Из Википедии, свободной энциклопедии
Перейти к навигации Перейти к поиску
Часть серии по
Социология
Схема социальной сети (сегмент) .svg
Методы
Подполя
Люди
  • Эмиль Дюркгейм
  • Герберт Спенсер
  • Макс Вебер
  • Огюст Конт
  • Роберт К. Мертон
  • Пол Лазарсфельд
  • Джеймс Коулман
  • Джордж Герберт Мид
  • Георг Зиммель
  • WEB Du Bois
  • Эрнест Берджесс
  • Мишель Фуко
  • Эрвинг Гоффман
  • Юрген Хабермас
  • Торстейн Веблен
  • Фердинанд Тоннис
Исторические перспективы
  • Теория конфликта
  • Структурный функционализм
  • Позитивизм
  • Социальный конструктивизм
Списки
  • Список используемой литературы
  • Терминология
  • Журналы
  • Организации
  • Люди
  • Лента новостей
  • По стране
  •  Общественный портал
  • v
  • т
  • е

Вычислительная социология - это отрасль социологии, которая использует вычислительно-интенсивные методы для анализа и моделирования социальных явлений. Используя компьютерное моделирование , искусственный интеллект , сложные статистические методы и аналитические подходы, такие как анализ социальных сетей , вычислительная социология разрабатывает и проверяет теории сложных социальных процессов посредством восходящего моделирования социальных взаимодействий. [1]

Он включает в себя понимание социальных агентов, взаимодействия между этими агентами и влияние этих взаимодействий на социальную совокупность. [2] Хотя предмет и методология социальных наук отличаются от естественных и компьютерных наук , некоторые из подходов, используемых в современном социальном моделировании, возникли из таких областей, как физика и искусственный интеллект . [3] [4] Некоторые из подходов, которые возникли в этой области, были импортированы в естественные науки, например, меры сетевой центральности из областейанализ социальных сетей и сетевая наука .

В соответствующей литературе вычислительная социология часто связана с изучением социальной сложности . [5] Понятия социальной сложности, такие как сложные системы , нелинейная взаимосвязь между макро и микропроцессами и эмерджентность , вошли в словарь вычислительной социологии. [6] Практическим и хорошо известным примером является построение вычислительной модели в форме « искусственного общества », с помощью которой исследователи могут анализировать структуру социальной системы . [2] [7]

История [ править ]

Смотрите также: Социология и наука о сложности
Историческая карта исследовательских парадигм и ассоциированных ученых в области социологии и теории сложности .

Фон [ править ]

За последние четыре десятилетия вычислительная социология была представлена ​​и стала набирать популярность [ по мнению кого? ] . Это использовалось в основном для моделирования или построения объяснений социальных процессов и зависит от появления сложного поведения из простых действий. [8] Идея возникновения состоит в том, что свойства любой более крупной системы не всегда должны быть свойствами компонентов, из которых система сделана. [9] Люди, ответственные за внедрение идеи эмерджентизма, - это Александр, Морган и Броуд, которые были классическими эмерджентистами. Время, когда эти эмерджентисты придумали эту концепцию и метод, было в начале двадцатого века. Целью этого метода было найти достаточно хорошее приспособление между двумя различными крайними онтологиями, которыми были редукционистский материализм и дуализм. [8]

Хотя эмерджентность сыграла ценную и важную роль в создании вычислительной социологии, есть те, кто не обязательно с этим согласен. Один крупный лидер в этой области, Эпштейн, усомнился в возможности использования, потому что есть аспекты, которые необъяснимы. Эпштейн выдвинул претензию против эмерджентизма, в котором он говорит, что «именно порождающая достаточность частей составляет объяснение целого». [8]

Агентные модели оказали историческое влияние на вычислительную социологию. Эти модели впервые появились в 1960-х годах и использовались для моделирования процессов управления и обратной связи в организациях, городах и т. Д. В 1970-х годах приложение ввело использование людей в качестве основных единиц анализа и использовало восходящие стратегии для моделирование поведения. Последняя волна пришлась на 1980-е годы. В то время модели все еще были восходящими; Единственное отличие состоит в том, что агенты взаимодействуют между собой. [8]

Теория систем и структурный функционализм [ править ]

Основные статьи: теория систем и структурный функционализм

В послевоенной эпохе, Ванневар Буш «s дифференциальный анализатор , Джон фон Нейман » s клеточные автоматов , Норберт Винер «s кибернетик , и Клод Шеннон » s теория информации стали влиятельными парадигмами для моделирования и понимания сложности в технических системах. В ответ ученые в таких дисциплинах, как физика, биология, электроника и экономика, начали формулировать общую теорию систем, в которой все природные и физические явления являются проявлениями взаимосвязанных элементов в системе, имеющей общие закономерности и свойства. По следам Эмиля Дюркгейма«Призыв к анализу сложного современному обществу в своем роде , [10] Послевоенный структурный функционализм социологов , такие как Т. Парсонс ухватились этими теории систематического и иерархического взаимодействия составных компонентов , чтобы попытаться генерировать грандиозные унифицированные социологические теории, такие как парадигма AGIL . [11] Социологи, такие как Джордж Хоманс, утверждали, что социологические теории должны быть формализованы в виде иерархических структур утверждений и точной терминологии, из которых можно было бы вывести другие предложения и гипотезы и применить их в эмпирических исследованиях. [12]Поскольку компьютерные алгоритмы и программы использовались еще в 1956 году для проверки и подтверждения математических теорем, таких как теорема о четырех цветах , [13] некоторые ученые ожидали, что аналогичные вычислительные подходы могут «решать» и «доказывать» аналогично формализованные проблемы и теоремы социальные структуры и динамика.

Макросимуляция и микросимуляция [ править ]

Основные статьи: Системная динамика и микросимуляция

К концу 1960-х - началу 1970-х годов социологи использовали все более доступные вычислительные технологии для выполнения макромоделирований процессов управления и обратной связи в организациях, отраслях, городах и глобальном населении. Эти модели использовали дифференциальные уравнения для прогнозирования распределения населения как целостной функции других систематических факторов, таких как управление запасами, городской транспорт, миграция и передача болезней. [14] [15] Хотя моделирование социальных систем привлекло значительное внимание в середине 1970-х годов после того, как Римский клуб опубликовал отчеты, предсказывающие, что политика, способствующая экспоненциальному экономическому росту, в конечном итоге приведет к глобальной экологической катастрофе, [16]неудобные выводы заставили многих авторов попытаться дискредитировать модели, пытаясь выставить самих исследователей ненаучными. [2] [17] Надеясь избежать той же участи, многие социологи обратили свое внимание на модели микромоделирования, чтобы делать прогнозы и изучать влияние политики путем моделирования совокупных изменений состояния объектов на индивидуальном уровне, а не изменений в распределении на уровне уровень населения. [18] Однако эти модели микромоделирования не позволяли людям взаимодействовать или адаптироваться и не предназначались для фундаментальных теоретических исследований. [1]

Клеточные автоматы и агентное моделирование [ править ]

Основные статьи: Клеточные автоматы и агентное моделирование

1970-е и 1980-е годы также были временем, когда физики и математики пытались моделировать и анализировать, как простые компоненты, такие как атомы, вызывают глобальные свойства, такие как сложные свойства материала при низких температурах, в магнитных материалах и в турбулентных потоках. . [19] Используя клеточные автоматы, ученые смогли определить системы, состоящие из сетки ячеек, в которой каждая ячейка занимала только некоторые конечные состояния, а изменения между состояниями управлялись исключительно состояниями ближайших соседей. Наряду с достижениями в области искусственного интеллекта и мощности микрокомпьютеров , эти методы способствовали развитию « теории хаоса » и « теории сложности»."что, в свою очередь, возродило интерес к пониманию сложных физических и социальных систем через дисциплинарные границы. [2] Исследовательские организации, явно посвященные междисциплинарному изучению сложности, также были основаны в эту эпоху: Институт Санта-Фе был основан в 1984 году учеными из в Лос-Аламосской национальной лаборатории и группа BACH в Мичиганском университете также начали свою деятельность в середине 1980-х годов.

Эта парадигма клеточного автомата породила третью волну социального моделирования, в которой особое внимание уделяется агентному моделированию. Подобно микромоделированию, эти модели делали упор на восходящее проектирование, но принимали четыре ключевых допущения, которые расходились с микромоделированием: автономия, взаимозависимость, простые правила и адаптивное поведение. [1] Агентные модели меньше заботятся о точности прогнозов и вместо этого делают упор на теоретические разработки. [20] В 1981 году математик и политолог Роберт Аксельрод и эволюционный биолог У. Д. Гамильтон опубликовали крупную статью в журнале Science.под названием «Эволюция сотрудничества», в котором использовался агент-ориентированный подход к моделированию, чтобы продемонстрировать, как социальное сотрудничество, основанное на взаимности, может быть установлено и стабилизировано в игре- дилемме заключенного, когда агенты следовали простым правилам личного интереса. [21] Аксельрод и Гамильтон продемонстрировали, что отдельные агенты, следующие простому набору правил (1) сотрудничают в первый ход и (2) после этого повторяют предыдущие действия партнера, были способны разработать «нормы» сотрудничества и санкций в отсутствие канонических правил. социологические конструкции, такие как демография, ценности, религия и культура, как предварительные условия или посредники сотрудничества. [4] На протяжении 1990-х годов такие ученые, как Уильям Симс Бейнбридж ,Кэтлин Карли , Майкл Мэйси и Джон Скворец разработали мультиагентные модели обобщенной взаимности , предубеждений , социального влияния и организационной обработки информации . В 1999 году Найджел Гилберт опубликовал первый учебник по социальному моделированию: моделирование для социологов и основал его самый актуальный журнал: « Журнал искусственных обществ и социального моделирования» .

Интеллектуальный анализ данных и анализ социальных сетей [ править ]

Основные статьи: интеллектуальный анализ данных и анализ социальных сетей

Независимо от развития вычислительных моделей социальных систем, анализ социальных сетей возник в 1970-х и 1980-х годах на основе достижений теории графов, статистики и исследований социальной структуры в качестве отдельного аналитического метода и был сформулирован и использован социологами, такими как Джеймс С. Коулман , Харрисон Уайт , Линтон Фриман , Дж. Клайд Митчелл , Марк Грановеттер , Рональд Берт и Барри Веллман . [22] Растущее распространение компьютерных и телекоммуникационных технологий на протяжении 1980-х и 1990-х годов требовало аналитических методов, таких как сетевой анализ и многоуровневое моделирование., который можно масштабировать до все более сложных и больших наборов данных. Последняя волна вычислительной социологии, вместо использования моделирования, использует сетевой анализ и передовые статистические методы для анализа крупномасштабных компьютерных баз данных электронных прокси для поведенческих данных. Электронные записи, такие как записи электронной почты и мгновенных сообщений, гиперссылки во всемирной паутине , использование мобильных телефонов и обсуждения в Usenet, позволяют социологам напрямую наблюдать и анализировать социальное поведение в различные моменты времени и на нескольких уровнях анализа без ограничений традиционных эмпирические методы, такие как интервью, включенное наблюдение или инструменты опроса. [23] Постоянные улучшения в машинном обучении.Аналогичным образом алгоритмы позволили социологам и предпринимателям использовать новые методы для выявления скрытых и значимых закономерностей социального взаимодействия и эволюции в больших наборах электронных данных. [24] [25]

Повествовательная сеть о выборах в США 2012 [26]

Автоматический синтаксический анализ текстовых корпусов позволил извлекать акторов и их реляционные сети в широком масштабе, превращая текстовые данные в сетевые. Полученные сети, которые могут содержать тысячи узлов, затем анализируются с использованием инструментов теории сетей для определения ключевых участников, ключевых сообществ или сторон и общих свойств, таких как надежность или структурная стабильность всей сети или центральность определенных узлы. [27] Это автоматизирует подход, представленный количественным нарративным анализом [28], посредством которого тройки субъект-глагол-объект идентифицируются с парами акторов, связанных действием, или парами, образованными актором-объектом. [26]

Вычислительный контент-анализ [ править ]

Контент-анализ долгое время был традиционной частью социальных наук и медиа-исследований. Автоматизация контент-анализа позволила совершить революцию « больших данных » в этой области с исследованиями в социальных сетях и газетном контенте, который включает миллионы новостей. Гендерная предвзятость , удобочитаемость , сходство контента, предпочтения читателей и даже настроение были проанализированы на основе методов интеллектуального анализа текста в миллионах документов. [29] [30] [31] [32] [33] Анализ читабельности, гендерной предвзятости и тематической предвзятости был продемонстрирован в Flaounas et al. [34]показать, как разные темы имеют разные гендерные предубеждения и уровни читабельности; также была продемонстрирована возможность обнаруживать изменения настроения у огромного населения путем анализа контента Twitter. [35]

Анализ огромного количества исторического газетного содержания был впервые проведен Дзогангом и др. [36], который показал, как периодические структуры могут быть автоматически обнаружены в исторических газетах. Аналогичный анализ был проведен в социальных сетях, снова выявив сильно периодические структуры. [37]

Проблемы [ править ]

Вычислительная социология, как и любая другая область исследований, сталкивается с рядом проблем. [38] Эти проблемы необходимо решать осмысленно, чтобы оказать максимальное влияние на общество.

Уровни и их взаимодействие [ править ]

Каждое сформированное общество имеет тенденцию находиться на том или ином уровне, и существуют тенденции взаимодействия между этими уровнями и между ними. Уровни должны быть не только микро- или макроуровневыми по своей природе. Например, могут быть промежуточные уровни, на которых существует общество - группы, сети, сообщества и т. Д. [38]

Однако возникает вопрос, как идентифицировать эти уровни и как они возникают? И когда они существуют, как они взаимодействуют внутри себя и с другими уровнями?

Если мы рассматриваем сущности (агентов) как узлы, а связи между ними как грани, мы видим формирование сетей. Связи в этих сетях возникают не только на основе объективных отношений между объектами, а, скорее, они определяются факторами, выбранными участвующими объектами. [39] Проблема с этим процессом заключается в том, что трудно определить, когда набор объектов будет формировать сеть. Эти сети могут быть доверительными сетями, сетями сотрудничества, сетями зависимости и т. Д. Были случаи, когда разнородный набор объектов, как было показано, формировал между собой сильные и значимые сети. [40] [41]

Как обсуждалось ранее, общества делятся на уровни, и на одном из таких уровней, индивидуальном уровне, микромакросвязь [42] относится к взаимодействиям, которые создают более высокие уровни. Существует ряд вопросов, на которые необходимо ответить по поводу этих ссылок на микромакро. Как они формируются? Когда они сходятся? Какая обратная связь продвигается на более низкие уровни и как они продвигаются?

Еще одна серьезная проблема в этой категории касается достоверности информации и ее источников. В последние годы наблюдается бум сбора и обработки информации. Однако распространению ложной информации между обществами уделялось мало внимания. Отследить источники и найти право собственности на такую ​​информацию сложно.

Моделирование культуры [ править ]

Эволюция сетей и уровней в обществе приводит к культурному разнообразию. [43] Однако возникает мысль о том, что, когда люди склонны взаимодействовать и становятся более восприимчивыми к другим культурам и верованиям, как получается, что разнообразие все еще сохраняется? Почему нет конвергенции? Основная проблема заключается в том, как моделировать эти различия. Существуют ли внешние факторы, такие как средства массовой информации, месторасположение обществ и т. Д., Которые влияют на эволюцию или сохранение культурного разнообразия? [ необходима цитата ]

Эксперименты и оценка [ править ]

Любое исследование или моделирование в сочетании с экспериментированием должно отвечать на задаваемые вопросы. Вычислительная социальная наука имеет дело с крупномасштабными данными, и проблема становится все более очевидной по мере роста масштабов. Как можно разработать информативное моделирование в большом масштабе? И даже если будет проведено крупномасштабное моделирование, как предполагается проводить оценку?

Выбор модели и сложности модели [ править ]

Другой проблемой является определение моделей, которые лучше всего подходят для данных и сложности этих моделей. Эти модели помогут нам предсказать, как общества могут развиваться с течением времени, и дать возможные объяснения того, как все работает. [44]

Генеративные модели [ править ]

Генеративные модели помогают нам выполнять обширный качественный анализ контролируемым образом. Модель, предложенная Эпштейном, представляет собой моделирование на основе агентов, в котором говорится об идентификации начального набора разнородных сущностей (агентов) и наблюдении за их эволюцией и ростом на основе простых локальных правил. [45]

Но что это за местные правила? Как их идентифицировать для набора разнородных агентов? Оценка и влияние этих правил создают целый ряд новых трудностей.

Гетерогенные или ансамблевые модели [ править ]

Интеграция простых моделей, которые лучше справляются с отдельными задачами, для формирования гибридной модели - это подход, который можно изучить. [46] Эти модели могут предложить лучшую производительность и понимание данных. Однако компромисс между идентификацией и глубоким пониманием взаимодействий между этими простыми моделями возникает, когда нужно придумать одну комбинированную, хорошо работающую модель. Кроме того, создание инструментов и приложений, помогающих анализировать и визуализировать данные на основе этих гибридных моделей, является еще одной дополнительной проблемой.

Воздействие [ править ]

Вычислительная социология может оказать влияние на науку, технологии и общество. [38]

Влияние на науку [ править ]

Чтобы изучение вычислительной социологии было эффективным, необходимы ценные инновации. Эти инновации могут быть в форме новых инструментов анализа данных, более совершенных моделей и алгоритмов. Появление таких инноваций станет благом для научного сообщества в целом. [ необходима цитата ]

Влияние на общество [ править ]

Одна из основных задач вычислительной социологии - моделирование социальных процессов [ ссылка необходима ] . Различные законодатели и лица, определяющие политику, смогут увидеть действенные и действенные пути для выпуска новых руководящих принципов, а масса в целом сможет оценить и получить справедливое понимание представленных перед ними вариантов, что обеспечит открытый и хорошо сбалансированный процесс принятия решений. [ необходима цитата ] .

См. Также [ править ]

  • Журнал искусственных обществ и социального моделирования
  • Искусственное общество
  • Смоделированная реальность
  • Социальная симуляция
  • Агентное социальное моделирование
  • Социальная сложность
  • Вычислительная экономика
  • Вычислительная эпидемиология
  • Клиодинамика
  • Прогнозная аналитика

Ссылки [ править ]

  1. ^ a b c Мэйси, Майкл В .; Виллер, Роберт (2002). «От факторов к акторам: вычислительная социология и агентное моделирование». Ежегодный обзор социологии . 28 : 143–166. DOI : 10.1146 / annurev.soc.28.110601.141117 . JSTOR  3069238 .
  2. ^ a b c d Гилберт, Найджел; Троицш, Клаус (2005). «Моделирование и обществознание» . Моделирование для социологов (2-е изд.). Open University Press.
  3. ^ Эпштейн, Джошуа М .; Акстелл, Роберт (1996). Растущие искусственные общества: социальные науки снизу вверх . Вашингтон, округ Колумбия: Издательство Брукингского института. ISBN 978-0262050531.
  4. ^ a b Аксельрод, Роберт (1997). Сложность сотрудничества: агентные модели конкуренции и сотрудничества . Принстон, Нью-Джерси: Издательство Принстонского университета.
  5. ^ Casti, J (1999). «Компьютер как лаборатория: к теории сложных адаптивных систем». Сложность . 4 (5): 12–14. DOI : 10.1002 / (SICI) 1099-0526 (199905/06) 4: 5 <12 :: AID-CPLX3> 3.0.CO; 2-4 .
  6. ^ Goldspink, C (2002). «Методологические последствия сложных системных подходов к социальности: моделирование как основа знаний» . 5 (1). Журнал искусственных обществ и социального моделирования. Цитировать журнал требует |journal=( помощь )
  7. ^ Эпштейн, Джошуа (2007). Генеративная социальная наука: исследования в области компьютерного моделирования на основе агентов . Принстон, Нью-Джерси: Издательство Принстонского университета.
  8. ^ a b c d Сальгадо, Маурисио и Найджел Гилберт. « Возникновение и коммуникация в вычислительной социологии ». Журнал теории социального поведения 43.1 (2013): 87-110.
  9. ^ Мэйси, Майкл В. и Роберт Виллер. « От факторов к действующим лицам: вычислительная социология и агент-ориентированное моделирование ». Ежегодный обзор социологии 28.1 (2002): 143-166.
  10. ^ Дюркгейм, Эмиль. Разделение труда в обществе . Нью-Йорк, Нью-Йорк: Макмиллан.
  11. ^ Бейли, Кеннет Д. (2006). «Теория систем». У Джонатана Х. Тернера (ред.). Справочник по социологической теории . Нью-Йорк, штат Нью-Йорк: Springer Science. С. 379–404. ISBN 978-0-387-32458-6.
  12. ^ Бейнбридж, Уильям Симс (2007). «Вычислительная социология» . В Ритцере, Джордж (ред.). Энциклопедия социологии Блэквелла . Справочник Блэквелла в Интернете. DOI : 10.1111 / b.9781405124331.2007.x . hdl : 10138/224218 . ISBN 978-1-4051-2433-1.
  13. ^ Кревьер, D. (1993). AI: Бурная история поиска искусственного интеллекта . Нью-Йорк, штат Нью-Йорк: основные книги.
  14. ^ Форрестер, Джей (1971). Мировая динамика . Кембридж, Массачусетс: MIT Press.
  15. ^ Игналл, Эдвард Дж .; Колесар, Петр; Уокер, Уоррен Э. (1978). «Использование моделирования для разработки и проверки аналитических моделей: некоторые тематические исследования». Исследование операций . 26 (2): 237–253. DOI : 10.1287 / opre.26.2.237 .
  16. ^ Медоуз, DL; Беренс, WW; Медоуз, DH; Нейл, РФ; Рандерс, Дж; Зан, ЭК (1974). Динамика роста в конечном мире . Кембридж, Массачусетс: MIT Press.
  17. ^ "Компьютерный взгляд на бедствие опровергнуто" . Нью-Йорк Таймс . 18 октября 1974 г.
  18. ^ Оркатт, Гай Х. (1990). «От инженерии к микромоделированию: автобиографическое размышление». Журнал экономического поведения и организации . 14 (1): 5–27. DOI : 10.1016 / 0167-2681 (90) 90038-F .
  19. ^ Тоффоли, Томмазо; Марголус, Норман (1987). Клеточные автоматы: новая среда для моделирования . Кембридж, Массачусетс: MIT Press.
  20. ^ Гилберт, Найджел (1997). «Моделирование структуры академической науки» . Социологические исследования в Интернете . 2 (2): 1–15. DOI : 10,5153 / sro.85 . Архивировано из оригинала на 1998-05-24 . Проверено 16 декабря 2009 .
  21. ^ Аксельрод, Роберт; Гамильтон, Уильям Д. (27 марта 1981 г.). «Эволюция сотрудничества». Наука . 211 (4489): 1390–1396. Bibcode : 1981Sci ... 211.1390A . DOI : 10.1126 / science.7466396 . PMID 7466396 . 
  22. Перейти ↑ Freeman, Linton C. (2004). Развитие анализа социальных сетей: исследование в социологии науки . Ванкувер, Британская Колумбия: Empirical Press.
  23. ^ Лазер, Дэвид; Пентланд, Алекс; Адамический, L; Арал, S; Барабаши, Алабама; Брюэр, Д; Christakis, N; Исполнитель, N; и другие. (6 февраля 2009 г.). «Жизнь в сети: наступающая эпоха вычислительной социальной науки» . Наука . 323 (5915): 721–723. DOI : 10.1126 / science.1167742 . PMC 2745217 . PMID 19197046 .  
  24. ^ Шривастава, Джайдип; Кули, Роберт; Дешпанде, Мукунд; Тан, Пан-Нин (2000). «Анализ использования Интернета: обнаружение и применение шаблонов использования из веб-данных». Труды конференции ACM по открытию знаний и интеллектуальному анализу данных . 1 (2): 12–23. DOI : 10.1145 / 846183.846188 .
  25. ↑ Брин, Сергей; Пейдж, Лоуренс (апрель 1998 г.). «Анатомия крупномасштабной гипертекстовой поисковой системы в Интернете». Компьютерные сети и системы ISDN . 30 (1–7): 107–117. CiteSeerX 10.1.1.115.5930 . DOI : 10.1016 / S0169-7552 (98) 00110-X . 
  26. ^ a b S Судхахар; Г.А. Велтри; Н. Кристианини (2015). «Автоматизированный анализ президентских выборов в США с использованием Big Data и сетевого анализа» . Большие данные и общество . 2 (1): 1-28. DOI : 10.1177 / 2053951715572916 .
  27. ^ S Sudhahar; G De Fazio; Р. Франзози; Н. Кристианини (2013). «Сетевой анализ повествовательного контента в больших корпусах» (PDF) . Инженерия естественного языка . 21 (1): 1–32. DOI : 10.1017 / S1351324913000247 .
  28. ^ Franzosi, Роберто (2010). Количественный нарративный анализ . Университет Эмори.
  29. ^ И. Флаунас; М. Турчи; О. Али; Н. Файсон; Т. Де Би; Н. Мосделл; Дж. Льюис; Н. Кристианини (2010). «Структура медиасферы ЕС» (PDF) . PLOS One . 5 (12): e14243. Bibcode : 2010PLoSO ... 514243F . DOI : 10.1371 / journal.pone.0014243 . PMC 2999531 . PMID 21170383 .   
  30. ^ V Lampos; Н. Кристианини (2012). «Текущие события из социальной сети со статистическим обучением» (PDF) . ACM-транзакции по интеллектуальным системам и технологиям . 3 (4): 72. DOI : 10,1145 / 2337542,2337557 .
  31. ^ И. Флаунас; О. Али; М. Турчи; T Snowsill; F Nicart; Т Де Би; Н. Кристианини (2011). NOAM: система анализа и мониторинга новостных агентств (PDF) . Proc. международной конференции ACM SIGMOD 2011 года по управлению данными. DOI : 10.1145 / 1989323.1989474 .
  32. ^ N Cristianini (2011). «Автоматическое обнаружение закономерностей в медиа-контенте».Комбинаторное сопоставление с образцом. Конспект лекций по информатике. 6661 . С. 2–13. CiteSeerX  10.1.1.653.9525 . DOI : 10.1007 / 978-3-642-21458-5_2 . ISBN 978-3-642-21457-8.
  33. ^ Lansdall-Welfare, Томас; Судхахар, Саатвига; Томпсон, Джеймс; Льюис, Джастин; Команда, газета FindMyPast; Кристианини, Нелло (9 января 2017 г.). «Контент-анализ 150-летия британской периодики» . Труды Национальной академии наук . 114 (4): E457 – E465. DOI : 10.1073 / pnas.1606380114 . ISSN 0027-8424 . PMC 5278459 . PMID 28069962 .   
  34. ^ И. Флаунас; О. Али; М. Турчи; T. Lansdall-Welfare; Т. Де Би; Н. Мосделл; Дж. Льюис; Н. Кристианини (2012). «Методы исследования в эпоху цифровой журналистики». Цифровая журналистика . 1 : 102–116. DOI : 10.1080 / 21670811.2012.714928 .
  35. ^ Т. Lansdall-Welfare; V Lampos; Н. Кристианини. Влияние рецессии на общественное настроение в Великобритании (PDF) . Материалы 21-й Международной конференции по всемирной паутине. Сессия Mining Social Network Dynamics (MSND) в приложениях социальных сетей. Нью-Йорк, штат Нью-Йорк, США. С. 1221–1226. DOI : 10.1145 / 2187980.2188264 .
  36. ^ Дзоганг, Фабон; Lansdall-Welfare, Томас; Команда, газета FindMyPast; Кристианини, Нелло (8 ноября 2016 г.). «Обнаружение периодических закономерностей в исторических новостях» . PLOS One . 11 (11): e0165736. Bibcode : 2016PLoSO..1165736D . DOI : 10.1371 / journal.pone.0165736 . ISSN 1932-6203 . PMC 5100883 . PMID 27824911 .   
  37. ^ Сезонные колебания в Коллективном настроении Показала Википедию Поисков и щебет сообщения F Dzogang, T Lansdall-социального обеспечение, N Cristianini - 2016 IEEE Международной конференции по интеллектуальному анализу данных, семинар по интеллектуальному анализу данных в анализе человеческой деятельности
  38. ^ a b c Конте, Розария и др. « Манифест вычислительной социологии ». Специальные темы Европейского физического журнала 214.1 (2012): 325-346.
  39. ^ Egu´ıluz, ВМ; Циммерманн, MG; Села-Конде, CJ; Сан-Мигель, М. "Американский журнал социологии" (2005): 110, 977. Цитировать журнал требует |journal=( помощь )
  40. ^ Sichman, JS; Конте, Р. "Вычислительная и математическая теория организации" (2002): 8 (2). Цитировать журнал требует |journal=( помощь )
  41. ^ Ehrhardt, G .; Марсили, М .; Вега-Редондо, Ф. "Physical Review E" (2006): 74 (3). Цитировать журнал требует |journal=( помощь )
  42. ^ Биллари, Франческо С. Вычислительное моделирование на основе агентов: приложения в демографии, социальных, экономических и экологических науках . Тейлор и Фрэнсис, 2006.
  43. ^ Centola, D .; Гонсалес-Авелла, JC; Egu´ıluz, VM; Сан-Мигель, М. «Журнал разрешения конфликтов» (2007): 51. Цитировать журнал требует |journal=( помощь )
  44. ^ Вайсберг, Майкл. Когда меньше значит больше: компромиссы и идеализация при построении моделей . Дисс. Стэнфордский университет, 2003 г.
  45. ^ Эпштейн, Джошуа М. Генеративная социальная наука: исследования в области компьютерного моделирования на основе агентов . Издательство Принстонского университета, 2006.
  46. ^ Юань, Ю., Алабдулкарим, А. и Пентланд, А.С. Интерпретируемый подход к формированию социальной сети среди разнородных агентов . Нац Коммуна 9, 4704 (2018).

Внешние ссылки [ править ]

  • Электронная книга Найджела Гилберта и Клауса Г. Троицша «Моделирование для социологов», 1999 г., второе издание 2005 г.
  • Журнал искусственных обществ и социального моделирования
  • Агентные модели для социальных сетей, интерактивные java-апплеты
  • Сайт социологии и науки о сложности

Журналы и научные публикации [ править ]

  • Список журналов исследования сложности , из UIUC, IL
  • Связанные исследовательские группы из UIUC, Иллинойс

Ассоциации, конференции и семинары [ править ]

  • Североамериканская ассоциация вычислительных социальных и организационных наук
  • ESSA: Европейская ассоциация социального моделирования

Академические программы, факультеты и степени [ править ]

  • Проект «Медиа-паттерны» Бристольского университета
  • Университет Карнеги-Меллона , докторская программа в области вычислений, организаций и общества (COS)
  • Чикагский университет
    • Сертификат, магистр и доктор компьютерных социальных наук
  • Университет Джорджа Мейсона
    • Программа PhD по CSS (вычислительные социальные науки)
    • Магистерская программа в магистратуре междисциплинарных исследований, акцент на CSS
  • Штат Портленд , докторская программа по системным наукам
  • Штат Портленд , программа магистра в области системных наук
  • Университетский колледж Дублина ,
    • Программа PhD по сложным системам и вычислительным социальным наукам
    • Магистр аналитики социальных данных
    • Бакалавр вычислительных социальных наук
  • Калифорнийский университет в Лос-Анджелесе , Minor in Human Complex Systems
  • UCLA , специализация в области вычислительной и системной биологии (включая поведенческие науки)
  • Univ. Мичиган , Минор в сложных системах
  • Список программ по системным наукам , штат Портленд. Список других программ по всему миру.

Центры и институты [ править ]

Северная Америка [ править ]

  • Центр сложных сетевых и системных исследований , Университет Индианы, Блумингтон, Индиана, США.
  • Центр исследования сложных систем , Иллинойсский университет в Урбана-Шампейн, Иллинойс, США.
  • Центр социальной сложности , Университет Джорджа Мейсона, Фэрфакс, Вирджиния, США.
  • Центр социальной динамики и сложности , Государственный университет Аризоны, Темпе, Аризона, США.
  • Центр изучения сложных систем , Мичиганский университет, Анн-Арбор, Мичиган, США.
  • Сложные системы человека , Калифорнийский университет в Лос-Анджелесе, Лос-Анджелес, Калифорния, США.
  • Институт количественных социальных наук , Гарвардский университет, Бостон, Массачусетс, США.
  • Северо-Западный институт сложных систем (NICO) , Северо-Западный университет, Эванстон, Иллинойс, США.
  • Институт Санта-Фе , Санта-Фе, Нью-Мексико, США.
  • Центр сетевого анализа Duke, Университет Дьюка , Дарем, Северная Каролина, США

Южная Америка [ править ]

  • Modelagem de Sistemas Complexos , Университет Сан-Паулу - EACH, Сан-Паулу, SP, Бразилия
  • Instituto Nacional de Ciência e Tecnologia de Sistemas Complexos , Centro Brasileiro de Pesquisas Físicas, Рио-де-Жанейро, RJ, Бразилия

Азия [ править ]

  • Институт Бандунг Фе, Центр сложности в Университете Сурья , Бандунг, Индонезия.

Европа [ править ]

  • Центр моделирования политики , Манчестер, Великобритания.
  • Центр исследований в области социального моделирования , Университет Суррея, Великобритания.
  • Лаборатория динамики UCD - Центр вычислительных социальных наук , Институт государственной политики Гири, Университетский колледж Дублина, Ирландия.
  • Гронингенский центр исследований социальной сложности (GCSCS) , Гронинген, Нидерланды.
  • Кафедра социологии, в частности моделирования и моделирования (SOMS) , Цюрих, Швейцария.
  • Исследовательская группа экспериментальной и вычислительной социологии (GECS) , Брешия, Италия