Дюшаны и Микеланджело в социальных исследованиях

Часто в социальных науках ученые выстраивают дизайн исследования, будто они Микеланджело. У Микеланджело есть идея сделать Давида, и он его делает, он не ищет кусок мрамора, который бы напоминал Давида. Иными словами, у таких исследователей есть теория, и они проверяют, насколько она жизнеспособна в реальном мире.
Есть также и другого рода социальные исследователи, которые действуют скорее как Марсель Дюшан. Дюшан берет уже существующую вещь из повседневности и переделывает ее в объект искусства. Эти исследователи сначала наблюдают какое-то явление в реальной жизни, и только потом пытаются его объяснить. Это сравнение разных типов исследователей - пример из новой книги "Бит по биту" о вычислительных социальных науках.
Такой пример, несомненно, достаточно грубо разбивает социальных исследователей на две группы. Мэтью Салганик, автор книги и профессор в Принстонском университете, пишет, что в эпоху цифровых исследований в социальных науках будут и те, и другие, Дюшаны не заменят Микеланджело, чего многие опасаются.

Фонтан Марселя Дюшана как аналогия readymade подхода к социальным исследованиям. Пример из книги "Бит по биту" М. Салганика, автор фото А. Стиглих, 1917. Источник: Wikimedia Commons.

Давид Микеланджело как пример custommade подхода к социальным исследованиям. Пример из книги "Бит по биту" М. Салганика. Источник.

После известной статьи в журнале Wired о конце социальной теории представления исследователей о социальных исследованиях слегка пошатнулись. Эта статья вышла еще десять лет назад, в 2008 году, и очень точно очертила перемены, которые начали происходить в социальных науках в то время. Перемены заключались в том, что раньше процесс научного исследования был таков: мы выдвигаем гипотезы, тестируем их и получаем результаты, которые подтверждают или опровергают наши изначальные предположения (напоминает Микеланджело, правда?). Сегодня же набор данных настолько массивен и возможностей для их анализа так много, что времени и желания на то, чтобы изучать теорию, выдвигать гипотезы и только так, постепенно, шаг за шагом двигаться к результатам, нет. Такой подход от данных к теории также сравнивается с философией Гугла, который не знает точно, почему одна страница лучше другой, но если статистика посещений говорит об этом, уже этого для многих простых задач достаточно. Алгоритмы могут без подробного изучения того, что же на самом деле происходит, предложить человеку соответствующую рекламу или переводить с одного языка на другой. Конечно, они иногда ошибаются, но как иначе работать с огромным массивом данных?

Иллюстрация М. Бантьеса "Все модели ложные, но некоторые полезны" к статье в Wired 23 июня 2008 года о конце теории. Источник

Действительно, кого сегодня волнует, почему люди что-то делают? Важно то, что они это делают, и мы можем это зафиксировать и измерить даже в тех случаях, когда они ошибаются, врут или забывают. Например, известно, что в опросах люди склонны выбирать социально желательные пункты, даже если опрос анонимный. В то же время, ответы на некоторые сенситивные вопросы можно сравнить с их индикаторами в поисковых запросах. Можно посмотреть, какое количество людей признает, что они гомосексуальны и ищет соответствующее порно; сравнить, что люди говорят о количестве сексуальных контактов и как обсуждают онлайн то, что партнер больше не хочет секса; что люди говорят о расизме, и что они на самом деле ищут по этой теме, формируя запросы таким образом, что все мусульмане становятся террористами.

Конечно, было много критики этой статьи из Wired и последующая дискуссия, в которой было признано, что все это - непозволительное упрощение того, как действительно работают социальные ученые. Большинство исследователей работают в колесе теории и данных, где мы мечемся между теорией и результатами, постоянно возвращаясь то к одному, то к другому. Эти дискуссии не прошли стороной, и некоторые исследователи сегодня говорят, что они занимаются вычислительными социальным науками, давая понять, что они отличаются от более классических подходов. Иными словами, они все в душе немного Дюшаны. Но чем они отличаются от классических социальных исследователей?
Первый признак, который приписывается вычислительным социальным наукам - это интерес к изучению социальных законов. Эти исследователи часто интересуются универсальными паттернами человеческого поведения, и именно по этой причине в вычислительных социальных науках так много физиков. Наглядный пример - это степенной закон в социальных сетях. Если мы посмотрим на популярность акторов (на распределение центральностей) в социальной сети, то мы увидим интересную закономерность. В этой сети будет очень мало чрезвычайно популярных акторов и достаточно много - непопулярных. Например, если подумать о своих друзьях и ближайших знакомых, можно по пальцам пересчитать 2-3 людей, которые действительно имеют невообразимо большое количество друзей и знакомых. Остальные, скорее всего, связаны на среднем уровне - они не сетевые звезды, но имеют достаточно количество друзей и знакомых, чтобы не чувствовать себя совсем одинокими. Это универсальный социальный закон, и многие исследователи из вычислительных социальных наук это доказали - распределение центральностей в социальных сетях устроено именно так. Если бы распределение друзей было случайно, то оно бы имело форму нормального распределения, когда все в среднем в одинаковой степени знают друг друга, и нет сетевых звезд или совсем одиноких людей.

Распределение центральности в случайных графах и реальных социальных сетях. На графике слева мы видим нормальное распределение, то есть все акторы в среднем имеют одинаковое количество связей. На графике справа мы видим распределение по степенному закону, то есть в сети есть небольшая доля акторов с очень большим количеством связей, но большинство имеет достаточно малое количество связей. Рисунок с сайта Network Science

В то же время, вычислительные социальные науки часто критикуют за чрезмерную описательность. Редко можно встретить глубокий анализ социальных процессов, которые стоят за обнаруженным социальным законом или закономерностью. Например, почему все люди имеют разное число друзей? Одно из простых объяснений в том, что кто-то более общительный, а кто-то - менее, у людей разные потребности в общении с окружающим миром, разные психологические характеристики. Также, общество так устроено, что не у всех есть доступ ко всем возможным ресурсам социальной сети. Может быть, каждый хотел бы быть сетевой звездой, чтобы при любом трудном случае можно было быстро активизировать свои контакты и попросить о помощи. Это невозможно, потому что наши связи - это также результат социального неравенства. Например, предположим, что в школьный класс переводится ученица, которая отличается по национальности, социальному положению и успеваемости от всего остального класса. Как бы она не старалась завязать хорошие отношения со всем классом, скорее всего, это ей будет даваться сложно, ввиду изначального социального неравенства по другим характеристикам. Можно придумать еще несколько объяснений того, почему в социальных сетях мы наблюдаем сетевой закон. Но часто исследователи из вычислительных социальных наук забывают о том, что социальные законы намного интереснее интерпретировать, чем просто наблюдать.
Второй признак вычислительных социальных наук - это расширение набора методов, которые допустимо использовать в социальных науках. Как правило, это изучение социальных законов с использованием вычислительных подходов и новых для социальных наук методов. Это агентное моделирование, машинное обучение, сетевой анализ, онлайн-эксперименты. Большинство работ в этой области используют данные о поведении людей из онлайна, например, это перемещения по городу, выбор жилья на Airbnb, лайки и комментарии, сеть связей в онлайн сети.
В целом, для вычислительных социальных наук важно то, что социальный мир - это результат интеракций между людьми. Изучая поведение людей, мы можем что-то понять в целом об обществе. В свою очередь, это общество и определяет наши паттерны интеракций друг с другом. Получается такой же замкнутный круг “микро-макро”, как и колесо “теория-данные”. Напоследок, советуем посмотреть короткое видео о так называемой “лодке Колмана”, которая разъясняет, где микро-, а где макроуровни, и как все это удивительным образом переплетено в нашем непростом социальном мире.

Что еще почитать на тему:
* Книгу "Бит по биту" можно читать онлайн на сайте самой книги.
* Совсем недавно вышла статья, поясняющая различия между вычислительными социальными науками и аналитической социологией: можно почитать полный текст по этой ссылке.
* Как пример работ, которые используют подход вычислительных социальных наук, можно почитать свежую статью про то, как совы и жаворонки (те, кто поздно или рано встает) по-разному дружат, и про то, что существует число Данбара для мест, которые мы посещаем.

Загадка семи мостов, анархические социограммы и кумовство норвежских рыбаков: к истории сетевых исследований

Представляем гостевой пост от Егора Лавренчука - нашего коллеги и друга. Егор преподаватель, кандидат философских наук. Главный философ у себя в подъезде, любитель считать падающие звезды.

***

Принято считать, что сетевой подход зародился в начале XX века вместе с философскими идеями Георга Зиммеля. Его концепция «количественности» отношений в крупных индустриальных центрах в дальнейшем определила возникновение концепта «социальная сеть».

"Всякое достигнутое [городом] в его развитии расширение служит основанием для дальнейшего, не одинакового, но более значительного расширения; к каждой нити, выпряденной из процесса его развития, прирастают как бы сами собой новые нити... Тут именно количественность жизни непосредственно переходит в качественность, в характер"

 – писал он в работе «Большие города и духовная жизнь». Этот принцип впоследствии сформулирует Роберт Мёртон, назвав его «Эффект Матфея».
Между тем в научное употребление термин «социальная сеть» вошел не в начале XX в., с подачи Г. Зиммеля, а только через 50 лет. Британский антрополог Джеймс Барнс, изучая взаимоотношения жителей рыбацкого поселения Бремнес, расположенного на западной границе Норвегии, введёт понятие «социальная сеть», чтобы дать определение неформальным отношениям рыбаков (которые у нас принято назвать кумовством).

"Я провел 1952 и часть 1953 года в Норвегии, изучая то, что представлял себе как исследование малых групп. Вскоре я обнаружил, что люди, с которыми работал, обладали культурными ценностями, которые делали их восприятие общности отличным от привычного нам представления. Их социальный мир кишел различными формальными организациями, но большинство жителей опирались в принятии решений на личные связи, которые часто переступали через рамки формальных отношений. Я постарался собрать и зафиксировать их отношения, назвав это сетью."

– почти через 30 лет вспоминает Дж. Барнс в интервью для This Week’s Citation Classic.

Рыбаки. Источник изображения

Автор концепта не приобрел популярности в научных кругах в связи с предложенной идеей и отошел от исследований социальных сетей, занявшись социологией знания. Получил он свои «дивиденды славы» только спустя десятилетия. Гораздо известнее и влиятельнее в 1960-х был его коллега, также представитель Манчестерской антропологической школы, – Джеймс Клайд Митчелл, который впоследствии стал одним из учредителей Международной ассоциации исследователей социальных сетей (INSNA).

Сегодня мы наблюдаем множество удивительных и значимых открытий, которые совершают, используя сетевой подход, представители INSNA и их коллеги. Но базовые сетевые законы были открыты в экспериментах, авторы которых уже практически забыты. Один из таких авторов – американский социальный психолог Алекс Бейвлас. В 1948 году он основал Лабораторию сетевых групп в Массачусетском технологическом институте. Вместе со своими студентами, одним из которых был выдающийся психолог, соавтор «эксперимента о централи» – Харольд Левитт. А. Бейвлас и Х. Левитт поставили задачу изучить, каким образом способы коммуникации между людьми влияют на групповую структуру организаций.

Вплоть до 1950-х годов в исследовательской среде доминировала точка зрения, что коммуникация в организациях протекает или вдоль формальных линий структуры, или по направлению вверх – от сотрудников к их менеджерам и далее к руководству организации. Однако после Второй мировой войны ученые стали признавать, что существуют и другие типы потоков коммуникации в организациях. Проблема, с которой столкнулся А. Бейвлас, заключалась в том, чтобы измерить эти «неформальные» потоки коммуникации.

Наиболее известный эксперимент А. Бейвласа, направленный на её решение, был следующим: пять человек играют в игру, целью которой является решение задачи с помощью общения. В начале игры каждому участнику дают уникальную часть информации; для того, чтобы получить полный ответ, игроки должны объединить все эти части вместе. Участники эксперимента размещались в кабинах, расположенных так, чтобы они могли общаться друг с другом. Коммуникация продолжалось до тех пор, пока загадка не решалась. Цель каждого игрока – получить ответ первым.

Схемы расположения в эксперименте А. Бейвласа. Наверху слева направо - колесо, круг, штурвал. Внизу слева направо - цепь, игрек. Источник изображения.

А. Бейвлас проследил, как участники достигали этой цели, и выявил наиболее эффективные стратегии. Для этого он расставил кабины в порядке, имеющем различную сетевую топологию, и сравнил результаты для каждой из получившихся структур. Результаты эксперимента его очень удивили. Предполагалось, что разные модели коммуникации по-разному будут влиять на выполнение участниками поставленных задач. Сетевая структура в этих экспериментах обычно обеспечивалась искусственным разделением групп на такие подгруппы, где сообщения могли передаваться только в определенных направлениях и через определенные позиции. Эти структуры довольно часто упоминаются в социологической литературе: «круг», «колесо», «штурвал», «игрек», «цепь».

А. Бейвлас изначально полагал, что структура «круга» будет самой эффективной для решения проблемы, а «штурвал» будет наименее эффективным. Но оказалось всё наоборот. В итоге экспериментаторы пришли к заключению, что центральность является наиболее важным аспектом организационной коммуникации: чем более централизована организация, тем эффективней в ней происходит коммуникация. Центральный узел в такой структуре выступает интегратором, направляющим информационные потоки от одного узла к другому. А. Бейвлас в работе "Communication patterns in task-oriented groups" назвал это свойство сетей – «центральность по близости», определив его как естественную метрику расстояния между всеми парами узлов в связанных графах.
Однако последующие эксперименты продемонстрировали, что эффективность коммуникации зависит не только от централизации сетевой структуры (в действительности все оказалось не так однозначно). В эксперимент было внесено дополнительное условие – сложность выполняемой задачи. В итоге эксперимент показал, что тогда как централизованные организации могут эффективнее выполнять простые задачи, более сложные задачи нуждаются в децентрализованном подходе.

Слева - централизованная сеть, справа - децентрализованная. Источник изображения.

        Результаты этих экспериментов не так важны для сетевого подхода, они во многом совпадали с экспериментами психолога Якоба Морено (о котором речь пойдет далее), но было несколько ключевых отличий, которые стали критическими для развития современного сетевого анализа.
         Во-первых, в подходе Бейвласа-Левитта под социальной сетью понималась уже не совокупность людей, а их позиции. Таким образом, конечная модель отношений между позициями выглядела как основа структуры. То есть, важно не то, какие в группе находятся люди (мужчины или женщины, с высшим образованием или без него и т.д.), а как они связаны между собой, с какой структурой. В таком подходе топология связей имеет первостепенное значение, по отношению к личностным характеристикам участников группы.
      Во-вторых, связи между позициями обозначали потоки информационных ресурсов, а не отношения, как у Я. Морено. По Я. Морено, группе приписывались определенные позиции, а выборы (как позитивные, так и негативные) указывались стрелками. Таким образом, строилась «структура» предпочтений в группе. Он назвал такие схемы структурами притяжения или отталкивания.
        В 1934 году Я. Морено опубликовал монографию «Кто выживет?». В этой работе психолог, в частности, описал эксперимент, проведенный им в школе для трудных подростков-девочек. В столовой пансионата он предложил девочкам пересесть за столы так, как им больше нравится. В итоге получилось, что «восьмеро бегут к одному и тому же столу, к девушке, с которой они все страстно желают сидеть вместе. Остальные распределяются по немногим притягивающим их "звездам" и одна - остается в изоляции, то есть вообще без выборов, без внимания» (цитата из работы Р. А. Золотовицкого).

Примеры социограмм из работы Я. Морено "Кто выживет?". Источник изображения.

        Я. Морено зафиксировал получившуюся в результате перестроения новую структуру, назвав её анархической социограммой. После чего он провел социометрический тест (раздал анкеты с различными провокационными вопросами), на основе которого предложил новое распределение – более равномерное, но при этом учитывающее выборы, сделанные изначально воспитанницами школы. Он составил таблицы, куда внёс все диспозиции взаимных выборов девочек, распределяя их на несколько уровней. После этого он продолжил эксперимент уже в жилых комнатах кампуса. Эти таблицы (социограммы) стали первыми моделями социальных графов, применяемыми на практике.
        Вы, конечно, возразите, вспомнив статью математика Леонарда Эйлера, опубликованную в 1736 году, где он описывает задачу семи мостов Кёнигсберга: можно ли пройти каждый мост по одному разу и вернуться в исходное место? В этой статье Л. Эйлер впервые применяет теорию графов, показывая, что для положительно решения задачи нужно, чтобы у каждой вершины её степень (число выходящих из вершины рёбер) была чётной. Но в оправдание своего тезиса я замечу, что для исследования общества модель графов Л. Эйлером не применялась.

Иллюстрация задачи Л. Эйлера "Семь мостов Кенигсберга". Источник изображения.

Возвращаясь в ХХ век, перейдем от психологии к социологии, ведь по настоящему «расцвел» сетевой подход именно в рамках этой дисциплины. В 1970-х годах группа исследователей Гарвардского университета под руководством социолога Харрисона Уайта «взяла на щит» сетевую модель общества, заложив такую дисциплину как Анализ социальных сетей. Показательно, что статья Марка Грановеттера (ученика Х. Уайта) «Сила слабых связей», опубликованная в 1973 году, до сих пор остается наиболее цитируемым текстом о социальных сетях.
        Осмелюсь предположить, что такую популярность она приобрела благодаря своей лаконичности и математической точности. В статье М. Грановеттер вводит новые варианты описания социальных сетей (такие, например, как исключённая триада), обозначая их математическими символами, и элегантно оперирует ими для анализа информационной диффузии. Кроме того, он приводит дайджест наиболее значимых сетевых исследований. Так, автор апеллирует к эксперименту еще одного выпускника Гарвардского университета – психолога Стенли Милгрема.
       Разрабатываемая С. Милгремом (и его коллегами) гипотеза «6-ти рукопожатий» заключалась в том, что каждый житель Земли опосредованно знаком с любым другим жителем через цепочку общих знакомых, в среднем состоящую из пяти человек. Для её проверки исследователи решили географически ограничиться США. Они отправили конверты с буклетами, в которых содержалось обращение с просьбой передать через своих знакомых и родственников это послание конкретному человеку, а также отметки о том, кто и кому их до этого отправлял. Те письма, которые дошли до своего адресата, подтвердили, что в среднем каждый конверт прошёл через пять получателей.

Иллюстрация идеи 6 рукопожатий. Источник изображения.

М. Грановеттер произвёл расчеты, основанные на неопубликованных данных о расе участников этого эксперимента, и пришел к выводу, что слабые межрасовые связи оказались более эффективными при передаче ресурсов. Так как в 50% случаев, когда белый описывал темнокожего как знакомого, цепочка оказывалась завершённой; но когда белый отправлял буклет темнокожему другу, показатель завершения падал до 26%.

Впоследствии этот эксперимент повторялся различными исследовательскими группами. Самое «свежее» исследование провела команда Facebook. Они пришли к выводу, что радиус сети пользователей этой площадки равняется 3,5. Кстати, вскоре после этого в Facebook повторили эксперимент и М. Грановеттера, описанный в «Слабых связях».

Исследуя случайную выборку специалистов, вспомогательного персонала и управленцев, недавно сменивших работу, М. Грановеттер пришел к выводу, что для них слабые связи оказались важным источником возможной мобильности (смены работы). Исследование Facebook также показало, что слабые связи важны при поиске работы, потому что они более многочисленны, но единственная сильная связь будет полезней, чем единственная слабая связь.

В 1980-1990-х академический интерес к сетевому подходу подогревало возникновение виртуального мира и зарождающихся в нем онлайн-сообществ. В этой теме «пальмовую ветвь» можно отдать еще одному ученику Харрисона Уайта – канадскому социологу, основателю INSNA, Бари Веллману. В его концепции архаичные модели сообществ, которые он назвал «little boxes communities» (плотно связанные группы людей), трансформировались под воздействием массового использования новых видов транспорта и как следствие, возрастающей мобильности населения. «Door-to-door» коммуникация, характерная для архаичных сообществ уступила место «place-to-place» коммуникации, когда члены сообществ продолжали общаться, преодолевая расстояния.
       Так, например, если вы учились в школе в одном городе, а переехали учиться в университет в другой, после чего нашли работу в третьем городе и уехали снова, вы будете встречаться с вашими школьными и университетскими друзьями, приезжая к ним время от времени. В этом случае, по Б. Веллману, вы станете членом нескольких «glocalized networks» (под глокализацией понимается комбинация глубоких локальных и широких глобальных взаимодействий). Третий этап в развитии сообществ наступил в эпоху онлай-общения. Б. Веллман называет это «сетевым индивидуализмом» со свойственной ему «person-to-person» коммуникацией.

Ключевые исследователи социальных сетей. Фото из архива автора.

        Описание выдающихся работ, опубликованных в 2000-х, может очень сильно увеличить эту статью, а мне бы хотелось остановиться всё-таки на тех исследованиях, которые представляют собой разнообразные с дисциплинарной точки зрения подходы, не посвящая большую её часть Web Science и Big Data. Есть, правда, несколько сетевых исследователей XXI века, упомянуть которых просто необходимо. Прежде всего, я бы отметил физика Ладу Адамик, о которой в этом блоге уже писали. Она известна, например, исследованием использования Твиттера во время выборов в США в 2010 году.
        Ещё хотелось бы упомянуть психолога Николаса Кристакиса и политолога Джеймса Фаулера, опубликовавших работу «Связанные одной сетью». Эта книга произвела фурор благодаря их теории о том, что лишний вес и счастье, а также курение могут передаваться по каналам социальных сетей. Помимо этого, у них есть работа о том, что такое поведение, как развод также передается по социальным сетям. Если наши друзья разводятся, то эта участь также может с большой вероятностью ожидать и нас. Об этом исследовании авторы этого блога также написали один из наиболее увлекательных постов.

Думаю, следует также отметить дану бойд, опубликовавшую статью «Why Youth (Heart) Social Network Sites», где анализируется влияние социальных сетей интернета на личности подростков. На этом пока остановлюсь, так как более подробное рассмотрение современных авторов заслуживает отдельной статьи.

***

В заключение хотелось бы сказать, что для написания этой статьи были использованы материалы учебного курса «Социальные сети в междисциплинарном аспекте», который я читаю магистрам ГАУГНа. Также хочу поблагодарить своих коллег Софию Докуку и Диляру Валееву за предложение опубликовать этот текст на их замечательном ресурсе «Asocial Networks».

Сети в искусстве: корни, ветви, листья

В этом посте, в отличие от других постов, не будем пересказывать работы социологов или экономистов, а расскажем о том, как сами художники, кураторы и критики осмысляли роль социального влияния и социальных связей в искусстве. Скорее, покажем.

Рождение модернизма

Все началось с Альфреда Барра, первого директора Музея современного искусства в Нью-Йорке, который в 1930-х попробовал нарисовать схему развития модернизма. В архиве Музея современного искусства хранится несколько версий этой схемы и впоследствии стала известной та, которая появилась на обложке его книги «Кубизм и абстрактное искусство» (1936).

Обложка книги А. Барра "Кубизм и абстрактное искусство" (1936). Красным цветом были обозначены влияния, внешние миру искусства.

Деревья искусства

Визуализация в виде деревьев намного более популярна и понятна по сравнению с сетевой визуализацией. Ниже представлены рисунки таких деревьев искусства. На первом видим отцов-основателей в корне дерева, течения-ветви и художников-листья. На втором также художники - это листья, ветви - течения, но есть отростки, которые представляют национальные художественные школы.

Miguel Covarrubias. The Tree of modern Art – Planted 60 Years Ago, in Vanity Fair, vol. 40, no.3, May 1933, p.36

Nathaniel Pousette-Dart. A Tree Chart of Contemporary American Art, in Art and Artistes of Today, vol.1, no.6, June-July 1938, p.2 

Подробнее об этих деревьях и о том, как они пересекаются со схемой Барра, можно почитать здесь.

Флюксус

Художники флюксуса не могли не сделать работ в виде схем о себе, ниже представлены две. На первой показана схема развития этого движения и влияния различных персонажей и течений на становление флюксуса. На второй мы видим примерно то же самое, только больше событий и персонажей, которые, казалось бы, не могли повлиять на становление художественного движения.

Expanded Arts Diagram. По ссылке  можно посмотреть более крупную версию изображения

Diagram of Historical Development of Fluxus and Other 4 Dimensional, Aural, Optic, Olfactory, Epithelial and Tactile Art Forms. По ссылке можно посмотреть более крупную версию изображения

Inventing Abstraction

С сетями в современном понимании можно познакомиться (и потрогать) на сайте выставки Inventing Abstraction, которая прошла в 2012-2013 году в Музее современного искусства в Нью-Йорке. Ссылаясь на схему А. Барра, кураторы совместно с исследователями из Колумбийского университета разработали интерактивную сеть связей и влияния между различными художниками того времени. Так, они выяснили, что Кандинский в этой сети занимает важную позицию посредника, связывая множество не связанных между собой групп.

Сеть связей между художниками-абстракционистами. Проект Inventing Abstraction

East Art Map

Любопытный художественный и сетевой проект, в котором мог поучаствовать каждый — это East Art Map группы Irwin. В этом проекте описывается сеть взаимоотношений между художниками, художественными событиями и проектами Западной Европы после 1945 года. Изначально было выбраны эксперты (критики, художники и кураторы), которые отобрали наиболее значимые, по их мнению, события и персоны. На сайте проекта пишут, что каждый мог принять участие в этом совместном картировании, выбрав по 10 наиболее важных художников или проектов из каждой западноевропейской страны.

East Art Map группы Irwin в экспозиции. Источник фото

Сеть East Art Map группы Irwin

Кто кого хранит

И последний любопытный проект — это исследование Насти Рябовой Artists' Private Collections, в котором она задавалась вопросом, чьи работы коллекционируют сами художники. На финальной инсталляции она показывает как фотографии самих коллекционируемые работы, так и проводит связи между ними. Связь обозначает появление художника в коллекции другого художника.

А. Рябова. Artists' Private Collections. Источник

И все-таки, сколько друзей мне нужно иметь?

Так называемое «Число Данбара» широко обсуждалось в интернете в прошлом году. Напомним, число Данбара равно 150 – это количество людей, с которыми человек на когнитивном уровне может поддерживать стабильные взаимоотношения.

Почему 150? Во времена Роберта Данбара, антрополога из Оксфорда, была популярна так называемая гипотеза социального мозга. Согласно ее предпосылкам, мозг приматов относительно большой, так как они способны находиться в сложных социальных взаимоотношениях друг с другом. Данбар, изучая такое социальное поведение обезьян, как чистка шерсти, попробовал предсказать оптимальный размер социальной группы, в которой могут находиться люди (которые также относятся к отряду приматов). Он связал такой показатель, как относительная доля неокортекса в мозгу с размером социальной группы у приматов и предсказал, что размер этой группы у людей будет равен 148 (при округлении, 150).

Иллюстрация взаимосвязи между средним размером социальной группой у приматов и долей неокортекса по отношению к размеру мозга. Источник: bloomberg.com

Одно из первых исследований, в котором предположения Данбара были подтверждены эмпирически — это его собственная работа, выполненная совместно с антропологом Расселом Хиллом. По аналогии с экспериментом «малого мира» Милграма, в котором рассылались письма, Данбар и Хилл просили британцев рассылать поздравительные рождественские открытки – практика, которая была намного более распространена в то время, чем сейчас, и могла быть использована для оценки размера социальной сети контактов. На основе полученных данных исследователи пришли к выводу, что среднее количество контактов человека равно 154, то есть очень близко к теоретическим оценкам Данбара, построенным на основе предположений о размере неокортекса. В недавних работах было показано, что это число работает даже в социальных онлайн-сетях, где, казалось бы, иметь тысячи друзей и фолловеров — норма.

Кто еще пытался оценить подобные числа?

На самом деле, попытки оценить размер социальной группы, в которой может находиться человек, были и до, и после работ Роберта Данбара. Некоторые исследователи обнаруживали схожие числа, другие числа сильно отличаются.

Наиболее активной в этой сфере была группа исследователей Киллворт, Бернар и МакКарти, которые делали эксперименты в конце 1970-х — начале 1980-х. В одной из работ в их выборке были американцы, которым предлагался список людей с именами, профессиями, местами проживания. Участникам предлагалась следующая гипотетическая ситуация: они должны передать какое-то сообщение человеку из списка. Нужно было использовать свои личные знакомства, чтобы сообщение достигло цели. Участник исследования мог выбрать из своей сети знакомств одного человека, через которого можно передать это сообщение. Согласно их результатам, среднее число знакомых составляло 250. Однако важно, что это исследование касается инструментальных знакомств, которых можно активно задействовать, а не держать “в пассиве”.

Другая работа этой же группы была проведена на основе телефонных опросов по репрезентативной выборке американского населения в 1998-1999 годах. МакКартис коллегами (2001) разработали два метода, которые позволили оценивать размер личной социальной сети. Первый метод они назвали «метод масштабирования». Его идея заключалась в том, чтобы спрашивать у людей о личной сети через специфические группы населения, с которыми они знакомы. К примеру, респондентов просили назвать со сколькими людьми, больными диабетом или попавшими в аварию, они знакомы. В среднем в выборке исследователей люди знали 3 диабетиков, 4 женщин, которые родили ребенка за последний год, 2 почтовых служащих и т.д.

Второму методу они дали название «метод суммирования». В этом случае, исследователи просили обозначить социальное окружение через группы, с которыми у человека существуют какие-либо отношения. К примеру, к таким группам могли относиться члены семьи, близкие, друзья, коллеги. Выяснилось, что в среднем у людей 4 близких члена семьи и 24 — членов расширенной семьи, 36 коллег, 4 лучших друга, 18 знакомств со школы. После подсчетов и сравнения обоих методов, личная социальная сеть знакомств оценивалась в 290 человек для обоих методов.

Помимо этого, еще в 1950-х были работы, в которых исследователи пытались оценить размер личной социальной сети через дневники наблюдения или телефонные книжки. В их случае, редко можно встретить средние числа, так как их в большей степени интересовали границы сети знакомств. Максимум достигал пяти тысяч знакомых.

Почему число Данбара стало популярным, а другие — нет?

При оценке числа 150, Данбар руководствовался когнитивными особенностями человека. Он отсылает к особенностям мозга и к тому, что это число связей на физиологическом уровне уже заложено в нас как в приматах, и мы не в силах его изменить. Это и привлекает большое внимание и интерес.

Чистка шерсти у приматов как социальное поведение. Источник

      В то же время, МакКарти с коллегами подходят к вычислению этого числа очень «по-человечески» - посредством телефонных опросов, экспериментальных ситуаций, телефонных книжек. Более того, при сравнении различных культур, выясняется, что числа могут значимо разниться. Иными словами, если даже способность к социальности и заложена в мозге, ее демонстрация может быть связана со специфическими культурными особенностями.

Почему мы знаем про число 150, и что нам делать со знанием о том, что в некоторых исследованиях это число близко 300? Здесь, конечно же, мы сталкиваемся с различиями в способах измерения оптимального количества знакомств. Одна группа работ, используя различные методы, показывает, что это 150, другая группа работ, также используя разные подходы, говорит о 300. Несомненно, эти числа очень усреднены и разнятся в зависимости от культуры, профессии человек, возраста и многих других факторов. Единственное, что мы можем с уверенностью сказать - поддерживать одновременно 500 знакомств, скорее всего, будет совсем непросто.