В рамках Многоцентрового исследования Академического партнерства ЕМС в России «Третья волна», названного так в честь концептуальной работы современного американского философа Элвина Тоффлера [1], была собрана матрица из 20 ключевых словосочетаний (КС) в процессе Data Mining (изъятие данных) через API Google и Яндекс. КС подсчитывались в миллионах из открытых текстов, хранящихся в дата-центрах поисковых систем Google и Яндекс. КС подсчитывались в привязке к названию страны и году публикации или упоминанию года в тексте. Данный этап исследования по текстовой аналитике Больших данных (Big Data) является уже вторым, с результатами первого этапа исследования «Третья волна» можно ознакомиться по ссылке [2].

Анализируя текстовые массивы Big Data из Интернета, мы не изучаем социум отдельно от информационной среды, а изучаем отражение в информационных системах разных сфер жизнедеятельности социума – общий фон обсуждения глобальной аудиторией процессов в привязке к конкретным странам. В связи с этим, выявленные закономерности имеют не прямое, а косвенное указание на тот или иной процесс, и влияние на результат могут оказывать разные факторы. Глобальная среда Интернета позволяет рассмотреть через разные КС отражение социума как динамическую, гибкую систему, выявить стрессовые и адаптационные изменения в пространстве (по странам) и времени (по годам).

В данной статье представлена лишь часть результатов.
Материал и методы. Текстовая аналитика Big Data из открытых ресурсов Интернета, использование доступа через API к данным Google и Яндекс, что методически рассматривается как использование Google и Яндекс в качестве неклассических суперкомпьютеров в режиме «as-a-Service». Графическая обработка данных с использованием Microsoft Excel. Линейный корреляционный анализ по Пирсону. Матрица из 20 ключевых словосочетаний подсчитывалась в привязке к названиям 49 стран (полный список стран и словосочетаний см. по ссылке [2]). Языки поиска – русский и английский.

Результаты и обсуждение. В своей статье «Эпоха адаптации» президент Всемирного экономического форума в Давосе Клаус Шваб [3] писал, что новая технологическая волна «захватывает страны как цунами», провоцируя высокую безработицу и социальное неравенство, формируя новую социальную динамику. С другой стороны, не ресурсы и промышленные мощности, а человеческий капитал является основным двигателем экономики XXI века. Клаус Шваб приводит термин «экосистема перемен», которая объединяет институты власти, общество и бизнес в единую систему и претерпевает адаптацию к изменениям. Для того, чтобы попытаться посмотреть общую панораму этой волны изменений, были проанализированы КС текстовых Больших данных из открытых ресурсов Интернета.

На рисунке 1 представлены данные по 22 странам, которые были отобраны из всего списка 49 стран. Эта группа стран условно обозначена, как группа социальной перегрузки или «Social Impact», так как частота встречаемости КС социальной направленности (crisis / кризис; inflation / инфляция; price increase / рост цен; unemployment / безработица; dismissal / увольнения) для этих стран была заметно выше на фоне всего ряда стран. Для каждого из пяти КС визуально оценивался весь ряд стран, и выбиралось несколько стран с выпадающими, намного превышающими общий ряд, значениями.

Среди этой группы можно выделить три подгруппы в зависимости от превышения количества: одного КС из пяти – Social Impact 1; двух или трех КС из пяти – Social Impact 2-3; всех пяти или четырех КС – Social Impact 4-5. Данные представлены на рисунке 2. Отмечается различие в процентном распределении КС, по мере утяжеления социальной перегрузки (от Social Impact 1 к Social Impact 4-5) нарастает доля КС «inflation / инфляция», «unemployment / безработица» и «dismissal / увольнения». Это позволяет говорить о подгруппе Social Impact 4-5 не просто как о странах с более интенсивным информационным интернет-сопровождением социальных проблем, а как о странах, действительно переживающих негативное воздействие новой технологической волны на социальный сектор.