CONTEXT – Социология науки и технологий

"УМНЫЕ" ТЕХНОЛОГИИ, CONTEXT, CONTEXTUAL KNOWLEDGE, DIGITAL ECONOMY, DISTRIBUTED NETWORK ENVIRONMENT, E-GOVERNANCE, INFORMATION RESOURCES, INTERDISCIPLINARY SCIENTIFIC DIRECTIONS, SMART TECHNOLOGY, SYNTHETIC METHOD, ИНФОРМАЦИОННЫЕ РЕСУРСЫ, КОНТЕКСТ, КОНТЕКСТНЫЕ ЗНАНИЯ, МЕЖДИЦИПЛИНАРНЫЕ НАУЧНЫЕ НАПРАВЛЕНИЯ, РАСПРЕДЕЛЕННАЯ ЦИФРОВАЯ СРЕДА, СИНТЕТИЧЕСКИЙ МЕТОД, ЦИФРОВАЯ ЭКОНОМИКА, ЭЛЕКТРОННОЕ ПРАВИТЕЛЬСТВО

Contextual Knowledge Extraction: Terminological Landscape of Digital Economy

Kononova Olga V.

Saint-Petersburg State University, Saint-Petersburg, Russia

Prokudin Dmitry E.

Saint-Petersburg State University, Saint-Petersburg, Russia
ITMO University, Saint-Petersburg, Russia

Yelkina Elena E.

Saint-Petersburg State University, Saint-Petersburg, Russia

Ключевые слова:

DIGITAL ECONOMY, E-GOVERNANCE, CONTEXTUAL KNOWLEDGE, CONTEXT, SYNTHETIC METHOD, SMART TECHNOLOGY, DISTRIBUTED NETWORK ENVIRONMENT, INFORMATION RESOURCES, INTERDISCIPLINARY SCIENTIFIC DIRECTIONS, ЦИФРОВАЯ ЭКОНОМИКА, ЭЛЕКТРОННОЕ ПРАВИТЕЛЬСТВО, КОНТЕКСТНЫЕ ЗНАНИЯ, КОНТЕКСТ, СИНТЕТИЧЕСКИЙ МЕТОД, “УМНЫЕ” ТЕХНОЛОГИИ, РАСПРЕДЕЛЕННАЯ ЦИФРОВАЯ СРЕДА, ИНФОРМАЦИОННЫЕ РЕСУРСЫ, МЕЖДИЦИПЛИНАРНЫЕ НАУЧНЫЕ НАПРАВЛЕНИЯ

Аннотация:

The article is based on the report made by the authors on the “International Conference on Materials, Applied Physics & Engineering (ICMAE-2018)” in Madhya Pradesh, India during 3-4th June, 2018. The aim of the research is to demonstrate the effectiveness of the synthetic method for contextual knowledge extraction from distributed information network environment for studying new trends of scientific directions. The actual objective is to reveal the trends in the corpus formation of ‘Digital Economy’ as a developing interdisciplinary research direction. In the present study, we offer the synthetic method, which combines various approaches and tools of Digital Humanities. This method is used to meet the challenges of the digital information resources selection, explication of the context knowledge and clarification of the corpus of emerging interdisciplinary scientific direction ‘Digital Economy: e-governance and smart technology’. The base of the research has proved possibility of synthetic method application to the study of trends in the development of thesauri of interdisciplinary scientific fields. The results of the research can be used to develop interdisciplinary ontology of ‘Digital Economy’.

Извлечение контекстных знаний: терминологический ландшафт цифровой экономики

Кононова Ольга Витальевна

Санкт-Петербургский Государственный Университет, Санкт-Петербург, Россия

Прокудин Дмитрий Евгеньевич

Санкт-Петербургский Государственный Университет, Санкт-Петербург, Россия;
НИУ ИТМО, Санкт-Петербург, Россия

Елькина Елена Евграфовна

Санкт-Петербургский Государственный Университет, Санкт-Петербург, Россия

Статья основана на докладе, сделанном авторами на «Международной конференции по материалам, прикладной физике и инженерии» (ICMAE-2018), проходившей в штате Мадхья-Прадеш, Индия, 3-4 июня 2018 г. Цель исследования состоит в демонстрации эффективности применения синтетического метода для извлечения контекстных знаний из распределенной информационной сетевой среды и их анализа в целях изучения новых тенденций в развитии научных направлений. Основная исследователькая задача заключется в выявлении тенденций в формировании корпуса «Цифровая экономика» как развивающегося междисциплинарного научного направления. В настоящей статье авторы предлагают использовать для извлечения контекстных знаний синтетический метод, который сочетает в себе различные подходы и инстсрументы цифровых гуманитарных наук. Этот метод позволяет осуществить отбор корпуса релевантных текстов из распределенной цифровой среды, экспликацию контекстных знаний и определить тезаурус нового междисциплинарного научного направления «Цифровая экономика: электронное правительство и умные технологии». Материалы исследования подтверждают возможность применения синтетического метода для изучения тенденций в развитии тезаурусов междисциплинарных научных областей. Результаты исследования могут быть использованы для разработки междисциплинарной антологии «Цифровая экономика».

elibrary_41279973_80906808

Скачать PDF-файл | Download PDF

Автор:Георгий Николаенко

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

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