Архив метки БОЛЬШИЕ ДАННЫЕ

Автор:Георгий Николаенко

Перспективы использования цифровых следов исследователей для анализа их коммуникативных стратегий (на примере социальной сети ResearchGate)

Перспективы использования цифровых следов исследователей для анализа их коммуникативных стратегий (на примере социальной сети ResearchGate)

Николаенко Георгий Александрович

Санкт-Петербургский государственный университет, Санкт-Петербург, Россия

Ключевые слова:

СОЦИОЛОГИЯ НАУКИ, СОЦИАЛЬНЫЕ СЕТИ, НАУКОВЕДЕНИЕ, БОЛЬШИЕ ДАННЫЕ, НАУЧНАЯ КОММУНИКАЦИЯ, НЕРЕАКТИВНАЯ СТРАТЕГИЯ, НАУКОМЕТРИЯ, МЕТРИКИ, ИНДИКАТОРЫ, БИБЛИОМЕТРИЯ, SOCIOLOGY OF SCIENCE, SOCIAL NETWORKS, RESEARCHGATE, BIG DATA, SCIENTIFIC COMMUNICATION, UNOBTRUSIVE RESEARCH, NON-REACTIVE RESEARCH, DIGITAL FINGERPRINTS

Аннотация:

Последнее десятилетие ознаменовалось активизацией процесса распространения и интеграции практик интернет-коммуникации. Исключением не стала и сфера науки, трансформирующаяся под воздействием практик, детерминированных новым фреймом социального взаимодействия – в терминологии Барри Веллмана и Ли Рейни – социальной операционной системы (Social OS). Специфика «племени ученых», в частности сетевой характер взаимодействия, обеспечила стремительный переход к новым коммуникационным средствам, запустив процесс цифровизации науки, значительно расширив потенциальный географический охват коммуникации, а также ее интенсивность. Существующие на данный момент интернет-сервисы для ученых, в том числе специализированные социальные сети, представляют собой сложные сетевые структуры, включающие в себя несколько типов акторов и актантов, начиная от исследователей и организаций, заканчивая мероприятиями и научными текстами. В подобных условиях социальные сети становятся источником т. н. «цифровых следов» – данных, характеризующих сетевую активность пользователя. Подобное, как правило, автоматизированное, протоколирование действий ученого в сети открывает перед исследователями новые перспективы. Можно говорить о том, что «незримая коллегия» становится осязаемой, особенно если структура социальной сети позволяет рассматривать научную коммуникацию на нескольких уровнях (например, неформальная переписка или публикационная активность). Фактически, новые социальные реалии не только открывают новые поля для исследований (в том числе big data), но и позволяют пересмотреть применимость классических методов, в частности нереактивной стратегии социального исследования. В данной статье рассматривается перспектива использования данных из академической социальной сети ResearchGate для анализа коммуникативных стратегий исследователей.

The Perspectives of Using Digital Traces of Researchers for Analyzing their Communication Strategies(by the Example of the Social Network “ResearchGate”)

Nikolaenko Georgy A.

St. Petersburg state University, St. Petersburg, Russia

The last decade was marked by the intensification of the process of dissemination and integration of Internet communication practices. The science field is being transformed under the influence of practices determined by the new frame of social interaction – according to the terminology of Barry Wellman and Lee Rainey – of the social operating system (Social OS). The specificity of the “tribe of scientists”, especially the network nature of the interaction, secured a rapid transition to new communication tools which launched the process of digitization of science and greatly expanded both potential geographical scope and intensity of communication. The currently existing internet services for scientists including specialized social networks, are complex network structures that consist of several types of actors and actants ranging from researchers and organizations to events and scientific texts. In such conditions, social networks has become a source of so-called “digital fingerprints” which mean the data characterizing the user’s network activity. This automated (as a rule) logging of actions of a scientist in the network opens up new perspectives for researchers. It can be said that the “invisible college” becomes tangible, especially if the structure of a social network allows to consider scientific communication at several levels (for example, informal correspondence or publication activity). In fact, new social realities not only open up new fields for research (including Big Data), but also allow to review the applicability of classical methods, in particular, non-reactive social research strategies. The article discusses the prospect of using data from the ResearchGate academic social network to analyze researchers’ communication strategies.

elibrary_41135770_10908791

Скачать PDF-файл | Download PDF

Автор:Георгий Николаенко

Большие данные в этнографии: вызовы и возможности

Подробнее / More

Большие данные в этнографии: вызовы и возможности

Денис Юрьевич Сивков

КЛЮЧЕВЫЕ СЛОВА:

ДАННЫЕ, БОЛЬШИЕ ДАННЫЕ, ЭТНОГРАФИЯ, АНТРОПОЛОГИЯ, КАЧЕСТВЕННЫЕ ИССЛЕДОВАНИЯ, КОЛИЧЕСТВЕННЫЕ ИССЛЕДОВАНИЯ, КОЛЛАБОРАЦИЯ, КОНТЕКСТ, НЕПРЕДСТАВЛЕННЫЕ СООБЩЕСТВА, DATA, BIG DATA, ETHNOGRAPHY, ANTHROPOLOGY, QUALITATIVE STUDIES, QUANTITATIVE STUDIES, COLLABORATION, UNDERREPRESENTED COMMUNITY, CONTEXT

АННОТАЦИЯ:

Появление феномена больших данных в маркетинге и сфере управления стало серьезным вызовом для социальных наук и заставило социальные науки переоценить свои возможности. В «эмпирической эпистемологии» считается, что «механическая объективность» устраняет субъекта-исследователя и оставляет принятие решений техническим специалистам. В этом смысле этнография и качественные исследования, кажется, вступают в противоречие с методами разработки больших данных. В корпоративных исследованиях этнографический маркетинг показал ограниченность подходов, основанных на машинном обучении. Помимо противопоставления этнографии и методов машинного обучения, более перспективной видится коллаборативная работа, в которой возможно реляционное объединение и корреляция больших и малых данных, поиск теоретических рамок. Большим данным необходимы «маленькие паттерны», определяющие место, объект и способ поиска данных. Малые данные этнографии также уточняют определение и применение больших данных. С одной стороны, этнография позволяет быть более внимательным к малым и исключенным группам пользователей, которые оставляют специфические цифровые следы, но в общем контексте остаются незамеченными (Б. Уеллес). С другой стороны, исследования больших данных помогают уточнить и проблематизировать традиционные качественные понятия, например, понятие контекста (Н. Сивер).

ОПИСАНИЕ НА АНГЛИЙСКОМ ЯЗЫКЕ:

Big Data and Ethnography: Challenges and Opportunities

Sivkov Denis Yu.

Russian Presidential Academy of Economics and Public Administration, Volgograd Branch

The emergence of the phenomenon of big data in marketing and management, the ability to explain and predict the behavior of large groups have become a serious challenge and forced the social sciences to overestimate their capabilities. Firstly, digitized data processing and machine conceive the necessity of the social sciences as the matter of concern. “Empirical epistemology” (R. Kitchin) considers “mechanical objectivity” addressing the subject-researcher and leaves decision-making to technical experts. In this sense, ethnography and wider qualitative research with a focus on small data, full-bodied with rich description and contextuality seem to be in contradiction with the methods of big data development. In corporate ethnographic research, marketing has shown the limitations of approaches based on machine learning. Besides of the opposition of ethnography and machine learning methods, the collaborative work seems more perspective, it has ability to relational integration and correlation of big and small data, as well as search for theoretical frameworks (H. Ford). Big data needs “small patterns” that define place, object and method of data retrieval. Small ethnographical data also clarify definition and application of big data. On the one hand, ethnography allows us to be more attentive to the small and excluded groups of users, which leave specific digital trails, but generally go unnoticed (B. Welles). On the other hand, study ofbig data helps us to clarify and problematize traditional quality concepts such as the concept of “context” (N. Seaver).

elibrary_29043559_65844552

СКАЧАТЬ/DOWNLOAD