CC BY
2
10. Toro C., Barandiaran I., Posada J. A perspective on knowledge based and intelligent systems implementation in industrie 4.0 //Procedia Computer Science. - 2015. - Т. 60. - С. 362-370.
11. Liu Z. Reading behavior in the digital environment: Changes in reading behavior over the past ten years //Journal of documentation. -2005. - Т. 61. - №. 6. - С. 700-712.
12. Nicholas D. et al. Characterising and evaluating information seeking behaviour in a digital environment: spotlight on the 'bouncer' //Information Processing & Management. - 2007. - Т. 43. - №. 4. - С. 1085-1102.
13. Rodionov D. G. et al. Information environment quantifiers as investment analysis basis //Economies. - 2022. - Т. 10. - N°. 10. - С. 232.
14. Rodionov, D., Kryzhko, D., Smirnova, I., Konnikova, O., & Konnikov, E. (2023). Impact of the External Environment on the Development of the ICT Labor Market. In Digital Transformation: What is the Impact on Workers Today? (pp. 181-195). Cham: Springer Nature Switzerland.
EDN: JEPAUE
Е.А Конников - к.э.н., доцент Высшей инженерно-экономической школы, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия, [email protected],
E.A Konnikov - candidate of economic sciences, associate professor at the Graduate School of industrial economics Peter the Great St Petersburg Polytechnic University, St Peterburg, Russia;
Д.Г. Родионов - д.э.н., профессор, Высшая инженерно-экономическая школа, Санкт-Петербургский политехнический университет Петра Великого, Россия, Санкт-Петербург, Россия, [email protected],
D.G. Rodionov - Doctor of Economics, Professor, Graduate School of Industrial Economics, Peter the Great StPetersburg Polytechnic University, St. Petersburg, Russia;
Д.А Крыжко - ассистент Высшей инженерно-экономической школы, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия, [email protected],
D.A. Kryzhko - assistant at the Graduate School of industrial economics Peter the Great St Petersburg Polytechnic University, St. Peterburg, Russia.
ИНТЕРПРЕТАЦИЯ РЕЗУЛЬТАТОВ МОДЕЛИРОВАНИЯ ЭФФЕКТА ИНФОРМАЦИОННОГО ИМПУЛЬСА В ЦИФРОВОЙ СРЕДЕ INTERPRETATION OF THE RESULTS OF SIMULATION OF THE EFFECT OF INFORMATION IMPULSE IN THE DIGITAL ENVIRONMENT
Аннотация. Данное исследование является завершающим этапом проекта, изучающего информационную восприимчивость цифровой среды и эффекты распространения информации. Цель: оценка возможностей системы анализа эффекта информационного импульса в цифровой среде и структуризация методов интерпретации индикаторов системы анализа. Предыдущие исследования на этапе моделирования определили интенсивность и разнообразие оборота информации в цифровой среде. Была сформирована универсализированная модель анализа. Структуризация методов интерпретации данной модели, не ограничивая гибкость системы анализа, увеличивает возможности её внедрения, позволяет гарантировать достоверность результатов, анализировать и оптимизировать используемые методы, разрабатывать новые инструменты, а также адаптировать методы интерпретации к новым типам данных и изменениям в цифровой среде. Структурированный подход делает анализ прозрачным и упрощает формирование управленческих решений и процессы планирования, обеспечивая основу для гибкого и устойчивого развития системы анализа.
Abstract. This research represents the final stage of a project examining the information receptivity of the digital environment and the effects of information dissemination. The aim is to assess the capabilities of a system for analyzing the effect of information impulses in the digital environment and to structure methods for interpreting the system's analysis indicators. Previous research at the modeling stage identified the intensity and diversity of information circulation within the digital environment, leading to the development of a universalized analysis model. Structuring the methods for interpreting this model, without restricting the flexibility of the analysis system, enhances its implementation possibilities, ensures the reliability of results, enables the analysis and optimization of existing methods, facilitates the development of new tools, and allows for the adaptation of interpretation methods to new data types and changes within the digital environment. A structured approach makes analysis transparent, simplifying the formation of management decisions and planning processes, providing a foundation for the flexible and sustainable development of the analysis system.
Ключевые слова: цифровая среда, информационная восприимчивость цифровой среды, информационный поток, информационный импульс, моделирование цифровой среды, интерпретация результатов моделирования.
Keywords: digital environment, digital environment's information receptivity, information flow, information impulse, modeling of the digital environment, interpretation of modeling results.
Благодарности: Работы выполнены в рамках реализации проекта "Разработка методологии формирования инструментальной базы анализа и моделирования пространственного социально-экономического развития систем в условиях цифровизации с опорой на внутренние резервы" (FSEG-2023-0008).
Acknowledgments: The research is financed as part of the project "Development of a methodology for instrumental base formation for analysis and modeling of the spatial socio-economic development of systems based on internal reserves in the context of digitalization" (FSEG-2023-0008).
Введение
Данное исследование является заключительным этапом проекта изучения информационной восприимчивости цифровой среды, результативности генерируемой цифровой информации, параметрического состава влияния среды на эффективность распространения в ней информации.
Цифровая среда трансформирует характер распространения, оценки, принятия, ретрансляции информации акторами [1], делая его более интенсивным, но менее структурированным. Современные информационные технологии обеспечивают беспрецедентную скорость распространения информации, что значительно повышает ее влияние на процессы принятия решений, формирование общественного мнения и управление социальными процессами [2, 3, 4].
Изучение информационной восприимчивости цифровой среды является актуальным и важным направлением исследований, позволяющим лучше понять процессы распространения и восприятия информации в современном мире [5, 6]. Результаты таких исследований могут использоваться не только в научной сфере или в управлении, но и для разработки эффективных стратегий борьбы с дезинформацией, повышения цифровой грамотности населения, создания более безопасной и устойчивой информационной среды [7, 8].
После осуществлённого описания параметров, характеризующих цифровую среду в контексте принятия, распространения и отображения информационного импульса; построения математической логики поведения информационного импульса в среде, моделирования эффекта генерируемой информации, требуется апробация
сформированной системы анализа на практическом примере, а также изучение векторов трактовки промежуточных и целевых результатов работы системы.
Таким образом, основная цель данного этапа: оценка возможностей системы анализа эффекта информационного импульса в цифровой среде и структуризация методов интерпретации индикаторов системы анализа. Оценка спектра возможностей системы анализа эффекта информационного импульса в цифровой среде является критически важным этапом ее разработки и внедрения. Она позволяет определить пределы применимости, выявить ограничения и потенциал, определить необходимость дополнительных разработок.
Структуризация методов интерпретации результатов системы анализа эффекта информационного импульса в цифровой среде является необходимым этапом для обеспечения достоверности, понятности и применимости полученных данных. Она предотвращает некорректные выводы и обеспечивает возможность эффективного использования результатов анализа, позволяет установить четкую связь между полученными данными и конкретными явлениями в цифровой среде. Это достигается путем разработки единых критериев и правил интерпретации, учитывающих специфику данных, контекст их получения и цели анализа [9].
С помощью структуризации методов интерпретации можно обеспечить системный подход к анализу результатов, предотвращая субъективные оценки и обеспечивая возможность сравнения результатов различных анализов. Это позволяет уверенно использовать полученные данные для принятия решений, разработки стратегий и прогнозирования развития информационных процессов.
Структуризация также способствует повышению достоверности анализа за счет четкой фиксации методов интерпретации, их ограничений и преимуществ. Это позволяет увеличить доверие к результатам анализа со стороны пользователей и обеспечить их эффективное использование в различных областях деятельности. Соответственно, для гибкой системы анализа структуризация методов интерпретации обладает ещё большей значимостью.
В условиях гибкой системы анализа необходимо обеспечить единый подход к интерпретации результатов, независимо от конкретной конфигурации системы и характера анализируемых данных.
Важно отметить, что структуризация методов интерпретации не означает ограничение гибкости системы анализа. Она предоставляет фундамент для развития и совершенствования методов интерпретации в соответствии с изменениями в цифровой среде и появлением новых типов данных. Структуризация обеспечивает возможность усовершенствования методов интерпретации без потери единого подхода и обеспечивает необходимую стабильность и достоверность анализа.
Основная часть
Раннее сформирована математическая модель распространения информационного импульса в цифровой среде: импульс, характеризуемый интенсивностью и контекстом содержащейся информации, в цифровой среде под влиянием чистых параметров среды (общими для всех предполагаемых независимых информационных импульсов: состояние информационной среды и циклы времени) и параметров тематики импульса в контексте среды (общие для группы импульсов, объединённой одной тематикой: уровень специфичности информации, тематическое соответствие, уровень ажиотажа) преобразуется в объём усвоенной информации (с тем маркером усвоения, который определён в конкретной ситуации). Блок-схема модели представлена на рисунке 1.
ЦИФРОВАЯ СРЕДА
о(Е, к. т. с,, и. г) ш
= е'"1 ■ (0.5 ■ 51п(я ■ Б) + 0.5) ■ [1 - (ж;(27г ■ Т-Ю)' ■ (0.5 ■ 5ш(2л ■ С,) + 0.5) ■ Н? ■ 108(1 + В). где
В - с и стоя ран с информационной среды» К - интенсивность н нонтекст информации; Т - тс магическое соответствие; С, - цикли времени, Н уровень ажиотажа; 5 - уровень специфичности информации
эффект информационного импульса {результативность генерируемой цифровой информации)
Е/|трц[м -т-^— .где
1<; - информация, инициированная генератором;
1,1ЧЛ| - усвоенная информация
ИНФОРМАЦИОННЫЙ ИМПУЛЬС
характеризуется интенсивностью н контекстом информации (К)
^юи!-общий объем информации, который & конечном итоге достигает (таким обратом, который принят за базисный а конкретном расчетном примере/ группе примеров) всех уровней потребителей в системе
'=>е 1 (X 'Р'' 5'п(2л ■ <*)+
■1оЕ(1 + Яе
Рисунок 1 - Структура формирования параметров, характеризующих результативность генерируемой цифровой информации
При этом единицы измерения параметров, устанавливающих характер процессов в рассматриваемой среде (представленной на блок-схеме рисунка 1), определены в рамках системы, но не конкретизированы - с возможностью ситуационной адаптации в пределах рассмотренной универсализированной общности. Выбор единиц измерения для параметров математической модели цифровой среды является важным этапом моделирования, влияющим на точность, интерпретацию и сравнимость полученных результатов.
Необходимые критерии выбора единиц измерения из системы:
1. Масштабируемость.
- Соответствие масштабу изучаемой системы: единицы измерения должны быть соразмерны характерным масштабам цифровой среды. Например, для анализа трафика в глобальной сети подходят единицы измерения в гигабайтах или терабайтах, а для анализа трафика в локальной сети - в килобайтах или мегабайтах.
- Возможность изменения масштаба: единицы измерения должны позволять менять масштаб анализа без потери точности. Например, можно переходить от бит к байтам к килобайтам и т.д.
2. Точность.
- Соответствие уровню точности данных: единицы измерения должны обеспечивать достаточный уровень точности для измерений и расчетов. Так для анализа скорости передачи данных в сети не нужно использовать единицы измерения в наносекундах, а достаточно миллисекунд.
- Снижение ошибки округления: единицы измерения должны минимизировать ошибки округления при проведении расчетов. Использование целых чисел для выражения количества запросов к серверу может привести к ошибке округления в несколько единиц.
3. Интерпретируемость.
- Понятность и доступность: единицы измерения должны быть понятны и доступны для широкого круга пользователей. Так использование единиц измерения, специфичных для конкретной отрасли, может сделать результаты моделирования недоступными для неспециалистов.
- Совместимость с другими единицами измерения: единицы измерения должны быть совместимы с другими единицами измерения, используемыми в смежных областях исследования.
4. Функциональность.
- Соответствие характеру измеряемого параметра: единицы измерения должны точно отражать характер измеряемого параметра. Например, для измерения объема данных подходят единицы измерения в байтах, а для измерения скорости передачи данных - в битах в секунду.
- Возможность проведения расчетов: единицы измерения должны позволять проводить расчеты и анализировать данные с помощью математических методов.
5. Сопоставимость.
- Сопоставимость с реальными данными: единицы измерения должны быть сопоставимы с реальными данными, собираемыми в цифровой среде. Так если реальные данные представлены в байтах, то и модель должна использовать единицы измерения в байтах.
- Сопоставимость с другими моделями: единицы измерения должны быть сопоставимы с единицами измерения, используемыми в других моделях цифровой среды.
Текущее исследование направлено на изучение информационной восприимчивости цифровой среды, результативности генерируемой цифровой информации, параметрического состава влияния среды на эффективность распространения в ней информации.
Структуризация методов интерпретации результатов системы анализа
В связи с адаптивностью аналитического инструмента и возможностью применения его в различных сферах, трактовка аналогично характеризуется ситуационной гибкостью. Структуризация методов интерпретации в гибкой системе анализа также имеет важное значение для обеспечения надежности получаемых результатов. Структурированный подход позволяет минимизировать риски неверной интерпретации и обеспечить достоверность получаемых выводов, что критически важно при применении анализа в реальных условиях.
Могут быть выделены основные направления оценки получаемых результатов и значимые направления построения выводов на их основе.
Эффективность информационной кампании. Направление предполагает анализ распространения и восприятия информации в рамках заданного контекста и целей кампании. Ключевым элементом оценки является сравнение объема исходной информации с объемом информации, достигшей всех уровней потребителей. Это позволяет определить степень проникновения информации в целевую аудиторию и определить эффективность различных каналов ретрансляции.
Например, если исходная информация была опубликована в виде поста в социальной сети, то ее эффективность можно оценить по количеству просмотров, лайков, комментариев, репостов. Дополнительным показателем является анализ реакции целевой аудитории, выраженной в обращениях к источнику информации, изменениях поведения или формировании нового мнения.
Влияние внешних параметров. Анализ взаимосвязи между изменениями в среде распространения информационного импульса и динамикой показателя ПО:а1. Система анализа должна предоставлять возможность изучать как суммарное влияние изменения параметров среды, так и влияние отдельных параметров на различных уровнях распространения информации. Например, можно анализировать влияние изменения алгоритмов рекомендаций социальных сетей, уровня доступа к интернету в конкретном регионе или изменения информационной политики государства на объем информации, достигающей конечного потребителя.
Анализируя, как изменение параметров среды распространения импульсов (суммарно, дифференцированно, поуровнево) влияет на конечный показатель 1Ша1 (общий объём информации, достигшей потребителя), можно выявить наиболее значимые для охвата аудитории и поддержания (наращения) её вовлечённости в каждой отдельной тематике факторы конкретной среды. Соответственно, такой анализ даёт понимание о взаимодействии с данными факторами, позволяя принимать решения об оказании влияния в целях изменения фактора/факторов для улучшения эффективности информационной кампании.
Оптимизация стратегий коммуникации. Понимание принципов, лежащих в основе модели, позволяет адаптировать тактики распространения информации, учитывая специфику аудитории, временные рамки и актуальные темы для повышения эффективности взаимодействия. Например, анализируя результаты распространения информационного импульса по разным каналам коммуникации, можно определить, какие из них являются наиболее эффективными для конкретной целевой аудитории и тематики. Это позволяет оптимизировать распределение ресурсов и концентрацию усилий на наиболее эффективных каналах.
Помимо выбора канала коммуникации, система анализа может помочь оптимизировать содержание и формат информации. Анализируя реакцию аудитории на разные типы информации, можно определить, какие форматы являются наиболее эффективными для конкретной целевой аудитории и темы. Это позволяет увеличить вовлеченность аудитории и повысить эффективность коммуникации. Система анализа также может помочь оптимизировать временные рамки распространения информации.
Адаптация тактики распространения. Анализ количества взаимодействий, глубины проникновения и охвата позволяет определить наиболее эффективные каналы и форматы распространения информации для конкретной целевой аудитории. Например, анализируя количество просмотров, лайков, комментариев и репостов информационного импульса в разных социальных сетях, можно определить, какая из них является наиболее эффективной для достижения конкретной целевой аудитории. Это позволяет сконцентрировать усилия на наиболее эффективных каналах и снизить затраты на распространение информации.
Анализ глубины проникновения информации позволяет оценить, насколько успешно информация достигает целевой аудитории и проникает в ее информационное поле. Например, можно анализировать количество переходов по ссылкам, продолжительность просмотра видео или количество комментариев к публикациям. На основе данных показателей можно определить, какие форматы информации являются наиболее эффективными для вовлечения целевой аудитории. Анализ охвата позволяет оценить, скольких людей достигает информационный импульс.
Учет временных рамок. Изучение циклов времени и уровня ажиотажа помогает определить оптимальное время для публикации информации с учетом пиковой активности аудитории и актуальности темы. Анализ временных рамок позволяет выявить периоды времени, когда целевая аудитория является наиболее активной и восприимчивой к новой информации. Например, можно определить, что пиковая активность пользователей социальных сетей приходится на вечерние часы рабочих дней или на выходные дни. Это позволяет оптимизировать время публикации информационного импульса для максимального охвата аудитории. Изучение уровня ажиотажа позволяет определить, когда тема является наиболее актуальной и вызывает у аудитории повышенный интерес.
Соответствие тематическим интересам. Анализ тематического соответствия позволяет создавать контент, который отвечает на актуальные вопросы аудитории и представляет для нее реальную ценность. Анализируя данные о взаимодействии пользователей с информацией, система анализа может определить, какие темы являются наиболее интересными для конкретной целевой аудитории. Это позволяет создавать контент, отвечающий на актуальные вопросы аудитории по данной теме и представляющий для нее реальную ценность.
Важно отметить, что тематическое соответствие не означает простое повторение темы. Важно представить информацию в интересном и актуальном формате, учитывая специфику целевой аудитории и ее потребности. Например, можно использовать интерактивные форматы, видео, анимацию, чтобы сделать информацию более привлекательной и захватывающей. Соответствие тематическим интересам повышает вероятность того, что информация будет воспринята целевой аудиторией и окажет на нее желаемое влияние. Это позволяет увеличить охват аудитории, повысить ее вовлеченность и укрепить доверие к источнику информации.
Оптимизация объема информации. На основе сравнение инициированной информации с общей информацией также может быть определён оптимальный, в рассматриваемом целеполагании, объем информации, который необходимо распространить, чтобы достичь целевой аудитории и минимизировать информационный шум. Система анализа может сравнивать инициированную информацию с общим объемом информации, достигающей конечного потребителя. Это позволяет выявить, насколько эффективно информация распространяется и какой объем информации необходим для достижения заданных целей.
Например, можно определить, что для достижения определенного уровня охвата аудитории и формирования определенного мнения необходимо распространить определенное количество информации. Если объем информации недостаточный, то цели не будут достигнуты. Если объем информации слишком большой, то это может привести к перенасыщению аудитории и снижению влияния информации.
Анализ также позволяет определить оптимальный объем информации для различных форматов и каналов распространения. Например, можно выявить, что для достижения определенного уровня вовлеченности аудитории в социальных сетях необходимо публиковать определенное количество постов в день.
Оптимизация объема информации позволяет повысить эффективность информационного импульса за счет создания баланса между объемом информации и ее влиянием на целевую аудиторию. Это способствует увеличению охвата аудитории и укреплению ее взаимодействия с источником информации.
Планирование будущих кампаний. Результаты и выводы, полученные на основе модели, могут служить базисом для разработки более точных и целенаправленных стратегий вовлечения и расширения аудитории в будущих информационных кампаниях. Анализ эффекта информационного импульса позволяет определить, какие стратегии коммуникации были наиболее эффективными в прошлом и какие элементы стратегии следует изменить для повышения ее эффективности в будущем. Например, можно выявить, что использование кон-
кретного канала коммуникации или конкретного формата информации приводило к более высокому уровню вовлеченности аудитории. Это позволяет скорректировать стратегию будущей кампании, уделив больше внимания данному каналу или формату.
Система анализа также может предоставлять рекомендации по выбору целевой аудитории и оптимизации содержания информации. Например, можно выявить, что определенная группа пользователей проявляет повышенный интерес к конкретной тематике. Это позволяет создать контент, отвечающий на актуальные вопросы данной группы пользователей, и направить информационный импульс на более целевую аудиторию.
Важно отметить, что планирование будущих кампаний на основе анализа эффекта информационного импульса является постоянным процессом. Среда распространения информации постоянно меняется, и целевая аудитория тоже не остается статичной. Поэтому существует необходимость постоянного мониторинга результатов и внесения корректив в стратегии коммуникации, чтобы обеспечить их эффективность в долгосрочной перспективе.
Использование таких уравнений и моделей предоставляет ценное понимание динамики распространения информации в цифровых сетях, помогая оптимизировать коммуникативные процессы и увеличивать их эффективность в соответствии с заданными целями.
Пробное описание результатов расчета
Когда мы используем уравнение для расчета общей информации, достигшей всех уровней потребителей, результат можно интерпретировать как масштаб распространения информации от генератора до конечных потребителей через разные уровни ретрансляции. В контексте социальных сетей это может отражать, до какого количества пользователей донесено изначальное сообщение и как активно оно было распространено (ретранслировано).
Математическая модель, описывающая распространение информации в социальных сетях, может быть использована для анализа динамики распространения сообщений и определения ключевых факторов, влияющих на его масштаб.
На основе описанных методов интерпретации результатов системы анализа предлагается рассмотреть три простейших разных практических примера анализа, сформировав по ним базовые гипотезы и выводы.
Пример 1. В качестве ключевого показателя эффективности распространения маркетинговой информации фирмой используется ЙоМ, который в данном случае отражает не только количество просмотров, но и количество лайков, репостов, сохранений в закладки, переходов на сайт компании и комментариев к постам. Допустим, за первую неделю ЙоМ = 5000. Это говорит о том, что с информацией о продукте взаимодействовали 5000 уникальных пользователей. Если количество просмотров составило 10 000, а лайков - 500, то вовлеченность аудитории составит 500/10 000 = 0,05, или 5 %. Это значение может показаться низким, но оно должно быть проанализировано в контексте. Возможно, целевая аудитория не очень активна в лайках, но зато заинтересована в информации о составе продукта.
Далее, если из 500 лайков 100 привели к переходу на сайт компании, это говорит о том, что есть 20 % конверсии с лайков в посетителей сайта. Это конкретный показатель эффективности, который позволяет понять, насколько маркетинговая стратегия в социальных сетях способствует привлечению потенциальных клиентов.
Кроме того, эмпирический анализ комментариев, может представлять инетерс с точки зрения получения отзывов о продукте и понимания, какие его аспекты вызывают наибольший интерес у аудитории.
Пример 2. В данном примере предлагается рассмотреть распространение научных публикаций конкретного актора. При этом в формуле определения эффекта вместо 1о будет использоваться в знаменателе индекс цитирования предыдущих работ, который равен 10. Это означает, что предыдущие исследования были достаточно значимыми, чтобы привлекать внимание в среде. ЙоМ в этом случае будет отражать суммарное количество взаимодействий с конкретной новой публикацией, включая скачивания, просмотры, цитирования, комментарии и репосты в научных базах данных. Допустим, за 6 месяцев достиг значения 500. Это свидетельствует о том, что статья получила значительный отклик.
Однако, при более глубоком анализе выявлено, что 300 из 500 взаимодействий - скачивания публикации, а только 50 - цитирования. Это говорит о том, что публикация заинтересовала большое количество акторов, но фактически повлияла лишь на небольшое число новых исследований.
Тогда можно рассмотреть характер цитирования - если большая часть ссылок связана с обзором литературы, а не с пунктами явной научной новизны публикации, это может свидетельствовать о том, что публикация повысила интерес акторов к теме исследования, но при этом не заслужила доверия и интереса к уже рассмотренным и полученным методам и выводам по данной тематике.
Далее можно провести обзор комментариев - и если методы исследования вызывают дискуссии, значит, публикация опосредовано оказывает влияние на акторов цифровой среды.
Пример 3. За месяц ЙоМ блогера, формирующего контент о путешествиях и рекламирующего путешествия, достиг 50 000. Это говорит о том, что блогер активно взаимодействует с большой аудиторией. Подробный анализ отражает, что 30 000 из 50 000 взаимодействий - просмотры, 10 000 - лайки, 5 000 - комментарии, 3 000 - репосты и 2 000 - сохранения в закладки. Из 2 000 сохранений в закладки только 500 переходят на сайт, где осуществляется непосредственно реклама туристических услуг. Совокупность комментарев к постам характеризуются положительно тональностью.
То есть, можно сделать вывод, что контент, публикуемый блогером, принимается целевой аудиторией, отвечает её потребностям. При этом с экономической точи зрения увеличение доходов с рекламы может быть
достигнуто либо через стимулирование посещения аудиторией сайта, либо через смещения рекламного контента на платформу более удобную для целевой аудитории.
Таким образом, расчет информационного воздействия позволяет объективно оценить эффективность коммуникации, измеряя ее в единицах взаимодействия аудитории с контентом. Данный метод позволяет не только определить охват аудитории, но и понять уровень ее вовлеченности. Чем больше людей взаимодействует с информацией, оставляя комментарии, делясь ей с другими, тем выше уровень ее проникновения в информационное пространство и тем большее внимание она привлекает.
Анализ результатов расчета информационного воздействия позволяет сделать выводы о том, насколько успешно информация достигла целевой аудитории, какое влияние она оказала, и какой уровень внимания получила. Это позволяет оценить эффективность коммуникационных кампаний, а также сделать выводы о том, как лучше строить коммуникацию в будущем.
Важно понимать, что результаты расчета информационного воздействия не всегда говорят о качественном влиянии информации на аудиторию. Иногда высокие показатели взаимодействия могут говорить о том, что информация вызвала негативные эмоции или провоцировала конфликты. Поэтому важно анализировать результаты расчета в комплексе с другими показателями и учитывать контекст распространения информации.
Заключение
Таким образом, в рамках изучения информационной восприимчивости цифровой среды рассмотрены и структурированы методы интерпретации результатов системы анализа. Полученное подробное описание возможностей и направлений интерпретации позволяет оценить спектр охвата системой анализа моделируемых процессов среды.
Система анализа изучения информационной восприимчивости, генерирует данные, описывающие поведение пользователей, динамику распространения информации и множество других аспектов цифровой среды. Однако, важно не только собрать эти данные, но и правильно их интерпретировать, подготовив результаты к практическому применению. Изучение возможностей и направлений интерпретации результатов системы анализа нацелено на выявление ее основных сильных сторон, а также определить ограничения. Это позволяет оценить спектр охвата системы анализа моделируемых процессов среды, и понять, какие аспекты информационной восприимчивости она может успешно анализировать, а какие требуют дополнительных исследований и методов.
Анализ может помочь выявить ключевые факторы, влияющие на распространение информации в цифровой среде, такие как тип контента, характеристики аудитории и механизмы взаимодействия между пользователями. Однако, система анализа может не учитывать более тонкие аспекты информационной восприимчивости, такие как эмоциональное состояние пользователей или их внутренние мотивации.
В целом, понимание возможностей и ограничений системы анализа позволяет создавать более точные и реалистичные модели информационной восприимчивости цифровой среды, что в свою очередь позволяет эффективнее использовать данные для принятия решений в различных областях, от маркетинга до политики.
Интерпретация результатов является завершающим этапом исследования информационной восприимчивости среды. Таким образом, сформирован полный аналитический цикл определения и оценки эффекта информационного импульса в цифровой среде. Аналитический цикл определения и оценки эффекта информационного импульса в цифровой среде представляет собой комплексный подход к изучению информационной восприимчивости цифровой среды. Он позволяет получить значимую информацию о динамике и взаимодействиях в цифровой среде, а также сделать более точные прогнозы о будущем развитии цифровых технологий и информационного пространства. Источники:
1. Rodionov D. et al. Modeling changes in the enterprise information capital in the digital economy //Journal of Open Innovation: Technology, Market, and Complexity. - 2021. - Т. 7. - №. 3. - С. 166.
2. Mirsch T., Lehrer C., Jung R. Digital nudging: Altering user behavior in digital environments. - 2017.
3. Bondi M., Cacchiani S. Knowledge communication and knowledge dissemination in a digital world //Journal of Pragmatics. - 2021. - Т. 186. - С. 117-123.
4. Rodionov D. G. et al. Information environment quantifiers as investment analysis basis //Economies. - 2022. - Т. 10. - N°. 10. - С. 232.
5. Caliandro A., Gandini A. Qualitative research in digital environments: A research toolkit. - Routledge, 2016.
6. Jiang X., Mao T., Tian J. The Application of Digital Technology in the Complex Situation of News Dissemination from the Perspective of New Media Art //Computational Intelligence and Neuroscience. - 2022. - Т. 2022. - №. 1. - С. 1685430.
7. Huang J. Information dissemination control algorithm of ecological changes in the new media communication environment //Mobile Information Systems. - 2021. - Т. 2021. - №. 1. - С. 6274856.
8. Rodionov, D., Kryzhko, D., Smirnova, I., Konnikova, O., & Konnikov, E. (2023). Impact of the External Environ-ment on the Development of the ICT Labor Market. In Digital Transformation: What is the Impact on Workers Today? (pp. 181-195). Cham: Springer Nature Switzerland.
9. ALBU C. N., PREDESCU C. New Trends for Information Dissemination: Open Access and Digital Repository //Revista Transilvania. -2013. - №. 2.
