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

Критические исследования данных

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус: Маго-лего
Когда читается: 4 модуль
Язык: русский
Кредиты: 3

Программа дисциплины

Аннотация

В течение последних пяти лет в НИУ ВШЭ, как и в других ведущих мировых университетах, появляется большое количество образовательных и исследовательских программ, посвящённых работе с данными. В частности, появляется всё больше программ на ФКН, но и не только: многие студенты бакалавриата проходят обучение на программе Data Culture. В рамках программы работа с данными представляется в первую очередь как набор необходимых навыков, которые применяются в отношении конкретного направления в науках, например, в социологии или международных отношениях. Однако, работа с алгоритмами и большими данными — это не только навык, но и новая веха в развитии исследовательских подходов разных наук. В ней есть немало сложных вопросов, этических конфликтов, эпистемологических проблем. Эти проблемы необходимо обсуждать: не существует готовых решений, которые могли бы уместиться в инструкцию. Но задача университета — это не только предложение конкретных решений, но и организация интеллектуально насыщенного диалога по проблемам, важным для науки и общества. Проблема данных — одна из них. В течение тех же пяти лет в обществах разных стран возникают разные соображения по поводу того, как связаны развитие наук о данных и социальная жизнь. Нередко эти соображения становятся опасениями или превращаются в моральную панику (O’Neil, 2017). Так, можно вспомнить многочисленные скандалы, связанные с социальной сетью Facebook, потребностью европейских стран в принятии GDPR, участившиеся разговоры о влиянии алгоритмов на избирательные кампании и ещё пример. Есть и немало сомнений со стороны разных представителей научного сообщества, в крупнейших университетах мира идут курсы, посвящённые этике работы с данными. Сами инициаторы работы с данными понимают, что этот инструмент не является полностью нейтральным и по крайней мере может быть связан с разнообразными и непредсказуемыми последствиями при внедрении и участии в принятии решений. В индустрии также разрабатываются этические элементы профессиональных кодексов, которые могут быть полезными для самих разработчиков. В Европе принят GDPR, ограничивающий возможности сбора пользовательских данных в интернете, в России также происходят обсуждения таких законодательных мер.
Цель освоения дисциплины

Цель освоения дисциплины

  • Разработать комплексное представление о рисках работы с данными.
  • Предусмотреть возможные механизмы решения возникающих проблем.
  • Наладить регулярную дискуссию, которая будет необходима для специалистов в разных областях.
Планируемые результаты обучения

Планируемые результаты обучения

  • Понимает возможности и ограничения данных, а также способ их производства.
  • Знает, как данные используются в разных организациях и процессах.
  • Определяет какие проблемы и конфликты могут окружать сбор и внедрение данных.
  • Понимает проблему подотчётности данных на конкретных примерах
  • Занимает позицию в современных дискуссиях о данных
  • Применяет материалы курса к конкретной сфере своей деятельности
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Производство данных и их эпистемологический статус.
    Что такое данные. Как связаны данные и знание. Как связаны данные и реальность. История статистических наблюдений и этических вызовов, связанных с работой с данными. Теории, разрабатывающие этические и политические проблемы при работе с данными. Как устроен процесс сбора и анализа данных с точки зрения разных участников этого процесса. Определение стейкхолдеров и участников процесса сбора данных. Роли разработчика и аналитика при проектировании и выполнении сбора и обработки данных.
  • Данные в организациях и процессах.
    Критический анализ работы с данными в городских, индустриальных проектах, образовании и государственном управлении. Анализ и рассмотрение того, какие данные используются в современных бизнес-процессах, госуправлении, медицине, образовании. История внедрения данных в процессы, «датафикация». Визуализация данных и проблемы визуализации.
  • Социальные условия и проблемы работы с данными.
    Социальные последствиях непродуманной работы с данными в разных сферах. Обзор основных кейсов, в которых проявляются социальные последствия непродуманной работы с данными. Выявление основных правил, которые могут предотвратить подобные кейсы. Обзор инициатив. которые рассматривают эту проблему и предлагают различные решения.
  • Подотчётность данных и гражданское участие.
    Делая данные и алгоритмы подотчетными: изучение и обсуждение мировых практик контроля технических процессов обществом. Обсуждение собственных данных, собранных участниками и постановка проблем для практических занятий.
  • Политика данных и конфликты, возможные при работе с ними.
    Выявление того, как именно собираются данные и на каком этапе заложены возможные конфликты и непредсказуемые социальные последствия. Семинар-игра, на которой участники делятся на разные заинтересованные группы и представляют сценарии сбора и анализа данных и их последствия для этих групп.
  • Критика и этика данных: разработка сценариев и обсуждение вызовов
    Предотвращение проблем с данными и алгоритмами. Заключительное занятие с презентацией карт возможностей и рисков работы с данными для разных стейкхолдеров.
Элементы контроля

Элементы контроля

  • неблокирующий Посещаемость
  • неблокирующий Медиадневник
  • неблокирующий Карта возможностей и рисков
  • неблокирующий Эссе
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.3 * Карта возможностей и рисков + 0.3 * Медиадневник + 0.1 * Посещаемость + 0.3 * Эссе
Список литературы

Список литературы

Рекомендуемая основная литература

  • Flyverbom, M., Madsen, A. K., & Rasche, A. (2017). Big data as governmentality in international development: Digital traces, algorithms, and altered visibilities. Information Society, 33(1), 35–42. https://doi.org/10.1080/01972243.2016.1248611
  • Milan, S. (2018). Digital Traces in Context| Political Agency, Digital Traces, and Bottom-Up Data Practices. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.99BD81D6
  • Technopolitics in the Age of Big Data. (2018). Palgrave Macmillan. https://doi.org/10.1007/978-3-319-65560-4_5

Рекомендуемая дополнительная литература

  • Fourcade, M., & Healy, K. (2017). Seeing like a market. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.A8053236
  • Joerges, B. (1999). Do Politics have Artefacts. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.235BDA33
  • Kate Crawford. (2012). Critical Questions for Big Data: Provocations for a Cultural. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.C249137B
  • van Dijck, J. (2014). Datafication, dataism and dataveillance: Big Data between scientific paradigm and ideology. Surveillance & Society, 12(2), 197–208. https://doi.org/10.24908/ss.v12i2.4776