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.

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 CSS? Представители 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.

Источник.

        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.

Что еще почитать по теме?
* Наш пост провычислительные социальные науки, ученых-Микеланджело и ученых-Дюшанов.
* Про то, как можно получать данные о человеческом поведении новыми способами: чипы, Фейсбук или реальное общение.
* Про женщин-исследовательниц, которые изучают сети: пост к 8 марта.