Вычислительные социальные и сетевые науки

С внедрением и распространением новых цифровых технологий, а также проникновением интернета и социальных сетей в жизнь большого числа людей, исследователи получают все больше информации о действиях и взаимодействиях в различных социальных группах, коллективах и обществе в целом. Такие «цифровые следы» превращаются в «большие данные», хранение и обработка которых становятся возможными благодаря развитию вычислительных мощностей компьютеров и созданию продвинутых и быстрых алгоритмов и инструментов анализа данных. В результате человеческое общество – традиционный объект изучения социальных наук – может быть рассмотрено с нового, ранее недоступного ракурса. 

«Мы живем в сети. Мы регулярно проверяем электронную почту, совершаем звонки по мобильному телефону практически из любого места, используем проездные карты для оплаты проезда в общественном транспорте и совершаем покупки с помощью кредитных карт. Наши передвижения в общественных местах могут фиксироваться видеокамерами, а наши медицинские записи могут храниться в цифровом виде. Мы можем публиковать записи в блогах, доступные любому, или поддерживать дружеские отношения через онлайн-социальные сети. Каждая из этих транзакций оставляет цифровые следы, которые можно собрать в целостную картину как индивидуального, так и группового поведения, способную изменить наше понимание нашей жизни, организаций и общества».

Lazer D. et al. Computational social science // Science (New York, NY). – 2009. – Т. 323. – №. 5915. – С. 721-723. (Лазер Д. и др. Вычислительная социальная наука // Science (Нью-Йорк, штат Нью-Йорк). – 2009. – Т. 323. – №. 5915. – С. 721-723.)

Междисциплинарная научная область, которая использует строгие вычислительные методы для анализа и моделирования различных социальных процессов и явлений, получила название Вычислительные социальные науки (или Computational social sciences). В отличие от «традиционных» социальных наук, оперирующих понятием выборки единиц анализа, вычислительные социальные науки работают с большими объемами доступных данных – комплексных, быстро меняющихся и не четко структурированных, – изучая всю совокупность интересующих объектов. Использование продвинутых аналитических инструментов, таких как глубинное обучение и обработка естественного языка, позволяет выявлять скрытые закономерности человеческого поведения, а компьютерное моделирование дает возможность осуществлять проверку различных гипотетических ситуаций, которые могут произойти в социальных системах. Все вместе, это позволяет по-новому взглянуть на то, что такое общество и как оно устроено. 

Важной информацией, которая становится доступной при изучении «цифровых следов», становится информация о взаимодействиях между членами социальной системы, что позволяет изучать социальные сети отношений между различными субъектами, относящимися к разным уровням анализа – людьми, организациями, странами и т. д. Внимание к реляционной связанности и зависимости между единицами анализа является основным в другом быстро развивающемся междисциплинарном направлении – Науке о сетях (или Network science). И если изучение социальных отношений в концептах узлов, связей и сетей не является новым в социальных науках, то именно цифровые технологии позволяют выйти на новые уровни анализа социальных систем, делая возможным изучение комплексных сетей в динамике и их  моделирование с помощью продвинутых алгоритмов. 

Исследования человеческого взаимодействия в основном опирались на разовые данные, полученные путем самоотчета о взаимоотношениях. Новые технологии позволяют получить картину взаимодействий в режиме реального времени на протяжении длительных периодов, предоставляя информацию как о структуре, так и о содержании отношений. Виртуальные миры, фиксирующие полную историю индивидуального поведения, открывают широкие возможности для исследований — экспериментов, которые были бы невозможны или неприемлемы..

Lazer D. et al. Computational social science //Science (New York, NY). – 2009. – Т. 323. – №. 5915. – С. 721-723. (Лазер Д. и др. Вычислительная социальная наука // Science (Нью-Йорк, штат Нью-Йорк). – 2009. – Т. 323. – №. 5915. – С. 721-723.)

Трек «Вычислительные социальные и сетевые науки» онлайн-магистерской программы «Аналитика данных и прикладная статистика» позволяет студентам получить более глубокие знания современных трендов и теоретико-методологических разработок в области актуальных направлений на стыке точных и социальных наук, основанных на сборе и анализе больших объемов данных с беспрецедентной широтой, глубиной и масштабом. В рамках курсов студенты знакомятся с математическим аппаратом и методами статистического анализа, использованием методов и инструментов компьютерных наук для сбора, обработки данных и моделирования, а также использованием теоретико-методологического аппарата социальных наук для формирования дизайна исследований, интерпретации и представления результатов (“Программирование в R и Python”’, “Глубинный анализ данных”, “Прикладные линейные модели”, “Многомерный анализ данных”, “Анализ неструктурированных данных”, “Моделирование структурными уравнениями” и др.). Отдельной возможностью трека является прохождение нескольких курсов по сетевому анализу, которые позволяют с нуля погрузиться в данную исследовательскую область (“Введение в анализ социальных сетей”, “Продвинутый сетевой анализ в Pajek”, “Статистические методы в сетевом анализе”, “Анализ социальных сетей в R”, Научно-исследовательский семинар “Работа с сетевыми данными”). Студенты познакомятся с реализацией сетевого анализа при помощи универсальных языков программирования R и Python, а также в программах Pajek, RSiena, Gephi, Orange и др. Объединение усвоенных знаний и навыков осуществляется в рамках соответствующего научно-исследовательского семинара "Вычислительные социальные и сетевые науки" (“Computational Social and Network Sciences”).   

Трек будет интересен как студентам с базовым образованием в области социальных и гуманитарных наук, которые смогут получить знания в области работы с большими данными и их продвинутого анализа, так и студентам с базовым образованием в области точных наук, которые смогут получить навыки, необходимые для исследований в области социологии, психологии, политологии, экономики, лингвистики и других социальных наук. Трек подойдет студентам с разным базовым образованием, желающим развиваться в области сетевого анализа – нового для российской практики дисциплинарного направления. Выпускники этого трека программы смогут работать в исследовательской индустрии в области прикладных социальных исследований, применяя продвинутые методы изучения различных социальных явлений и процессов. Поскольку трек уделяет особое внимание вопросам дизайна и особенностям проведения социальных исследований, его выпускники смогут продолжить работу и в академической среде, при желании поступив в аспирантуру.