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.

День красоты и нежности

Одна из самых известных моделей, объясняющая формирование сетей, - это модель Барабаши-Альберт. Часто мы слышим, как, упоминая эту модель, люди предполагают, что оба автора этой модели - мужчины, не зная того, что второй автор, Река Альберт -- женщина и не менее важная исследовательница сетевых моделей, чем Альберт-Ласло Барабаши.

На днях в одной группе в Фейсбуке о психологических сетях была небольшая дискуссия о вкладе женщин в исследования сетей. Аспирант спросил, в чем различие между исследователями психологических сетей и других сетей. Первый комментатор обозначил, что есть несколько школ и назвал нескольких важных авторов, все среди которых были мужчины. Второй комментатор написал, что не нужно забывать о многих других талантливых женщинах, которые внесли не менее важный вклад в сетевую психометрику.

Недавнее обсуждение в одной из фейсбук-групп о сетевом анализе. Скриншот, имена комментаторов и автора замазаны

Вспомнив, что сегодня 8 марта - не день красоты и нежности, а день борьбы за права женщин в этом непростом мире, мы решили написать пост об исследовательницах, которые занимаются изучением сетей, и работы которых нас вдохновляют. Однажды мы уже писали об известных исследовательницах социальных сетей. Тогда список был не очень большой, но мы решили его обновить и немного расширить.

Хелен Дженнингс

Социологи называют Якоба Морено «отцом сетевого анализа», но на самом деле сетевой анализ вырос в полной семье и у него была ещё и мать. Хелен Дженнингс специализировалась на психометрике и, встретившись с Морено, добавила в изображения социальных связей Морено линейную алгебру. Как отмечает Линтон Фриман, Дженнингс активно участвовала в разработке дизайна и проведении исследований. К сожалению, она не была включена как соавтор двух книг Морено, но за ней осталось авторство дополнительных материалов к книге (то есть все вычисления).

Лада Адамик

Лада сегодня работает в Фейсбуке, а до этого активно изучала онлайн-сети в университете. А стала она известной своей работой про политическую сегрегацию в Твиттере, показав, что блоги разных политических партий не пересекаются в онлайн-пространстве. В последние годы в Фейсбуке она изучала иммигрантские сообщества, как профессии родителей передаются детям, и о то, каклюбители кошек и собак различаютсямежду собой. Лада также озабочена вопросами совмещения семьи и карьеры для женщин и сейчас проводит неформальное исследование о том, как это - быть матерью и работать в университете.

Река Альберт

Уже упомянутая выше Река Альберт занимается биофизикой и активно использует инструментарий сетевого анализа в своих работах. Ее интересуют свойства таких комплексных сетей, как взаимоотношения хищников и жертв, симбиотические отношения между растениями и насекомыми, и сети протеинов и болезней. Река старается работать над вопросами, которые помогут людям справиться с тяжелыми болезнями, например, она изучала механизмы рака и лейкемии.

Яна Дизнер

Яна занимается сетями цитирований, семантическими сетями и сетями коммуникаций. Например, одна из недавних ее работ с коллегами - это о  том, как предсказать, кто написал рецензию на документальный фильм: эксперт или новичок. В ее исследовательской группе также много внимания уделяется этической стороне работы с большими данными о человеческом поведении.

Сандра Гонсалес-Байлон

Сандра занимается исследованиями поведения в интернете, используя, в основном, данные из Твиттера. Ее свежие статьи о том, как люди читают новости и о том, как люди включаются в возобновлениеколлективных действий, например, протестов и демонстраций. Недавно вышла ее книга "Расшифровывая социальный мир: наука о данных и ненамеренные последствия коммуникации".

Эмма Шпиро

Пару лет назад Эмма была названа одной из лучших молодых мыслителей до тридцати по версии журнала Pacific Standard Magazine. Ее интересуют кризисные сети, например, это сети координации во время ураганов, природных катаклизмов и различных чрезвычайных ситуаций. Она изучает человеческое поведение онлайн, например, распространение ложной информации во время критических ситуаций.

Мишель Гирван

Мишель Гирван интересуют биологические сети и социофизика. Например, последние ее работы о связях между генами. Мишель Гирван совместно с Марком Ньюманом разработали один из самых распространенных подходов к выявлению сообществ в сетях. В этом методе для каждого из ребер сети вычисляется степень посредничества (edge betweenness), после чего ребро с наибольшей степенью посредничества удаляется из сети. Алгоритм повторяется до тех пор, пока социальная сеть не разделится на четко выделенные сообщества. Этот алгоритм используется, если мы хотим узнать, из каких микросообществ состоит сеть. Например, наши друзья, скорее всего, разделены на несколько сетевых сообществ: близкие друзья, коллеги, старые школьные друзья, приятели, семья и так далее.

Кэтрин Фауст

Кэтрин Фауст была у истоков разработки статистических подходов к анализу социальных сетей. Ранее она много писала о методологических аспектах сетевого анализа, а также ее интересовали структурные особенности различных сетей. Например, она изучала их свойства, показав, например, что сети людей и животных очень схожи по своей структуре.

Мартина Моррис

Мартина Моррис разрабатывает методологию сетевого анализа. Так, она участвовала в развитии проекта statnet - набора пакетов в R для моделирования сетей. Она уже много лет изучает распространениезаболеваний, передающихся половым путем через социальные сети и разрабатывает методы сетевой эпидемиологии. Например, ее интересует, как передаются половые заболевания при concurrent partnerships, то есть в случае, когда сексуальных партнеров больше, чем двое.

***

К сожалению, мы не можем рассказать о большом количестве других исследовательниц, и здесь мы ограничились только зарубежными учеными. Мы признаем, что достойных исследовательниц сетей очень много и все они вносят очень большой вклад в развитие этого направления. Если вы считаете, что мы определенного забыли кого-то очень-очень важного, напишите нам в комментариях к посту. Мы хотим расширять этот лист ученых и поддерживать его в будущем.