След как знак: эпистемология и методология цифровых данных в социологии
- Авторы: Матвеев М.С.1
-
Учреждения:
- Санкт-Петербургский государственный электротехнический университет «ЛЭТИ»
- Выпуск: № 4 (2025)
- Страницы: 71-80
- Раздел: СТАТЬИ
- URL: https://ogarev-online.ru/2409-7144/article/view/372889
- EDN: https://elibrary.ru/MUOPRO
- ID: 372889
Цитировать
Полный текст
Аннотация
Статья посвящена анализу эпистемологических и методологических проблем интеграции цифровых следов в эмпирическую социологию. Актуальность темы определяется ростом объёма цифровых данных и необходимостью их осмысленной интеграции в социальные науки. Как показывает опыт других исследователей, на текущий момент анализ цифровых поведенческих данных вызывает скорее объект критики. Из этого напрямую вытекает цель данной статьи — проанализировать и выявить эпистемологические и методологические сложности интеграции цифровых следов в социологическую традицию, а также показать, что работа с подобного типа данными находится в гораздо более широкой историко-теоретической рамке. Кроме того, поставлена задача обосновать необходимость интерпретативного подхода на любых объемах цифровых данных и подчеркнуть необходимость контекстуализации и критической рефлексии на всех этапах исследования. Методологическую основу статьи составляют общенаучные методы — теоретико-методологический анализ, сравнение и обобщение научных источников по проблеме исследования. В результате исследования обоснована необходимость комплексного подхода, предполагающего различную основу источников цифровых поведенческих данных, сочетание количественного анализа цифровых данных с интерпретацией, учёта платформенной специфики, возможной алгоритмической селекцией при формировании выборки выгружаемых данных и необходимость проверки аутентичности данных на наличие автоматизированной активности. Сделан вывод о необходимости критического отношения на всех этапах исследования к цифровым данным и понимания их как знаков, требующих научной рефлексии, а не как готовых эмпирических фактов. Тем не менее, выявлено, что такая точка зрения прослеживается и в более ранних ключевых работах о нереактивной исследовательской стратегии в социологии. На основе проведенной работы были предложены рекомендации и примеры работ, использующих интепретативную рамку, как на уровне качественной стратегии цифровых исследований, так в масштабах, понимающихся в широком дискурсе, как Большие данные.
Об авторах
Михаил Сергеевич Матвеев
Санкт-Петербургский государственный электротехнический университет «ЛЭТИ»
Email: mikhail.matveev97@gmail.com
ORCID iD: 0000-0002-5378-6559
аспирант; кафедра Социологии и политологии;
Список литературы
World Economic Forum. How much data is generated each day? [Электронный ресурс]. 2019. URL: https://www.weforum.org/stories/2019/04/how-much-data-is-generated-each-day-cf4bddf29f/ (дата обращения: 11.04.2025). Anderson C. The End of Theory: The Data Deluge Makes the Scientific Method Obsolete // Wired [Электронный ресурс]. June 23, 2008. Губа К. Большие данные в социологии: новые данные, новая социология? // Социологическое обозрение. 2018. № 1. С. 213-236. doi: 10.17323/1728-192X-2018-1-213-236 EDN: XNYZFZ. Николаенко Г. А., Фёдорова А. А. Нереактивная стратегия: применимость незаметных методов сбора социологической информации в условиях Web 2.0 на примере цифровой этнографии и Big Data // Социология власти. 2017. № 4. С. 39-53. doi: 10.22394/2074-0492-2017-4-36-54 EDN: XSLXPV. Богданов М. Б., Смирнов И. Б. Возможности и ограничения цифровых следов и методов машинного обучения в социологии // Мониторинг общественного мнения: экономические и социальные перемены. 2021. № 1. С. 27-48. doi: 10.14515/monitoring.2021.1.1760 EDN: SXSBFV. Сапонова А. В., Куликов С. П. Интеграция опросных данных и цифровых следов: обзор основных методологических подходов // Социология: 4М. 2021. № 53. С. 117-147. doi: 10.19181/4m.2021.53.4 EDN: LUWLVB. Savage M., Burrows R. The coming crisis of empirical sociology // Sociology. 2007. Vol. 41, no. 5. P. 885-899. doi: 10.1177/0038038507080443 EDN: JPVNGP. Rokkan S. Comparing nations: The use of quantitative data in cross-national research // Merritt R. L., Rokkan S. (eds.). Comparative cross-national research: The context of current efforts. New Haven: Yale University Press, 1966. P. 3-25. Lazarsfeld P. F. A conceptual introduction to latent structure analysis // Lazarsfeld P. F. (ed.). Mathematical thinking in the social sciences. Glencoe, IL: The Free Press, 1953. P. 349-387. Webb E. J., Campbell D. T., Schwartz R. D., Sechrest L. Unobtrusive measures: nonreactive research in the social sciences. Chicago: Rand McNally, 1966. 220 p. Ginzburg C. Clues: Roots of a scientific paradigm // Theory and Society. 1979. Vol. 7, no. 3. P. 273-288. doi: 10.1007/bf00207323 EDN: ILBEOI. Bernheim E. Lehrbuch der historischen Methode und der Geschichtsphilosophie: mit Nachweis der wichtigsten Quellen und Hilfsmittel zum Studium der Geschichte. 6th ed. Berlin: Duncker & Humblot, 1908. Rava G. Traces and Their (In)significance // What People Leave Behind: Digital Footprints as Socio-Material Resource in the Age of Big Data / eds. C. Ciborra, A. Caliandro. Cham: Palgrave Macmillan, 2023. P. 329-343. Бархатова Л. А. Структурные особенности коммуникации российских социологов: кейс онлайн-сообщества // Мониторинг общественного мнения: экономические и социальные перемены. 2020. № 5. С. 204-221. doi: 10.14515/monitoring.2020.5.1656 EDN: OXNELV. Venturini T., Latour B. The Social Fabric: Digital Traces and Quali-quantitative Methods // Proceedings of Future En Seine. Paris: Cap Digital, 2010. Shelton T., Poorthuis A., Zook M. Social Media and the City: Rethinking Urban Socio-Spatial Inequality Using User-Generated Geographic Information // Landscape and Urban Planning. 2015. Vol. 142. P. 198-211. Chun W. H. K. Updating to Remain the Same: Habitual New Media. Cambridge, MA: MIT Press, 2016. 264 p. Golder S. A., Macy M. W. Digital Footprints: Opportunities and Challenges for Online Social Research // Annual Review of Sociology. 2014. Vol. 40, No. 1. P. 129-152. doi: 10.1146/annurev-soc-071913-043145. Arosio L. What People Leave Behind Online: Digital Traces and Web-Mediated Documents for Social Research // In: Comunello F., Martire F., Sabetta L. (eds.) What People Leave Behind: Digital Traces in Context. Cham: Springer, 2022. P. 311-324. doi: 10.1007/978-3-031-11756-5_20. Gillespie T. The relevance of algorithms // In: Media technologies: essays on communication, materiality, and society / eds. T. Gillespie, P. J. Boczkowski, K. A. Foot. Cambridge (MA): MIT Press, 2014. P. 167-194. Tufekci Z. Big questions for social media big data: representativeness, validity and other methodological pitfalls // Proceedings of the Eighth International AAAI Conference on Weblogs and Social Media (ICWSM-14). Michigan: AAAI Press, 2014. P. 505-514.
Дополнительные файлы

