Библиографическое описание:Опыт анализа «цифровых следов» процесса структурной интеграциимигрантов в России с помощью нейросети BERT : научное издание / Д. Д. Тимошкин [и др.]. - Текст : непосредственный // Социологическое обозрение. - 2025. - Т.24, №1. - С. 332-356. - Исследование выполнено за счет гранта Российского научного фонда № 22-78-10075, https://rscf. ru/project/22-78-10075/. - ISSN 1728-192X. - ISSN 1728-1938, DOI 10.17323/1728-192x-2025-1-332-356.
Аннотация:В статье исследуются «цифровые следы» двух важнейших этапов процесса структурной интеграции трансграничных мигрантов в России - поиска работы и жилья. Наша цель - проанализировав сообщения на релевантные темы в «мигрантских» группах во «ВКонтакте», описать, с какими трудностями сталкиваются их авторы и как они используют социальные медиа для их преодоления. Для анализа текстового массива мы применили комбинацию автоматических классификаторов (линейного и нейросетевого) и контент-анализа. Используя написанный на языке Python парсер, мы извлекли из «мигрантских» групп 129 261 текстов, на которых обучили нейросеть BERT (F1-мера 0,94) выделять сообщения интересующей нас тематики. Для уточнения корректности классификации и получения предварительных выводов методом контент-анализа была проанализирована случайная выборка из отобранного нейросетью массива. Мы увидели, что рассмотренные цифровые площадки являются пространствами концентрации«силы слабых связей», выстраиваемых приезжими для накопления информации и социального капитала, снижающих интеграционные издержки и риски при поиске жилья и работы в ситуации острого дефицита ресурсов. Их основой становится религиозная и земляческая солидарность. Также цифровые медиа становятся местом контакта мигрантов и принимающего сообщества: с их помощью приезжих - например, беженцев из Украины, ДНР и ЛНР - активно вовлекают в неформальную семейную экономику и экономику ухода. Результаты не противоречат тем, что получены более традиционными методами, что говорит о возможности применения подхода для изучения больших по объему массивов, созданных менее исследованными сообществами.
The article explores the “digital traces” of the structural integration of cross-border migrants in Russia by combining qualitative text analysis methods with automatic classifiers. Our goal was to analyze posts related to job and housing searches in migrant communities on VKontaktein order to describe the challenges these individuals face and how they use social media to overcome them. From the wide range of practices falling under the definition of structural integration, we focused on job and housing searches, considering them the most significant. Our tasks were to identify and classify mentions of these practices in migrant groups on VK, determining the role of social media in these processes. Given the large volume of material, achieving these goals required an approach that combined the capabilities of automatic classifiers with the analytical sensitivity of qualitative methods. The use of a linear classifier did not yield the expected results, prompting the need to train a neural network classifier.To reduce the associated labor costs, we tested the possibility of training the model on a small manually selected dataset of short texts. Using a Python-based parser, we extracted 129,261 posts from migrant groups, categorizing them thematically via web interface. The texts were then used to train a BERT network (F1 score: 0.94). To ensure the accuracy of classification and to obtain preliminary sociological insights, a randomized sample was analyzed using qualitative content analysis. This analysis revealed that the digital platforms under study serve as spaces where migrants build “the strength of weak ties,” accumulating information and social capital, which in turn reduces the costs and risks associated with integration when searching for jobs and housing in resource-scarce conditions. Religious and regional solidarity serve as the foundation of these networks. Additionally, digital media platforms become contact points between migrants and the host society: they facilitate the informal involvement of migrants, especially refugees from Ukraine, Donetsk, and Luhansk, into family economies and caregiving roles. For example, migrants are offered low-paying agricultural work or caregiving jobs for elderly relatives in small towns or villages, withfree accommodation provided by the employer. Another category of posts offers housing in Russian cities to refugee women in exchange for domestic labor and sex. This indicates that some migrant groups may be part of the broader problem of sexual exploitation of female refugees in Russia and the marginalization of migrants by the host community. Theresults are consistent with those obtained through more traditional methods, indicating that this approach can be applied to the study of large datasets generated by less-researched communities.
