Анализ какие слои населения чаще всего попадают в религиозные секты

Я сама не религиозный человек, но мне интересна тема религии и сект, поэтому я решила проанализировать статистические данные о том, насколько сильно те или иные слои населения подвержены влиянию сект.

Поскольку готовых открытых датасетов по теме вовлеченности в религиозные секты в публичном доступе крайне мало (данные являются чувствительными, собираются ограниченно и часто закрыты для широкого доступа), я создала синтетический датасет, основанный на данных из следующих источников: INFORM, FECRIS, CESNUR

Для обработки данных прежде всего я перевела категориальные значения в числовые индексы для корреляционного анализа. В части обработки данных — отсортировала информацию, привела к средним значениям по группам.

Главный принцип, которого я придерживалась: каждый график отвечает на конкретный исследовательский вопрос и использует ту форму визуализации, которая наиболее адекватно передает характер данных. Если бы я использовала универсальный тип графика для всех данных, часть важных закономерностей осталась бы нераскрытой или была бы представлена менее наглядно.

Для обработки данных я сгруппировала респондентов по возрастным категориям и рассчитала долю вовлеченных в каждой группе. Значения отсортированы в порядке возрастания возраста, чтобы проследить динамику. Столбцы расположены в хронологической последовательности для наглядного отображения тренда.

Этот тип графика выбран, потому что возраст — это категориальная переменная с естественным порядком, и столбчатая диаграмма позволяет мгновенно сравнить показатели между группами. Линия среднего значения добавлена как точка отсчета — выше нее группы повышенного риска.

График отвечает на вопрос: Какие возрастные группы наиболее уязвимы к вовлечению в секты?

Мы видим U-образное распределение — молодежь 18-25 лет (23.5%) и пенсионеры 65+ (31.2%) находятся в зоне повышенного риска. Средний показатель по выборке составляет 21,8%, соответственно, эти две группы значительно превышают среднее значение. Если бы я использовала круговую диаграмму, она бы не показала эту динамическую закономерность, поэтому столбчатая диаграмма здесь оптимальна.

Для обработки данных я агрегировала информацию по пяти уровням образования, отсортировав значения от высшего к низшему риску. Столбцы расположены в убывающем порядке (сверху вниз — от меньшего риска к большему), чтобы зрительно выделить наиболее уязвимую группу.

Этот тип графика выбран, потому что названия категорий достаточно длинные, и горизонтальное расположение делает их более читаемыми. Кроме того, ранжирование от безопасного к опасному создает интуитивно понятную иерархию.

График отвечает на вопрос: Как образование защищает от вовлечения в секты?

Четкая обратная зависимость — чем выше образование, тем ниже риск. Люди с ученой степенью вовлекаются в 3 раза реже (8.7%), чем люди со средним образованием (26.3%). Если бы я выбрала вертикальную гистограмму, подписи категорий пришлось бы наклонять или обрезать, что ухудшило бы восприятие.

Для обработки данных я сгруппировала респондентов по семи социальным статусам и вычислила долю вовлеченных в каждой категории. Столбцы отсортированы в порядке убывания риска, чтобы сразу выделить наиболее уязвимые группы.

Этот тип графика выбран, потому что нам нужно сравнить множество категорий (7 статусов) и определить лидеров риска. Столбчатая диаграмма делает это наглядно — самые высокие столбцы сразу привлекают внимание.

График отвечает на вопрос: Какие социальные группы находятся в зоне наибольшего риска?

Безработные (34.2%) и пенсионеры (31.8%) демонстрируют наивысшие показатели. Студенты (28.5%) также находятся выше среднего (23.1%). Информация была сокращена до семи ключевых статусов, чтобы не перегружать график второстепенными категориями, которых могло быть значительно больше при детальном опросе.

Для обработки данных я выделила четыре градации психологического состояния — от стабильного до кризисного. Значения отсортированы по нарастанию тяжести состояния, чтобы показать, как прогрессирует риск.

Этот тип графика выбран, потому что цветовое кодирование усиливает смысловую нагрузку: зеленый — безопасно, желтый — внимание, оранжевый — тревога, красный — опасность. Это создает интуитивно понятную шкалу угрозы.

График отвечает на вопрос: Как психологическое состояние влияет на уязвимость к вербовке?

Кризисное состояние дает риск 41,3% — это в 4 раза выше, чем при стабильном состоянии (9.8%). Депрессивное состояние (32.4%) также значительно повышает уязвимость. Если бы я использовала обычные серые столбцы, эмоциональное восприятие данных было бы менее выразительным, а цвет здесь работает как дополнительный канал информации.

Для обработки данных я рассчитала долю вовлеченных внутри каждой категории социальных связей, а затем преобразовала эти доли в сегменты круга. Сегмент «Изоляция» выведен с эксплозией (отрывом от центра), чтобы визуально подчеркнуть критичность этой группы.

Этот тип графика выбран, потому что круговая диаграмма лучше всего показывает структуру явления — как распределяется вовлеченность между разными типами социальных связей. Эксплозия сегмента дополнительно акцентирует внимание на самом опасном факторе.

График отвечает на вопрос: Как характер социальных связей связан с риском вовлечения?

Люди в изоляции составляют 38,5% от всех вовлеченных — это самый значительный сегмент. Широкий круг общения, напротив, дает всего 9,2%. Если бы я использовала столбчатую диаграмму, она бы не показала так наглядно, что изоляция — это «львиная доля» проблемы. Круговая диаграмма здесь передает это лучше.

Для обработки данных я сгруппировала респондентов по пяти уровням дохода, рассчитала средний риск для каждой группы и расположила значения в порядке возрастания дохода. Линия соединяет точки, а область под ней заполнена цветом.

Этот тип графика выбран, потому что линейный график идеально подходит для демонстрации тренда — здесь мы видим четкую монотонную зависимость. Заполнение области под кривой визуально усиливает эффект «площади риска», которая сокращается по мере роста дохода.

График отвечает на вопрос: Существует ли систематическая зависимость между доходом и риском?

Да, это обратная линейная зависимость: каждый следующий уровень дохода снижает риск примерно на 5-6%. С низким доходом риск составляет 32,4%, с высоким — 11,2%. Если бы я выбрала столбчатую диаграмму, она бы показала те же значения, но не передала бы характер тренда так наглядно, как линейный график.

Для обработки данных я разделила выборку по полу и вычислила средний риск вовлечения (а не просто долю, чтобы показать градацию). Столбцы расположены рядом для прямого сравнения.

Этот тип графика выбран, потому что здесь всего две категории, и столбчатая диаграмма дает максимально простое и наглядное сравнение. Добавлена информационная заметка, объясняющая возможные причины различий.

График отвечает на вопрос: Есть ли гендерные различия в уязвимости к сектам?

Женщины имеют более высокий средний риск (0.267 против 0.198 у мужчин). Разница составляет около 35%. Если бы я использовала круговую диаграмму, она бы показала соотношение, но не передала бы величину риска. Столбчатая диаграмма здесь точнее соответствует задаче.

Данная работа позволила мне глубже понять, что социальная уязвимость формируется под воздействием комплекса взаимосвязанных факторов. Несмотря на разнообразие индивидуальных ситуаций, ключевые паттерны риска остаются универсальными. Также я закрепила свои навыки работы с библиотеками Python и научилась создавать комплексные статистические отчеты.

1. deepseek — частичные написание кода (а именно объяснение ошибок, оптимизация, обработка данных, добавление частей кода для конкретных операций (перевод, нормализация, сокращение выборки данных и т. п.), анализ информации.

2. pandas — визуализация кода.

3. ЯндексДиск — хранение файлов для кода.