https://soc4m.ru/index.php/soc4m/issue/feedСоциология: методология, методы, математическое моделирование (Социология:4М)2024-07-23T15:38:59+03:00Гаврилов Кирилл Андреевичsociology.4m@gmail.comOpen Journal Systems<p><strong>ISSN</strong> 1994-8964 (print), 2949-463Х (online)<br>С 2023 года выходит в сетевом формате<br><strong>Периодичность:</strong> 2 раза в год. Издается с 1991 года<br> <strong>Издатель:</strong> Институт социологии ФНИСЦ РАН<br><strong>Главный редактор</strong> - И.Ф. Девятко, д. соц. н., профессор<br><strong>Индексируется:</strong> WoS RSCI, РИНЦ, <br>включен в перечень ВАК, категория К1<br><strong>Рецензирование</strong>: двойное слепое<br>Журнал открытого доступа</p>https://soc4m.ru/index.php/soc4m/article/view/ZBAAGNСравнительный анализ возможностей WoS и eLibrary для анализа библиографических сетей2024-07-22T21:31:34+03:00Дарья Васильевна Мальцеваdmaltseva@hse.ruИрина Анатольевна Павловаiapavlova@hse.ruЛика Владимировна Капустинаlkapustina@hse.ruВасилиса Андреевна Ващенкоvvashchenko@hse.ruДалибор Фиалаdalfia@kiv.zcu.cz<p>В статье проводится сравнительный анализ баз данных научных публикаций Web of Science Core Collection и eLibrary с целью выделения их особенностей и описания возможностей анализа при изучении библиографических сетей российских авторов. Актуальность исследования определяется необходимостью адаптации и разработки подходов и инструментов для сбора, предобработки и анализа библиографических данных на русском языке. Анализ проводится на основе сравнения массивов данных публикаций в научных журналах в области социологии, выгруженных за период 2010–2021 гг. Выделяются основания для сопоставления двух баз, характеризующие получение доступа к данным, организацию данных в базах, количественные и содержательные характеристики данных. Анализ отобранных параметров позволяет найти пересечения между массивами данных и содержательными результатами анализа. Делаются выводы о соотношении двух баз, их возможностях и ограничениях по использованию в качестве основного (единственного) источника информации, даются рекомендации об их использовании для изучения отечественной науки.</p>2024-07-18T00:00:00+03:00##submission.copyrightStatement##https://soc4m.ru/index.php/soc4m/article/view/SJPPOZТематическое моделирование для коротких текстов: сравнительный анализ алгоритмов2024-07-21T23:59:04+03:00Василиса Андреевна Ващенкоvvashchenko@hse.ru<p>Устойчивый рост популярности социальных сетей в качестве средства коммуникации актуализирует методологические вопросы, связанные с особенностями обработки коротких текстов, обладающих меньшим семантическим контекстом, чем крупные тексты, широко используемые для обучения и тестирования моделей машинного обучения для работы с текстовыми данными. Тематическое моделирование – метод машинного обучения «без учителя», нацеленный на агрегацию текстов в тематические кластеры, – имеет множество академических и практических приложений в случаях отсутствия подробной разметки текстовых данных. Однако качество работы алгоритмов тематического моделирования может ограничиваться полнотой семантического контекста, необходимого для качественного числового представления единицы текста. В этой статье рассматриваются шесть разных подходов к тематическому моделированию, основанных на различающихся принципах концептуализации текста и тем. Сравнивается качество работы указанных алгоритмов на наборе русскоязычных комментариев в сети TikTok и проводится формальная оценка скорости и когерентности результирующих тем.</p>2024-07-17T00:00:00+03:00##submission.copyrightStatement##https://soc4m.ru/index.php/soc4m/article/view/GXCDWBКачественный сетевой анализ на практике: сравнение способов построения сетевых карт2024-07-22T21:32:35+03:00Арюна Витальевна Кимaryunakimm@gmail.com<p>Данная статья посвящена применению качественного сетевого анализа на примере изучения социальных взаимодействий молодых родителей в миграции. Представлено концептуальное описание качественного сетевого анализа, особенности визуализации сети, дизайн качественного сетевого исследования, сравнение двух подходов к построению сетевых карт и пример их анализа. Качественный сетевой анализ направлен на изучение отношений в сети и состоит из интерпретативного и структурного компонентов, которые реализуются посредством проведения интервью и построения сетевой карты. Два подхода к построению сетевых карт отличаются тем, что в одном случае сетевые карты строятся исследователем на основе интервью, а в другом случае построение карты делегируется самому информанту. Первый способ лимитирован данными интервью и является их структурной визуализацией. Второй способ построения сетевой карты самим информантом создает дополнительные ресурсы для интерпретации – контрастирующие нарративы и визуальное структурирование взаимодействий информанта.</p>2024-07-18T00:00:00+03:00##submission.copyrightStatement##https://soc4m.ru/index.php/soc4m/article/view/FDYTSVОпыт реализации дискурс-анализа и концептуального картирования сообществ здорового питания2024-07-23T15:38:59+03:00Сергей Ткачs.tkach@spbu.ruПолина Дмитриевна Воробьеваst098355@student.spbu.ruМайя Михайловна Русаковаm.rusakova@spbu.ru<p><br> В статье приводится опыт имплементации методов дискурс-анализа в трактовке Э. Лакло и Ш. Муфф и метода концептуального картирования в интерпретации У. Трочима посредством методики сетевого анализа на примере тематики здорового питания. Результатом анализа выступают графы, которые позволяют выделить борьбу агентов дискурса за означение ключевых дискурсивных знаков, а также рассмотренная в статье в качестве примера концептуальная карта участников онлайн-дискуссии по спорным в рамках тематики вопросам. В качестве эмпирической базы дискурс-анализа выступили 3 тыс. собранных комментариев в четырех сообществах о здоровом питании социальных сетей «ВКонтакте» и «Одноклассники». Разработанная реализация методов концептуального картирования и дискурс-анализа адаптирована для анализа онлайн- дискуссий. Последующая валидация разработанных методов видится направлением дальнейших исследований. У предлагаемых дизайнов есть ряд ограничений, которые обсуждаются в статье.</p>2024-07-20T00:00:00+03:00##submission.copyrightStatement##https://soc4m.ru/index.php/soc4m/article/view/CKAHLQТипологизация профессиональных траекторий одаренных личностей с помощью нейросетевого анализа2024-07-22T21:36:26+03:00Ольга Ростиславовна Чепьюкchepyuko@yandex.ruОльга Юрьевна Ангеловаoangelova@mail.ruАндрей Львович Сочковsochkov@iee.unn.ruТатьяна Олеговна Подольскаяpodolskaya@iee.unn.ru<p>На основе массива данных (100 биографий), сформированного авторами по результатам контент-анализа биографического материала о выдающихся ученых XIX и ХХ вв. в гуманитарной и естественно-научных сферах, проведена кластеризация профессиональных траекторий одаренных личностей. Методом кластеризации стал нейросетевой анализ на основе самоорганизующихся карт Кохонена. Сами траектории были сформированы в рамках поведенческой модели линейно-стадиального подхода в исследовании жизненных циклов. В рамках этого подхода карьера и профессиональная самореализация человека понимаются как последовательность этапов эволюции человека, фиксированных в порядке наступления. Каждый из этапов был закодирован, а биографии преобразованы в систему векторов. В свою очередь задача кластеризации заключалась в разбиении массива объектов из сотни векторов на типовые группы, имеющие несколько вещественных интервальных координат. Критериями качества кластеризации стали показатели минимальной суммы ошибок квантования, а также коэффициент силуэта. По итогам исследования были выделены и интерпретированы семь профессиональных траекторий одаренных личностей. Анализ траекторий проводился с точки зрения скорости достижения успеха (среднего возраста успеха) и тех факторов и условий жизненного пути, которые могли повлиять на более быстрое или медленное достижение профессиональных целей и самореализацию. На этом примере были показаны возможности и ограничения использования нейросетевого анализа для решения сходных исследовательских задач, в особенности когда требуется работать со сложными формами кластеров и находить их оптимальное число.</p>2024-07-21T00:00:00+03:00##submission.copyrightStatement##