомлению с контентом и его многократному тиражированию. При этом на второй план уходят вопросы надёжности, достоверности, объективности информации. Учитывая такие угрозы современности, как международный терроризм и кибермошенничество, дело обстоит не так безобидно, как может показаться на первый взгляд. По мнению П.Д. Зегжда, информационное воздействие является мощным оружием, которое становится катастрофическим по отношению к системам управления финансами, энергетикой, транспортом [1, С. 28].

Использование злоумышленниками информационных потоков предполагает возможность оказания информационно-психологического воздействия на эмоционально-чувствительную, рационально-волевую, интеллектуальную сферы подсознания и психики объектов воздействия, результатом которого является формирование у них заранее прогнозируемых взглядов, мнений, поступков, прямо или косвенно способствующих достижению целей злоумышленника. Вопросы информационного воздействия рассматриваются в работах Белова П.Г.[2], Губанова Д.А., Новикова Д.А., Чхартишвили А.Г. [3], [4], Манойло А.В. [5].

Все выше сказанное свидетельствует об актуальности проблемы оценки информационного воздействия на пользователей Интернет- ресурсов. Однако есть множество факторов, затрудняющих проведения анализа в такой сфере, как информационное воздействие. Среди них можно выделить:

  • стремительное развитие информационных технологий и способов доведения информационных сообщений до адресатов;
  • невозможность предугадать модели поведения субъектов информационного воздействия;
  • невозможность дать достоверную, достаточно точную оценку того, что сообщение достигло адресата, а также оценить последствия информационного воздействия в количественном или стоимостном выражении.

Для решения задачи количественной оценки информационного воздействия воспользуемся стандартным аппаратом теории вероятностей. При этом будем придерживаться мнения А.В. Гвоздева, И.С. Лебедева и И.А. Зикратова, изложенного в работе [6].

Для того, чтобы информационный контент оказал должное влияние на пользователя сети Интернет, необходимо одновременное выполнение нескольких условий, среди которых нами выделены следующие основные:

  • контент должен быть доведен до пользователя; это становится возможным, если пользователь самостоятельно перешел на адрес ресурса; для этого ресурс должен быть востребованным, популярным, доступным. Второй вариант – рассылка контента пользователям; для этого может быть использована реклама на популярных сайтах, спам-рассылка на электронную почту;
  • пользователь ознакомился с контентом; для этого контент должен быть актуальным, привлекательным, иметь интригующий заголовок, содержать интересный фото-аудио-видео материал;
  • пользователь воспринял информацию как достоверную; для этого она должна исходить от авторитетного источника, которым может быть средство массовой информации, передача на телевидении, официальное лицо, друг или группа друзей, к чьим мнениям прислушивается пользователь.

Для простоты будем считать, что эти события являются независимыми, а вероятность того, что сообщение повлияет на пользователя, будет зависеть от вероятностей их одновременного наступления и может быть выражена следующим образом:

р0=p1 p2 p3                                     (1)

где p1 – вероятность того, что контент доступен пользователю;

p2 – вероятность того, что пользователь ознакомился с контентом;

p3 – вероятность того, что пользователь воспринял информацию как достоверную.

Вероятности событий p1 и p3 во многом зависят от индивидуально-психологических особенностей пользователя, таких как возраст, социальное положение, образование, вид профессиональной деятельности, моральные принципы, привычки и т.п.

Вероятность p2 – зависит от позиции Интернет-ресурса в поисковых системах, которая определяется возможностями субъектов, пытающихся использовать ресурс для оказания информационного воздействия: размещение сообщения на наиболее посещаемой странице, использование «серых» методов «раскрутки» (частое повторение, организация отдельной темы обсуждения, всевозможное выделение), использование различных пробелов и уязвимостей при модерировании ресурса. В целях достижения наибольшей вероятности ознакомления с информацией злоумышленники часто используют различные средства автоматизации и роботов, производящих рассылку сообщений на огромное количество ресурсов.

Предположим, что m независимых пользователей ознакомились с сообщением, тогда вероятность того, что сообщение оказало воздействие на этих пользователей, можно представить как:

image001

где m – количество пользователей, ознакомившихся с сообщением, размещенным на Интернет-ресурсе.

Если для упрощения предположить, что выражение (1) является равновероятным для каждого пользователя, то получаем:

image002

Из формулы (3) видно, что при увеличении значения переменной m значение p будет приближаться к единице:

image003

Для графической иллюстрации поведения функции p было использовано несколько различных значений  image004: 0,001; 0,003; 0,005; 0,01; 0,02; 0,03 (рис. 1).

В целом, по данным  Российского филиала исследовательского концерна GfK (Gesellschaft fur Konsumforschung) Group, в России в 2016 г. 84 миллиона человек в возрасте от 16 лет и старше являются Интернет-пользователями, что составляет 70,4 % населения [7]. Для оценки количества посещений Интернет-ресурсов, просмотров контента, количества и характера запросов пользователей нами были использованы современные системы веб-аналитики, возможности и функционал которых позволяют получить необходимую статистику.

 

image005

Рис. 1 – Изменение вероятности информационного воздействия в зависимости от количества пользователей

 

С целью изучения популярности и доступности информационных ресурсов мы воспользовались рейтинговой системой Rambler/Top100, которая предоставляет возможность пользователям сервиса иметь подробнейшую статистику по веб-сайту за последние сутки, а также динамику его посещений за два последних месяца. Исследование проводилось в пределах России, тематика исследования – новости и СМИ. С использованием инструментария системы  Rambler/Top100 была получена статистика популярности радио, телевидения, газет и журналов. Период выборки – февраль 2017 г. [8]. В ходе исследования использовалась следующая терминология:

  • посетители – количество уникальных посетителей сайта за выбранный период;
  • просмотры – количество просмотренных страниц на сайте за выбранный период.

Количество посетителей и просмотров, представленных в таблице 1 наиболее популярных источников информации, свидетельствуют, во-первых о рейтинге популярности ресурсов среди Интернет-пользователей, во-вторых о доступности информации и подтверждают сделанный выше вывод.

 

Таблица 1 – Рейтинг наиболее популярных источников информации

Рейтинг Радио

 

Посетители Просмотры
РАДИО ТОП-10 (среди 100)
1 Эхо Москвы 8 191 972 94 358 882
2 Европа Плюс 2 477 565 8 226 259
3 Русское Радио Москва 800 557 4 796 674
4 Love Radio 675 096 4 399 859
5 Радио DFM Москва 354 947 2 621 298
6 Авторадио – Первое автомобильное радио 312 937 731 245
7 «Хит FM» Москва 165 389 695 298
8 Радио MAXIMUM 124 970 819 309
9 «Радио Дача» 145 504 482 771
10 Сайт ГТРК «Ставрополье» – 145 147 564 041
ТЕЛЕВИДЕНИЕ ТОП-10 (среди 198)
1 Вести.Ru: новости, видео и фото дня 16 372 586 96 002 717
2 «RT News Channel» 10 809 940 51 297 348
3 Телеканал «Звезда» 9 101 304 36 996 004
4 НТВ.ru 8 195 996 31 574 143
5 Вокруг ТВ 7 250 221 17 550 907
6 Телевидение Алтайского края «Катунь 24» 309 086 978 801
7 «Камелот Программа» 240 189 1 180 105
8 «Квартирный вопрос» 295 433 1 311 435
9 Вести Сочи 224 305 750 700
10 Телекомпания «Ариг Ус» 180 924 1 046 860
ГАЗЕТЫ И ЖУРНАЛЫ ТОП-10 (среди 1056)
1 «Аргументы и Факты» 16 410 604 45 325 893
2 «Московский Комсомолец» 11 729 422 66 700 175
3 «Русская семерка» 4 677 902 25 231 734
4 «Вечерняя Москва» 3 672 600 6 304 243
5 «АвтоВзгляд» 3 211 366 7 427 669
6 «Собеседник» 2 509 813 6 056 773
7 «Петербургский дневник» – 2 589 543 4 878 046
8 Журнал «Эксперт» 1 919 269 4 607 640
9 Аргументы Недели 1 540 811 4 052 736
10 «Настоящая Леди» 1 728 704 2 266 074

 

Аналитическая система Яндекс Статистика демонстрирует  аудиторию пользователей на Yandex.ru за первое полугодие 2017 г. [9].

 

Таблица 2 – Аудитория пользователей поисковой системы Yandex.ru за 2017 г.

Месяц Месячная  аудитория, % от Интернета Месячная  аудитория Среднесуточная аудитория, % от Интернета Среднесуточная аудитория
Январь 90,0% 52 736 130 66,1% 26 954 140
Февраль 89,2% 51 693 570 66,1% 27 614 730
Март 90,4% 52 802 400 66,2% 27 838 100
Апрель 89,3% 52 166 190 65,9% 27 212 830
Май 89,1% 52 667 070 66,0% 26 926 970
Июнь 89,0% 52 040 260 65,7% 25 668 840

 

Среди Интернет-ресурсов все большее значение среди пользователей приобретают социальные сети. Это объясняется наличием сообществ по интересам, возможностью обмена мнениями.  Количество участников сетей – сотни миллионов. Люди, как правило, являются одновременно участниками нескольких социальных сетей. Для изучения аудитории социальных сетей автором была использована система Brand Analytics. Исследование проводилось среди российских пользователей, период исследования – февраль 2017 г. [10]. Результаты исследования, представленные в таблице 3, сопоставимы с приведенными выше.

 

Таблица 3 – Результаты исследования аудитории социальных сетей

Наименование ресурса Количество авторов Количество сообщений
Соцсети 1 113 535 014
В том числе ВКонтакте 17 781 232 371 902 588
Facebook 1 219 157 53 820 671
Instagram 4 656 991 98 925 636
Микроблоги twitter.com 333 246 062
Видео (youtube.com) 72 789 124
Мессерджеры (telegram.org) 550 864
Блоги 12 320711
Форумы 17 403 324
Отзывы 10 337 457
Новости 15 204 115

 

Приведенные в таблицах 1-3 результаты свидетельствуют о том, что по количеству пользователей Интернет является наиболее благоприятной средой информационного воздействия.

Результаты, полученные автором в ходе проведенного  в сети Интернет анкетирования пользователей, позволили построить вариационный ряд и выявить некоторые закономерности использования Интернет-ресурсов. Вариантами ряда xi является количество Интернет-ресурсов, используемых пользователями регулярно. Количество наблюдений n – это количество респондентов, принимавших участие в анкетировании. Согласно результатам проведенного исследования, n=250. Пользователи регулярно просматривают до 20 ресурсов, то есть xi  принимает значения от 1 до 20.  Сгруппированный ряд представлен в виде таблицы 4.

 

Таблица 4 – Вариационный ряд

Кол-во интернет-ресурсов,

xi

Частота (кол-во пользователей),

ni

Частость

(доля пользователей)

wi=

Накопленная частота Накопленная частость
1 3 0,01 3 0,01
2 37 0,15 40 0,16
3 22 0,09 62 0,25
4 25 0,10 87 0,35
5 38 0,15 125 0,50
6 35 0,14 160 0,64
7 26 0,10 186 0,74
8 14 0,06 200 0,80
9 10 0,04 210 0,84
10 7 0,03 217 0,87
11 3 0,01 220 0,88
12 3 0,01 223 0,89
13 3 0,01 226 0,90
14 4 0,02 230 0,92
15 3 0,01 233 0,93
16 4 0,02 237 0,95
17 3 0,01 240 0,96
18 3 0,01 243 0,97
19 4 0,02 247 0,99
20 3 0,01 250 1,00
ИТОГО 250 1,00

 

По результатам исследования видно, что 87 % респондентов регулярно используют до 10 различных ресурсов, в то время, как доля пользователей, регулярно просматривающих более 10 ресурсов, составляет всего 13%.

Графическое изображение вариационного ряда представлено на рисунке 2 в виде полигона.

 

image009

Рис. 2 – Полигон частот

 

На рисунке 3 представлена графическая интерпретация накопленной частоты.

image010

Рис. 3 – Накопленная частота

 

Таким образом, известные ресурсы, имеющие большую аудиторию и высокую частоту посещаемости, несут больше потенциальных угроз информационной безопасности. Неопределенность исходов развития негативных воздействий в сети Интернет обосновывает применение методов теории вероятностей. Вероятностная оценка позволяет определить основные направления, где необходимо наращивание сил и средств, обеспечивающих защиту от негативных информационных воздействий.

Список литературы / References

  1. Зегжда П.Д. Обеспечение безопасности информации в условиях создания единого информационного пространства / П.Д. Зегжда //Защита информации. INSIDE. – 2007. -№ 4. – С. 28-33.
  2. Белов П.Г. Прогнозирование влияния российских СМИ на национальную безопасность / П.Г. Белов // Пространство и время. – 2010. – № 1. – С. 58-68.
  3. Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. Модели информационного влияния и информационного управления в социальных сетях / Д.А. Губанов, Д.А. Новиков,  А.Г. Чхартишвили // Проблемы управления. – 2009. – С. 28-35.
  4. Губанов, Д.А., Новиков Д.А., Чхартишвили А.Г. Социальные сети: модели информационного влияния, управления и противоборства / Под ред. чл.-корр. РАН Д.А. Новикова. – М.: Издательство физико-математической литературы, 2010. – 228 с.
  5. Манойло А.В. Информационное противоборство в условиях психологической войны / А.В. Манойло  // Закон и право.– 2003. – № 12. – С. 31–34.
  6. Гвоздев А.В., Лебедев И.С., Зикратов И.А. Вероятностная модель оценки информационного воздействия. /А.В. Гвоздев, И.С. Лебедев, И.А. Зикратов // Научно-технический вестник информационных технологий, механики и оптики. – 2012. – №2 (78). – С. 99-103.
  7. Исследование GfK: Тенденции развития Интернет-аудитории в России. [Электронный ресурс]. URL: http://www..GfK.ru (дата обращения 7.04.2017).
  8. Rambler/Top100. [Электронный ресурс]. URL: https://top100.rambler.ru (дата обращения 10.03.2017).
  9. Brand Analytics. [Электронный ресурс]. URL: https://br-analytics.ru/ (дата обращения 10.03.2017).
  10. Яндекс Статистика [Электронный ресурс]. URL: https://stat.yandex.ru/Russia/Portal (дата обращения 17.08.2017)

Список литературы на английском языке / References in English

  1. Zegzhda P.D. Obespechenie bezopasnosti informacii v uslovijah sozdanija edinogo informacionnogo prostranstva [Ensuring the security of information in the creation of a single information space] / P.D.Zegzhda //Zashhita informacii. INSIDE [Data protection]. – 2007. -№ 4/ – P. 28-33. [in Russian]
  2. Belov P.G. Prognozirovanie vlijanija rossijskih SMI na nacional’nuju bezopasnost’ [Forecasting the influence of Russian media on national security] / P.G. Belov // Prostranstvo i vremja [Space and time]. – 2010. – № 1. – P. 58-68. [in Russian]
  3. Gubanov D.A., Novikov D.A., Chhartishvili A.G. Modeli informacionnogo vlijanija i informacionnogo upravlenija v social’nyh setjah [Models of information influence and information management in social networks] / D.A. Gubanov, D.A. Novikov,  A.G. Chhartishvili // Problemy upravlenija [Management issues].- 2009. – P. 28-35. [in Russian]
  4. Gubanov D.A., Novikov D.A., Chhartishvili A.G. Social’nye seti: modeli informacionnogo vlijanija, upravlenija i protivoborstva [Social networks: models of information influence, governance and confrontation] / Pod red. chl.-korr. RAN D.A. Novikova. – M.: Izdatel’stvo fiziko-matematicheskoj literatury. 2010. – 228 P. [in Russian]
  5. Manojlo A.V. Informacionnoe protivoborstvo v usloviyah psihologicheskoj vojny [Information confrontation in the conditions of psychological warfare] / A.V. Manojlo // Zakon i parvo [The law and the right]. – 2003. – № 12. – P. 31–34.[in Russian]
  6. Gvozdev A.V., Lebedev I.S., Zikratov I.A. Verojatnostnaja model’ ocenki informacionnogo vozdejstvija [Probabilistic evaluation model of information exposure] / A.V. Gvozdev, I.S. Lebedev, I.A. Zikratov // Nauchno-tehnicheskij vestnik informacionnyh tehnologij, mehaniki i optiki [Scientific and technical journal of information technologies, mechanics and optics]. – 2012. – №2 (78).- P. 99-103. [in Russian]
  7. Issledovanie GfK: Tendencii razvitija Internet-auditorii v Rossii [Research GfK: Trends in the development of the Internet audience in Russia.]. [Electronic resource]. URL: http://www..GfK.ru (accessed 7.04.2017). [in Russian]
  8. Rambler/Top100. [Electronic resource]. URL: https://top100.rambler.ru (accessed 10.03.2017). [in Russian]
  9. Brand Analytics. [Electronic resource]. URL: https://br-analytics.ru (accessed 10.03.2017). [in Russian]
  10. Yandex Statistika [Yandex Statistics]. [Electronic resource]. URL: https://stat.yandex.ru/Russia/Portal (accessed 17.08.2017). [in Russian]

Leave a Comment

Your email address will not be published. Required fields are marked *

Лимит времени истёк. Пожалуйста, перезагрузите CAPTCHA.