Численное моделирование в политической науке

Магистратура 2019/2020

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Прикладная политология)

Направление: 41.04.04. Политология

Кто читает: Департамент политики и управления

Где читается: Факультет социальных наук

Когда читается: 1-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Преподаватели: Ахременко Андрей Сергеевич

Прогр. обучения: Прикладная политология

Язык: русский

Кредиты: 6

Контактные часы: 72

Полная версия программы учебной 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 «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

Планируемые результаты обучения

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

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

Аудиторная работа
Самостоятельный проект
Экзамен
Экзамен проводится в письменной форме. Экзамен проводится на платформе MS TEAMS https://teams.microsoft.com/ К экзамену необходимо подключиться за 5 минут до начала. Компьютер студента должен удовлетворять требованиям: камера, микрофон, установленные программы Word и Excel. Для участия в экзамене студент обязан включить камеру и микрофон. Во время экзамена студентам запрещено: вести посторонние разговоры, отходить от компьютера, выключать камеру, пользоваться конспектами и подсказками. Кратковременным нарушением связи во время экзамена считается разрыв в связи менее 5 минут. Долговременным нарушением связи во время экзамена считается разрыв более 5 минут. При долговременном нарушении связи студент не может продолжить участие в экзамене. Процедура пересдачи аналогична процедуре сдачи

Промежуточная аттестация

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

Программа дисциплины