✖


Jump to content

Вычислительная социология

Часть серии о
Социология
Ключевые темы
Перспективы
Филиалы
Методы
Основные теоретики
Списки

Вычислительная социология — это раздел социологии , который использует интенсивные вычислительные методы для анализа и моделирования социальных явлений. Используя компьютерное моделирование , искусственный интеллект , сложные статистические методы и аналитические подходы, такие как анализ социальных сетей , компьютерная социология разрабатывает и проверяет теории сложных социальных процессов посредством восходящего моделирования социальных взаимодействий. [1]

Оно предполагает понимание социальных агентов, взаимодействия между этими агентами и влияния этих взаимодействий на социальную совокупность. [2] Хотя предмет и методологии социальных наук отличаются от таковых в естественных науках или информатике , некоторые подходы, используемые в современном социальном моделировании, возникли из таких областей, как физика и искусственный интеллект . [3] [4] Некоторые из подходов, возникших в этой области, были импортированы в естественные науки, например, меры сетевой центральности из областей анализа социальных сетей и сетевых наук .

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] Практический и известный пример — построение вычислительной модели в виде « искусственного общества », с помощью которой исследователи могут анализировать структуру социальной системы . [2] [7]

История [ править ]

См. Также: Социология и наука о сложности.
Историческая карта исследовательских парадигм и связанных с ними ученых в области социологии и науки о сложности .

Предыстория [ править ]

За последние четыре десятилетия компьютерная социология была внедрена и набирает популярность. [ по мнению кого? ] . Это использовалось в первую очередь для моделирования или построения объяснений социальных процессов и зависело от возникновения сложного поведения из простых действий. [8] Идея, лежащая в основе возникновения, заключается в том, что свойства любой более крупной системы не всегда должны быть свойствами компонентов, из которых эта система состоит. [9] Александр, Морган и Броуд, классические эмерджентисты, выдвинули идею эмерджентности в начале 20 века. Целью этого метода было найти достаточно хорошее соответствие между двумя разными и крайними онтологиями — редукционистским материализмом и дуализмом. [8]

Хотя эмерджентность сыграла ценную и важную роль в основании вычислительной социологии, есть те, кто не обязательно с этим согласен. Один крупный лидер в этой области, Эпштейн, сомневался в его использовании, поскольку существовали необъяснимые аспекты. Эпштейн выдвинул претензии 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 контроля и обратной связи в организациях, городах и т. д. В 1970-х годах в приложении было введено использование отдельных лиц в качестве основных единиц анализа и использованы восходящие стратегии для анализа. моделирование поведения. Последняя волна произошла в 1980-х годах. В то время модели все еще были восходящими; единственная разница состоит в том, что агенты взаимодействуют взаимозависимо. [8]

систем и функционализм структурный Теория

Основные статьи: Теория систем и структурный функционализм

В послевоенную эпоху Ванневара Буша , дифференциальный анализатор клеточные Джона фон Неймана , автоматы кибернетика Винера и Норберта теория Клода Шеннона стали информации влиятельными парадигмами для моделирования и понимания сложности технических систем. 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. Следуя призыву Эмиля Дюркгейма проанализировать сложное современное общество sui Generis , [10] послевоенные социологи-структуралисты-функционалисты, такие как Талкотт Парсонс, ухватились за эти теории систематического и иерархического взаимодействия между составляющими компонентами, чтобы попытаться создать великие единые социологические теории, такие как парадигма AGIL . [11] Социологи, такие как Джордж Хоманс, утверждали, что социологические теории должны быть формализованы в иерархические структуры предложений и точную терминологию, из которой 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 подобные вычислительные подходы смогут «решить» и «доказать» аналогично формализованные проблемы и теоремы социальных структур и динамики.

Макросимуляция и микросимуляция [ править ]

Основные статьи: Системная динамика и микромоделирование

К концу 1960-х и началу 1970-х годов социологи использовали все более доступные компьютерные технологии для макросимуляции процессов контроля и обратной связи в организациях, отраслях, городах и населении по всему миру. В этих моделях использовались дифференциальные уравнения для прогнозирования распределения населения как целостной функции других систематических факторов, таких как контроль запасов, городское движение, 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, в которых предсказывалось, что политика, способствующая экспоненциальному экономическому росту, в конечном итоге приведет к глобальной экологической катастрофе. [16] неудобные выводы побудили многих авторов попытаться дискредитировать модели, пытаясь выставить самих исследователей ненаучными. [2] [17] Надеясь избежать той же участи, многие социологи обратили свое внимание на модели микросимуляции, чтобы делать прогнозы и изучать последствия политики путем моделирования совокупных изменений в состоянии субъектов на индивидуальном уровне, а не изменений в распределении на уровне населения. [18] Однако эти модели микросимуляции не позволяли людям взаимодействовать или адаптироваться и не предназначались для фундаментальных теоретических исследований. [1]

агентное моделирование и Клеточные автоматы

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 составные части, такие как атомы, порождают 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 регулировались исключительно состояниями непосредственных соседей. Наряду с достижениями в области искусственного интеллекта и мощности микрокомпьютеров эти методы способствовали развитию « теории хаоса » и « теории сложности », которые, в свою очередь, возобновили интерес к пониманию сложных физических и социальных систем, выйдя за рамки дисциплинарных границ. [2] В эту эпоху также были основаны исследовательские организации, специально занимающиеся междисциплинарным изучением сложности: Институт Санта-Фе был основан в 1984 году учеными из Национальной лаборатории Лос-Аламоса , а группа BACH в Мичиганском университете также начала свою деятельность в середине 1980-х годов.

Эта парадигма клеточных автоматов породила третью волну социального моделирования, в которой особое внимание уделялось агентному моделированию. Как и микросимуляции, в этих моделях упор делался на восходящий подход, но в них принимались четыре ключевых допущения, которые отличались от микросимуляции: автономия, взаимозависимость, простые правила и адаптивное поведение. [1] Агентные модели меньше заботятся о точности прогнозирования и вместо этого делают упор на теоретическое развитие. [20] В 1981 году математик и политолог Роберт Аксельрод и биолог-эволюционист У. Д. Гамильтон крупную статью опубликовали в журнале Science под названием «Эволюция сотрудничества», в которой использовался подход агентного моделирования, чтобы продемонстрировать, как социальное сотрудничество, основанное на взаимности, может быть установлено и стабилизировано в условиях взаимного сотрудничества. игра -дилемма заключенного , в которой агенты следовали простым правилам, корыстным. [21] Аксельрод и Гамильтон продемонстрировали, что отдельные агенты, следуя простому набору правил (1) сотрудничают в первую очередь и (2) впоследствии повторяют предыдущие действия партнера, способны развивать «нормы» сотрудничества и санкций в отсутствие канонических социологических конструкций, таких как как демография, ценности, религия и культура как предварительные условия или посредники сотрудничества. [4] На протяжении 1990-х годов такие учёные, как Уильям Симс Бейнбридж , Кэтлин Карли , Майкл Мэйси и Джон Скворец, разработали мультиагентные модели обобщенной взаимности , предубеждений , социального влияния и организационной обработки информации (психология) . В 1999 году Найджел Гилберт опубликовал первый учебник «Социальное моделирование: моделирование для социологов» и основал его самый актуальный журнал: « Журнал искусственных обществ и социального моделирования» .

социальных сетей Интеллектуальный анализ данных и анализ

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 благодаря достижениям в теории графов, статистике и исследованиях социальной структуры как отдельный аналитический метод и был сформулирован и использован такими социологами, 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 , которые можно было масштабировать для все более сложных и больших наборов данных. Самая последняя волна компьютерной 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 ученым-социологам напрямую наблюдать и анализировать социальное поведение в различные моменты времени и на нескольких уровнях анализа без ограничений традиционных методов. эмпирические методы, такие как интервью, включенное наблюдение или инструменты опроса. [23] Продолжающееся совершенствование алгоритмов машинного обучения также позволило ученым-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 выборов в США 2012 г. [26]

Автоматический анализ текстовых корпусов позволил извлекать акторов и их реляционные сети в огромных масштабах. превращение текстовых данных в сетевые данные. Полученные сети, которые могут содержать тысячи узлов, затем анализируются с использованием инструментов теории сетей для определения ключевых участников, ключевых сообществ или сторон, а также общих свойств, таких как надежность или структурная стабильность всей сети или центральность определенных узлы. [27] Это автоматизирует подход, представленный количественным нарративным анализом, [28] при этом тройки субъект-глагол-объект отождествляются с парами актеров, связанных действием, или парами, образованными актером-объектом. [26]

Вычислительный - анализ контент

Контент-анализ уже давно стал традиционной частью социальных наук и медиаисследований. Автоматизация контент-анализа позволила совершить революцию « больших данных » в этой области: исследования социальных сетей и газетного контента включают миллионы новостей. Гендерная предвзятость , читабельность , сходство контента, предпочтения читателей и даже настроение были проанализированы на основе методов анализа текста на миллионах документов. [29] [30] [31] [32] [33] Анализ читабельности, гендерной предвзятости и тематической предвзятости был продемонстрирован Flaounas et al. [34] показывая, как разные темы имеют разные гендерные предубеждения и уровни читабельности; Также была продемонстрирована возможность обнаружить изменения настроения у огромной популяции путем анализа контента Twitter. [35]

Впервые анализ огромного количества материалов исторических газет был проведен Дзогангом и др., [36] который показал, как периодические структуры могут быть автоматически обнаружены в исторических газетах. Аналогичный анализ был проведен в социальных сетях и снова выявил 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 воздействие 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 не должны быть только микро- или макроуровнями по своей природе. Могут быть промежуточные уровни, на которых существует общество, скажем, группы, сети, сообщества и т. д. [38]

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

Если мы рассматриваем сущности (агенты) как узлы, а связи между ними как ребра, мы видим формирование сетей. Связи в этих сетях возникают не на основе просто объективных отношений между сущностями, а скорее определяются факторами, выбранными участвующими сущностями. [39] Проблема этого процесса заключается в том, что трудно определить, когда набор объектов сформирует сеть. Эти сети могут представлять собой сети доверия, сети сотрудничества, сети зависимости и т. д. Были случаи, когда разнородный набор субъектов образовывал между собой прочные и значимые сети. [40] [41]

Как обсуждалось ранее, общества делятся на уровни, и на одном из таких уровней, индивидуальном уровне, существует микро-макро-связь. [42] относится к взаимодействиям, которые создают более высокие уровни. Существует ряд вопросов, на которые необходимо ответить относительно этих микро-макро-связей. Как они формируются? Когда они сходятся? Какая обратная связь передается на нижние уровни и как она передается?

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

культуры Моделирование ​ ​

Эволюция сетей и уровней общества приводит к культурному разнообразию. [43] Однако возникает мысль: когда люди склонны взаимодействовать и более восприимчивы к другим культурам и верованиям, почему разнообразие все еще сохраняется? Почему нет сближения? Основная проблема заключается в том, как смоделировать это разнообразие. Существуют ли внешние факторы, такие как средства массовой информации, локальность общества и т. д., которые влияют на эволюцию или сохранение культурного разнообразия? [ нужна ссылка ]

и оценка ​ Экспериментирование

Любое исследование или моделирование в сочетании с экспериментированием должно быть способным ответить на задаваемые вопросы. Вычислительная социальная наука имеет дело с крупномасштабными данными, и проблема становится все более очевидной по мере роста масштаба. Как можно разработать информативное моделирование в большом масштабе? И даже если будет проведено крупномасштабное моделирование, как должна проводиться оценка?

модели и Выбор сложности модели

Еще одной проблемой является определение моделей, которые лучше всего соответствуют данным и сложности этих моделей. Эти модели помогут нам предсказать, как общества могут развиваться с течением времени, и дадут возможные объяснения того, как все работает. [44]

Генеративные модели [ править ]

Генеративные модели помогают нам проводить обширный качественный анализ контролируемым образом. Модель, предложенная Эпштейном, представляет собой агентное моделирование, в котором говорится об идентификации исходного 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 множества разнородных агентов? Оценка и влияние этих правил выявили совершенно новый набор 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 обеспечить лучшую производительность и понимание данных. Однако компромисс между выявлением и глубоким пониманием взаимодействия между этими простыми моделями возникает, когда нужно придумать одну комбинированную, хорошо работающую модель. Кроме того, еще одной дополнительной задачей является создание инструментов и приложений, помогающих анализировать и визуализировать данные на основе этих гибридных моделей.

Влияние [ править ]

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

на науку Влияние ​

Чтобы изучение компьютерной социологии было эффективным, необходимы ценные инновации. Эти инновации могут иметь форму новых инструментов анализа данных, более совершенных моделей и алгоритмов. Появление таких инноваций станет бумом для научного сообщества в целом. [ нужна ссылка ]

Влияние на общество [ править ]

Одной из основных задач компьютерной социологии является моделирование социальных процессов. [ нужна ссылка ] . Различные законодатели и политики смогут увидеть эффективные и действенные пути для выпуска новых руководящих принципов, а массы в целом смогут оценить и получить справедливое понимание вариантов, представленных перед ними, что обеспечит открытый и хорошо сбалансированный процесс принятия решений. [ нужна ссылка ] .

См. также [ править ]

Ссылки [ править ]

  1. ^ Jump up to: Перейти обратно: а б с Мэйси, Майкл В.; Виллер, Роберт (2002). «От факторов к действующим лицам: вычислительная социология и агентное моделирование». Ежегодный обзор социологии . 28 : 143–166. дои : 10.1146/annurev.soc.28.110601.141117 . JSTOR   3069238 . S2CID   1368768 .
  2. ^ Jump up to: Перейти обратно: а б с д Гилберт, Найджел; Тройч, Клаус (2005). «Моделирование и социальные науки» . Моделирование для социологов (2-е изд.). Издательство Открытого университета.
  3. ^ Эпштейн, Джошуа М.; Экстелл, Роберт (1996). Рост искусственных обществ: социальные науки снизу вверх . Вашингтон, округ Колумбия: Издательство Брукингского института. ISBN  978-0262050531 .
  4. ^ Jump up to: Перейти обратно: а б Аксельрод, Роберт (1997). Сложность сотрудничества: агентные модели конкуренции и сотрудничества . Принстон, Нью-Джерси: Издательство Принстонского университета. ISBN  0691015678 .
  5. ^ Касти, Дж (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. ^ Голдспинк, К. (2002). «Методологические последствия сложных системных подходов к социальности: моделирование как основа знаний» . 5 (1). Журнал искусственных обществ и социального моделирования. {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
  7. ^ Эпштейн, Джошуа (2007). Генеративная социальная наука: исследования в области агентного вычислительного моделирования . Принстон, Нью-Джерси: Издательство Принстонского университета.
  8. ^ Jump up to: Перейти обратно: а б с д Сальгадо, Маурисио и Найджел Гилберт. « Появление и коммуникация в вычислительной социологии ». Журнал теории социального поведения 43.1 (2013): 87-110.
  9. ^ Мэйси, Майкл В. и Роберт Уиллер. « От факторов к действующим лицам: вычислительная социология и агентное моделирование. Архивировано 13 июля 2014 г. в Wayback Machine ». Ежегодный обзор социологии 28.1 (2002): 143–166.
  10. ^ Дюркгейм, Эмиль. Разделение труда в обществе . Нью-Йорк, штат Нью-Йорк: Макмиллан.
  11. ^ Бейли, Кеннет Д. (2006). «Теория систем». В Джонатане Х. Тернере (ред.). Справочник по социологической теории . Нью-Йорк, штат Нью-Йорк: Springer Science. стр. 379–404. ISBN  978-0-387-32458-6 .
  12. ^ Бейнбридж, Уильям Симс (2007). «Вычислительная социология» . В Ритцере, Джордже (ред.). Энциклопедия социологии Блэквелла . Справочник Блэквелла в Интернете. doi : 10.1111/b.9781405124331.2007.x (неактивен 10 февраля 2024 г.). hdl : 10138/224218 . ISBN  978-1-4051-2433-1 . {{cite encyclopedia}}: CS1 maint: DOI неактивен по состоянию на февраль 2024 г. ( ссылка )
  13. ^ Кревье, Д. (1993). ИИ: бурная история поиска искусственного интеллекта . Нью-Йорк, штат Нью-Йорк: Основные книги. ISBN  9780465001040 .
  14. ^ Форрестер, Джей (1971). Мировая динамика . Кембридж, Массачусетс: MIT Press.
  15. ^ Игналл, Эдвард Дж.; Колесар, Питер; Уокер, Уоррен Э. (1978). «Использование моделирования для разработки и проверки аналитических моделей: некоторые тематические исследования». Исследование операций . 26 (2): 237–253. дои : 10.1287/опре.26.2.237 .
  16. ^ Медоуз, ДЛ; Беренс, WW; Медоуз, DH; Нэйл, РФ; Рандерс, Дж; Зан, ЭК (1974). Динамика роста в конечном мире . Кембридж, Массачусетс: MIT Press.
  17. ^ «Компьютерная точка зрения на катастрофу опровергнута» . Нью-Йорк Таймс . 18 октября 1974 года.
  18. ^ Оркатт, Гай Х. (1990). «От инженерии к микросимуляции: автобиографическое размышление». Журнал экономического поведения и организации . 14 (1): 5–27. дои : 10.1016/0167-2681(90)90038-F .
  19. ^ Тоффоли, Томмазо; Марголус, Норман (1987). Клеточные машины-автоматы: новая среда моделирования . Кембридж, Массачусетс: MIT Press. ISBN  9780262200608 .
  20. ^ Гилберт, Найджел (1997). «Моделирование структуры академической науки» . Социологические исследования онлайн . 2 (2): 1–15. дои : 10.5153/сро.85 . S2CID   5077349 . Архивировано из оригинала 24 мая 1998 г. Проверено 16 декабря 2009 г.
  21. ^ Аксельрод, Роберт; Гамильтон, Уильям Д. (27 марта 1981 г.). «Эволюция сотрудничества». Наука . 211 (4489): 1390–1396. Бибкод : 1981Sci...211.1390A . дои : 10.1126/science.7466396 . ПМИД   7466396 .
  22. ^ Фриман, Линтон К. (2004). Развитие анализа социальных сетей: исследование социологии науки . Ванкувер, Британская Колумбия: Эмпирическая пресса.
  23. ^ Лазер, Дэвид; Пентланд, Алекс; Адамик, Л; Арал, С; Барабаси, Алабама; Брюэр, Д; Кристакис, Н; Подрядчик, Н; и др. (6 февраля 2009 г.). «Жизнь в сети: грядущий век вычислительной социальной науки» . Наука . 323 (5915): 721–723. дои : 10.1126/science.1167742 . ПМЦ   2745217 . ПМИД   19197046 .
  24. ^ Шривастава, Джайдип; Кули, Роберт; Дешпанде, Мукунд; Тан, Пан-Нин (2000). «Анализ использования Интернета: обнаружение и применение шаблонов использования на основе веб-данных» . Информационный бюллетень ACM Sigkdd Explorations . 1 (2): 12–23. дои : 10.1145/846183.846188 . S2CID   967595 .
  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 . дои : 10.1016/S0169-7552(98)00110-X . S2CID   7587743 .
  26. ^ Jump up to: Перейти обратно: а б С Судхахар; Г.А. Велтри; Н. Кристианини (2015). «Автоматизированный анализ президентских выборов в США с использованием больших данных и сетевого анализа» . Большие данные и общество . 2 (1): 1–28. дои : 10.1177/2053951715572916 . hdl : 2381/31767 .
  27. ^ С Судхахар; Дж. Де Фасио; Р. Франзози; Н Кристианини (2013). «Сетевой анализ повествовательного контента в больших корпусах» (PDF) . Инженерия естественного языка . 21 (1): 1–32. дои : 10.1017/S1351324913000247 . hdl : 1983/dfb87140-42e2-486a-91d5-55f9007042df . S2CID   3385681 .
  28. ^ Францози, 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) . ПЛОС ОДИН . 5 (12): e14243. Бибкод : 2010PLoSO...514243F . дои : 10.1371/journal.pone.0014243 . ПМЦ   2999531 . ПМИД   21170383 .
  30. ^ В. Лампос; Н Кристианини (2012). «События текущего прогнозирования из социальной сети с использованием статистического обучения» (PDF) . Транзакции ACM в интеллектуальных системах и технологиях . 3 (4): 72. дои : 10.1145/2337542.2337557 . S2CID   8297993 .
  31. ^ И. Флаунас; О. Али; М. Турчи; Т Сноусилл; Ф. Никар; Т Де Би; Н. Кристианини (2011). NOAM: система анализа и мониторинга новостных агентств (PDF) . Учеб. международной конференции ACM SIGMOD 2011 года по управлению данными. дои : 10.1145/1989323.1989474 .
  32. ^ Н Кристианини (2011). «Автоматическое обнаружение закономерностей в медиаконтенте». Комбинаторное сопоставление с образцом . Конспекты лекций по информатике. Том. 6661. стр. 2–13. CiteSeerX   10.1.1.653.9525 . дои : 10.1007/978-3-642-21458-5_2 . ISBN  978-3-642-21457-8 .
  33. ^ Лансдалл-Велфэр, Томас; Судхахар, Саатвига; Томпсон, Джеймс; Льюис, Джастин; Команда газеты FindMyPast; Кристианини, Нелло (9 января 2017 г.). «Контент-анализ британских периодических изданий за 150 лет» . Труды Национальной академии наук . 114 (4): Е457–Е465. Бибкод : 2017PNAS..114E.457L . дои : 10.1073/pnas.1606380114 . ISSN   0027-8424 . ПМЦ   5278459 . ПМИД   28069962 .
  34. ^ И. Флаунас; О. Али; М. Турчи; Т. Лансдалл-Велфэр; Т. Де Би; Н. Мосделл; Дж. Льюис; Н. Кристианини (2012). «Методы исследования в эпоху цифровой журналистики» . Цифровая журналистика . 1 : 102–116. дои : 10.1080/21670811.2012.714928 . S2CID   61080552 .
  35. ^ Т. Лансдалл-Благосостояние; В. Лампос; Н Кристианини. Влияние рецессии на общественные настроения в Великобритании (PDF) . Материалы 21-й Международной конференции по Всемирной паутине. Сеанс Mining Social Network Dynamics (MSND) в приложениях для социальных сетей. Нью-Йорк, штат Нью-Йорк, США. стр. 1221–1226. дои : 10.1145/2187980.2188264 .
  36. ^ Дзоганг, Фабон; Лансдалл-Велфэр, Томас; Команда газеты FindMyPast; Кристианини, Нелло (08.11.2016). «Обнаружение периодических закономерностей в исторических новостях» . ПЛОС ОДИН . 11 (11): e0165736. Бибкод : 2016PLoSO..1165736D . дои : 10.1371/journal.pone.0165736 . ISSN   1932-6203 . ПМК   5100883 . ПМИД   27824911 .
  37. ^ Сезонные колебания коллективного настроения, выявленные в результате поиска в Википедии и публикаций в Твиттере Ф. Дзоганг, Т. Лансдалл-Велфэр, Н. Кристианини - Международная конференция IEEE по интеллектуальному анализу данных 2016 г., семинар по интеллектуальному анализу данных в анализе человеческой деятельности
  38. ^ Jump up to: Перейти обратно: а б с Конте, Розария и др. « Манифест вычислительной социальной науки. Архивировано 22 января 2022 г. в Wayback Machine ». Специальные темы Европейского физического журнала 214.1 (2012): 325–346.
  39. ^ Эгилуз, В.М.; Циммерманн, МГ; Села-Конде, CJ; Сан-Мигель, М. «Американский журнал социологии» (2005): 110, 977. {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
  40. ^ Сичман, Дж.С.; Конте, Р. «Теория вычислительной и математической организации» (2002): 8 (2). {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
  41. ^ Эрхардт, Г.; Марсили, М.; Вега-Редондо, Ф. «Physical Review E» (2006): 74 (3). {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
  42. ^ Биллари, Франческо К. Вычислительное моделирование на основе агентов: приложения в демографии, социальных, экономических и экологических науках . Тейлор и Фрэнсис, 2006.
  43. ^ Чентола, Д.; Гонсалес-Авелла, JC; Эгилуз, В.М.; Сан-Мигель, М. «Журнал разрешения конфликтов» (2007): 51. {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
  44. ^ Вайсберг, Майкл. Когда меньше значит больше: компромиссы и идеализация при построении моделей [ мертвая ссылка ] . Дисс. Стэнфордский университет, 2003 г.
  45. ^ Эпштейн, Джошуа М. Генеративная социальная наука: исследования в области агентного компьютерного моделирования . Издательство Принстонского университета, 2006.
  46. ^ Юань, Юань; Алабдулкарим, Ахмад; Пентленд, Алекс «Сэнди» (2018). «Интерпретируемый подход к формированию социальных сетей среди гетерогенных агентов» . Природные коммуникации . 9 (1): 4704. Бибкод : 2018NatCo...9.4704Y . дои : 10.1038/s41467-018-07089-x . ПМК   6224571 . ПМИД   30410019 .

Внешние ссылки [ править ]

Журналы и научные публикации [ править ]

Ассоциации, конференции и семинары [ править ]

, факультеты степени и Академические программы

Центры и институты [ править ]

Северная Америка [ править ]

Южная Америка [ править ]

Азия [ править ]

Европа [ править ]

Retrieved from "https://en.wikipedia.org/w/index.php?title=Computational_sociology&oldid=1212291396"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 01f01ae7b6112a20ec3d5903b1bb200c__1709767860
URL1:https://arc.ask3.ru/arc/aa/01/0c/01f01ae7b6112a20ec3d5903b1bb200c.html
Заголовок, (Title) документа по адресу, URL1:
Computational sociology - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)