Использование больших данных в социальной науке – перспективы и ограничения

Во втором выпуске 16ого тома журнала «Искусственные общества» опубликована статья «Использование больших данных в социальной науке – перспективы и ограничения», авторами которой выступили Олег Гуров, Татьяна Конькова, Руслан Новиков.

Статью можно прочитать ниже на этой странице, на сайте журнала или скачать здесь.

При цитировании просим использовать ссылку:

Гуров О. Н. , Конькова (Кураева) Т. А. , Новиков Р. Ю. Использование больших данных в социальной науке – перспективы и ограничения // Искусственные общества. – 2021. – T. 16. – Выпуск 2 [Электронный ресурс]. URL: https://artsoc.jes.su/s207751800015213-3-1/ (дата обращения: 02.11.2021). DOI: 10.18254/S207751800015213-3

Исследования показывают, что общество находится в активной фазе цифровой трансформации, вызванной массовым внедрением цифровых технологий и их проникновением во все сферы. Концепции осмысления и планы развития экономики в новых условиях, описанные в проектах «Третья промышленная революция» и «Индустрия 4.0», а также прикладные разработки и решения, охватывающие направления развития цифрового государства и цифровой трансформации общества, в течение короткого времени стали важной составной частью национальных программ различных государств и вошли в стратегии развития экономических и социальных систем [4].

Для удержания своих позиций, расширения сфер влияния и обеспечения конкурентоспособности передовые страны мира и ведущие организации, лидеры рынка, вступили в настоящую научно-технологическую гонку. Победители смогут оказывать значительное влияние на развитие человечества в последующие десятилетия.

Среди главных инструментов цифровой трансформации нужно отметить технологии, связанные с использованием больших данных. В самом общем смысле под большими данными мы будем подразумевать объемы информации, которые обладают рядом параметров, среди которых изначально выделялись значительный объем (volume), большая скорость (velocity) и всеобъемлющий характер, иными словами многообразие (variety). Список так называемых 3V впоследствии, в результате развития концепции и расширения областей использования больших данных, был расширен до 7V и даже более – концептуализация включила такие характеристики, как ценность (value), достоверность (veracity) и другие. Развитие этих технологий и их применение для достижения главной цели — экстракции знания, заставляет развивать специальные аналитические методы с учетом вышеуказанной характеристики, скорости, обусловленной тем, что большие данные создаются постоянно и, более того, объем их сбора только увеличивается. В качестве самого очевидного примера: данные формируются в то время, когда пользователь изучает свою электронную почту или смотрит новости в интернете. Что касается многоообразия больших данных, речь о том, что их сбор осуществляется по всей системе в совокупности, а не по какой-либо конкретной выборке. Например, программные базы сотовых операторов фиксируют все соединения мобильных телефонов со всеми абонентами телефонной сети, а не отдельные соединения [18]. Возникающие при этом возможности для исследования общества сложно переоценить. Качественно растут и перспективы моделирования экономических и социальных процессов в рамках цифрового двойника общества. В результате политические и экономические процессы становятся более прозрачными и управляемыми.

Такие возможности мотивируют развитие в социальных науках направлений, связанных с анализом поведения субъектов при использовании новых инструментов сбора и обработки данных, а также новых методов их анализа. Безусловно, при этом исследователю необходимо осознавать комплекс проблем, связанных с применением подобных цифровых технологий, и оценивать возможные последствия. Технологическая трансформация социальных процессов должна сопровождаться, как минимум, этической верификацией, и важно помнить, что по своей природе любые общественные преобразования осознаются через призму этики. Понимание и учет рисков важны не только для обеспечения должного качества научно-познавательной деятельности в целом, но и для недопущения нарушений и злоупотреблений правами третьих лиц со стороны самого исследователя.

Материалы и методология При проведении исследования авторы использовали системный и аналитический подходы, что позволило углубиться в контекст заявленной темы, а также синергетический подход, в рамках которого сделана попытка связать многозначность и наличие различных аспектов изучаемой темы. По мнению авторов, динамика развития проблематики наилучшим образом может быть исследована при совокупности применяемых подходов, так как этот комплекс позволяет как раскрыть контексты, так и наметить направления дальнейшего исследования.

При том, что в последнее время в сетевых публикациях и научных работах все чаще встречается термин «большие данные», в отличие от своего англоязычного аналога «Big data», в котором заложен принцип значимости (по аналогии с «Big Oil» или «Big Seven»), в русскоязычном варианте преимущество часто отдается количественному критерию – большой, огромный, гигантский. Универсальное определение этого понятия в настоящее время еще не сформировано. Ученые и эксперты предлагают различные подходы к использованию терминологии, что является отдельной темой исследования и научной дискуссии. Авторы настоящей статьи употребляют термин «большие данные» в составе других понятий, обозначающих цифровые технологии, применяемые для совершения автоматизированных операций с большими объемами данными («технологии больших данных») или комплекса этических аспектов, связанных с технологиями больших данных и последствиями их применения («этика больших данных»). Для обозначения отдельных операций с цифровыми данными (поиск, сбор, обработка, хранение, анализ и прочих) авторы руководствуются их общеупотребительными значениями.

Согласно списку Топ 10 стратегических технологических трендов 2019 года компании Gartner, в период до 2023 года основное развитие ожидается по следующим направлениям:

  • самоуправляемые машины и устройства (робототехника, транспортные средства, дроны, бытовая техника и пр.),
  • «дополненная» аналитика (использование технологий машинного обучения в автоматизации бизнес-анализа, составной частью которого является сохранение и последующее извлечение важной и ценной информации из обрабатываемых данных и применение приложений, основанных на такой технологии, пользователями, не обладающими специальными техническими познаниями),
  • программное обеспечение с использованием технологий искусственного интеллекта (для решения самых разнообразных задач),
  • цифровые двойники (цифровое представление объектов или систем реального мира),
  • периферийные вычисления (обработка данных на уровне, максимально приближенном к оконечным пользовательским устройствам, без необходимости передачи информации в удаленные центры и системы обработки данных),
  • иммерсивные технологии (платформы, меняющие восприятие человеком окружающего мира и цифрового пространства, использующие технологии дополненной (AR), виртуальной (VR) и смешанной (MR) реальности),
  • блокчейн (созданная в соответствии с определенными правилами распределенная база данных или, иначе, цифровой реестр для контроля и хранения транзакционной информации),
  • «интеллектуальные пространства» (умные дома, умные города и прочие экосистемы для взаимодействия групп людей между собой с применением комплексных возможностей цифровых технологий),
  • цифровая этика и «privacy» (представляет собой целый комплекс вопросов, связанных с возможностями применения цифровых технологий и их влиянием на права и свободы граждан), квантовые вычисления (позволяющие вывести вычислительные мощности компьютерных технологий на принципиально иной качественный уровень) [18].

Мы видим, что технологическое развитие затрагивает все без исключения сферы жизнедеятельности общества, и открывает перед человечеством не только фантастические возможности, по своей значимости сопоставимые с прорывными достижениями в области ядерной физики и энергетики XX века, но одновременно порождает такие же серьезные риски и угрозы. В наши дни цифровизация меняет бизнес не только отдельных компаний и отраслей, развитие регионов и государств, но и логику социального. Из технологической категории она давно превратилась в социальную, политическую и макроэкономическую. Поэтому осмыслением изменений, которые происходят на наших глазах, занимаются ученые, представляющие в первую очередь социальные науки, а также инженеры, предприниматели, политики, писатели и общественные деятели [4]. В ряду новых технологий именно большие данные занимают особое место, поскольку они обусловлены в широком смысле самим повсеместным распространением цифровых технологий, в результате чего в цифровом формате оказывается доступным материал по широкому спектру человеческой активности и вообще фактически полный срез социального.

Мы наблюдаем эволюцию цифрового ландшафта и принимаем участие в том, чтобы придать ему все более важное место в общественной жизни. Постоянно формируемые большие данные создают цифровое пространство, которое представляет базу исследования общественных процессов и социальной системы. Интернет (включая социальные сети, мессенджеры, форумы и пр.) к настоящему времени стал полем, основным средством и хранилищем массовой коммуникации, где накоплены колоссальные объемы личных позиций, выраженных мнений, персональных самопрезентаций, запечатленных коммуникаций. Это качественно перестроило логику социального взаимодействия и, более широко, общество в целом. Данные изменения заставляют переосмыслить исследовательский инструментарий, методологию изучения разнообразных аспектов общественной жизни, а также по-новому взглянуть или даже пересмотреть существующие теории общества. Во многом именно благодаря большим данным становится возможным охарактеризовать социальную реальность как саморазвивающуюся [14]. Изучение больших данных позволяет по-новому осознавать общественное развитие и искать решения как для исследовательских проблем, так и для управленческих задач. Развитие технологий больших данных дает стимул развитию управленческих экспериментов с использованием цифрового двойника общества, который становится все более и более насыщенным.

В качестве примера прикладного исследования с использованием больших данных представим недавно проведенный российскими учеными анализ контента в приложении «Инцидент-менеджмент», которое используется Комитетом по информатизации и связи города Санкт-Петербурга. В рамках исследования был осуществлен анализ сообщений пользователей приложения по вопросам экологических рисков в Санкт-Петербурге, в том числе, по конкретным районам, в также по источникам таких рисков и по ответственным организациям. Кстати, в результате проведенного исследования были выявлены и возникающие риски при сборе, хранении и использовании больших данных, среди которых отмечен и риск внешнего вмешательства в работу приложения [8].

Таким образом, технологии и их продукты, в частности, исследуемые нами большие данные, возможно изучать в контексте того, какое влияние они оказывают на общество и социальные процессы. Особую актуальность этому подходу добавляет факт, что современное общество характеризуется как «информационное». Этот термин ввел М. Кастельс, доказывая, что несмотря на то, что знание и информация занимали важное место в течение всей истории цивилизации, к настоящему времени произошло качественное изменение этой категории в результате развития технологий, и информация стала играть ключевую роль [6]. Современные технологические решения привели к созданию инфраструктуры, позволяющей накапливать, передавать и анализировать цифровые данные в больших объемах и в режиме реального времени. Инновационные решения в области машинного обучения, искусственного интеллекта и «Интернета вещей», создание центров обработки данных, облачных хранилищ, технологических платформ и готовых программных решений способствуют автоматизации операционных процессов с данными, устойчивому росту их производительности и повышению степени достоверности получаемых результатов. Массовая доступность и совершенствование пользовательских устройств (фото и видеокамер, компьютеров, смартфонов, планшетов и прочих) позволяет людям ежесекундно генерировать огромные потоки информации, которые представляют из себя неисчерпаемый источник для изучения и получения новых знаний. По прогнозам международной исследовательской компании International Data Corporation (IDC) к 2025 году в мире будет создано 175 зеттабайт цифровых данных, что в пять раз превысит значения 2018 года (33 зеттабайта). Число пользователей цифровых технологий увеличится с 5 млрд до 6 млрд человек и составит 75% населения Земли. В ближайшие годы подключенные к сети пользователи будут совершать минимум одну итерацию с цифровыми данными каждые 18 секунд. Преимущественно это будет связано с распространением технологий Интернета вещей, способных автоматически собирать и обрабатывать большие объемы данных в режиме реального времени [17]. Это формирует базу для исследования общества, не имеющую аналогов в истории науки.

Технологии обработки данных уже широко применяются государственными структурами и организациями в различных сферах государственного управления, экономики, изучения и прогнозирования социальных процессов. Особое значение они приобрели в аналитике, производственной сфере, финансовом секторе, индустрии развлечений и СМИ, в медицине и здравоохранении, маркетинге и рекламе. Для социальной науки такие технологии имеют неоспоримую ценность, поскольку их применение позволяет повысить эффективность работы с источниками информации, находить случайные закономерности в больших массивах данных, верифицировать результаты с большей степенью достоверности, получать новые знания, основанные на результатах анализа большого числа источников и объема информации. Анализ данных с применением технологий машинного обучения и искусственного интеллекта может быть выстроен как минимум в двух направлениях: во исполнение конкретной задачи, стоящей перед исследователем, когда программа производит анализ данных согласно заданным человеком критериям, или в обратном направлении, при котором предполагается нахождение случайных закономерностей в большом массиве данных. При этом такие параметры, как объем исследуемых данных, источники информации и критерии поиска могут определяться как человеком, так и самой программой. Второй подход представляется наиболее значимым для интеллектуальной работы исследователя, поскольку позволяет обратить внимание исследователя на неожиданные результаты, о которых он изначально мог не задумываться.

Мы наблюдаем постоянное увеличение количества данных в том числе за счет регулярного увеличения числа индустрий и организаций, принимающих стратегии больших данных, и интеграции различных систем, которая качественно увеличивает сбор данных. Все это дает современному ученому необъятное поле исследования, причем эта база постоянно обогащается и дополняется. Таким образом, цифровые решения в области аналитики данных позволяют собирать их из самых разнообразных источников информации: открытых данных, формируемых официальными государственными ведомствами, сетевых публикаций информационных агентств и средств массовой информации, корпоративных и частных интернет-сайтов, блогов и социальных сетей.

Прикладные решения, существующие на рынке аналитики данных, вместе с инструментарием сбора разнообразных данных дают исследователю новые возможности, которые позволяют сделать работу более эффективной, сократив время на выполнение рутинных операций, и сконцентрироваться непосредственно на интеллектуальном труде, получении и осмыслении новых знаний. При этом исследователю стоит понимать комплекс проблем, связанных с применением подобных цифровых технологий, и оценивать возможные последствия. Это важно не только для обеспечения должного качества научно-познавательной деятельности в целом, но и для недопущения нарушений и злоупотреблений правами третьих лиц со стороны самого исследователя.

В частности, исследователи указывают, что при «обмене» большими данными между разными исследователями возникают сложности с предоставлением доступа с соблюдением норм этики. Одним из вариантов может быть отмена идентификации исходных данных при их передаче в третьи руки. Однако в случаях «модификации» данных может наблюдаться искажение исходного набора данных, и анализ измененных наборов данных часто приводит к неверным результатам из-за неполноты информации. Такие случаи заставляют сомневаться в однозначной полезности данных, повторно используемых для анализа другими исследователями. [16].

В продолжение исследования рисков, связанных с большими данными, обратимся к концептуальному моменту. Распространение технологий больших данных позволяет исследователю применять механизмы обработки и анализа данных в самых разных проектах, что в условиях низкой цифровой и правовой грамотности несет риски случайных или преднамеренных искажений. Ошибки, допущенные пользователем преднамеренно или случайно на любом этапе сбора, обработки, анализа и интерпретации результатов, негативно сказываются на процессе в целом, а также лишают объективности результат. Это усугубляется тем, что люди склонны доверять той информации, которая проиллюстрирована конкретными примерами из жизни и подкреплена статистикой [13]. Особенно это касается представителей современного молодого поколения, у которых хорошо развита способность поверхностного восприятия большого объема информации за относительно короткий промежуток времени, но в тоже время они более доверчивы, менее осознано подходят к критическому анализу воспринимаемой информации. Люди более старшего возраста потребляют, как правило, информацию неспешно, но с гораздо более глубоким осмыслением и критическим взглядом, основанным на имеющемся у них продолжительном жизненном опыте [12]. И тем не менее жертвами манипуляций становятся представители абсолютно разных поколений, например, при проведении предвыборных кампаний или вирусном распространении недостоверных новостей «желтой прессой». В связи с этим исследователю и разработчику программных продуктов большое внимание следует уделять вопросу верификации полученных результатов, обеспечению непредвзятости и прозрачности алгоритмов машинного обеспечения и искусственного интеллекта.

Использование больших данных может сформировать основу, которая позволит пересмотреть теории социального знания, основные социальные модели, и вместе с этим стимулировать соперничество между различными исследовательскими направлениями. Результатом этого может стать появление новых определений социального, которые обогатят существующую полемику по данному ключевому вопросу гуманитарного знания. В частности, с позитивистских позиций общество определяется как социальная реальность, которая является первичной к индивидуальной̆ реальности, и таким образом детерминирующей поведение человека. Иной подход, присущей неклассической, или (интерпретативной) социальной науке, подразумевает большое значение ценностно-смысловой мотивации общественной деятельности отдельного субъекта. В рамках этого подхода считается, что социальные институты формируются самими индивидами. Однако и там, и там мы наблюдаем дихотомию по следующим категориям: макроструктура/микроструктура, социум/человек, структура/действие др.

При этом большие данные как концепция опираются на понимание общества в качестве самоуправляемой и самовоспроизводящейся системы. В рамках такого дискурса отсутствует необходимость искать причинно-следственные связи в этом отношении, поскольку такой подход ассоциировался бы с подчинением централизованной власти. Этот подход характерен для предыдущей формации, то есть, для модернистского общества. На самом же деле мы можем явно наблюдать не только на концептуальном уровне, но и в практическом виде то, как развивается самоорганизация и происходит развитие автономии в городской среде, а также в целом в социальных отношениях. Такой многоуровневый и сложный мир не нуждается в причинно-следственной логике. И в этих условиях большие данные артикулируют постчеловеческую онтологию самоуправления, и логику самовоспроизводящихся технологической и социальной систем. В таких системах растет роль общественного участия, более того, оно становится основополагающим социальным фактором и, соответственно, объектом научного исследования. В данном контексте под общественным участием мы подразумеваем широкий спектр взаимодействия, то есть «… сотрудничество индивида, социальной группы, населения с системой управления их включенность в систему управления и развития и становлением субъектом управления и развития» [7].

В этих условиях технологическое развитие и внедрение цифровых инструментов в процессы социального взаимодействия дает импульс качественному изменению как самой социальности на концептуальном уровне, так и социальным отношениям как системе и процессам. При этом субъектами социальных отношений начинает выступать значительное множество категорий, таких как вещи, процессы и состояния. Иначе говоря, в число субъектов социальных отношений начинает входить что-то, что может быть охарактеризовано как нечто объективированное. Объем человеческих отношений расширяется до таких пределов, что в число партнеров входят уже не только индивиды, одним из таких партнеров может становиться и объект. «Объектные миры – это, прежде всего, информационные и коммуникационные технологии, компьютеры и компьютерные технологии, объекты потребления» [10].

Это рождает новые требования к этике, на которую мы неоднократно ссылались. На сегодняшний день цифровая этика имеет устойчивый научный фундамент, и является частью компьютерной (информационной) этики, основу которой заложил ее основатель американский ученый Н. Винер. Уже в середине прошлого века он высказал предположение, что в ближайшем будущем, который он назвал «веком автоматизации», в социум вместе с людьми выйдут и искусственные личности, машины с «мозгом из меди и мускулами из железа», способные мыслить, совершенствоваться, обучаться и принимать решения [2].

Н. Винер предсказывал риски, связанные с защитой человеческих ценностей от возможных последствий развития и распространения информационных технологий, и обращал внимание на необходимость продвижения гуманитарных ценностей и использования для этого новых возможностей, открываемых технологиями. В рамках этой деятельности он организовал и принимал участие в дискуссии по поводу нового кодекса норм и правил, которые должны гарантировать контроль над возникающими рисками негативных последствий автоматизации производства. Н. Винер обращал внимание на необходимость уделять большое внимание прогнозированию результатов внедрения инноваций и фокусироваться на инструментах общественного контроля в отношении этических проблем [9]. Сегодня это является одной из главных задач разрабатываемых сегодня моделей искусственного общества. Его последователь, американский мыслитель Т.У. Бинум, также отмечал значимую ценность данного направления философской мысли: «Таким образом, если речь идет о компьютерной этике, все в обществе, кто на практике соприкасаются с использованием информационных и коммуникационных технологий – будь то политики, компьютерные профессионалы, бизнесмены, инженеры, преподаватели, учителя, родители и многие другие – могут и должны заниматься компьютерной этикой, способствуя интеграции этих технологий в общественные процессы с учетом этических требований» [14].

В российском законодательстве этическим вопросам пока уделяется недостаточное внимание, и в ряде законодательных актов отмечено, что цифровая этика имеет актуальность лишь в долгосрочной перспективе (10-15 лет). С другой стороны многие представители бизнеса, ученого и экспертного сообщества признают актуальность и весомое значение цифровой этики для развития социальных отношений уже сегодня. В частности, к настоящему времени Ассоциацией больших данных и Институтом развития интернета проведена большая работа по закреплению основных принципов и норм профессионального поведения при использовании технологий больших данных в Кодексе этики использования данных, принятом в 2020 году. В документе систематизирован широкий комплекс вопросов, подлежащих этическому регулированию, однако данную задачу нельзя считать полностью решенной, поскольку с развитием функционала применяемых и появлением новых цифровых технологий возникают все новые, ранее не учтенные риски этических нарушений и злоупотреблений гражданскими правами пользователей, в том числе, в исследовательском процессе.

Обсуждение/Выводы

Для целей систематизации и классификации возможных рисков авторы настоящей статьи предлагают учитывать два базовых требования, которые необходимо соблюдать при исследовании социальных процессов с использованием технологий больших данных:

1.Защита конфиденциальности и безопасности персональной информации, обеспечение осознания и осведомленности субъектов данных в отношении того, что данные, в том числе, какие и кем, собираются и исследуются. Эта проблема в определенной мере усложняется тем, что во многих областях, связанных с технологическим совершенствованием, происходит непрозрачное слияние государственного и корпоративного секторов, в результате чего подотчетность процессов зачастую бывает неудовлетворительной.

2. Понимание того, что на каждом этапе работы с большими данными возникают свои собственные проблемы:

Сбор данных: оцифровка данных, поиск и выделение среди общей массы тех цифровых данных, которые релевантны запросу исследователя, критериям поставленной задачи или совершаемой программной операции, с последующим копированием и сохранением отсортированных данных на накопитель или в цифровое (облачное) хранилище. К этой категории можно отнести риски несанкционированного доступа к данным, запрещенным или ограниченным их владельцем в допуске со стороны третьих лиц (в том числе нарушение коммерческой, банковской, врачебной, государственной тайны, прочих видов); получение персональных и иных данных без согласия их владельцев на совершаемую программную операцию и (или) последующее использование; нарушения авторских и исключительных прав на владение объектами, представляющими интеллектуальную собственность.

Обработка данных – совершение любых программных операций (манипуляций) с цифровыми данными, за исключением сбора, хранения и анализа таких данных. К этой категории можно отнести риски, аналогичные первой категории. Этот нюанс в первую очередь обусловлен тем, что первоначально цифровые данные не собирались их обработчиком, а были получены от третьих лиц или программ (например, приобретены за плату) или переработаны «вторично». Разграничение рисков по первой и настоящей (второй) категории имеет значение при установлении тяжести причиненного вреда (оценка последствий) и вины правонарушителя.

Хранение данных (в памяти технического устройства, накопителя или в цифровом (облачном) хранилище). К этой категории можно отнести риски, связанные с нарушением правил безопасности и защиты данных от несанкционированного к ним доступа со стороны третьих лиц или программ, а также нарушение авторских и исключительных прав на базу данных.

Анализ данных – совершение любых программных операций (манипуляций) с цифровыми данными, за исключением их обработки, с целью извлечения ценной для исследователя информации из смыслового содержания данных, необходимой для построения на их основе логического вывода (умозаключения). Результатом анализа данных является вновь созданное произведение, представляющее собой самостоятельный объект интеллектуальной собственности. При этом форма представления и объем результатов анализа не важны. К этой категории можно отнести риски, связанные с пороками применяемых методов исследования, недостоверностью исходных данных и источников информации, предвзятостью алгоритмов машинного обучения и искусственного интеллекта, а также иными искажениями результатов анализа данных или их неверной интерпретацией. Такие риски относятся именно к категории анализа данных, поскольку ошибочные результаты влияют на суждения и умозаключения прежде всего самого исследователя, который, не осознавая допущенной ошибки, может стать источником последующих негативных последствий и искажений.

Использование данных и результатов анализа любыми доступными способами, не отнесенными к предыдущим категориям. В эту категорию можно включить все иные риски. Например, связанные с рисками того, что могут нарушаться гражданские права и законные интересы субъектов при распоряжении (купли-продажи, опубликовании, переработки, распространении и совершении прочих действий) массивом данных, независимо от того были ли они предварительно обработаны, структурированы или классифицированы.

Учет данных рисков позволит исследователю социальных процессов эффективно осуществить цифровую трансформацию своей деятельности, что поможет ему не отвлекаться на рутинные вопросы и сконцентрироваться на решении исследовательских задач. Говоря о России, отметим, что высокий темп освоения новых знаний, создания и внедрения инновационных цифровых решений и технологичной продукции является ключевым фактором развития российского общества, определяющим его конкурентные преимущества. Поскольку в основе цифровых технологий (цифровых решений) лежат именно цифровые данные, то технологии, позволяющие проводить автоматизированные манипуляции с ними, принимают преимущественное значение. Операции с цифровыми данными, содержащими в себе персональные данные, необходимо систематизировать, чтобы на их основе категоризировать возможные риски, связанные как с нарушением прав, так и законодательно защищаемых интересов граждан.

Отдельно отметим следующий философский момент — особенностью больших данных является то, что в их создании основная функция принадлежит электронным механизмам, которые созданы и управляются человеком. В связи с этим ученому необходимо постоянно задавать себе вопрос, что это за данные и какие можно из них сделать выводы . Для ученого одним из важным элементов исследовательского процесса должен быть критический анализ «производства данных, что поможет избежать ситуации выявления и описания ложных зависимостей» [3].

Принятие во внимание всех представленных выше оснований даст системное понимание проблем и поможет выработать эффективные меры защиты и обеспечения безопасности интересов всех стейкхолдеров проводимого исследования. Таким образом, в результате проделанной работы авторы предприняли попытку показать актуальность и значимость применения цифровых решений в исследовании социальных процессов, рассмотрели перспективные направления (тенденции) развития таких исследований, связанные с этим проблемы, и предложили свой подход к классификации рисков.

Библиография

1. Антонов И.А. Влияние информации, предоставленной операторами сотовой связи, на раскрытие и расследование различных категорий преступлений // Общество и право. 2015, 2(52).

2. Винер Н. Кибернетика и общество / М.: Издательство иностранной литературы, 1958.

3. Волков В.В. Проблемы и перспективы исследований на основе Big Data (на примере социологии права) // Социологические исследования. 2016, №5.

4. Доклад «Цифровая экономика: глобальные тренды и практика российского бизнеса» // URL: https://imi.hse.ru/data/2017/10/07/1159564192/!Цифровая%20экономика%20-%20глобальные%20тренды%20и%20практика%20российского%20бизнеса.pdf

5. Как большие данные изменят социологию // URL: https://actualcomment.ru/kak-bolshie-dannye-izmenyat-sotsiologiyu-1711141305.html

6. Кастельс, М. Информационная эпоха: экономика, общество, культура М.: ГУ ВШЭ, 2000.

7. Лепский, В.Е. Общественное участие в саморазвивающихся полисубъектных средах / М.: Когито-Центр, 2019.

8. Мальцева А.В. Big Data как источник социологической информации: пример анализа блога губернатора Петербурга // Siberian Socium. 2019, Том 3, № 3.

9. Малюк, А.А. Этика в сфере информационных технологий / М.: Горячая линия-Телеком, 2016.

10. Платонова С.И. Эпистемические объекты и социальные отношения в современном обществе // Вестник ЛГУ им. А.С. Пушкина. 2018, № 3-1.

11. Сфера данных в Европе, Африке и на Ближнем Востоке: быстрый рост и перенос на периферию // URL: https://www.seagate.com/files/www-content/our-story/trends/files/data-age-emea-ru-regional-idc.pdf

12. Харари Ю.Н. Homo Deus. Краткая история будущего / М.: Синдбад, 2018.

13. Швейцер А. Культура и Этика / М.: Прогресс, 1973.

14. Bynum T.W. Norbert Wiener’s Vision: The Impact of «the Automatic Age» on Our Moral Lives in R. J. Cavalier, ed., The Impact of the Internet on Our Moral Lives // State University of New York Press: Albany. 2005. P. 11–25.

15. Cooper Joel & Weaver Kimberlee. (2003). Gender and Computers: Understanding the Digital Divide. Gender and Computers: Understanding the Digital Divide. 1-168. 10.4324/9781410608932.

16. Mills Kathy. (2017). What are the threats and potentials of big data for qualitative research?. Qualitative Research. 18. 146879411774346. 10.1177/1468794117743465.

17. The Digitization of the World From Edge to Core // URL: https://www.seagate.com/files/www-content/our-story/trends/files/idc-seagate-dataage-whitepaper.pdf

18. Top 10 Strategic Technology Trends for 2019 // URL: https://www.gartner.com/en/doc/3891569-top-10-strategic-technology-trends-for-2019

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *