Социологические исследования в цифровую эпоху: формирование базы знаний вычислительной социологии
https://doi.org/10.26794/2226-7867-2022-12-3-36-40
Аннотация
Непрерывный рост больших массивов данных и достижения в области компьютерных наук способствуют развитию такой отрасли знания, как вычислительная социология. У исследований, выполненных с использованием вычислительных методов для анализа больших данных, имеется высокий потенциал. Однако для создания теоретической базы вычислительной социологии необходимо провести множество фундаментальных наработок. В данной статье предлагается создать базу знаний для вычислительной социологии. В ней собраны исследования, выполненные с применением вычислительных и математических методов, а также связанные с моделированием, машинным обучением и анализом социальных сетей. Существует ряд ограничений для использования таких методов в социальных науках, однако они значительно расширяют исследовательское поле.
Об авторе
К. Ф. Рафикова
РАНХиГС при Президенте РФ
Россия
Россия
Ксения Фуатовна Рафикова — аспирант философско-социологического факультета Института общественных наук; преподаватель кафедры теоретической социологии и эпистемологии философско-социологического факультета Института общественных наук
Москва
Список литературы
1. Tornberg P, Uitermark J. For a heterodox computational social science. BIG DATA & SOCIETY. URL: https://journals.sagepub.com/doi/10.1177/20539517211047725
2. Гринфилд А. Радикальные технологии: устройство повседневной жизни. М.: Издательский дом «Дело» РАНХиГС; 2018.
3. Китчин Р. Большие данные, новые эпистемологии и смена парадигм. Пер. с англ. Социология: методология, методы, математическое моделирование (Социология:4М). 2017;(44):111–152.
4. Edelmann A. et al. Computational Social Science and Sociology. Annual Review of Sociology. 2020;46(4):61–81.
5. Fararo T., Butts C. Advances in generative structuralism: Structured agency and multilevel Dynamics. The Journal of Mathematical Sociology. 1999;24(1):1–65.
6. Давыдов А. А. Математическая социология: обзор зарубежного опыта. Социологические исследования. 2008;(4):105–111.
7. Fararo T., Kosaka K. Generating Images of Stratification: A Formal Theory. N.Y.: Kluwer Academic Publishers; 2003.
8. McClelland К., Fararo T. Purpose, Meaning and Action: Control Systems Theory in Sociology. London.: Palgrave-Macmillan; 2006.
9. Doreian P., Fararo T. The Problem of Solidarity: Theories and Models. N.Y.: Gordon and Breach; 1998.
10. Евсеев Е.А., Ефимова Е. Д. Имитационная модель избирательной кампании. URL: https://cyberleninka.ru/article/n/imitatsionnaya-model-izbiratelnoy-kampanii
11. Wallach H. Computational Social Science = Computer Science + Social Data. Communications of the ACM. 2018;61(3):42–44.
12. Garip F. What Failure to Predict Life Outcomes Can Teach Us. Proceedings of the National Academy of Sciences. 2020;117(15):8234–8235.
13. Garg N., Schiebinger L., Jurafsky D., Zou J. Word Embeddings Quantify 100 Years of Gender and Ethnic Stereotypes. Proceedings of the National Academy of Sciences. 2018;115(6):3635–3644.
14. Hills T.T., Proto E., Sgroi D., Seresinhe C. I. Historical Analysis of National Subjective Wellbeing Using Millions of Digitized Books. Nature Human Behaviour. 2019;3(12):1271–1275.
15. Azucar D., Marengo D., Settanni M. Predicting the Big 5 Personality Traits From Digital Footprints on Social Media: A Meta-Analysis. Personality and Individual Differences. 2018;(124):150–159.
16. Bailey M., Cao R., Kuchler T., Stroebel J. The Economic Effects of Social Networks: Evidence From the Housing Market. Journal of Political Economy. 2018;126(6):2224–2276.
17. Bailey M., Cao R., Kuchler T., Stroebel J., Wong A. Social Connectedness: Measurement, Determinants, and Effects. Journal of Economic Perspectives. 2018;32(3):259–280.
18. Baghal T. A., Sloan L., Jessop C., Williams M. L., Burnap P. Linking Twitter and Survey Data: The Impact of Survey Mode and Demographics on Consent Rates Across Three UK Studies. Social Science Computer Review. 2020;38(5):517–532.
19. Chae D. H., Clouston S., Martz C. D., Hatzenbuehler M. L., Cooper H. L. F., Turpin R., Stephens-Davidowitz S., Kramer M. R. Area Racism and Birth Outcomes Among Blacks in the United States. Social Science & Medicine. 2018;(199):49–55.
20. Enghoff O., Aldridge J. The Value of Unsolicited Online Data in Drug Policy Research. International Journal of Drug Policy. 2019;(73):210–218.
21. Garcia D., Mitike Kassa Y., Cuevas A., Cebrian M., Moro E., Rahwan I., Cuevas R. Analyzing Gender Inequality Through Large-Scale Facebook Advertising Data. Proceedings of the National Academy of Sciences. 2018;115(27):6958–6963.
22. Bail C.A., Brown T.W., Wimmer A. Prestige, Proximity, and Prejudice: How GoogleSearch Terms Diffuse across the World. American Journal of Sociology. 2019;124(5):1496–1548.
23. Bail C. A., Merhout F., Ding P. Using Internet Search Data to Examine the Relationship Between Anti-Muslim and Pro-ISIS Sentiment in U. S. Counties. Science Advances. URL: https://www.science.org/doi/10.1126/sciadv.aao5948
Рецензия
Для цитирования:
Рафикова К.Ф. Социологические исследования в цифровую эпоху: формирование базы знаний вычислительной социологии. Гуманитарные науки. Вестник Финансового университета. 2022;12(3):36-40. https://doi.org/10.26794/2226-7867-2022-12-3-36-40
For citation:
Rafikova K.F. Sociological research in the digital age: forming the Knowledge base of Computational sociology. Humanities and Social Sciences. Bulletin of the Financial University. 2022;12(3):36-40. (In Russ.) https://doi.org/10.26794/2226-7867-2022-12-3-36-40
Просмотров:
417
Послать статью по эл. почте 