Логин:
Пароль:
Регистрация · Восстановление пароля

27 ноября 2015

Фолкер Шнейдер

Выступление на тему «Анализируя сети: наука, технологии и устойчивое развитие в контексте сетевого анализа» Фолкера Шнейдера, доктора социальных и политических наук (Ph.D., Европейский университетский институт во Флоренции, Италия), декана Факультета политики, государственного управления, права и экономики Университета Констанца (Германия).

организаторы

Партнеры: РВКOpen City Hub. Услуги хостинга и дата-центра для хранения контента предоставляет компания Oyster Telecom; сервис-партнеры: Euromed GroupShishki Design. Видеосъемка, монтаж и фото – Алексей Гантимуров.

видеозапись выступления

текст выступления

Фолкер Шнейдер: Большое спасибо за приглашение. Я очень рад быть сегодня с вами, в Санкт-Петербурге и выступить здесь с докладом. Сегодня я буду говорить о методе, который был известен довольно давно, но особое распространение получил последние 30 лет. Этот метод теперь используется в целом ряде наук – это и социология, и политология, и даже экономика, и др.

В начале презентации я скажу несколько слов о концепции сетевого анализа – как она зародилась и развивалась [см. презентацию, слайд 2]. Затем поговорим о базовых аналитических концепциях, которые используются в анализе сетей, об их применении в таких областях как устойчивое развитие, исследования изменений климата, контроль токсических веществ и т.п. Также поговорим еще об одном направлении использования сетевого анализа – это дискурсивный анализ, когда анализируются акторы и объекты дискурса и их взаимодействие.

Презентация 

Вероятно, вы знаете метафору, которая относится ко времени Платона – он описывал государство как корабль, а политика – как человека, который управляет этим судном, как его капитана. В сетевом анализе мы также используем метафоры. В частности, есть три метафоры, которые довольно точно описывают всю концепцию сетевого анализа [слайд 4]. Две первых – это паутина и рыбацкий невод. Здесь сразу видно взаимодействие и связи между узлами. Есть еще третья метафора – переплетение. Эта метафора была очень популярна в Германии последние 30 лет. В частности, один из наших ведущих политологов Фриц Шарпф использовал немецкое понятие verflechtung, то есть «сплетение», «переплетение», описывая взаимодействие политиков на разных уровнях, например, Бундестага и Бундесрата.

Большим прорывом в области сетевого анализа была математизация процесса, то есть перемещение его в математическую плоскость. Первопроходцем здесь стал Леонард Эйлер. Он был швейцарцем, но большую часть жизни прожил в Кенигсберге (нынешний Калининград). Как все математики он часто задавался вопросом, как решать проблемы повседневной жизни посредством математики. Он, возможно, как и Иммануил Кант, гуляя по Кенигсбергу, по его семи мостам, задался вопросом: можно ли пройти все семь мостов, проходя по каждому мосту только один раз? Он представил расположение мостов в как схему – привел их к математическому виду [слайд 5]. С одной стороны, эта схема была абстрактной, имела меньше отношения к жизни, а с другой – она была более точной. Мосты выступали как связующие элементы земных массивов. Используя эту математическую модель, он доказал, что невозможно пройти по всем семи мостам, проходя по каждому только один раз. Это открытие получило название «эйлерова пути»: если маршрут может быть проделан без повторного пересечения компонентов, то такая модель называется «эйлеровым графом».

Так появилась теория графов, которая, прежде всего, дает определение графу как таковому. Граф – это объект, который сформирован с помощью комплекса узлов (вершин) и комплекса связей (ребер, которые соединяются друг с другом, образуя вершины) [слайд 6]. Здесь используется специальная терминология. Как я уже сказал, есть «вершины» (или «узлы») и «ребра» (или «связи»), есть «контур» (или «петля») – когда связь завязана только на одной вершине. Если между двумя вершинами есть двойная связь, то это называется «множественным ребром». Разделяют также «направленные ребра», когда известно направление движения между вершинами, и, соответственно, «ненаправленные ребра», когда направление движения не известно. Впоследствии появились новые термины. В частности, было дано определение «центральной позиции» – самого среднего звена в графе. Со временем появились также другие характеристики графа – «плотность» (концентрация или разбросанность вершин в рамках одного графа) и «связанность» (наличие сильных связей и их большого количества между вершинами в одном графе).

Как я уже сказал, центральное положение в графе – это очень важный критерий. И со временем были разработаны сложные математические алгоритмы для определения так называемой центральности графа [слайд 7]. Здесь на слайде вы видите дидактический граф, который был разработан моим коллегой Ульрихом Брандесом в Университете Констанца на Факультете компьютерных наук. Согласно этом графу, центральное положение в нем зависит от применяемой аналитической концепции. В данном случае мы видим целых три аналитические концепции, которые определяют центральность графа – по степени, по близости и по посредничеству.

Начнем с первой. Центральность по степени определяется количеством отношений, которые есть у той или иной вершины. В частности, согласно этом подходу, центральность в вершине D, потому у нее сразу четыре ребра – четыре связи. Центральность по близости – вторая центральность – в рамках этой концепции, принадлежит тому узлу, который обладает самыми короткими гиодезическими линиями. Это вершина, у которой меньше всего связей со всеми остальными вершинами, то есть чтобы попасть из одной точки в другую, нужно использовать меньше всего связей. Третья центральность – по посредничеству – означает ту вершину, которая может контролировать гиодезические линии других вершин, то есть потоки, идущие от других вершин.

Сетевой анализ располагает рядом подходов и инструментов для сложного математического исследования [слайд 8]. Следует отметить, что здесь используются реляционные данные, то есть данные отношений, а не атрибутивные данные, то есть характеристики объектов. Возьмем такой пример – допустим, ряд организаций обладают набором характеристик (размер, количество сотрудников, имеющиеся ресурсы или год основания – это все атрибуты). На деле оказывается, что эти организации связаны между собой, как это представлено на графе слева внизу. Это могут быть коммуникативные связи – они показаны красными линиями. Это могут быть связи влияния – например, в политике, если какая-нибудь организация является влиятельной, она может воздействовать на действия других организаций. Такие отношения – отношения влияния – изображаются в виде матрицы. В частности, здесь изображена такая матрица, где указаны значения степени влияния в зависимости от влиятельности организации. Что касается коммуникативных отношений, то мы не знаем, куда направлена коммуникация, то есть это ненаправленный граф, поэтому эти отношения можно представлять в виде бинарной матрицы: ноль – если коммуникации нет, единица – если коммуникация есть.

Все это представляют собой данные о сети [слайд 9] – так мы описываем существование сетей. Данные можно анализировать различными способами, но я считаю, что наиболее эффективной является программа Ucinet. Здесь представлены скриншоты диалоговых окон, где видна процедура и инструменты, которые использует эта программа.

Организации, которые мы рассмотрели на предыдущем слайде, представляют собой так называемые одномодальные сети, когда есть только один общий критерий сетей [слайд 10]. Различают также двумодальные сети, когда представлены компоненты из нескольких сетей, которые вступают во взаимодействие между собой. Такие бимодальные модели сетей часто используются для определения связи между различными акторами. Анализ сетей связи позволяет нам установить косвенные взаимоотношения различных акторов. Допустим, это могут быть взаимоотношения через событие. Как мы видим, на такой модели актор «А» связан с прочими компонентами, в частности с акторами «B» и «С». Для этого в математике использует матричное умножение, но вам не нужно быть профессором математики, чтобы создать такую модель, потому что за вас это все сделает среда Ucinet. Сегодня позже мы еще поговорим о том, как это важно и как можно применять для достижения различных целей.

Отношений, которые можно анализировать, существует огромное количество. Недавно в журнале Science была опубликована статья Стива Богатти – одного из основных ученых-теоретиков в сетевом анализе в США и в мире [слайд 11]. В этой статье он писал о применимости сетевого анализа в точных науках и исследованиях окружающей среды. В частности, сетевой анализ применим в изучении отношений родства, чувственных отношений, когнитивных отношений, когда человек знает что-то о чем-то, взаимодействий между различными акторами – общения, секса. Также он применим к изучению потоков – информации, ресурсов, знаний и т.д. Помимо прямых, анализируются также косвенные связи, когда мы прослеживаем связь актора с какими-либо атрибутами. По результатам такого анализа мы определяем акторы со схожими атрибутами и в дальнейшем уже исследуем эти группы. Сегодня я еще буду говорить об этом.

Взаимоотношений может огромное количество – в политике, экономике, в естественнонаучной сфере. Я бы хотел привести более живой пример [слайд 12]. Наверное, вы все знаете конкурс «Евровидение». Если вы смотрели «Евровидение», то знаете, что в этом году за первое место боролись Швеция и Россия, а Германия и Австрия не получили голосов. По результатам таких взаимоотношений вы можете провести анализ центральности взаимоотношений. Для этого хорошо подходит программ Visone, которая написана на Java. Она мультиплатформенная и бесплатная – ее можно скачать в интернете. Она позволяет визуализировать связи. Более того, можно контролировать параметры, которые вы задаете системе, – допустим, обозначить, что связи должны быть не менее какого-то числового значения, то есть увязать связи между узлами с числом полученных баллов от разных стран. Размеры кругов будут пропорциональны количеству полученных голосов той или иной страны, соответственно, они будут больше или меньше. Если вы все сконфигурируете так, то получится наглядное отображение результатов.

С этой моделью я проделал и другой эксперимент [слайд 13]. Я сделал дихотомическую модель – сказал системе, чтобы она отслеживала связи, только если страна получала восемь баллов и больше. Если страна получала меньше восьми баллов, то система не учитывала ее в расчетах. Таким образом, матрица показателей была преобразована в бинарную матрицу, которая затем была преобразована в график. Такая модель немного более грубая, чем предыдущая, но она более наглядная. Она позволяет вам сразу видеть основных акторов. На ней видно, что у стран есть свои так называемые клики – например, они есть у Швеции, России, Италии.

Мы поговорили о базовых понятиях сетевого анализа, а теперь перейдем к его практическому применению в различных областях, и сначала поговорим о том, как он используется в науке и инновациях. Что касается исследования инноваций, можно проводить анализ, создавая сети инноваций [слайд 15]. Тогда мы говорим о нескольких акторах – это может быть промышленность, наука и финансовый сектор. Если мы говорим о более широкой сети – сети политики в сфере инноваций, тогда подключаются еще ряд акторов: профессиональные ассоциации, университеты, исследовательские институты, бизнес, торговые ассоциации, некоммерческие международные организации, в частности для инноваций много делает ОЭСР, конечно, в этом участвует и Евросоюз. Здесь можно проанализировать очень большое количество связей, которые применяются как в сетях инноваций, так и в сетях политики в сфере инноваций. Это могут быть знания или опыт взаимодействия, которым обмениваются акторы, работая вместе над одним проектом. Можно изучать потоки – это могут быть как деньги, так и человеческие ресурсы. Также можно анализировать такие отношения как конкуренция, потому что в инновационной сферы акторы не только сотрудничают, но и конкурируют между собой. В таких сложных сетях, когда у нас есть и кооперация, и конкуренция, очень важным фактором является доверие, поэтому основной целью становится обмен знаний и рисками, то есть разделение рисков. К этому также относится защита прав собственности и доступ к новым рынкам.

Сейчас я вам покажу один студенческий проект [слайд 16]. Это проект исследовал так называемую инициативу передового опыта, которая была запущена в 2005 году, когда канцлером был Герхард Шредер. В рамках этой инициативы для развития конкурентоспособности и улучшения ситуации университетам оказывалась материальная поддержка в размере €4-5 млрд. Конкуренция за получение финансирования велась на нескольких уровнях: докторантура, так называемые кластеры передового опыта, университетские стратегии «Концепция будущего» (предполагалось, что университеты разработают свою концепцию, как они обеспечат конкурентоспособность в будущем). Критерий был следующим. Если тот или иной университет по всем трем направлениям был успешным, то он получал титул университета, обладающего передовым опытом – Excellence University. Вы видите, что в круг обведен наш университет (Университет Констанца), Свободный университет Берлина, Берлинский университет имени Гумбольдта, Мюнхенский технический университет. Всего двенадцать университетов получили такой титул и финансирование. Эта инициатива, на мой взгляд, была весьма успешной – университеты конкурировали между собой и стали более конкурентоспособными, но при этом они стали больше взаимодействовать между собой. Наша главная организация, которая и занимается вопросами финансирования и выделяет средства университетам, – Немецкое научно-исследовательское сообщество – каждый год публикует доклад. В прошлом докладе они опубликовали сеть, в которой представлены все дисциплины германских университетов и показано, как они все взаимодействуют и взаимосвязаны. Сетевой анализ используется уже и на таком уровне.

В нашем университете реализовывался студенческий проект, который был разработан российской студенткой Ольгой Литвяк [слайд 17]. Проект был посвящен политике в сфере инноваций и технологий. Целью проекта было определение, какие акторы в рамках этой сферы взаимодействуют друг с другом, и как они это делают. Она собрала все данные о научных публикациях, которые были ей доступны, и создала сеть. Синим цветом представлено отношение между соавторами, когда несколько человек совместно публикуют работу. Синих связей относительно немного. Мы объяснили это тем, что имеем дело с гуманитарными науками, где нет культуры соавторства – каждый предпочитает делать публикацию под собственным именем. Чаще представлены взаимоотношения автора и редактора, когда автор и редактор вместе публикуют какую-то книгу под своими именами. Также встречаются взаимоотношения редактор и редактор, когда несколько человек редактируют материал и публикуют его в виде книги.

Есть еще один тип взаимоотношений – это взаимоотношение, которое возникает во время проведения мероприятий, когда организуют круглые столы или семинары, и люди приходят туда, взаимодействуют и общаются между собой, или как сегодня, когда приглашается лектор, который делает какой-то доклад [слайд 18]. Таким образом, это позволяет с высокой степенью точностью описать уровень взаимоотношений акторов и их качественные характеристики.

Другое исследование также проводили наши студенты – это анализ кластера Biolago [слайд 19]. Это кластер, который работает с естественными науками. Какие акторы здесь есть? В середине – штаб-квартира кластера, потом желтым цветом показаны специализированные компании и фирмы в сфере биотехнологии, фармацевтики и т.п. Синим цветом показаны фирмы-консультанты – их тоже довольно много. Зеленым цветом показаны научно-исследовательские учреждения, в частности, вы видите Университет Констанца и Биотехнологический институт Тургау, который находится в Швейцарии (Боденское озеро, на котором находится Констанц, располагается рядом с границей, и мы тесно сотрудничаем с нашими швейцарскими коллегами). Также есть акторы, представляющие администрацию, в частности, администрация нашей земли и администрация кантона Тургау в Швейцарии. В середине вы видите точку, на которой сходятся все потоки, все связи. Это то, что мы называем бюро нашего кластера, где располагается руководство. Очень хорошо, что административный центр, действительно, находится в центре системы. Представьте, что студенты сделали бы проект, в котором административный центр оказался где-нибудь на задворках, на периферии этой системы. Это была бы полная катастрофа.

Студенты измеряли не просто все информационные потоки между всеми акторами – они взяли только научную информацию [слайд 20]. И здесь посередине находится Университет Констанца. Здесь, наоборот, было бы полной катастрофой, если бы университет был на периферии. Вы видите, что здесь административный центр находится на периферии – в плане научной информации он не играет главной роли. Но если мы берем всю информацию, тогда он стоит в центре. Это что касается применения анализа сетей в сфере инноваций и технологий.

Теперь поговорим о другой сфере применения сетевого анализа – сфере законодательства и политики в области изменения климата [слайд 22]. Что касается климатического законодательства, то для такого анализа требуется конкретное и специфическое понимание, подход к процессу принятия решений и законов в этой сфере. Представим, что в законодательном процессе и политике в целом принимает участие большое количество акторов и влияние распределено между ними. Здесь получается двоякая ситуация. С одной стороны, акторам приходится взаимодействовать и кооперироваться друг с другом, но с другой стороны – это политика, где каждый актор хочет иметь влияние и ведет борьбу за власть. Сетевой подход предполагает, что не существует какого-то набора политических акторов, которые априори будут наиболее влиятельными в этой сфере. Для этого нужно проводить дополнительные исследования, что называется выходить в поле, на улицы и проводить опрос населения.

Несколько десятков лет назад я проводил исследование в Германии в сфере контроля токсических веществ [слайд 23]. Я проводил опрос населения, где был такой вопрос: какие организации, на ваш взгляд, вы считаете самыми влиятельными в области контроля токсических веществ? И нужно было поставить крестик напротив названия организации. Если организация в списке отсутствовала, то респондент должен был добавить ее. Соответственно, тот список, который я подготовил изначально, со временем как снежный ком увеличивался и нарастал. Потом всю эту информацию можно было собрать в одну матрицу и визуализировать, что и было сделано с помощью Visone [слайд 24]. В сети показаны все самые влиятельные организации. Не все эти организации правительственные или государственные. Есть министерства, но в самом центре – Союз химической промышленности, а это Немецкое научно-исследовательское сообщество. Таким образом, мы получаем довольно сложную систему, в которой присутствуют и государственные учреждения, и представители бизнес-сообщества, и научно-исследовательские организации, и международные организации (такие как Евросоюз или ОЭСР), то есть самые разные акторы.

Здесь визуализирован информационный обмен – обмен информацией, который происходит в рамках той же системы [слайд 25]. Эта визуализация также сделана в среде Visone. В плане обмена информации здесь в центре находится федеральное министерство, которое отвечало за реализацию этого проекта. Два других актора, расположенных очень близко к центру, – это Министерство внутренних дел и Министерство окружающей среды, охраны природы, строительства и безопасности ядерных реакторов. Интересно отметить, что в начале 1980-х в Германии не было министерства, которое ведало бы вопросами окружающей среды и природоохранного законодательства. Такое министерство было создано только после аварии на Чернобыльской АЭС. Также интересно, что политические партии в том, что касается обмена информацией, находятся на периферии – здесь мы видим социал-демократов, Христианско-демократический союз, Свободную демократическую партию и т.д.

Относительно недавно проводилось другое исследование, аналогичное предыдущему исследованию по опасным токсическим веществам, только здесь темой было изменение климата [слайд 26]. Вопрос был такой же: какие организации являются самыми влиятельными? Также был вопрос об обмене научными сведениями. Мы составили график, на оси Х которого было отмечено влияние акторов и их репутация, а на оси Y – процентное соотношение акторов, имеющих определенное влияние [слайд 27]. Если бы влияние всех акторов было одинаковым, то они все расположились бы ровно посередине, как это показано на слайде.

Синим цветом показано положение дел Великобритании, а красным – Германии. Мы сравнивали две различные политические системы. Вы видите, что в Великобритании влияние распределено гораздо более неравномерно, чем в Германии – меньший процент акторов имеет больше влияния. А здесь показано соотношение всех 30 наиболее влиятельных британских акторов в том, что касается их репутации, объема научных знаний, которыми они располагают [слайд 28]. Получается, что в Британии есть много акторов, не имеющих большого значения и не участвуюих в обмене информацией, и наоборот, есть несколько акторов, которые участвуют в обмене информацией.

Вы видите, что в Германии ситуация совершенно иная [слайд 29]. Она более плюралистичная. У нас есть большое количество акторов, которые обладают влиянием и участвуют в обменен знаниями. Интересно, что администрация Меркель обладает очень большим влиянием, но не участвует в обмене научными знаниями, в то время как Потсдамский институт изучения изменения климата – наш главный аналитический центр в стране – имеет влияние ниже, зато в информационном обмене он гораздо более активный. И ряд международных организаций – Greenpeace, Европейская комиссия, Партия зеленых – активно участвуют в этом процессе.

На двух слайдах представлена ситуация в Германии относительно климатической политики [слайды 30-31]: визуализация кластеров и акторов, которые представлены в тех или иных кластерах, и того, как они взаимодействуют друг с другом. Если разбить эту модель на отдельные компоненты, то появляется большая вариативность – можно очень много и долго анализировать и говорить об этом, но к сожалению, у нас уже не остается на это времени. Вот анализ клики [слайд 32], блочное моделирование [слайд 33] и более детальная модель блочного анализа [слайд 34].

Еще несколько слов о дискурсивном анализе [слайд 36]. Это новый подход, аналитический метод, который появился в последние несколько лет. Помните, вначале мы говорил о бимодальных сетях? Если провести связи между акторами и концепциями или дургими компонентами дискурса – идеями, представлениями и т.п., можно эмпирически выстроить связи: если актор «А» использует концепт «С», и актор «А2» использует тот же самый концепт, то они формируют своего рода коалицию между собой. Таким образом можно создавать опосредованные сети акторов в зависимости от концептов, которые они разделяют между собой, или наоборот, сети концептов, в зависимости от акторов, которые их используют.

Это анализ политического дискурса по вопросу выплаты пенсии в Германии, проведенный Филиппом Ляйфельдом, который писал у меня диссертацию [слайд 37]. Если посмотреть, как дискурс развивался на протяжении 10-15 лет, то можно описать, как он эволюционировал. Это небольшая реклама той программы, которую разработал Филипп Ляйфельд, когда проводил свой анализ [слайд 38]. Программа позволяет выстраивать сети на основании анализа содержания и отношений между акторами, то есть это контентный и сетевой анализ. Программу тоже можно скачать бесплатно. Мы использовали эту программу, когда проводили анализ дискурса в сфере климатической политики Германии.

Оксана Жиронкина: Можно небольшое уточнение? Я правильно поняла, что эта программа бесплатна? 

Фолкер Шнейдер: Да.

Оксана Жиронкина: Мы можем анализировать английский или она приспособлена к разным языкам?

Фолкер Шнейдер: Программа работает с любыми языками, которые поддерживают кодировку ASCII, но дело в том, что может возникнуть проблема, если вы импортируете текстовую базу данны[ в Ucinet, потому она поддерживает не все кодировки. Программа называется Discours Network Analyzer.

Эта программа позволяет не просто анализировать дискурсивные позиции, но и более крупные сегменты. Например, у нас был микроэкономический и макроэкономический сегмент – как изменения климата сказываются на ситуации во всей стране и на отдельных компаниях внутри страны [слайд 39]. Нам было интересно посмотреть, как изменилось дискурсивное восприятие после экономического кризиса. Мы ожидали, что после экономического кризиса вопросы, связанные с изменением климата, отойдут на второй план – кризис отодвинет их на второй план. Действительно, несмотря на то, что кризис начался в 2007 году, понадобилось время, для того чтобы он дошел до рынка труда и стал актуален для граждан. Получилось так, что в 2008 году макроэкономический сегмент стал доминирующим. В 2009 году он также оставался в центре внимания. В Германии кризис продолжался не очень долго – она довольно быстро вышла из него.

Оксана Жиронкина: Простите, можно еще одно уточнение? Скажите, пожалуйста, анализ дискурса касался тех, кто занимается политикой, или не только их? Как известно, политики много говорят…

Фолкер Шнейдер: Для дискурсивного анализа мы использовали прессу, но не все СМИ, потому что их и мнений в них очень много, а только Frankfurter Allgemeine Zeitung – это газета №1 в Германии, она очень качественная. Помимо прочего, она придерживается нейтральных политических позиций – ни левых, ни правых взглядов. Она очень нейтральна.

Оксана Жиронкина: Фактически это политический публицистический дискурс? Применить этот анализ, скажем, для себя нельзя? Например, у меня свой бизнес и мне хочется понять что-то о своих клиентах – здесь применим этот анализ? И если применим, где брать информацию? В газетах не возьмешь…

Фолкер Шнейдер: Действительно, это так. Мы анализировали СМИ, но категории, которые мы использовали, включали и ряд акторов, которые мы определяли. Если всплывала та или иная категория, если она упоминалась в газете, то мы ее включали. В частности, были категории фирм. Прежде всего, это касается компаний, которые занимаются новыми технологиями, зеленой энергетикой, например, производители солнечных батарей. Для них тема изменения климата была актуальной.

Оксана Жиронкина: Я понимаю. Я хочу немного подвести к той дискуссии, которая предстоит, потому что у нас есть представители различных практических сфер. Я уже слышу краем уха: понятно, как анализировать политический дискурс, но не понятно, как это применимо на практике у меня в компании. Что с этим делать?

Фолкер Шнейдер: Такой инструмент можно применять не только для исследования политического дискурса. Например, у меня был докторант, который потом основал фирму – в ней сейчас работает 20 человек, они следят за медиаконтентом, занимаются анализом массмедиа – того, что появляется в СМИ. Можно использовать этот инструмент для того, чтобы следить за своими конкурентами, за тем, как меняется конъюнктура рынка. По мере того как меняются данные, они их анализируют и делают соответствующие выводы.

На последнем слайде я хотел показать, как меняется политический дискурс по отношению к какой-то конкретной проблеме [слайд 40]. Мы исследовали отношение к ядерной энергетике до и после катастрофы на Фукусиме. Этот дискурс может быть политическим, экономическим, идеологическим – каким угодно. На графике показано, как эта катастрофа освещалась в СМИ, в частности черным показана Япония. Мы видим, что вначале никак не освещалась – японские газеты пытались не привлекать особого внимания к проблеме и пытались убедить, что ничего страшного не случилось. В Германии после катастрофы по поводу Фукусимы было настоящее информационное цунами. До Фукусимы было два лагеря – за АЭС и против, и противников было больше, но не в разы. После катастрофы лагерь сторонников АЭС сократился до очень небольшого значения.

Наш аналитический инструмент имеет очень богатый функционал и подходит для горизонтально ориентированных сетей. В частности, он особенно актуален для политологов, потому что в политологии бывает так, что берется очень примитивное, приблизительное предположение, а затем оно расчленяется на кусочки в хронологическом порядке. Наш инструмент позволяет более сложный и комплексный анализ ситуации.

В Университете Констанца проводятся зимние и летние школы [слайд 41]. В частности, 29-30 мая проводилась летняя школа, на которой исследовались вопросы сбора и анализа данных по горизонтально ориентированным сетям, о которых я только что говорил. Я считаю, что это очень важное мероприятие. Мы исследуем вопросы, которые находятся сейчас на самой передовой научного фронта. Спасибо за внимание.

[аплодисменты]

видеозапись дискуссии

дискуссия

Оксана Жиронкина: У меня сначала такой вопрос: какой нужен объем словесной информации, для того чтобы провести этот анализ? И я приведу пример. Мы делали для одного из наших коллег, который владеет своей компанией, небольшое даже не исследование, а попытку проанализировать, кто их франчайзи – почему у них получается или не получается бизнес, как у них идет бизнес и т.д. Мы анализировали сети – как они высказываются, где и что говорят, а также взяли у них интервью, и поняли, что они похожи как раз по тому дискурсу, который порождают. Возможно ли такое? Какой объем словесной информации необходим? Хватит ли одного интервью или это должны быть кипы газет, журналов и т.д.? Спасибо.

Фолкер Шнейдер: Прежде всего, нужно, конечно, проводить анализ прессы, ежедневных газет. Компании, которые специализируются на анализе подобного рода, оперируют информацией очень больших объемов. Конечно, также нужно проводить опрос людей на улице, то есть спрашивать мнение людей по тому или иному вопросу. Если у вас, допустим, есть стартап, и вы хотите узнать, какие у вас есть бизнес-возможности для развития, вам нужно проводить опросы населения, общественности. В частности, компания моего бывшего докторанта, который писал у меня докторскую в Мюнхене, о которой я говорил, обладает огромной базой данных, в которую включаются все серьезные ежедневные газеты, качественная пресса германская, документы международных организаций. На основании этих данных они проводят анализ по требованиям клиента. Но делать это просто так, по просьбе человека для одного стартапа или компании практически невозможно – это будет слишком дорого стоить, поэтому лучше довериться специалистам и организациям, которые специализируются в этой области.

Артем Антонюк (аспирант, СПбГУ): У меня больше теоретический вопрос, чем практический. На последнем слайде в анализе дискурса по Фукусиме у вас на диаграмме фигурировала плотность высказываний в прессе, по-видимому. У меня такой вопрос: как можно использовать стандартные метрики, которые используются в сетевом анализе – центральности, плотности, может быть, каких-то других – в применении к анализу дискурса? И что означает плотность в конкретном случае анализа дискурса о Фукусиме?

Фолкер Шнейдер: Плотность характеристики, плотность упоминаний высказываний – это количество реальных упоминаний, которые соотносятся с теоретическим максимумом всех высказываний, которые могли быть сделаны за этот период времени в прессе. И если мы проанализируем одну германскую, одну японскую и одну канадскую газету, мы установим определенный максимум упоминаний того или иного события. Относительно этого максимума мы уже будем анализировать упоминания во всех остальных средствах массовой информации. Это позволит нам провести сравнение и анализ упоминаний во всех национальных средствах масс-медиа.

Лин Ликсу (исследователь, экологическое объединение «Беллона»): Как поступать с данными, если невозможно определить параметры? Допустим, мне нужно провести опрос, в котором я опросила десять некоммерческих организаций, и мне нужно опросить такое же количество государственных организаций, но чиновники, допустим, не хотят со мной разговаривать, и я могу использовать только документы для своих анализов. Как это соотносится с реальностью, как это можно использовать на практике? Второй вопрос – об анализе по методу Фуко.

Фолкер Шнейдер: Что касается вашего второго вопроса – анализа смыслов по Фуко – это довольно сложный вопрос. Мы используем гораздо более простые методы математического анализа – на основании каких-то критериев строим кривые, диаграммы и графики. Но выявить оттенки смыслов, как делал Фуко, используя наши модели, представляется маловероятным. Это что касается второго вопроса. Что касается вашего первого вопроса, который был более технического характера, о том, как анализировать и сравнивать разнородные, гетерогенные тексты, когда что-то взято из пресс-релиза, что-то – с веб-сайта, сделать это будет не просто. Это может быть проблематично, потому что они имеют разную структуру, разные источники. Чаще всего в дискурсивных анализах используется только один источник. Вы берете только один источник и понимаете, что он не дает вам общей картины мира, он дает вам весьма субъективный взгляд на какую-то проблему, но при этом этот же метод позволяет вам проследить эволюцию взгляда, как он менялся в исторической перспективе на протяжении, скажем, 20 лет. 

Святослав Гайкович: Простите за эгоистический вопрос: встречались ли вы с использованием ваших методов, господин Шнайдер, в области архитектуры или градостроительства? Если да, то, вкратце, каким образом? Спасибо.

Фолкер Шнейдер: Анализ сетей очень активно используется в течение последних десяти лет в географии – экономической географии и политической географии. Такой анализ можно проводить на региональном уровне, а можно – на уровне города. Допустим, можно проводить анализ движения всего автотранспорта в городе или использовать какие-то другие элементы для построения соответствующей сетевой модели.

Дмитрий Заика (инженер-исследователь, Научный центр прикладной электродинамики): У меня такой вопрос: насколько ваши алгоритмы приспособлены для работы в реальном времени сейчас? Насколько я знаю, компании сейчас могут мониторить, например, тот же самый Twitter методами data mining или машинного обучения, извлекать оттуда какую-то информацию для того, чтобы оперативно реагировать на какие-то события, которые могут повлиять на их публичный профиль и т.д. В этом плане интересна ваша ориентация на такие консервативные виды СМИ, в отличие от Twitter, например.

Фолкер Шнейдер: Вы затронули очень интересный вопрос, который будет освещаться на нашей следующей летней школе, которая называется «Сбор данных в цифровую эпоху». Мы понимаем, что сейчас, в XXI веке, генерируется огромный объем данных с использованием социальных сетей – Twitter, Facebook и т.д., и эти данные образуют собой то, что называется big data – большие объемы данных. Это отдельный очень интересный вопрос, как проводить анализ таких огромных массивов данных. С одной стороны, есть процессы, которые генерируют каждую секунду огромные объемы данных, с другой стороны, возникает вопрос, могут ли современные компьютеры справляться с подобным объемом данных в их анализе. Я лично считаю, что здесь какой-то особой проблемы нет. Вопрос вычислительной мощности становится актуальным, только когда вы пытаетесь сравнить реальную существующею модель сети с большим количеством случайно генерируемых моделей. Тогда это может быть сложно. Это уже находится в ведении даже не социологов, а физиков, которые отвечают за изучение сетей в науке о сетях, и они используют огромные суперкомпьютеры с огромной вычислительной мощностью для построения таких моделей.

Ирина Шмелева (директор, Институт стратегии устойчивого развития): Как большие данные, связанные с урбанистикой (это популярная тема сегодня), будут рассматриваться летом во время летней школы, которая будет организована?

Фолкер Шнейдер: Действительно, сбор данных в цифровую эпоху – это совершенно другая стезя, совершенно другой вопрос. Дискурс-анализ, который мы использовали, – это традиционный подход к вещам. А как собирать данные, которые генерируются в реальном времени в интернете, – это совершенно другой вопрос. Например, как собирать данные из Flickr, как выработать алгоритм? Этим может заниматься, наверное, только служба безопасности США. Но мы как исследователи можем просто придумывать алгоритмы, какие-то новые методы, как осуществлять этот сбор данных. На нашей следующей летней школе мы будем привлекать экспертов в этой области, которые нам будут об этом рассказывать. Сейчас я являюсь научным руководителем у одной моей студентки, которая пишет кандидатскую работу о Twitter – о том, как появлялись новые данные в Twitter относительно референдума в Шотландии, когда они решали, остаться в Великобритании или выйти из ее состава. Ей во время референдума приходилось собирать все данные вручную, каждый день отслеживать новую информацию, потому что нет какого-то архива исторического, в котором скапливались бы все эти данные и хранились какое-то время. Все приходилось делать каждый день вручную. Пусть, конечно, это было не самым сложным делом на свете, но все равно это требовало определенных усилий и трудозатрат. Каждый день нужно было все данные из Twitter собирать и сохранять. На нашей следующей летней школе мы будем об этом говорить – как собирать данные из интернета.

Оксана Жиронкина: Скажите, пожалуйста, сетевой анализ все-таки завязан на людей? Вы показывали графы и связи между организациями. Но организации – это все-таки люди. Дискурс, слова – это тоже люди. Возможен ли анализ каких-то неживых авторов, объектов?

Фолкер Шнейдер: Да, сейчас можно анализировать практически любых авторов, неважно – одушевленных или неодушевленных. Химики составляют модели сетей, связей между белками в молекулах. Если есть связь между чем-то, то можно сделать соответствующую модель. Сейчас часто анализируется даже не сети компаний, а сети внутри компаний, когда идет обмен информацией в одной компании в ее структуре.

Татьяна Шманкевич (заместитель директора Центра социологических и интернет-исследований, СПбГУ): Спасибо большое за вашу презентацию. Ваше выступление и заключение представляет для нас наибольший интерес – это визуализация больших массивов данных как значимый сегмент сетевого анализа. В связи с этим у нас тоже эгоистичный интерес: можно побольше информации о вашей летней школе?

Фолкер Шнейдер: Вернемся назад. У нас каждый год проводится две школы: одна зимняя, другая летняя. Последние лет пять зимняя школа проводится на немецком языке (возможно, перейдем обратно на английский). Зимой мы рассматриваем самые базовые моменты сетевого анализа, самые общие понятия. Там мы учим студентов пользоваться Ucinet и Python визуально, но на самом базовом уровне, потому что это очень мощные инструменты с очень богатым функционалом. Студенты постигают самые основные моменты. У нас там и Ирина принимала участие. Каждый год мы проводим также и летние школы. Летом мы обсуждаем более сложные вопросы. В 2015 годы мы осуждали сбор и анализ горизонтально направленных данных для сетевого анализа. В этом году мы рассматривали Wizard (возможно, вы знаете такой инструмент). Он немножко отличается визуально, но в нем есть интерфейс, который позволяет перебрасывать данные из одной среды в другую и, соответственно, визуализировать их. В частности, у нас в 2015 году выступал профессор Ульрих Брандес и говорил о функции центральности при анализе сетей. Наверное, самым главным нашим гостем в этом году был профессор Кремер из Университета Огайо, который прочитал две лекции о статистическом анализе, регрессивных функциях и о том, как использовать анализ элементов системы, которые не имеют категории, но взаимодействуют между собой, а потом сравнивать характер взаимодействия этих элементов и использовать при построении модели. Следующим летом мы будем говорить не об анализе данных, а о сборе данных. Мы будем рассматривать разные методы сбора данных, в частности, интернет-скроллер, в частности сборщик данных с веб-сайта.

Татьяна Браташевич (магистрант, НИУ ВШЭ): В рамках программы управления образованием я занимаюсь исследованием эффективных образовательных событийных сред. Вопрос следующий: если представить жизнь человека как ряд взаимосвязанных событий, то возможно ли применение сетевого анализа к анализу событий жизни человека, то есть к выявлению причинно-следственных связей между событиями жизни человека? Можно ли провести биографическое исследование с помощью сетевого анализа? И возможно ли потом результаты исследований нескольких биографий каким-то образом использовать, например, в маркетинге для организации эффективных событий? Спасибо.

Фолкер Шнейдер: Сложный вопрос. Все элементы модели взаимосвязаны, и эта взаимосвязь очень важна. Если в самой базовой форме это представить, то у вас две вершины, два узла и между ними есть корреляционная связь, и как только эта связь появляется, вершины вступают во взаимодействие между собой. В онтологическом смысле анализ сетей, прежде всего, основывается на реляционизме, на взаимоотношении. И мы считаем, что важно не только само наличие связей, но и то, что эти связи изменяют и сами узлы, сами вершины. Мы разрабатываем много новых инструментов для анализа этих связей и построения различных моделей связей. Это может быть модель центральности, модель характеристики плотности и т.д. В частности, в американской социологии есть сейчас такое отношения к реляционизму, которое было высказано еще Карлом Марксом о том, что человек – это всего лишь сборище социальных отношений и взаимодействий. С философской точки зрения, в онтологическом смысле, если человек – это всего лишь набор взаимоотношений, то, конечно, анализ сетей не только возможен, но и будет самым эффективным инструментом для анализа жизни человека. Я лично до конца не убежден, что важны только отношения, я считаю, что помимо отношений важна также материя, субстанция, хотя нельзя, конечно, отрицать тот факт, что наличие взаимоотношений между двумя объектами качественно меняет сами эти объекты.

Ирина Шмелева: Мне кажется, что метод сетевого анализа использовался в одной работе Московского университета именно по биографиям (я могу дать вам ссылки). И мой научный руководитель психолог, профессор Суходольский использовал с середины 1970-х годов структурно-алгоритмический анализ деятельности при управлении сложными системами. Я применяла этот метод в своей кандидатской еще сто лет назад, так что можно будет дать вам просто какие-то контакты и ссылки. В материалах, которые Фолкер присылал при нашей подготовке к этим встречам, видела один слайд, на котором был представлен сетевой анализ события, произошедшего буквально несколько недель тому назад – террористического акта в Париже, поэтому я прошу дать какие-то комментарии по этому поводу.

Фолкер Шнейдер: В моей первой версии презентации у меня был слайд, который касался теракта в Париже 13 ноября. Один американец из Университета в Чикаго сделал такую модель, в которой он указал всех террористов, все методы, которыми проводились все теракты, и все цели этих терактов. Когда он показал студентам, они ничего не поняли в этой визуализации, потому что были два разных узла, которые, наверное, нужно было объединить – были отдельно узлы для мест и отдельно узлы для целей. Террористы были связаны с целями и с местами. Эти связи были показаны еще и разными цветами, поэтому моим студентам было сложно разобраться, поэтому я не стал включать для вас этот слайд. Вот вам пример практического применения анализа сетей, когда можно использовать этот метод для очень точного, очень наглядного отображения каких-то реальных событий.

Оксана Жиронкина: Когда смотришь на все эти графы, первое впечатление, которое возникает: в общем, и так все понятно – понятно, что институт, который организовывал исследование, должен быть в центре, потому что все связи идут от него и т.д. Я понимаю, что на самом деле есть глубинные связи, которые мы не можем увидеть. И, наверное, этот анализ их раскрывает. Вы не могли бы привести самый яркий пример из вашей практики, когда результат вас удивил и был неочевиден. Самый яркий пример, который вам кажется наиболее показательным.

Фолкер Шнейдер: Конечно, когда начинаешь эмпирически определять границы, то постоянно открываешь для себя что-то новое, несмотря на то, что тебе казалось, что ты – политолог и уже заранее все знаешь до того, как прове анализ. Нет, оказывается, что открываешь какие-то новые элементы, новые связи между элементами. Конечно, какие-то сведения известны и до проведения анализа, например, о том, что элемент играет важную роль или, например, ОЭСР является активным участником многих экономических процессов. Это понятно и без исследования. Но когда начинаешь вдаваться в детали, оказывается, что есть огромная, богатая популяция каких-то различных акторов вокруг этих элементов, и все они имеют какие-то взаимоотношения, взаимодействия между собой. И это что-то новое, что-то интересное. 

Оксана Жиронкина: Самый яркий пример можете привести?

Фолкер Шнейдер: Сеть, которая касается климатической политики. Лет 20 тому назад мы с моим коллегой написали и опубликовали статью о научной роли политики – о том, что политика играет большую роль в науке, в частности, что аналитические центры (так называемые think tank) влияют на развитие науки. Я знал это до анализа на очень абстрактном, поверхностном уровне. Когда мы провели анализ, то выяснили, что наука сама по себе неоднородна, в ней тоже есть различные элементы. Там есть и аналитические центры в виде организаций, которые представляют гражданское общество, научно-аналитические центры, которые выступают в качестве научно-исследовательских институтов и финансируются за счет правительства, есть аналитические центры, которые основываются на общественных движениях, руководствуются общественными движениями, допустим, движением зеленых. Когда вы определяете весь спектр разнообразных акторов, которые участвуют в этих процессах, то вы получаете лучшее понимание ситуации, вы получаете, так сказать, картинку с более высоким разрешением.

Оксана Жиронкина: Получается, что это как раз очень практический метод? Я хочу это зафиксировать. Когда мы имеем некое интуитивное представление, которое дает общую картину, посредством этого метода мы можем, по сути, уточнить и получить руководство к действию – получается так. Это для тех практиков, которые не выдержали и все-таки ушли. Последний вопрос.

Марина Петрова (студентка, Университет ИТМО): Спасибо за презентацию. У меня уточняющий вопрос относительно сравнительного анализа университетов Великобритании и Германии. Вы сделали некий промежуточный вывод о том, что высокое количество связей университета приводит к повышению его влиятельности, в частности, вывод был о Германии. Подскажите, в чем выражалась влиятельность, какие параметры были заложены в этот показатель?

Фолкер Шнейдер: Это были не институты, это были британские и германские организации. И в том, и в другом случае мы использовали одинаковые алгоритмы для подсчета их местоположения на графике. Интересно, что когда мы сравнили результаты опросов немцев с британцами относительно влияния этих государственных учреждений, то была очень большая вариативность ответов. У одних опрашиваемых был очень элитистский подход к мировоззрению – они считали, что есть четыре организации, которые всем управляют, а все остальные при этом не важны. Такие мнения находились на одном краю спектра. А другие опрашиваемые, наоборот, считали, что все организации, которые есть в этом списке, важны и играют очень важную роль в принятии решений в Великобритании. Все ответы, все результаты мы нормализовали – мы разбили все результаты по числовым рядам, то есть были ряды тех, кто считал, что несколько организаций имеют очень большое значение – они относились в один ряд, и были ряды, которые считали, что все организации имеют небольшое значение, средневзвешенное. Потом эти нормализованные ряды мы комбинировали и результаты наносили на график.

Кирилл Сухарев (программист, Университет ИТМО): У меня вопрос об университетах – вы говорили о взаимосвязи и конкуренции между ними. Если взаимосвязь можно просчитать количеством связей, коммуникации, то как посчитать конкуренцию? Там же не видно какой-то прямой связи. Как это посчитать?

Фолкер Шнейдер: Вы правы, кооперацию, взаимодействие измерять в анализе сетей гораздо проще, чем конкуренцию. Что касается взаимодействия, можно посчитать количество людей, которые участвовали в каком-то проекте, и предположить, что все они кооперировались и взаимодействовали между собой. Что касается конкуренции, она не обязательно может быть между организациями прямой – она может выступать через посредников. Мы проводили такой анализ в свое время, когда исследовали какой-то сегмент рынка, где сотрудничество между акторами было очень высоко, где интересы всех акторов совпадали, и была какая-то одна организация, один актор, который представлял интересы всех остальных участников, и тогда конкуренция была очень низка. По мере того, как появлялись новые ассоциации, допустим, интересы химической промышленности начали высказывать сразу несколько акторов. По мере этого росла и конкуренция. В таком случае конкуренцию можно рассчитать как функцию от общего количества организаций, участвующих в этом процессе.

Ирина Шмелева: Спасибо большое. Коллеги, мы не прощаемся с профессором Шнейдером. В воскресенье в четыре часа, в пространстве «Тайга» будет открытая лекция на тему энергетической политики и изменения климата. У нее очень провокативное название: «Между молотом и наковальней». Я приглашаю всех в креативное пространство «Тайга» в воскресенье в четыре часа. И я хочу поблагодарить от имени самых настойчивых, заинтересованных и увлеченных сетевым анализом коллег уважаемого профессора за презентацию, интересные примеры и ответы на вопросы, которые, я надеюсь, найдут продолжение в исследованиях активности.

[аплодисменты]

похожие события

<< К списку всех мероприятий

© ZERO B2B Communication © 2008-09
© Смольный институт © 2008-09