• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2019/2020

Численное моделирование в политической науке

Статус: Курс обязательный (Прикладная политология)
Направление: 41.04.04. Политология
Когда читается: 1-й курс, 3, 4 модуль
Формат изучения: Full time
Прогр. обучения: Прикладная политология
Язык: русский
Кредиты: 6

Программа дисциплины

Аннотация

В рамках курса «Численное моделирование в политической науке» студенты освоят методологические подходы к построению вычислительных моделей, применяемые в современной политической науке. Для освоения учебной дисциплины, студенты должны владеть следующими знаниями и компетенциями: (1) знания в области алгебры, анализа, теории вероятностей и математической статистики; (2) владение английским языком, включая навыки работы с политологическими текстами; (3) знание основ политической теории; (4) умение работать с персональным компьютером, владение программами Excel, SPSS, Anaconda Community.
Цель освоения дисциплины

Цель освоения дисциплины

  • Цель освоения дисциплины «Численное моделирование в политической науке» - формирование развернутого представления о методологических подходах к построению вычислительных моделей в политологии, а также методических навыков их исследования и применения
Результаты освоения дисциплины

Результаты освоения дисциплины

  • Знать методологические и методические особенности численного моделирования в политической науке
  • Уметь осуществлять корректный выбор стратегии построения модели в зависимости от задач исследования
  • Уметь применять полученные знания в анализе реальных политических процессов
  • Владеть навыками построения моделей политических процессов с использованием современного программного обеспечения
  • Уметь самостоятельно разрабатывать численные модели в политической сфере
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Computational political science – современные тренды в политической методологии
    Численные и аналитические методы в современной науке. Особая роль численных методов в наблюдательных науках. Место и перспективы численных методов в социальных науках. Computational social science и Computational political science: состояние и современные тренды развития.
  • Динамические системы
    Динамические системы и system dynamics. Понятие системы и порождающей структуры (generic structure). Сложные и простые системы: фундаментальные различия в поведении. Составляющие системно-динамической модели: потоки, запасы, коннекторы и конвертеры. Системы разностных и дифференциальных уравнений как математический аппарат системной динамики. Положительные и отрицательные петли обратных связей. Фазовый портрет, векторное поле, аттракторы и их типы. Структурная устойчивость и чувствительность к начальным условиям. Построение динамических моделей в Python.
  • Агентно-ориентированное (agent-based) моделирование
    Глобальные и локальные модели. Характеристики агентов. Предыстория и математическая основа агентно-ориентированного моделирования (ABM): клеточные автоматы. Дискретные состояния и правила поведения автоматов. Построение ABM в Python. Особенности численного исследования и статистическая обработка результатов ABM.
  • Численный эксперимент
    Экспериментальные подходы в современной политической методологии, проблемы валидности. Особенности численного (вычислительного) эксперимента. Основные техники вычислительного эксперимента: Монте-Карло, grid sweeping. Практическая реализация численных экспериментов в Python.
  • Кейс 1: Политико-экономические модели
    Теоретико-игровые vs. динамические модели в политической экономии. Экономический блок динамической модели: создание и распределение ресурсов на базе производственной функции Политический блок модели: управление параметрами распределения ресурсов. Модель ретроспективного экономического голосования. Модель борьбы групп интересов. Реализация в Python.
  • Кейс 2: модели политической дестабилизации
    Агентно-ориентированные и системно-динамические модели протестной активности. «Каскадные» и «пороговые» эффекты, их математическое моделирование. Взаимная динамика протеста и репрессий. Проблема соединения в моделях микро- и макро- поведения. Реализация в Python. .
Элементы контроля

Элементы контроля

  • неблокирующий Аудиторная работа
  • неблокирующий Самостоятельный проект
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.3 * Аудиторная работа + 0.4 * Самостоятельный проект + 0.3 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Ахременко А. С.-ПОЛИТИЧЕСКИЙ АНАЛИЗ И ПРОГНОЗИРОВАНИЕ В 2 Ч. ЧАСТЬ 1 2-е изд., испр. и доп. Учебник и практикум для бакалавриата и магистратуры-М.:Издательство Юрайт,2019-180-Бакалавр и магистр. Академический курс-978-5-534-07223-5, 978-5-534-07224-2: -Текст электронный // ЭБС Юрайт - https://biblio-online.ru/book/politicheskiy-analiz-i-prognozirovanie-v-2-ch-chast-1-433819
  • Ахременко А. С.-ПОЛИТИЧЕСКИЙ АНАЛИЗ И ПРОГНОЗИРОВАНИЕ В 2 Ч. ЧАСТЬ 2 2-е изд., испр. и доп. Учебник и практикум для бакалавриата и магистратуры-М.:Издательство Юрайт,2019-221-Бакалавр и магистр. Академический курс-978-5-534-07227-3, 978-5-534-07224-2: -Текст электронный // ЭБС Юрайт - https://biblio-online.ru/book/politicheskiy-analiz-i-prognozirovanie-v-2-ch-chast-2-434222

Рекомендуемая дополнительная литература

  • Cioffi-Revilla, C. (2009). Simplicity and reality in computational modeling of politics. Computational & Mathematical Organization Theory, 15(1), 26–46. https://doi.org/10.1007/s10588-008-9042-2
  • K Saeed, & O V Pavlov. (2008). Dynastic cycle: a generic structure describing resource allocation in political economies, markets and firms. Journal of the Operational Research Society, (10), 1289. https://doi.org/10.1057/palgrave.jors.2602456