«Технологии соединяют нас с миром, но порой делают нас более изолированными от самих себя.» — Sherry Turkle
Социальные сети давно стали частью нашей повседневной жизни, влияя не только на способы общения, но и на наше эмоциональное состояние. Сейчас, когда виртуальный и реальный миры почти слились, вопрос о влиянии соцсетей на наше самочувствие становится особенно важным.
Я выбрала датасет Social Media Usage and Emotional Well-Being , который нашла на Kaggle. В нем есть данные о том, сколько времени люди проводят в соцсетях, как они там активны и какие эмоции у них возникают.
Мне стало интересно изучить эту тему, потому что я сама часто замечаю, как соцсети влияют на мое настроение. Иногда они вдохновляют, а иногда вызывают усталость или раздражение. Я хотела посмотреть на эту проблему шире, через данные, чтобы понять, как это работает для других людей и есть ли какие-то общие закономерности.
Для анализа я выбрала несколько видов графиков, чтобы наглядно показать разные аспекты данных.
(1) Столбчатая диаграмма — чтобы показать, какие эмоции преобладают на разных платформах. (2) Boxen (распределение по квантилям) — для отображения связи между временем в соцсетях и эмоциями. Данная диаграмма позволяет наглядно увидеть распределение величины в диапазоне. (3) KDE (Плотность распределения) — аналог гистограммы, но более сглаженный. Еще один вариант оценить распределение величины. (4) Scatter plot (диаграмма рассеивания) — тут использована попарно для 4 признака: время пользования, посты в день, лайки в день, комментарии в день, сообщения в день. Данная диаграмма позволяет увидеть совместное распределение каждого из этих признаков с каждым и заметить наличие/отсутствие их связи. (5) Pie chart (круговая диаграмма) — используется чтобы посмотреть разделение по полам в рамках каждой из платформ
Каждый график помогает сделать выводы понятными и точными.
Цвета в исследовании выбраны с учетом контраста, чтобы подчеркнуть разнообразие эмоций, которые мы испытываем в соцсетях. Яркие и насыщенные оттенки также символизируют яркость контента в соцсетях, который создан, чтобы поглотить внимание пользователя.
Анализ
Теперь можно приступать к анализу!
(1) Доля эмоций вызываемых различными платформами
Я использовала датасет, в котором указаны эмоции пользователей и соответствующие платформы. Для начала загрузила и просмотрела данные.
Сначала я сгруппировала данные по платформам и эмоциям, чтобы посчитать количество упоминаний каждой эмоции для каждой платформы. Это делается с помощью метода groupby и подсчета с использованием .count ().
После подсчета частот, я нормализовала данные, чтобы показать долю каждой эмоции от общего числа для каждой платформы. Это позволило сравнить платформы по частоте эмоций, не учитывая различия в общем числе пользователей.
Используя matplotlib, я создала столбчатую диаграмму, где каждая платформа представлена как столбик, который разбивается на части в зависимости от доли эмоций, вызванных пользователями этой платформы.
Диаграмма показывает, какие эмоции преобладают на разных платформах. WhatsApp и Twitter (X) вызывают злость, а многие платформы — тревожность. LinkedIn связан с скукой, а Instagram — с счастьем. Почти все сети вызывают нейтральные эмоции, особенно Facebook и Telegram. Snapchat лидирует по грусти, за ним следуют Telegram и Twitter (X). Это помогает понять, как соцсети влияют на пользователей.
(2) Влияние времени пользования соцсетями на появление негативных эмоций
Я разделила пользователей по их доминантной эмоции, чтобы позже проанализировать, как это связано с временем, проведённым в соцсетях.
Для визуализации распределения эмоций по времени использования соцсетей я использовала график boxen (распределение по квантилям), который помогает оценить, как время использования влияет на встречаемость различных эмоций.
Для дальнейшего анализа плотности распределения эмоций в зависимости от времени использования соцсетей я использовала график с областями (kde), который позволяет видеть, как изменяется вероятность каждой эмоции при увеличении времени использования.
График показывает, что с увеличением времени в соцсетях растет встречаемость негативных эмоций. Однако счастье (Happiness) неожиданно возрастает после определенного времени, достигая пика на 160 мин. Это связано с тем, что большинство людей, испытывающих счастье, пользуются Instagram, что может быть ошибкой в данных или свидетельствовать о привлекательности этой платформы.
(3) Влияние статистик пользования социальными сетями друг на друга
Дальше я обрабатывала данные для анализа взаимосвязи между постами, лайками и комментариями, а также для определения различий между мужчинами и женщинами
Я выбрала только строки с полом «Мужчина» и «Женщина», чтобы сосредоточиться на анализе этих групп.
Используя seaborn.pairplot (), я создала матрицу точечных графиков, чтобы визуализировать взаимосвязи между временем использования социальных сетей, количеством постов, лайков, комментариев и сообщений, разделяя данные по полу.
Так мы получаем точечный график, который позволяет наглядно сравнить взаимосвязи между переменными в зависимости от пола.
Такой график помогает увидеть, как различные действия в социальных сетях (посты, лайки, комментарии) могут быть связаны между собой и как эти зависимости различаются для мужчин и женщин.
(4) Влияние пола на активность пользования социальными сетями
Потом я решила обработать данные для анализа влияния пола на активность в социальных сетях.
Сначала я отфильтровала данные по полу, чтобы сосредоточиться на пользователях мужского и женского пола.
Затем создала таблицу, показывающую количество пользователей каждого пола на разных платформах.
Для визуализации данных я использовала круговые диаграммы, чтобы наглядно показать процентное соотношение между мужчинами и женщинами на разных платформах.
На основе круговых диаграмм видно, что на разных платформах соотношение мужчин и женщин варьируется. Например, в Instagram и Twitter преобладают женщины, а в Telegram — мужчины.
Итоги анализа
Этот анализ помогает лучше понять, как соцсети влияют на наши эмоции и какие чувства чаще всего вызывают разные платформы. Он также показывает, как время, проведенное в соцсетях, связано с негативными эмоциями, и как отличаются привычки пользователей в зависимости от пола. Такие выводы могут быть полезны для тех, кто работает с контентом в соцсетях, маркетологов и исследователей, изучающих цифровое поведение.
Анализ влияния социальных сетей на эмоции пользователей позволил выявить важные закономерности в зависимости от платформ и времени использования. Эти выводы подкреплены как визуализацией данных, так и различными методами анализа взаимосвязей между активностью в соцсетях и эмоциями пользователей.
