Нейронные сети как инструмент прогнозирования ценностной структуры индивида

С развитием глубокого обучения, искусственная нейронная сеть стала популярной и универсальной архитектурой для моделирования на основе больших многомерных данных. По мере появления больших данных связанных с людьми, потенциал применения нейросетей в социологическом контексте возрастает за счет тех случаев, когда существует большое количество предикторов, которые, как предполагается, имеют нелинейную связь с целевой переменной, и, из-за большого числа этих предикторов, поиск таких потенциальных связей вручную становится невозможным. В то время как традиционные методы социологического прогнозирования могут либо не предусматривать нелинейных связей, как в случае с регрессией, либо быть мало устойчивыми к шуму, как деревья решений, нейросети, предположительно, могут обеспечить гибкость и устойчивость, необходимую таком широком классе ситуаций. Возможность предсказания типа структуры ценностей человека на основе большого набора факторов привлекательна из-за взаимосвязи между ценностями Шварца и поведением человека, что может быть использовано для прогнозирования долгосрочного и краткосрочного поведения, а также разнообразных человеческих предпочтений, в особенности политического выбора человека. Типы структуры человеческих ценностей, основанные на индикаторах ценностей Шварца, при обучении прогнозированию на основе большого набора других не ценностных факторов, вероятно, являются типом задачи, в которой нейросети могут иметь высокий потенциал по сравнению с традиционными моделями, используемыми в социологическом анализе из-за потребности генерации промежуточных представлений данных между факторами и целевой переменной, то есть, из-за нелинейности связи. Предсказание структуры ценностей человека на данных ЕSS с использованием почти 200 предикторов, хоть и с ограничениями, но позволит провести как сравнительный анализ нейросетей с традиционными социологическими методами, так и вывести рекомендации по применению нейросетей, настройки гиперпараметров и выбора метода регуляризации нейронной сети в социологическом контексте. Данные рекомендации, полученные в ходе исследования, имеют потенциальное применение также и к неопросным данным, которые, как правило, составляют «большие данные» и играют все более важную роль как в научных исследованиях, так и в индустрии.