CC BY
0
EDN: ILOZPR
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.
СИСТЕМА АНАЛИЗА ЭФФЕКТА ИНФОРМАЦИОННОГО ИМПУЛЬСА В ЦИФРОВОЙ СРЕДЕ SYSTEM FOR ANALYZING THE EFFECT OF INFORMATION IMPULSE IN THE DIGITAL ENVIRONMENT
Аннотация. Данное исследование является частью проекта по анализу результативности генерируемой цифровой информации, фокусируясь на разработке математической модели взаимодействия параметров, характеризующих цифровую среду распространения информационного импульса. Модель учитывает чистые параметры среды (общее состояние информационной среды, циклы времени), параметры тематики информационного импульса в контексте среды (уровень специфичности информации, тематическое соответствие, уровень ажиотажа) и параметры самого информационного импульса в контексте среды (интенсивность и контекст информации). Эта модель обладает адаптивностью, позволяющей применять результаты исследований в широком спектре областей, охватывающих разнообразные типы цифровых сред, и аналогично допускает различные типы акторов, взаимодействующих в цифровой среде. Таким образом, исследование направлено на анализ распространения информации в цифровой среде, определение и описание процессов влияния, формирование математической логики взаимосвязей ключевых параметров в модели, результаты которого являются универсализированными и применимыми в широком спектре исследований и аналитических работ.
Abstract. This research is part of the project to analyze the effectiveness of generated digital information, focusing on the development of a mathematical model for parameter interaction, characterizing the digital environment of the information impulse. The model takes into account the parameters of the environment (the general state of the information environment, time cycles), the parameters of the subject matter of the information impulse in the context of the environment (the level of information specificity, subject relevance, the level of excitement) and the parameters of the information impulse itself in the context of the environment (intensity and context of information). This model is adaptive, allowing the research results to be applied to a wide range of areas, covering various types of digital environments, and similarly allows for different types of actors interacting in the digital environment. Thus, the research is aimed at analyzing the spread of information in the digital environment, defining and describing the processes of influence, forming the mathematical logic of the relationships of key parameters in the model, the results of which are universal and applicable in a wide range of research and analytical works.
Ключевые слова: цифровая среда, информационная восприимчивость цифровой среды, информационный поток, информационный импульс, математическое моделирование, моделирование цифровой среды, анализ цифровой среды, оценка эффекта генерируемой информации.
Keywords: digital environment, digital environment's information receptivity, information flow, information impulse, mathematical modeling, modeling of the digital environment, analysis of the digital environment, assessment of the effect of generated information.
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
Изучение процессов усвоения информации в цифровой среде является важным для оптимизации и совершенствования процессов обучения, коммуникации и работы в условиях постоянно развивающейся информационной системы [1, 2]. Понимание того, каким образом цифровая среда принимает, обрабатывает и передаёт информационный импульс позволяет не только рассчитывать эффект сгенерированного информационного посыла, но и прогнозировать динамику цифровой среды, динамику её реакций, отклик, пользовательский интерес [3, 4]. Параметрический анализ факторов, влияющих на результативность информационного импульса, формирует базис для принятия управленческих решений, осуществления планирования, оценки качества деятельности, позволяя определять путь регулирования параметров в целеполагании получения необходимого результата.
Данное исследование является частью научного проекта по анализу результативности генерируемой цифровой информации. Текущий блок содержит в себе подробное описание математической логики взаимодействия параметров, характеризующих цифровую среду распространения, при моделировании процесса формирования эффекта информационного импульса (индикатор результативности цифровой информации) под влиянием его собственных свойств, восприимчивости среды и их взаимодействия.
Таким образом, модель строится на основе чистых параметров среды (общее состояние информационной среды, циклы времени), параметров тематики импульса в контексте среды (уровень специфичности информации, тематическое соответствие, уровень ажиотажа) и параметров импульса в контексте среды (интенсивность и контекст информации). Основным преимуществом модели является её адаптивность, позволяющая применять результаты исследований в широком спектре областей.
Понятие «цифровая среда» в рамках данной работы не ограничивается узко. Формируемый алгоритм в рамках дальнейшей конкретизации может быть применён к различным типам цифровых сред, в том числе [5, 6, 7]:
- интернет: глобальная сеть, соединяющая компьютеры и устройства по всему миру, позволяющая передавать информацию и взаимодействовать;
- социальные сети: платформы, позволяющие людям взаимодействовать, создавать контент, деляться информацией, участвовать в онлайн-сообществах;
- мобильные технологии: устройства, программы, сервисы, специально разработанные для использования на мобильных устройствах;
- виртуальная реальность и дополненная реальность: технологии, позволяющие создавать и взаимодействовать с виртуальными средами;
- искусственный интеллект: системы, способные к автономному обучению, анализу данных, принятию решений, взаимодействию с человеком;
- киберпространство: абстрактное пространство, объединяющее все компоненты цифровой среды, включая физические устройства, данные, алгоритмы, людей.
Аналогично на понятие «актор» (субъект, обладающий активностью и участием в цифровом пространстве, взаимодействующий с другими акторами и оказывающий влияние на цифровые процессы и результаты) не накладывается ограничений. Могут быть рассмотрены такие типы акторов, как [8, 9, 10]:
- люди: отдельные личности, взаимодействующие с цифровой средой;
- организации: компании, институты, государственные структуры, использующие цифровые технологии;
- искусственный интеллект: программы, алгоритмы, системы, способные к автономному взаимодействию и принятию решений;
- данные: информация, являющаяся объектом манипуляций, анализа и взаимодействия между акторами;
- системы: сетевые инфраструктуры, платформы, программное обеспечение, обеспечивающие взаимодействие акторов.
Таким образом, исследование направлено на анализ распространения информации в цифровой среде, определение и описание процессов влияния, формирование математической логики взаимосвязей ключевых параметров в модели. Его результаты являются базисными и универсализированными.
Основная часть
На основе отобранных параметров осуществляется построение функционального выражения, отражающего влияние внешних параметров среды и собственных параметров импульса на процесс распространения информации на каждом уровне. При этом учитывается спектр факторов влияния, которые в совокупности, с принятой степенью доверия, моделируют поведение информационного импульса в среде, и которые одновременно дифференцированы в математической логике модели таким образом, что может быть оценён условно собственный вклад каждого параметра.
Основными причинами дифференцирования являлись следующие положительные эффекты:
- Повышенная точность модели. Разделение параметров позволяет учесть их индивидуальное влияние на распространение информации. Это увеличивает точность модели в способности предсказывать поведение информационного импульса с большей достоверностью.
- Идентификация ключевых факторов. Дифференциация позволяет выделить наиболее значимые параметры, которые оказывают наибольшее влияние на процесс - в конкретной ситуации.
- Оптимизация процессов. Понимание вклада каждого параметра позволяет оптимизировать процесс распространения информации, настраивая систему под конкретные условия и требования.
- Прогнозирование и управление. Точная модель с дифференцированными параметрами позволяет прогнозировать результаты изменений в среде, что в свою очередь позволяет управлять процессом распространения информации.
- Создание гибкой модели. Разделение параметров позволяет легко изменять и дополнять модель, включая новые факторы и условия, не нарушая ее основной структуры. Новые данные, полученные в процессе наблюдения за цифровой средой, могут быть легко интегрированы в модель, уточняя ее предсказания. Гибкая модель обладает устойчивостью к изменениям в цифровой среде, позволяя сохранять ее релевантность и эффективность на протяжении времени.
Именно гибкость модели - решающий фактор для дифференциации параметров при моделировании цифровой среды ввиду её динамичности, обусловленной как технологическим прогрессом (появление новых устройств, платформ, алгоритмов и сервисов приводит к постоянным изменениям в среде распространения информации); так и изменяющимся поведением пользователей (изменение предпочтений, привычек, способов потребления информации); изменениями в законодательных и нормативных актах (новые правила и ограничения, касающиеся сбора, обработки и распространения информации). То есть, статичная модель цифровой среды подвержена быстрому устареванию, потере релевантности.
Математическое описание эффекта информационного импульса
Таким образом, модель, построенная на основе чистых параметров среды, параметров тематики импульса в контексте среды и параметров импульса, представлена формулой 1 и является комплексным индикатором эффекта результативности генерируемой информации.
0(Е,К,Т,С1,Н,5) =
= е-а' • (0.5 • • Е) + 0.5) • (1 - • Т • К)) • (1)
• (0.5 • • С£) + 0.5) • НР • ^(1 + 5), (1)
где:
- Е - состояние информационной среды;
- К - интенсивность и контекст информации;
- Т - тематическое соответствие;
- О - циклы времени;
- Н - уровень ажиотажа или «хайпа»;
- 8 - уровень специфичности информации.
Полученный в формуле 1 индикатор используется в качестве коэффициента при расчёте общего объёма информации, усвоенной цифровой средой (при этом параметрический состав маркеров усвоения может быть определён в соответствии с целеполаганием расчётов и аналогично параметрической сетке среды характеризуется гибкостью).
Тогда общее уравнение системы будет выглядеть следующим образом (формула 2):
hotai = ¡G • r^Dt(E,K,T, Ct,H,S) • Р? • (0.5 • зт(2л • Ct) + 0.5)5 ) • log(1 + S) , (2)
V i=0 '
где:
Itotal - общий объем информации, который в конечном итоге достигает (таким образом, который принят за базисный в конкретном расчётном примере/ группе примеров) всех уровней потребителей в системе, учитывая динамику ретрансляции и внешние факторы, влияющие на её распространение;
IG - информация, инициированная генератором. Это изначальное сообщение или контент, созданный для последующего распространения в среде;
Pi - вероятность ретрансляции.
Соответственно, результативность генерируемой информации может быть определена как отношение инициированной информации (информационного импульса) к принятой (усвоенной) информационной компоненте (формула 3):
Efimpulse Т (3)
' to tal
Логика взаимодействия параметров математической модели
Ретрансляция - процесс передачи цифрового контента от одного источника к другому без изменений в содержании и формате. Она является ключевым элементом цифрового распространения информации, обеспечивая доступность контента для широкой аудитории.
Типы ретрансляции в цифровой среде:
- простая ретрансляция: передача сигнала от источника к получателю без изменений (радиовещание, телевещание, streaming аудио- и видеоконтента);
- ретрансляция с преобразованием: изменение формата контента для адаптации к другим устройствам или сетям (перекодирование видеофайлов для воспроизведения на мобильных устройствах, трансляция вебсайта на разных языках);
- ретрансляция с добавлением информации: дополнение контента метаданными, комментариями, рекламой или другими дополнительными сведениями (публикация новостей на различных платформах с различными типами комментариев, постановка рекламы в видеоролики);
- ретрансляция с фильтрацией: отбор и передача только определенного типа контента или части контента (агрегаторы новостей, фильтры спама, персональные рекомендации контента).
Особенности ретрансляции в цифровой среде:
- скорость: высокая скорость передачи данных позволяет ретранслировать контент в реальном времени, обеспечивая оперативность информационного обмен;
- доступность: ретрансляция расширяет доступ к информации, делая ее доступной для большего количества пользователей в любом месте и в любое время;
- расширяемость: ретрансляция позволяет расширять аудиторию и увеличивать количество пользователей, имеющих доступ к контенту;
- интерактивность: в цифровой среде ретротрансляция может быть интерактивной, позволяя пользователям взаимодействовать с контентом и оставлять отзывы;
- проблемы: ретрансляция может быть использована для распространения дезинформации, пропаганды, нарушения авторских прав и других негативных явлений.
Так как, ретрансляция является сложным комплексным процессом, вероятность ретрансляции модифицируется через степенные коэффициенты у, 5, е, которые моделируют нелинейные свойства поведения среды в процессе распространения информации. То есть, интерес к информации не просто убывает с течением времени, но делает это по закону, зависящему от множества факторов, которые учитываются в коэффициентах:
- у: коэффициент отражает снижение интереса к информации с течением времени. То есть, чем больше времени прошло с момента публикации информации, тем меньше вероятность, что она будет ретранслирована. Этот коэффициент может быть представлен в виде экспоненциальной функции, которая убывает с ростом времени.
- 5: коэффициент учитывает влияние временных циклов. В цифровой среде часто наблюдаются периодические изменения в активности пользователей (например, в зависимости от дня недели или времени суток). Коэффициент 5 позволяет учесть эти циклы и влияние на вероятность ретрансляции информации.
- е: коэффициент отражает специфичность информации. То есть, чем более специфичной является информация, тем меньше вероятность, что она будет ретранслирована. Это связано с тем, что специфичная информация интересна только ограниченному кругу пользователей.
Таким образом, получаем модель распространения информации с нелинейной динамикой. Она представляет более реалистичный подход к моделированию процессов распространения информации в цифровой среде,
поскольку учитывает сложные взаимодействия между информацией, акторами и цифровым пространством.
Синусоидальные и логарифмические функции используются для моделирования циклических колебаний активности и степени влияния специфичности информации на её распространение. Это вызвано тем, что активность в цифровой среде не статична, а подвержена периодическим колебаниям, таким как:
- суточный цикл: активность акторов цифровой среды (например, пользователей социальных сетей) обычно выше в определенные часы дня (например, вечером);
- недельный цикл: в выходные дни активность акторов обычно выше, чем в рабочие дни;
- сезонный цикл: активность может быть выше в определенные периоды года (например, в праздничные дни).
Синусоидальная функция позволяет учесть эти циклические колебания и смоделировать динамику активности пользователей, представляя собой периодическую функцию, которая повторяет значения с определенной частотой. Логарифмические функции, в свою очередь, применяются для моделирования степени влияния специфичности информации на ее распространение. Специфичность информации влияет на ее распространение не линейно (чем более специфичной является информация, тем меньше вероятность, что она будет широко распространена). Логарифмическая функция позволяет учесть этот нелинейный характер. Она быстро убывает с ростом специфичности, что отражает то, как интерес к информации снижается с увеличением специфичности. Преимущества использования синусоидальных и логарифмических функций для текущих задач:
- точность моделирования: функции позволяют моделировать реальные процессы распространения информации в цифровой среде;
- гибкость: функции можно легко изменять и дополнять, чтобы учесть новые факторы и условия;
- интерпретируемость: функции являются относительно чёткими и понятными в интерпретации, что делает их удобными для использования, как в исследованиях, так и для практического применения.
В совокупности комбинированное взаимодействие параметров через Di и Pi в форме Wal формирует реалистичную модель распространения информации в цифровой среде. Нелинейное поведение модели отражает динамическую природу процесса распространения информации в цифровой среде. Взаимодействие между параметрами может меняться со временем и в зависимости от конкретных условий.
Конечные результаты применения данных уравнений, таких как Itotal, в основном измеряются как объем распространенной информации или степень охвата аудитории в рамках временного периода (когда измерения охватывают определенный временной промежуток, например, день, неделю, месяц; это важно для учета динамических изменений в процессе распространения информации) и специфичной информационной среды (измерения проводятся в рамках конкретной цифровой среды, например, определенной социальной сети, платформы или веб-сайта; это учитывает свойства конкретной среды, влияющие на распространение информации).
Единицы измерения характеристик информации
Информация является абстрактной величиной, но для ее количественной оценки используются специальные единицы измерения, которые отражают различные ее характеристики. Глобально единицы измерения в контексте информации могут быть разделены на технические и опосредованные. Опосредованные единицы измерения информации могут быть не всегда точными (они зависят от контекста, их проще фальсифицировать и сложнее привести к системе), технические единицы измерения информации не всегда дают полную картину о влиянии информации. Разделение единиц измерения информации на технические и опосредованные позволяет анализировать информацию комплексно.
К техническим характеристикам относятся показатели, связанные с особенностями хранения, передачи и распространения информации в цифровой среде (физические характеристики):
1. Количество информации:
- Бит (bit) - самая маленькая единица информации, представляющая собой выбор между двумя равновероятными состояниями (например, 0 или 1).
- Байт (byte) - 8 бит, представляющих собой набор из 8 двоичных цифр.
- Килобайт (KB) - 1024 байта, Мегабайт (MB) - 1024 килобайта, Гигабайт (GB) - 1024 мегабайта, Терабайт (TB) - 1024 гигабайта и т.д.
2. Скорость передачи информации:
- Бит в секунду (bps) - количество бит, передаваемых за одну секунду.
- Килобит в секунду (kbps) - 1000 бит в секунду и т.д.
3. Качество информации:
- Шум - случайные помехи, искажающие сигнал - в децибелах (dB).
- Качество изображения -в пикселях (pixels), количестве цветов (например, 256 цветов, 16 миллионов цветов) и разрешении (например, 1920x1080 пикселей).
- Качество звука - в частоте дискретизации (например, 44.1 кГц, 96 кГц), разрядности (например, 16 бит, 24 бит) и степени сжатия (например, MP3, AAC).
4. Избыточность информации:
- Избыточность - количество лишней информации в сообщении - в процентах (%).
- Энтропия - мера неопределенности информации - в битах (bit).
5. Другие характеристики информации:
- информационная энтропия - мера неопределенности случайной величины, выраженная в битах на
символ;
- информационная емкость канала связи - максимальное количество информации, которое можно передать по каналу за единицу времени;
- коэффициент сжатия данных - отношение размера исходного файла к размеру сжатого файла.
Опосредованные единицы измерения информации - единицы, которые измеряют влияние информации
на пользователей, аудиторию или систему. Эти единицы не отражают непосредственно физические характеристики информации, но являются показателями ее эффективности и влияния:
1. Количество взаимодействий. Количественный показатель, который может включать в себя число просмотров, лайков, комментариев и репостов, генерируемых вследствие распространения информации. Анализ количества взаимодействий позволяет оценить уровень интереса аудитории к информации и ее готовность взаимодействовать с ней. Высокое количество взаимодействий свидетельствует о высокой вовлеченности аудитории и эффективности распространения информации.
2. Достигнутая аудитория (охват). Количество уникальных пользователей или групп, к которым была донесена информация. Этот показатель определяет широту распространения информации. Анализ достигнутой аудитории позволяет оценить эффективность информационной кампании или сообщения в целом. Высокий охват свидетельствует о широком распространении информации и ее способности достичь большого количества людей.
3. Глубина проникновения. Определяет, насколько далеко информационный импульс продвинулся от первоначального источника по цепочке связей, отражая количество уровней ретрасляции, которые были успешно преодолены. Глубина проникновения оценивается по количеству переходов информации от одного участника коммуникации к другому. Высокая глубина проникновения свидетельствует о том, что информация вызывает интерес у аудитории и способствует ее распространению по цепочке связей. Это может быть обусловлено несколькими факторами: актуальность и релевантность (информация отвечает на актуальные вопросы и представляет интерес для широкой аудитории), достоверность и качество, эмоциональная вовлеченность (информация вызывает эмоции у аудитории и мотивирует ее к распространению).
Ь - информация, инициированная генератором (информационный импульс). Представляет собой первоначальный объем информации, которую генератор стремится распространить. Это базовый элемент информационного процесса, который может быть проанализирован с разных сторон:
1. Количественное измерение:
- количество отдельных сообщений: в случае текстовой информации это может быть количество постов в социальных сетях, статей в блогах или новостных записей;
- объем данных: для мультимедийного контента (видео, аудио, изображений) целесообразнее использовать объем данных в мегабайтах или гигабайтах.
2. Качественное измерение:
- потенциальное влияние или значимость: в более абстрактном смысле объем информации может отражать ее потенциальное влияние на аудиторию. Это может быть оценено на основе важности темы, уровня ее детальности и качества представления.
Важно отметить:
- объем инициированной информации является только начальной точкой информационного процесса;
- в реальности информация может быть ретранслирована, переработана, интерпретирована, а ее объем и влияние могут изменяться в процессе распространения;
- изучение объем инициированной информации позволяет нам понять базовый контент, который генерируется и распространяется, и проследить его траекторию в информационном поле.
Ио1а1 - общая информация, достигшая всех уровней потребителей. Представляет собой конечный результат распространения информации, суммированный по всем каналам и уровням ретрасляции. Это не просто количество исходной информации, а количество информации, которая достигла (удовлетворила целевые индикаторы достижения) всех уровней потребителей через различные каналы и этапы ретрансляции.
Ключевые характеристики ЙоМ:
- комплексность: КоМ учитывает все этапы распространения информации - от первоначального генератора до конечного потребителя, включая все межпромежуточные ретрасляции, переработки и изменения контента;
- суммарность: ЙоМ - это сумма информации, достигшей всех уровней потребителей, с учетом дублирования и повторного использования контента;
- измеряемость: ЙоМ может быть измерен в единицах, соответствующих контексту, например: количество взаимодействия, общее количество уникальных пользователей (число уникальных пользователей, которые взаимодействовали с информацией на любом уровне ретрасляции), объём данных.
Особенности измерения йоМ:
- сложность: измерение 1Ша1 может быть многоуровневым, поскольку нужно учитывать множество каналов и уровней ретрасляции;
- неточность: 1Ша1 не всегда может быть измерен абсолютно точно, поскольку не всегда можно учесть все ретрасляции и взаимодействия;
- контекстуальность: ЙоМ должен измеряться с учетом контекста, т.е. типа информации, целевой ауди-
тории, каналов ретрасляции и т.д.
Таким образом, единицы измерения, используемые в рамках построенной логики, характеризуются значительной вариабельностью и гибкостью. Их выбор и адаптация напрямую связаны с конкретными условиями практического применения модели. Гибкая системы единиц измерения позволяет адаптировать модель к различным типам информационных процессов и средам, обеспечивает более точное и адекватное описание и анализ информационных процессов, повышает эффективность модели за счет оптимального подбора единиц измерения для решения конкретных задач.
Для целей изучения цифровой информационной среды гибкость системы единиц измерения является наиболее актуальной, так как процессы в цифровой среде характеризуются динамичностью и контекстуально-стью (в связи с чем характеристика единиц измерения является вариативной в соответствии с типом информации, форматом данных, масштабом распространения).
Кроме того, роль играет изменение функционала информационной компоненты, содержащегося в различных типах единиц измерения - то есть, единица измерения может быть выбрана исходя из целей анализа и учёта содержащейся в ней информации. Также существует требование совместимости единиц измерения, выставляемое как математикой расчёта, так и ориентированностью на возможность проведения сравнительного анализа и построения комплексных оценок.
В связи с чем конкретизация системы единиц измерения на данном этапе текущего исследования резко сократило бы сфера использования результатов и функциональность полученных алгоритмов и моделей.
В рамках дальнейших исследований с точки зрения единиц измерения могут быть рассмотрены следующие направления развития: создание системы унифицированных стандартов, учитывающих разнообразие информационных процессов; анализ чувствительности модели к изменениям единиц измерения и определение оптимальных значений для различных контекстов; построение инструментов, автоматизирующих процесс выбора единиц измерения в зависимости от конкретной задачи.
Заключение
Сформирована математическая логика взаимодействия параметров, характеризующих цифровую среду распространения, рассмотрены основные характеристики и особенности построенных и описанных взаимосвязей. Систематизирован теоретический блок о единицах измерения, через которые могут быть выражены введённые в модель показатели в процессе применения модели.
Разработанная модель обладает значительным потенциалом для анализа цифровой среды. Она позволяет не только описать взаимодействие различных параметров, но и прогнозировать их влияние на информационные процессы. Однако для достижения максимальной эффективности необходимо провести дальнейшую верификацию модели на реальных данных, а также определить оптимальные значения констант и коэффициентов, учитывая специфику конкретного информационного пространства.
Необходимо отметить, что предложенная модель является гибкой и может быть адаптирована для решения различных задач. Например, ее можно использовать для анализа распространения информации в социальных сетях, прогнозирования трендов в интернет-маркетинге, оценки эффективности цифровых рекламных кампаний, а также для исследования влияния цифровых технологий на различные социальные и экономические процессы.
На данном этапе основным критерием агрегирования конечных и промежуточных результатов являлась их целевая универсализированность. Описание логики, взаимодействий, значения особенностей параметров, контекста и прочих факторов среды выполнялось наиболее обобщённо, чтобы создать наиболее адаптивный инструмент анализа цифровой среды.
Таким образом, на дальнейших этапах предложенная модель требует развития, адаптации, конкретизации. Описанная логика может быть применена к конкретным примерам, использована для решения конкретных задач. Конкретизация обобщённых в данном исследовании понятий позволит проводить углублённое изучение влияния различных факторов на динамику информационных процессов.
Так, универсализированный Itotal с учетом контекста и специфики различных цифровых сред может быть применён в качестве индикатора в решении следующих задач:
- Анализ эффективности маркетинговых кампаний: Itotal отражает сколько людей увидели рекламу, сколько прочли текст, сколько поставили лайки и т.д. Это позволяет оценить успешность кампании и оптимизировать ее в будущем.
- Изучение влияния информационных кампаний: Itotal показывает сколько людей получили информацию о каком-либо событии или проблеме. Это помогает оценить уровень осведомленности и влияние информационной кампании.
- Анализ распространения дезинформации: Itotal показывает, как широко распространилась ложная информация и сколько людей ею увидели или поделились. Это позволяет оценить риски и разработать стратегии борьбы с дезинформацией.
Построенные алгоритмы обладают теоретической и практической значимостью. И могут быть использованы в рамках развития анализа цифровой среды и изучения процессов передачи и распространения в ней информации. Источники:
1. Rodionov D. G. et al. Information environment quantifiers as investment analysis basis //Economies. - 2022. - Т. 10. - №2. 10. - С. 232.
2. Bondi M., Cacchiani S. Knowledge communication and knowledge dissemination in a digital world //Journal of Pragmatics. - 2021. - Т. 186. - С. 117-123.
3. Wei S., Xu D., Liu H. The effects of information technology capability and knowledge base on digital innovation: the moderating role of institutional environments //European Journal of Innovation Management. - 2022. - Т. 25. - №2. 3. - С. 720-740.
4. Toro C., Barandiaran I., Posada J. A perspective on knowledge based and intelligent systems implementation in indus-trie 4.0 //Procedia Computer Science. - 2015. - Т. 60. - С. 362-370.
5. Feldman T. An introduction to digital media. - Routledge, 2003.
6. 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.
7. Rangaswamy A., Gupta S. Innovation adoption and diffusion in the digital environment: some research opportunities //New product diffusion models. - 2000. - Т. 1. - С. 75-98.
8. Uzzell D. People-environment relationships in a digital world //Journal of Architectural and Planning Research. - 2008. - С. 94-105.
9. Lynch C. Authenticity and integrity in the digital environment: an exploratory analysis of the central role of trust //Museums in a digital age. - Routledge, 2013. - С. 314-331.
10. 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.
EDN: IKEAQF
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;
М.А. Бучаев - аспирант, Дагестанский государственный университет народного хозяйства, Республика Дагестан, Россия, [email protected],
M.A. Buchaev - Postgraduate Student, Dagestan State University of Economics, Republic of Dagestan, Russia.
ПОСТРОЕНИЕ И ОПИСАНИЕ ПАРАМЕТРИЧЕСКОГО СОСТАВА ЦИФРОВОЙ СРЕДЫ В РАМКАХ АНАЛИЗА ИНФОРМАЦИОННОЙ ВОСПРИИМЧИВОСТИ CONSTRUCTING AND DESCRIBING THE PARAMETRIC COMPOSITION OF THE DIGITAL ENVIRONMENT WITHIN THE FRAMEWORK OF INFORMATION RECEPTIVITY ANALYSIS
Аннотация. Данное исследование является разделом научного проекта, направленного на изучение информационной восприимчивости цифровой среды, определяемой как способность среды принимать, обрабатывать и усваивать генерируемые в ней информационные импульсы. На данном этапе формируется и уточняется параметрический состав цифровой среды в контексте анализа: строится сетка параметров, на основе которой может быть охарактеризована цифровая среда. Производится подробное теоретическое исследование отобранных параметров: рассматриваются их основные характеристики, особенности, взаимосвязи; формируются системы актуальных показателей-индикаторов; проводится подбор возможных методов анализа. Таким образом, осуществляется полный теоретический анализ совокупности параметров, формирующих модельное представление среды распространения информационного импульса. Результаты исследования являются промежуточными для построения математической модели влияния среды на эффект информационного импульса, однако могут быть использованы в качестве базиса для широкого спектра исследований цифровой среды.
Abstract. This research constitutes a section of a broader scientific project dedicated to investigating the information receptivity of the digital environment, defined as the environment's capacity to receive, process, and assimilate information impulses generated within it. This stage focuses on developing and refining the parametric composition of the digital environment within the context of analysis: a network of parameters is constructed to serve as a framework for characterizing the digital environment. A detailed theoretical examination of the selected parameters is undertaken, exploring their key characteristics, features, interrelationships, and developing systems of relevant indicators. Potential analytical methods are also identified. Thus, a comprehensive theoretical analysis of the parameter set is conducted, forming a model representation of the information impulse propagation environment. The findings of this research serve as an interim step toward constructing a mathematical model of the environment's influence on the information impulse effect. However, these findings can also serve as a foundation for a wide range of digital environment research endeavors.
Ключевые слова: цифровая среда, информационная восприимчивость цифровой среды, информационный поток, информационный импульс, распространение информации, тональность информации, интенсивность и контекст информации.
Keywords: digital environment, digital environment's information receptivity, information flow, information impulse, information dissemination, information tone, information intensity and context.
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
Текущее исследование направлено на изучение информационной восприимчивости цифровой среды, результативности генерируемой цифровой информации, параметрического состава влияния среды на эффективность распространения в ней информации.
Изучение цифровой информационной восприимчивости является необходимым для понимания и управления процессами информационного взаимодействия в цифровой среде и имеет критическое значение для ряда областей науки и технологий.
Основные мотивации для изучения цифровой информационной восприимчивости:
1. Развитие информационных технологий.
Повышение эффективности цифровых систем [4]: Понимание информационной восприимчивости цифровой среды позволяет оптимизировать процессы обработки информации, увеличить скорость и точность вычислений, создать более эффективные алгоритмы и системы [5].
Разработка новых технологий: Изучение цифровой информационной восприимчивости открывает новые возможности для создания интеллектуальных систем [10], управление которыми основано на понимании и обработке информационных импульсов.
Создание более интеллектуальных и адаптивных систем: Цифровая среда, способная эффективно воспринимать, обрабатывать и усваивать информацию, может быть использована для создания более интеллектуальных и адаптивных систем, способных самостоятельно обучаться и решать сложные задачи [8].
2. Управление информационными процессами:
