среда, 20 марта 2019 г.

Скандалы, интриги, расследования и степенной закон


Есть вещи, за которыми можно наблюдать бесконечно. Течение ручья, пламя костра, скандалы, интриги, расследования вокруг степенного закона в сетях. Итак, напомним, чем закончилась предыдущая серия нашего шоу. В начале 2018 года Анна Бройдо и Аарон Клаузет публикуют на arxiv препринт “Scale-free network are rare”. В этой статье на обширном эмпирическом материале они показывают, что на самом деле степени центральности у сетей обычно распределены лог-нормально, а не в соответствии со степенным законом. Иными словами, модель безмасштабных сетей, разработанная А.-Л. Барабаши и Р. Альтерт, может быть ошибочной.
Реакция общественности была разная. Кто-то посчитал это важным эмпирическим результатом, кто-то посетовал на недостаточное количество хороших исследований по сетям и жажду хайпа, а Альберт-Ласло Барабаши призвал коллег думать не об эмпирических подтверждениях, а о механизмах, формирующих социальные системы. Обсуждения в Твиттере были такими жаркими и насыщенными, что ученые уже не казались отстраненными обитателями башни из слоновой кости. Это была практически дуэль в прямом эфире!


Разница между случайными и реальными (например, социальными) сетями. В случайных сетях (слева) у каждого узла примерно одинаковое количество связей. В реальных сетях (справа) есть небольшая группа узлов с очень большим количеством связей, однако большинство узлов имеют достаточно малое количество связей. Источник изображения.


Прошел год, но интерес к теме не утихает. Наконец, статья Бройдо и Клаузет вышла в Nature Communications. Петер Холм в своем комментарии для Nature Communications постарался увязать между собой и теоретическую модель Барабаши-Альберт, и эмпирические результаты Бройдо и Клаузета. При этом в конце 2018 подоспела статья (пока тоже на arxiv) про то, что “scale-free network well done”. Не будем удивляться, что большинство авторов статьи из Northeastern University, где работает и Барабаши, один из основателей модели безмаштабных сетей.
И вот, анализируя то, что происходит, хочется задать вопрос - почему это распределение вызывает столько дебатов? Ведь подавляющее большинство исследователей охотятся не за распределениями, а за объяснением того, что за механизм лежит в основе этих распределений. Барабаши и Альберт не открывали Америку, механизм предпочтительного присоединения в социальных науках известен давно. Это эффект Матфея, по которому распределение благ происходит неравномерно. В случае сетей - популярные люди с течением времени становятся все более популярными. И если эффект Матфея работает и в случае социальных, и других типов сетей, то это важный механизм. Однако могут ли какие-то отдельные особенности распределения и его хвостов опровергнуть этот эффект? В общем, продолжаем следить за сериалом и размышляем, будет ли в результате этой дискуссии выявлен еще какой-то интересный содержательный результат или все же нет. Не хотелось бы, чтобы именитые ученые тратили бы ресурсы на борьбу за амбиции.

четверг, 28 июня 2018 г.

Как написать научную статью на одну страницу и получить Нобелевскую премию

Многие конференции начинаются с воркшопов, и конференция NetSci 2018 в Париже не стала исключением. NetSci - это ключевая конференция по сетям, ежегодно проводится обществом сетевых исследователей. Она началась с семинара, на котором редакторы Nature и три известных исследователя рассказали о том,как написать статью, которую примут в лучшие научные журналы, такие, как Nature и Science. Это был закрытый семинар, поэтому не будет упоминаний имен его участников. 
Мы считаем, что таким знаниям пропадать нельзя и делимся ими с нашими читателями. 

Зачем мы пишем статьи
Рассказ редактора из журнала Nature о том, как написать Nature-публикабельную статью показался мне одним из самых лучших воркшопов за всю мою жизнь. Хотя большинству статей эти редакторы и отказывают, я могу с уверенностью утверждать, что как минимум один из них очень профессиональный и человечный.
Итак, для того, чтобы научиться хорошо писать статьи и публиковать их, необходимо понимать, зачем мы это делаем. На вопрос «Для чего вы пишите и пытаетесь опубликовать статьи?» ведущий семинара получил очень честные ответы: «Без статей я не устроюсь на хорошую работу», «Без статей я не получу финансирование по грантам и мне будут отказывать в финансировании в будущем», а также другие вариации на тему «Статьи -> Деньги». Но если постараться немного абстрагироваться от сложной жизни ученых (мы про нее еще обязательно напишем), то публикация статьи в идеале – это возможность донести результаты исследования до определенной аудитории. У каждого журнала эта аудитория своя.
NatureSciencePNASScientific ReportsPLoSNature Communications – журналы для широкой аудитории, их читают как  ученые из самых разных дисциплин, так и просто интересующиеся последними научными достижениями люди. Именно поэтому для публикации в таких изданиях отбираются прорывные исследовательские работы. Так что если решено писать статью в Nature, то это должна быть выдающаяся статья, прочитать которую сможет неспециалист в вашей области. Для этого нужно не просто уметь хорошо анализировать данные или писать обзор уже существующей литературы по теме. Самое важное – сориентироваться в том, какую содержательную лакуну заполняет собой эта исследовательская работа и в чем ее Новизна.
Источник изображения.
Начнем сначала
«Лицо статьи» - это ее название. Каким оно должно быть, чтобы привлечь внимание редактора, не смутить рецензентов и пройти отбор среди лучших статей? Редактор сказал, что оно должно быть коротким, емким и захватывающим. В название не стоит включать аббревиатуры, делать его смешным или формулировать в форме вопроса. Примеры хороших названий: «Групповая динамика сетей малого мира» (Collective dynamics of “Small-world” networks) и «Сеть сексуальных контактов людей» (The web of human sexual contacts). Кажется, что ничего сложного, а на самом деле всего в нескольких словах заключается очень много смысла, поэтому придумать его непросто.

Наряду с названием, очень важную роль в потенциальной успешности статьи играет ее аннотация. В аннотации должно быть отражено четыре момента: 
1) общий контекст; 
2) введение в проблему; 
3) ключевые результаты исследования 
4) итоги и перспективы. 
Хотя каждый из пунктов можно расписывать очень подробно, стоит помнить, что краткость, а не графомания, сестра таланта. Сегодня люди намного реже читают большие по объему тексты, мы все больше и больше теряем концентрацию внимания. Поэтому важно держать читателей заинтересованными именно очень концентрированными и содержательными аннотациями.

Пример аннотации с указанием смысловых блоков. Оригинал статьи.

А что внутри? 
Сегодня структура статьи в Nature и Science следующая: введение, результаты и заключение. Обычно это порядка 6-8 страниц, и в дополнительных материалах идет описание методики и данных, иллюстрации, дополнительные материалы и код. Скажем честно, для социологов, политологов и экономистов, привыкших порой к 30-50-и страничным статьям (брошюрам?) такие короткие концентрированные статьи могут показаться дикостью. Однако содержание статьи и описание процедур никуда не уходит – оно перемещается в дополнительные материалы, делая основное «тело» статьи более элегантным, кратким и, чего уж греха таить, более цитируемым. «Статьи сегодня становятся похожими на Википедию. Если вы хотите что-то более глубокое – переходите по ссылке и наслаждайтесь. Но не надо заставлять наслаждаться этим всех», - тонко заметил ведущий семинара.

Краткость, и краткость, и краткость - наше будущее
Хотя семинар был практически-ориентированным, под конец не обошлось без философии. Участники немного порассуждали о том, как будет трансформироваться институт научных публикаций. Некоторые предположили, что статьи станут еще короче, этот прогноз также поддержал и представитель Nature. Он отметил, что подавляющее большинство великих исследований можно уместить на паре страниц. Например, Уотсону и Крику удалось рассказать о молекулярной структуре ДНК на одной странице журнала Nature и получить за это Нобелевскую премию. 

Статья про структуру ДНК, за которую Уоттсон и Крик получили Нобелевскую Премию. Источник изображения.

Что говорят ученые
Скажу честно, доклад редактора Nature произвел на меня очень большое  впечатление. С самого начала я настроилась на то, что каждый из трех исследователей не будет раскрывать всех деталей подготовки и публикации своего научного исследования, а расскажет о содержании своей работы. Так оно и получилось – большую часть времени ученые говорили не о том, как писать статьи и публиковать их, а о том, чем они сами занимаются (что тоже очень интересно).
И все же отметим некоторые важные моменты на протяжении этой дискуссии. 
Первое, что бросалось в глаза – ученые, даже самые богатые и знаменитые, очень гордятся своими статьями в PNAS, Nature, Science и других ключевых журналах. Казалось бы, в определенный момент это должно стать рутиной, но это не так. Научная статья – это большое достижение не только для аспирантов (которые обычно все делают), но и для профессоров. 
Второе, что отметили абсолютно все исследователи – хорошая статья пишется долго и коллективно. Хотя некоторые исследования выглядят «просто и элегантно, это можно посчитать на коленке за полчаса» - за каждой из статей лежит колоссальная работа научно-исследовательского коллектива, в который входят аспиранты, постдоки и профессора. Большая наука не делается «на коленке», как бы нам этого ни хотелось.
Третье, у каждой статьи должен быть «запасной план». Обычно он выглядиттак: Nature -> Science -> PNAS -> Nature Human Behaviour -> Nature Communications -> Scientific Reports.
Ну и, наконец, расскажу про один факт из жизни ведущих исследователей, который привел в недоумение, если не сказать ужас, молодых исследователей. Один из коллег рассказывал о траектории движения своей статьи, которая в итоге была опубликована в хорошем журнале. Он отметил, что после подачи в первый журнал был получен отказ в публикации от редактора на основании нескольких негативных рецензий, но один из авторов, (разумеется, один из ведущих исследователей-соавторов) не согласился с таким исходом и настоял наповторном рассмотрении статьи, и в итоге добился своего. Участники семинара буквально открыли рты в безмолвном вопросе «а что, так можно было?!». На семинаре группа обсудила этот случай и пришла к выводу, что о пересмотре решения редактора можно думать только в случае очень сильной переговорной позиции авторов (или одного из них) и их «наработанном» социальном капитале. На ум сразу приходит аналогия опредпочтительном присоединении – чем ты круче, тем больше у тебя вероятность опубликоваться в хорошем журнале. И не просто потому, что ты умный и делаешь крутые исследования, а потому что ты заработал социальный капитал и понимаешь, как им пользоваться.

Что еще почитать по теме?

- Наш пост о том, как стать успешным ученым (об этом мы узнали от очень успешного Барабаши).

- Наш пост о социальных компьютерных науках (которые постоянно публикуются в Nature).

- Немного про ссоры тех, кто публикуется в Nature.

пятница, 22 июня 2018 г.

Предсказать успех? Легко!


Известно, что для американцев самый главный семейный праздник - это день благодарения. Вся семья собирается за столом, включая дальних родственников, с которыми приходится встречаться раз в год, и тут начинается... Все хотят высказать свое мнение о происходящем вокруг, в том числе и о политической ситуации в мире. Всё усугубляется избранием Трампа, с появление которого семейные ужины стали еще более невыносимыми. Подобная ситуация, когда в семьях развивались бурные дискуссии, была и в России во время "Крымнаш", когда мама - за Крым, папа - против, а у дедушки какое-то особенное, совсем другое мнение.
К чему все это? Было исследование, которое показало, что после избрания Трампа ужины в честь дня благодарения стали намного короче. Смешно, но правда. Об этой истории я узнала из доклада на конференции по политическим сетям PolNet, которая прошла на прошлой неделе в университете Джорджа Мейсона в Вашингтоне. В этом посте расскажем о том, что такое политические сети, и о том, чем сейчас занимается Альберт-Ласло Барабаши, один из самых известных исследователей сетей.

Политические сети? Нет, не слышали

Что такое политические сети? Для меня это было неочевидно, но не остановило от участия в конференции. После того, как я посетила несколько секций, все стало намного понятнее. Исследователи политических сетей изучают следующие вопросы:
1 - Как возникают и развиваются протесты и митинги, как заключаются договора и альянсы между странами, как начинаются войны и заключаются перемирия?
2 - Как окружение влияет на политические мнения и действия людей? Если все твои друзья за "крым наш", будешь ли ты также поддерживать эту идею?
3 - Как меняются торговые связи между странами, особенно в связи с новой торговой политикой Трампа?
4 - Как законодатели, конгрессмены, другие политические акторы принимают решения вместе? Это все актуально для Америки, когда разные политические группы могут создавать коалиции и вместе спонсировать продвижение какого-то закона (лоббизм).
5 - Как происходит лоббирование определенных интересов?
6 - Что там еще новенького происходит в Твиттере? Конечно, без Твиттер-исследований сегодня не обходится ни одна конференция по сетям. Исследователи политических сетей часто смотрят на сети хэштегов по какой-то политически важной теме или протестному событию, на сети коммуникаций между представителями различных партий.

Белый Дом - место, где принимаются важнейшие политические решения. Фото автора.

Знает ли интернет, что ты пробежала быстрее всех?
Особым гостем конференции PolNet был Альберт Ласло-Барабаши, который прочитал лекцию о том, как формируется успех. Его лекция не была напрямую связана с темой политических сетей, а была о важности сетей в более общем смысле. Уже несколько лет его интересует вопрос, как оцениваются достижения и формируется успех в разных сферах: в спорте, в науке, в искусстве, то есть в таких сферах, где понятие успеха очень относительное и оценить достижения с высокой объективностью очень сложно. Он отметил, что важно понимать, что успех и достижения крепко связаны, однако они не обозначают одно и то же. "Достижения это о тебе, успех - это о нас", - емко сформирулировал Барабаши основное различие между этими понятиями. Достижения - это оценки, баллы, все то, чем оцениваются наши действия. Например, спортсменка пробежала быстрее всех и заняла первое место. Это одно из ее достижений. Успех - это признание со стороны публики, популярность и известность. Об этой спортсменке знает большое количество людей, о ней постоянно пишут в газетах, обсуждают ее в интернете? Значит, у нее также есть и успех. Вопрос, который интересует Барабаши - можем ли мы предсказать успех, зная что-то о достижениях? Казалось бы, ответ очевиден (конечно, можем!), однако, как оказывается, не все так просто.

Когда приходит успех?
Проанализировав большое количество данных о достижениях в различных сферах, Барабаши с коллегами пришли к выводу, что успех может прийти в любой момент карьеры. То, когда ты опубликуешь свою лучшую статью, напишешь лучшую картину, пробежишь быстрее всех - как правило, непредсказуемо. "Успех ничему нас не учит и мы едва ли можем его предсказать", - подытожил Барабаши. Однако, по его мнению, мы все равны перед миром идей. Они витают в воздухе и кто-то из нас более цепок в вылавливании новых идей, а у кто-то - нет. При этом у каждого из нас естьнавыки для воплощения идеи в жизнь. Эти навыки - результат тяжелой работы, большого количества тренировок, проб и ошибок, а также помощи других, более опытных коллег и партнеров. Однако даже если мы нашли хорошую идею, сумели ее воплотить в жизнь, это не всегда означает приход успеха. Успех зависит не только от наших усилий, но и от окружения и, что немаловажно, от удачи и случая.

Необъективность экспертов
Успех и признание зависят от того, кто именно оценивает. Проблема с оцениванием лучших в том, что оценивающие эксперты не могут быть полностью объективными. Барабаши привел пример того, что в одной из мировых консерваторий обратили внимание на то, что большинство исполнителей - мужчины. Чтобы исключить эффект того, что мужчины-эксперты отбирают других мужчин-исполнителей, в этой консерватории устроили слепые прослушивания, когда оценивающие эксперты не могли видеть исполнителя, а только слышать игру этого человека во время отбора. Казалось бы, эксперимент шел удачно, однако выяснилось, что во время слепых прослушиваний эксперты все равно отобрали мужчин-исполнителей. Может быть, мужчины действительно более талантливые и опытные музыканты, чем женщины? Через какое-то время эксперимент был скорректирован - в зале прослушивания догадались постелить ковер. Как только появился ковер, эксперты стали отбирать примерно равное количество мужчин и женщин. Все дело было в том, что по стуку каблуков можно было догадаться, что исполнитель женщина, что сразу же помогало навешивать ярлыки на исполнение и технику игры. Барабаши привел этот курьезный случай как пример того, что отбор и оценивание успеха могут быть очень субъективными.
 Еще одна проблема оценивания - это как выбрать лучшего, если их много? Например, как решить, кому дать Нобелевскую премию (вероятно, одна из самых известных мер успеха в науке), если у статьи 50 соавторов? Ниже приведен пример из презентации Барабаши, когда в соавторах статьи большое количество людей, но Нобелевскую премию 1984 года по физике дали двоим - Карло Руббиа и Симону ван дер Мейру.

Пример из презентации А.-Л. Барабаши. Статья, за которую дали Нобелевскую премию 1984 года по физике. В соавторах большое количество ученых, однако премию получили К. Рубиа и С. ван дер Мейр. Источник изображения.

Барабаши рассказал, как они разработали алгоритм, который позволяет достаточно точно угадывать, кому на самом деле должна достаться премия. Алгоритм смотрит на предыдущие статьи по схожей теме и предсказывает вероятность получения премии тем человеку, который уже работал над этой темой, публиковал схожие статьи и его карьера в большей степени была посвящена этой теме. Казалось бы, очень простой способ определить основного автора,  которому должны следовать эксперты, принимающие решения о различных премиях. Однако, как мы знаем, эксперты не могут быть объективными. В качестве примера Барабаши рассказал историю еще одной Нобелевской премии, которая досталась Х и Y (к сожалению, не помню имен). Согласно их алгоритму, премия должны была принадлежать другому человеку, Z, однако она была в руках его соавторов. Барабаши с коллегами совершили небольшое полевое исследование (все-таки могут физики иногда интересоваться жизнью и вести себя как антропологи!) и нашли этого человека, Z. Как оказалось, он давно ушел из академии, живет в очень маленьком американском городе и работает в совсем другой сфере. Его работой никто особо не интересовался и, когда он решил уйти из университета, он отправил свои материалы Х и Y, которые были единственными людьми, которые проявили какой-то интерес к его работе. Они дописали статью и опубликовали ее под именами всех троих -  Х, Y и Z. Так как Z был вне университета, а X и Y были вполне известными учеными, Нобелевская премия досталась им. Этим примером Барабаши хотел сказать, что социальное положение и социальные контакты - еще одна очень важная составляющая успеха.

Все эти результаты Барабаши с коллегами получили в рамках работы над коллективным проектом Science of Success, или Наука успеха. Более подробно о результатах исследования можно почитать на сайте проекта, а также советуем посмотреть пятиминутное видео, рассказывающее о том, что у каждого есть шанс стать известным (и это научно доказано!):




Что еще почитать по теме:

понедельник, 14 мая 2018 г.

Быть брокером. Не на рынке, а в жизни


Один из недавних постов был о том, как не бояться заводить новые знакомства, и он набрал большое количество просмотров. Понимаем, что тема животрепещущая. Как и обещали, продолжаем серию постов про нетворкинг и в этот раз расскажем про то, как быть хорошим сетевым брокером.
Что такое нетворкинг мы уже разобрались, но кто такие брокеры? На ум приходит что-то, связанное с биржей, финансами, нервными мужчинами в галстуках. На самом деле, слово "брокер" также очень активно используется и в исследованиях социальных сетей. Быть брокером в сети - это значит объединять несколько не связанных между собой групп. Например, у меня есть два практически не связанных между собой круга общения. Первый я условно называю "люди из социальных наук" (социологи, психологи, экономисты), а второй я называю "люди из искусства" (художники, кураторы, фотографы). Очень часто я оказываюсь в ситуации, когда знакомый из группы "люди из искусства" спрашивает у меня что-то эдакое социологическое: как сделать исследование, что про определенную тему думают социологи, что уже изучалось в этой теме. Если я разбираюсь в этой теме, я с радостью помогаю сама, но часто советую кого-то их моих знакомых, принадлежащих группе "люди из социальных наук". Эти группы между собой очень редко пересекаются и, если одна группа вдруг заинтересуется экспертизой другой группы, то будет искать брокера, кого-то между, и в этой ситуации я играю роль этого сетевого брокера. Пример того, как это выглядит в самой структуре социальной сети - на картинке.

Пример брокера в структуре сети. Источник изображения.


Быть брокером полезно. Было большое количество исследований, показавших, что брокеры - очень важные связующие мостики в социальных сетях. Они передают идеи из одного круга в другой, у них есть доступ к разнообразным знаниям и ресурсам, они могут помогать как другим в своем окружении, так и самим себе. Брокерство связано и с личным успехом, например, на рынке труда эти люди быстрее находят работу, активнее продвигаются и зарабатывают больше. Конечно, если мы варимся в очень маленьком закрытом кругу людей, мы ничего не получаем нового извне. Если мы находимся между разными кругами - мы быстрее узнаем и передаем новую информацию.
Итак, хватит теории. Как же стать брокером и как взывать к помощи брокеров, если такие в окружении имеются? А они, несомненно, имеются у всех в окружении, нужно только присмотреться. Вот список идей и советов, которые мы собрали:
*** Если у вас есть различные группы друзей, то можно наконец их связать, если даже вам кажется, что они абсолютно несовместимы. Есть риск того, что они передерутся, но результат ведь никогда невозможно предугадать. Вполне вероятно, что кто-то из них найдет общий язык и они смогут помочь друг другу. Если один из ваших друзей поможет другому из противоположного круга, они будут вам благодарны, и вы почувствуете свою "сетевую власть".
*** Внимательно относиться к просьбам других, насколько бы сложно это не было. Например, часто друзья и знакомые говорят вам, что они ищут работу, квартиру, друга. В идеальном случае, вы удивительным образом сразу же вспоминаете, что недавно видели у кого-то пост про жилье, или по одной из почтовых рассылок приходило письмо о новой вакансии, или ваша подруга тоже на днях жаловалась, что совсем нет подходящих парней вокруг. В вашем мозгу происходит щелчок, вы тут же связываете этих людей или пересылаете им важно письмо. Это все идеальная картина, но наш мозг несовершенен, и мы часто пропускаем между ушей  такие просьбы. Есть небольшой трюк, помогающий такие просьбы запоминать лучше, особенно если они были сформулированы в письменной форме. Однажды я читала совет о том, что если вам кто-то пишет с просьбой, то лучше всего отвечать на такие сообщения, используя определенную фразу, которая вам запомнится. Например, в ходе переписки написать "буду держать в курсе", "обязательно дам знать!" или что-то наподобие. Потом, когда вы в один день получите письмо с очень хорошей вакансией или узнаете, что ваша соседка сдает квартиру, можно забить в поисковик почты или мессенджера эту кодовую фразу. Вы сразу увидите все переписки с людьми, которым обещали таким образом помочь. Может быть, кому-то из этого списка эта информация будет полезна и вы ее перешлете. В итоге, помогая другим, они когда-то помогут вам, и, к тому же будут бесконечно благодарны, что вы о них вспомнили в трудный момент.
*** Сходить на событие, которое напрямую не связано с вашей работой или интересами. Например, вы ничего не знаете про космос, но скоро будет научно-популярная конференция про это. Можно сходить туда не только для того, чтобы узнать что-то новое, но и для того, чтобы познакомиться с людьми, с которыми вы в обычной жизни, скорее всего, не встретитесь. А они, скорее всего, ничего не знают про вас и людей из вашего круга. Если удастся с ними пообщаться, то вы станете для них брокером в другой мир, также как они будут брокерами для вас. Например, никто не знает, но может быть через год они захотят сделать какое-то социальное исследование о представлениях о космосе. Скорее всего, с другими социологами они не дружат, и вспомнят про вас, если вы им запомнитесь.
*** Eсть также известный совет, который часто дублируется в разных советах по нетворкингу для людей из бизнеса. Но он требует более детального подхода к изучению своей собственной социальной сети. Нужно сделать таблицу, в которой в одном столбце написать имя знакомого вам человека; во втором имя человека, который вас с ним познакомил; в третьем - кого вы познакомили с этим человеком. Пример приведен на рисунке.

Пример таблицы с брокерами. В первом столбце - имя человека, во втором - кто вас с этим человеком познакомил (это и есть брокеры), в третьем - с кем вы познакомили этого человека. В этой сети - Мария Сергеева очевидный брокер. Все имена и связи вымышлены.

Если потратить на такую таблицу какое-то количество времени, то можно понять, как ваше окружение (часть его, потому что сложно вспомнить о взаимоотношениях всех ваших друзей) между собой связано, и кто в нем - основные брокеры. Самый важный столбец - второй, где и будут брокеры вашей сети. Считается, что если во втором столбце преобладает "я", то, во-первых, поздравляем, вы очень активный и общительный человек, во-вторых, все-таки не поздравляем, потому что скорее всего ваши сети достаточно однообразны. Известно, что мы стараемся завязывать контакты с похожими людьми, что очень приятно для нас, но может быть не всегда полезно для того, чтобы черпать что-то новое из своей сети. Если мы сами знакомимся с людьми, скорее всего, мы их подсознательно тщательно отбираем. Если же все-таки в этом столбце преобладаете не вы, а есть один-два других человека, то они и есть ваши брокеры. Однако, поняв, кто это, не нужно расслабляться, нужно тоже стать брокером для других. Для этого и нужен третий столбец - для того, чтобы вы также знакомили людей из вашего окружения друг с другом.
*** Нужно активно пользоваться своими брокерами. Например, не бояться просить других людей представлять вас. Например, у вас есть хорошая подруга, у которой много друзей-джазменов. А они ох как вам нравятся! Если вы попросите ее вас познакомить с ними, то ей будет приятно (потому что она чувствует свою сетевую власть, что обычными словами называется "ей приятно, что просят ее совета и помощи"), а также вам полезно, потому что вы войдете в этот круг, который был до этого для вас закрыт. Если вас представляют, то ваш статус сразу же в новом кругу становится немного выше, потому что вас представил кто-то им уже знакомый. Соответственно, большинство джазменов решат, что вам, скорее всего, можно доверять. Вам не нужно будет знакомиться самим, так как за вас это сделает ваш брокер. Очень удобно.

Что еще почитать на эту тему:



четверг, 3 мая 2018 г.

Отчуждение любви. Как искусственный интеллект будет решать, на ком жениться

На ежегодной конференции Фейсбук Марк Цукерберг объявил о том, что в скором времени социальная сеть запустит свой сервис знакомств. "В Фейсбуке 200 миллионов человек называют себя одинокими, и с этим точно можно что-то сделать", - заинтриговал Цукерберг. Он отметил, что Фейсбук будет стремиться создавать долгосрочные серьезные отношения (в противовес Тиндеру, где знакомства часто всего лишь на одну ночь). Рекомендации одиноким людям Фейсбук будет выдавать на основании их общих интересов. Чем больше у людей общих увлечений, тем выше будет вероятность того, что они будут интересны друг другу.
С одной стороны, инициатива Цукерберга, как и большинство его инициатив, выглядит очень интригующе. Что может быть лучше человека, разделяющего с тобой твои интересы и увлечения, имеющего схожий взгляд на мир? С другой стороны, после речи Цукерберга возникает ощущение того, что теперь и сфера романтических отношений уходит из нашего прямого контроля, и задача выбора партнера делегируется искусственному интеллекту. Ведь как, по нашему предположению, будет работать сервис? Каждый из нас проводит огромное количество времени в интернете, в том числе и в социальных сетях, и оставляет массу "цифровых следов" (digital traces). Тут кто-то лайкает видео, тут напишет комментарий... Вся эта информация никуда не исчезает, она аккумулируется  и хранится в Фейсбуке и Гугл. Поисковик и социальная сеть знают когда вы встаете, какими аппаратами вы пользуетесь, что вам интересно, каковы ваши маршруты передвижения. И, на основании имеющихся массивов информации о вас и о других пользователях, информационные сервисы могут делать определенные выводы с применением методик искусственного интеллекта, обычно речь идет о машинном обучении.  Вспоминается одна из серий нашумевшего сериала "Черное зеркало", который очень точно описывает возможные результаты от сегодняшнего технологического прогресса. В этой серии некий алгоритм подбирает идеальных партнеров для всех. Этот выбор нельзя отменить, алгоритму нужно какое-то время, чтобы научиться и подобрать идеального партнера. Это значит, что человеку нужно пройти через несколько удачных или неудачных свиданий и отношений, прежде чем алгоритм обучится и подберет идеальную половинку на основе общих увлечений, интересов, переживаний. В одной сцене партнеры разговаривают о прелестях такой жизни: "Как прекрасно, что больше не нужно ничего делать, искать партнеров самим! Не представляю, как это было в прошлом - нужно было самим знакомиться, организовывать свидания, думать об интересах другого...".



Самый просто пример, и уже даже хрестоматийный пример того, как работают алгоритмы Фейсбука - это таргетированная реклама. Ваши друзья - люди, ведущие схожий образ жизни, если они любят джинсы Levi's, скорее всего, они понравятся и вам - поэтому тартегированной рекламы вам в ленту. Сразу видно, что искусственный интеллект в данном случае не означает создания гениального робота, который стремится к миру во всем мире, устранению парникового эффекта и спасению вымирающих видов животных. Вовсе нет. Сегодня искусственный интеллект - это стандартные методики машинного обучения, но на огромных массивах персональных данных. И практика показывает, что чем больше данных сервисы используют для обучения своих моделей, тем более точными становятся их предсказания. Получается, что отправной точкой для искусственного интеллекта служат именно данные, а не социальные закономерности. Так что любая ошибка в данных может привести к существенным смещениям результатов и к принятию неверного решения. К примеру, многие используют Фейсбук для профессионального позиционирования, и с большой долей вероятности таким Ромео алгоритм по подбору партнеров будет предлагать вероятных партнеров по бизнесу, но не вторых половинок. Хотя, и от новых бизнес-партнеров тоже может быть толк.

Подводя итог, еще раз хотим обратить внимание на планомерное "отчуждение принятия решений". Обладая мощным предсказательным потенциалом, искусственный интеллект становится все более востребован в процессе принятия решений. Инструменты искусственного интеллекта используются в продажах, рекрутинге, юриспруденции, банковской деятельности, и, согласно одному из недавних номеров журнала The Economist, в будущем будут использоваться в еще большем количестве сфер. Мы не можем отрицать высоких перспектив машин, но все же это наша жизнь, принимать в ней решения и нести за них ответственность выпало на нашу долю. Не забывайте.

вторник, 3 апреля 2018 г.

Как не бояться знакомиться с людьми: Очень научные советы по нетворкингу


Поговорим про важную проблему - как разговаривать с незнакомыми людьми. Нет, сформулируем иначе - как разговаривать с незнакомыми людьми, которые вам гипотетически могут быть полезны. Сделаем ситуацию еще сложнее - это люди не просто полезны, они ещё и выглядят очень серьезными, важными и недоступными. А вы при этом тут же становитесь самым интровертным в мире интровертом, и не можете пересилить себя и заговорить.
Умение находить контакт с другими для завязывания полезных профессиональных или социальных связей называется страшным иностранным словом нетворкинг (в оригинале - networking). Так как русской аналогии этого понятия мы не нашли, оставим, как есть - нетворкинг (о ужас для чьих-то нежных ушей). Итак, зачем нужен нетворкинг, как им заниматься и завести полезные контакты, и как в этом может помочь анализ социальных сетей как направление в социальных науках - об этом в серии постов о нетворкинге. Первый пост - о силе слабых связей и о том, как этой могучей силой пользоваться во благо себе.
Мы все знаем, что чем больше у нас знакомых и друзей, тем проще нам решить множество личных и профессиональных проблем. Все эти полезные знакомые каким-то образом заводятся, но как - это часто загадка или воля случая (пример: нас с Васей случайно познакомили общие друзья, а потом он помог мне найти работу). Случай, казалось бы, играет большую роль в заведении большого количества контактов. При этом есть люди, которые не очень-то полагаются на случай и будто бы специально работают над тем, чтобы завести как можно больше нужных знакомств. На любом событии они стараются завязать знакомство с самыми интересными людьми, тут же стремятся обменяться онлайн-контактами (потому что визитки - уже старомодно), без страха подходят и заговаривают с кем-то и чувствуют себя при этом прекрасно и комфортно. Такие "супер-нетворкеры" могут по понятным причинам раздражать, но, если подумать рационально, в таком поведении есть толк и польза. Эти люди подсознательно или сознательно знают, что больше знакомств - это и больше возможностей.
Такое стремление завести как можно больше не очень близких знакомств объясняется силой слабых связей. Этот термин впервые озвучил Марк Грановеттер еще в 1973 году. Его статья - до сих пор самая цитируемая работа по социологии, а идея о силе слабых связей не померкла с буйных 70-х. Грановеттер пишет, что социальные связи условно можно разделить на сильные и слабые. Сильные - это связи с близкими друзьями и, вероятно, также с некоторыми коллегами, семьей, соседями. Одним словом, это отношения с близкими людьми, которые могут поддержать в трудную минуту и очень хорошо нас знают. Слабые связи - это разнообразные (и более многочисленные) связи с не такими близкими людьми. Это и позабытые школьные друзья, и бывшие коллеги, и даже продавец в магазине, где каждый вечер годами вы покупаете продукты.

 Изображение сильных и слабых связей. В центре - сильные связи эго: близкие друзья, семья, коллеги. За пределами центрального круга - слабые связи: знакомые и знакомые знакомых. Источник изображения

Слабых связей, несомненно, у нас намного больше, чем сильных, и в их количестве и заключается их сила. Люди из группы "слабых связей" являются своего рода "мостиками" в другие социальные миры, они вне нашего близкого окружения, вне наших сильных связей, но, будучи мостиками, они могут дать нам столько всего прекрасного извне. Мы и наши близкие проводим вместе много времени и много общаемся, поэтому шанс получить от них какую-то эксклюзивную новую информацию, будем говорить прямо, ничтожно мал. Но ведь любим мы их не за это. А вот именно слабые связи дают нам уникальный доступ к большему количеству разнообразных ресурсов. Грановеттер показывает на примере поиска работы, что люди чаще находят работу при помощи именно слабых связей, а не сильных. То есть, Петю на работу устроил не его дядя, а бывший спарринг-партнер Пети по спортивному клубу скинул вакансию. После исследования Грановеттера было несколько работ, так или иначе повторяющих дизайн оригинального исследования на разных выборках и на онлайн сетях, и результаты остались такими же, что подтверждает гипотезу о том, что сила слабых связей работает в случае разных социальных сред.
Теория это хорошо, но что же на практике? У слабых связей очевидно есть сила, но как ее пробудить с практической точки зрения? Вот несколько простых шагов, которые можно сделать прямо сейчас для включения в мир удивительного нетворкинга:
1 - Открыть свою любимую социальную сеть (Фейсбук, Вконтакте, Твиттер, Инстаграм, что-то еще по желанию) и пролистать список друзей. С кем вы давно не общались, а с кем вовсе не знакомы лично? Может, стоит написать этим людям и предложить встретиться?
2 - На событии (конференция, выставка, презентация, концерт) с большим количеством людей, заговорить с кем-то, с кем менее всего страшного. Возможная тема для начала: "Как вам это событие? Что понравилось или не понравилось?" Дальше разговор может пойти или не пойти. Забудьте про разговоры о погоде, мы не в прошлом веке! В таких случаях особенно удобно заговорить в местах скопления людей (у гардероба, у бара, у стенда), где люди все равно вынуждены ждать и им нечего делать. Самое приятное - разговор будет ограничен во времени (выдадут пальто, нальют кофе) и через несколько минут можно будет с чистой совестью распрощаться с собеседником, если станет ясно, что разговор не пошел.


- У меня есть сотни друзей в Фейсбуке, которых я никогда не встречал в жизни.
- Когда я был молод, мы называли их "воображаемые друзья"
Источник изображения

3 - Предложить кому-то, с кем вы никогда толком не общались, но работаете уже годами вместе, пообедать вместе, сходить выпить кофе или просто заговорить! Можно открыть много интересного об этом человеке и его мире. Намного лучше, если этот человек из другого отдела, так как его круг общения может оказаться намного более разнообразным.
4 - Использовать свои сильные связи для нахождения слабых тоже может быть полезно. Скорее всего, у вас схожее окружение, но не всегда может быть так. Можно попросить хорошую подругу познакомить с ее знакомой, которая занимается чем-то совершенно невообразимо далеким от вас.
5 - Вечеринка с приглашением близких и не очень близких друзей! И пусть все приводят кого-то из своих знакомых. Для всего этого очевидно понадобится большой дом, что проблематично... Но чем меньше пространство, тем лучше сближаются люди.

вторник, 13 марта 2018 г.

Старая история на новый лад - почему физикам и лирикам не удается договориться

Все чаще социологи и «компьютерщики» работают над одними и теми же вопросами, но получают на них разные ответы. Часто такие работы относят к аналитической социологии (analytical sociology, дальше будем называть «AS») или вычислительным социальным наукам (computational social science, далее «CSS»). И в том, и в другом направлении много и социологов, и исследователей из компьютерных наук, однако в AS преобладают социологи, а в CSS - физики, математики, информатики. Мы задались вопросом, в чем же различия между этими направлениями, и попробовали спрогнозировать, какими будут социальные исследования в будущем.
Сразу начнем с плохого – пока между социологами и исследователями их компьютерных наук нет любви и взаимопонимания. Представители аналитической социологии во многих своих статьях, в личных беседах и публичных обсуждениях пытаются продемонстрировать скептическое отношение к представителям компьютерных социальных наук. Например, «аналитики» в недавней статье в журнале «Journal of Computational Social Science» назвали своих коллег из CSS просто «физиками, занимающимся вычислениями в социологии» и подчеркнули, что «несмотря на то, что аналитическая социология и компьютерные социальные науки имеют много общего (…), у них различная исследовательская ориентация и амбиции», откровенно намекая на то, что исследования компьютерных социальных наук какие-то не такие. Звучит обидно.


Где-то здесь находятся AS и CSS. Источник.

       В чем же разница в этих «исследовательских ориентациях и амбициях» у AS и CSSПредставители AS очень часто упрекают CSS в зацикленности на анализе взаимосвязей между переменными, а не на поиске причинно-следственных связей, построении сложных механизмов и социологической рефлексии. «Если результаты [эмпирического исследования] не могут быть впоследствии переведены на язык механизмов, то исследование ценится меньше», указывают представители аналитической социологии.
У представителей AS два аргумента. Во-первых, социальные механизмы «более интеллектуально удовлетворительны» (cогласимся, не самое убедительное и весьма эфемерное утверждение). Во-вторых, эти социальные механизмы должны быть понятны для того, чтобы использоваться при принятия решений. И если относительно первого пункта еще можно поспорить, то второе замечание выглядит убедительно. Чтобы принимались какие-то решения, например, о вакцинации населения, ученые должны предоставить простое объяснение того, каким образом происходит заражение, и почему только определенный порядок вакцинации приведет к снижению заболеваемости. Вполне вероятно, что современные методы анализа данных, например, нейронные сети, смогут продемонстрировать куда большую предсказательную силу и смоделировать значительно более продуктивную политику вакцинации. Но это будут данные, полученные из «черного ящика», а к такому лица, принимающие решения, на данном этапе не готовы. Аналогичной точки зрения придерживается и Петр Сафронов из Института Образования ВШЭ. «Методы науки о данных, позволяя делать предсказания, часто не дают возможности выстроить объяснение, интерпретацию», - говорит он в интервью для Постнауки.  При этом новые методы данных постепенно все чаще и чаще используются в коммерческом секторе, принося значительную прибыль и демонстрируя высокую эффективность. Почему бы не воспользоваться уже зарекомендовавшими себя инструментами и довериться «черному ящику»?
Журналы, где публикуются приверженцы CSS и AS также совершенно разные. Статьи по аналитической социологии публикуются в социологических журналах: American Journal of Sociology, Sociological Review, Social Networks. А вот CSS публикуются чаще в естественно-научных изданиях из ‘hard science’ – Nature, Science, PNAS, Scientific Reports. И, разумеется, представители AS и CSS не очень активно ссылаются друг на друга, хотя, порой, эти ссылки напрашиваются сами собой.




        Приведем простой пример, который близок нам, как большим любителям социальных сетей. Одно из свойств сетей - это гомофилия, или склонность похожих людей быть связанными друг с другом. Например, наши друзья, как правило, одного с нами пола, у нас схожее образование, интересы и вкусы. В вычислительных социальных науках для оценки гомофилии широко применяется коэффициент ассортативности, предложенный Марком Ньюманом. Он очень прост и элегантен – это коэффициент корреляции между характеристиками человека и его друзей. Соответственно, если похожие люди дружат  – то коэффициент ассортативности ближе к 1. Если непохожие люди дружат, то ассортативность будет стремиться к -1. Но аналитические социологи вряд ли будут оценивать степень гомофилии через ассортативность. Скорее всего, в статье будут использованы более сложные методы, например, модели случайных графов или стохастического моделирования, и будет показано, что сходство по каким-то признакам - статистически значимый предиктор формирования связей, и он меняется со временем определенным образом. Одним словом, будет показано, каким образом и почему гомофилия может формироваться, но сама степень гомофилии не будет оценена! И это лишь один из примеров того, как «аналитики» и «компьютерщики» игнорируют друг друга. 
Дункан Ваттс отмечает, что в социальных науках сейчас есть два типа исследователей – «высокомерные компьютерщики» и «обороняющиеся социологи». Любопытно, что каждая группа стопроцентно уверена в своей уникальности, хотя выигрышной стратегией в данном случае выглядит именно объединение усилий и совместное решение научных задач. И если исследователи предполагают, что, вызывая на поединок своих коллег они все делают правильно, то мы в этом не уверены. Новые технологии, новые данные, новые методы и новая жизнь задают крайне высокую планку исследователям общества. Чтобы осмыслить дивный новый мир нужно уметь всё: получать и анализировать большие данные с использованием новых методов, интерпретировать полученные результаты, а также делать на основе этого практические выводы.
        В этой связи расскажем об исследовательнице, которая успешно совмещает в своей работе и теорию, и методы – Сандру Гонзалез-Бэйлон. Занимаясь коллективным действием и политическими сетями, Сандра корректно и аккуратно встраивает в свои исследования как глубокую теорию, так и современные методы на больших данных. Она публикует результаты своих исследований как в классических социологических и политологических, так и в естественно-научных журналах. Например, ее недавняя статья о том, как происходит вовлечение Твиттер-пользователей в обсуждение испанских протестов. Сандра с коллегами (между прочим, физиками) проанализировали структуру и динамику социальной сети протестующих в Твиттере, то есть речь идет о по-настоящему больших данных. Участниками сети становились пользователи, использовавшие определенный протестный хэштэг. Выяснилось, что позиция в социальной сети - степень центральности и близость к «центру» или к «периферии» - фактически не связана с реальным поведением пользователя. Получается, что активным может быть как человек, активно вовлеченный в протестное сообщество и общающийся с другими активистами, так и довольно «изолированный». Эти выводы подтверждают теорию о том, что протесты, организованные через социальные сети, оказываются более «горизонтальными» по структуре. Эта работа ставит вопросы о коллективном действии, о разных типах поведения в онлайн и оффлайн-пространстве и показывает, насколько социальный мир - комплесная система. Вот такой случай успешного совмещения теории и методов. Такие примеры показывают, что совместить AS и CSS реально.