Социальная роль обществознание: Социальные роли — урок. Обществознание, 8 класс.

Содержание

Я и мои социальные роли. Обществознание.

Проектно-исследовательская работа Я и мои социальные роли Выполнил: Каримов Амирхан, Студент группы Сн-1-19 Руководитель: Левченко М.В. учитель истории Набережные Челны 2020 Оглавление 1. Введение 2. Определение понятия «социальная роль» 3. Виды социальных ролей, мои социальные роли 4. Ролевые конфликты 5. Заключение 6. Список использованной литературы роли, можно сказать, что общество расписывает роли всем драматическим персонам. Я считаю, что роль — это образец поведения человека, занимающего определенный статус. Претендуя на данный статус, человек должен выполнять все ролевые предуказания, которые закреплены за этой социальной позицией. Не роль «подстраивается» под исполнителя, а исполнитель должен выполнять расписанную для него обществом, культурой, традициями роль. На мой взгляд, если работа требует сдержанности, а человек является эмоциональным, вспыльчивым, он должен или отказаться от карьеры, или научиться контролировать себя. Роль, будучи независимым от личности образцом поведения, является основным средством обеспечения эффективного функционирования первоосновы социальной жизни — социальных институтов. Ценности, нормы и роли возникают и утверждаются в едином социокультурном пространстве. Содержание роли определяется ценностными приоритетами, стандартами поведения, принятыми в данном обществе, культуре. В рамках социальной роли происходит систематизация норм поведения в единое целое в соответствии со спецификой функции, статуса, которую роль обслуживает. 3. Виды социальных ролей, мои социальные роли Виды социальных ролей определяются разнообразием социальных групп, видов деятельности и отношений, в которые включена личность. В зависимости от общественных отношений выделяют социальные и межличностные социальные роли. Социальные роли связаны с социальным статусом, профессией или видом деятельности (учитель, ученик, студент, продавец). Это стандартизированные безличные роли, строящиеся на основе прав и обязанностей, независимо от того, кто эти роли исполняет. Выделяют социально-демографические роли: муж, жена, дочь, сын, внук… Мужчина и женщина — это тоже социальные роли, биологически предопределенные и предполагающие специфические способы поведения, закрепленные общественными нормами, обычаями. Межличностные роли связаны с межличностными отношениями, которые регулируются на эмоциональном уровне (лидер, обиженный, пренебрегаемый, кумир семьи, любимый и т. д.). На мой взгляд, каждый человек выступает в какой-то доминирующей социальной роли, своеобразном социальном амплуа как наиболее типичном индивидуальном образе, привычном для окружающих. Изменить привычный образ крайне трудно как для самого человека, так и для восприятия окружающих его людей. Сейчас я перехожу к рассмотрению моих социальных ролей, итак кто же я? Мои первые социальные роли – сын своих родителей, внук бабушек и дедушек, брат, племянник. Эти роли считаются врожденными. Также я еще друг и приятель. Я человек коммуникабельный, легко завожу знакомства. Мне везет в этой жизни — вокруг много действительно хороших людей. Я студент, в недавнем прошлом ученик. Мне нравиться учиться, хотя я не отличник, но зато, если мне необходимо выполнить что-то по учебе, как минимум, я всегда получаю положительные результаты. Моя главная роль, которая определяет социальный статус, еще не определена, так это статусная или должностная роль, которая приобретается тогда, когда человек начинает работать. Итак, подведу итог вышесказанному: совокупность социальных ролей, исполняемых личностью, образует ролевой набор личности. Формирование ролевого набора является результатом социализации, в процессе которой мы усваиваем новые роли. 4. Ролевые конфликты В жизни людей нередко возникают Ролевые конфликты, которые вызывают эмоциональную напряженность. Ролевой конфликт – это ситуация, при которой происходит «столкновение» ролей внутри ролевого набора личности, когда одна роль противоречит другой или исполнение нескольких ролей оказывается невозможным. Приведу примеры ролевых конфликтов: Работающий студент должен выполнять роль сотрудника, в соответствии с социальными ожиданиями руководителя фирмы, выполнять его поручения и соблюдать трудовую дисциплину; в то же время в вузе он должен выполнять роль студента в соответствии с ожиданиями преподавателей и требованиями деканата, обязан посещать лекции и семинары, вовремя сдавать экзамены и зачеты. Женщина-учительница (профессиональная роль), а в ее классе учится ее собственный ребенок. Профессиональная роль и роль матери также могут сталкиваться. На мой взгляд, ролевой конфликт отцов и детей, является очень распространенным. Я вот часто задумываюсь по поводу того, что очень часто звучат жалобы как со стороны взрослых, так и со стороны детей на проблемы с взаимопониманием. Много думала над тем, почему это так. Ведь и проблема не вчера возникла. На мой взгляд, родители и подростки занимают в обществе совершенно разные социальные статусы, и выполняют различные социальные роли. И часто таких ролей на одного человека не одна, а много. У каждой социальной роли свои права и обязанности в обществе, своя мера ответственности. Как мне кажется, это и может являться причиной данного конфликта. Способы разрешения ролевых конфликтов могут быть связаны либо с выбором приоритетной в конкретной ситуации роли, либо с отказом от одной из социальных ролей. 5. Заключение Таким образом, исходя из вышесказанного, я могу сделать вывод, что положение человека в обществе и обусловленное им поведение характеризуют с помощью понятий «социальный статус личности» и «социальная роль». Главную роль в процессе социализации личности, т. е. усвоения ею социальных норм, образцов

Социальная роль

Социализация — это процесс приучения индивида к жизни в обществе, усвоения культурных норм и освоения социальных ролей. Это определение вам уже хорошо знакомо. Поговорим о том, что такое социальная роль. Какие роли нам, как членам общества, приходится играть. И что собой представляют ролевые конфликты.

Но начнём с социального статуса.

Статус — слово многозначное. С латыни оно переводится как «состояние», «положение». Используется в биологии, химии, медицине, юриспруденции и даже в лингвистике. Статус субъекта или объекта — это позиция, которую он занимает в какой-то группе, системе, иерархии. Либо его состояние. Например, иммунный статус — характеристика состояния иммунной системы организма. Чем ниже статус, тем слабее сопротивляется организм неблагоприятным внешним воздействиям, и наоборот.

Социальный статус человека — положение, которое он занимает в обществе. Статус зависит от различных характеристик данного индивида: его пола, возраста, национальной и религиозной принадлежности, уровня образования, профессии, размера банковского счёта и так далее.

Если уж совсем по-научному, то социальный статус — это определённая позиция в социальной структуре группы или общества, связанная с другими позициями через систему прав и обязанностей. Запоминается труднее, зато термин характеризует более полно и точно. Эта самая совокупность прав и обязанностей диктует человеку, как себя вести, имея тот или иной статус. На что он имеет право, и что обязан делать.

Модель поведения, которой должен придерживаться индивид, занимающий определённое положение в обществе, и есть социальная роль. Но об этом чуть позже.

Обратите внимание, социальный статус связан не с личностью человека, не с внутренними его качествами — чертами характера, нравственными принципами. А с внешними характеристиками.

Он напоминает пустую ячейку в сети. Она может быть разной формы и размера. Вот эту займёт 17-летнюю девушка, которая живёт в небольшом городке и заканчивает среднюю школу. А вот сюда поместим 50-летнего профессора столичного университета, который уже успел стать дедушкой. Девушка может быть общительной или застенчивой. Профессор — рассеянным или собранными и организованным. На их статус это не повлияет. Или скажем так — на их основной статус. А какие они, вообще, бывают?

Принято особо выделять личный статус человека. Речь идёт о его положении в малой первичной группе — семье, кампании друзей. Здесь как раз наши внутренние качества играют очень большую роль.

На уроках обществознания в базовой школе вы уже говорили о прирождённом и приобретённом (или достигаемом) статусах. Прирождённый связан с теми характеристиками, которые у вас есть, независимо от вашего желания и ваших действий. Мы рождаемся мальчиками или девочками. Современная медицина, правда, позволяет поменять эту характеристику. Но подобные случаи — всё же редкое исключение. От человека не зависит, родится он наследным принцем или нет. Хотя от прав на трон можно будет и отказаться. Отказавшийся от трона наследный принц — это будет достигаемый статус? Скорее смешанный. Вот мы с вами, например, от трона отказаться не можем. Потому что мы не урождённые наследные принцы.

Иногда особо выделяют предписанный или приписываемый статус. Он тоже у нас появляется, независимо от наших пожеланий на этот счёт. Но дядями, старшими сёстрами или дедушками не рождаются. Ими становятся.

С достигаемым статусом уже всё ясно. Это то положение, которое мы занимаем, благодаря нашим собственным усилиям. Уровень образования, профессия, ступенька карьерной лестницы.

Основной статус, о котором мы уже упоминали, — тот, который оказывает доминирующее (основное) воздействие на образ жизни человека. В традиционном обществе, чаще всего, это был прирождённый статус. Нужно было кем-то родиться, чтобы занять определённое, всем понятное место. Сейчас основной статус у большинства людей, по крайней мере взрослых, связан с родом их занятий.

Неосновной (эпизодический) социальный статус — то положение, в которое мы попадаем время от времени. Пешеход, покупатель, пациент, телезритель. Эти статусы тоже подразумевают некий набор прав и обязанностей, норм поведения.

Сделаем небольшое отступление и поразмышляем над вопросом, а как задумывалось природой? Какой статус — прирождённый или достигаемый — должен был стать основным, если бы люди жили в естественных условиях? То есть как один из биологических видов. А чтобы у вас было больше оснований для выводов, познакомимся с результатами одного эксперимента. Он был проведён в лаборатории биологического поведения университета Нанси — это во Франции.

Исследователь Дидье Дезор хотел изучить плавательные способности крыс. Он поместил их в клетку с одним выходом - в бассейн. Чтобы добыть пищу из кормушки, бассейн надо было переплыть. Плавать, как оказалось, крысы умеют неплохо, в том числе переправлять по воде пищу. Но в придачу обнаружилась и ещё одна вещь. Крысы не плыли на поиски пищи все вместе. И даже не по очереди. Создавалось ощущение, что они разделили между собой роли. Два пловца транспортировали пищу. Когда они выбирались из воды, две другие крысы били их и отбирали добытое. Наедались до отвала, а тем, что осталось, могли полакомиться пловцы. Сами эксплуататоры за едой никогда не плавали.

Был один независимый пловец. Он снабжал сам себя, и никому свою добычу не уступал. И последняя крыска стала таким «козлом отпущения» — её статус был самым низким. За едой она не плавала, отобрать у кого-то не могла. Поэтому подбирала случайно оставшиеся крошки. Эксперимент повторили в двадцати клетках — везде роли распределялись одинаково.

Но учёные — особые люди. Они отличаются тем, что в их головы приходят вопросы, над которыми остальные просто не задумываются. А что будет, подумал Дидье Дезор, если в одну клетку поместить шесть эксплуататоров из предыдущих экспериментов? По нашим, человеческим, меркам — это прирождённые авторитарные лидеры, которые нацелены на то, чтобы заставлять других работать на себя. Умрут с голоду, но сами плюхаться в бассейн не станут. Но вышло не совсем так. Крысы дрались всю ночь, а утром всё повторилось: два эксплуататора, два эксплуатируемых пловца, один независимый добытчик и один «козёл отпущения».

Какие роли играем мы?

Мы уже говорили, что социальная роль — модель поведения, связанная с определённым статусом. Добавим, это образец поведения, которого следует придерживаться, занимая то или иное положение в обществе. Есть устоявшиеся представления о том, что значит быть хорошим отцом, другом, учителем, президентом и так далее. Достаточно часто они закреплены в социальных нормах, в том числе правовых.  Если, выполняя роль, вы соответствуете этим представлениям, получаете одобрение окружающих. Если нет — осуждение.

Таким образом, мы можем дать и такое определение. Социальная роль — это нормативно одобряемый образец поведения, ожидаемый окружающими от каждого, кто занимает данную социальную позицию.

Американский социолог Толкотт Парсонс предложил следующие критерии для классификации социальных ролей.

·                   По уровню эмоциональности одни роли эмоционально сдержанны, а другие — раскованны. Например, судья, хирург или владелец похоронного бюро должны держать себя в руках, действовать рационально. А от актёра или вдовы на похорона́х никто сдержанности не ожидает. Наоборот, эмоции зачастую даже необходимо выставлять напоказ. На сцене — это одна из составляющих профессии. Ну а сдержанные в своих горестных чувствах вдова или вдовец могут навести окружающих на нехорошие подозрения.

·                   По способу получения роли, как и статусы, бывают предписанные и достигнутые. Ребёнку положено играть в песочнице, а по достижении определённого возраста - первого сентября отправляться в школу. Не потому, что он к этому так уж стремится, а просто потому что он ребёнок. В принципе, и десятиклассник может строить замки из песка или печь куличики. Но это может быть не очень хорошо воспринято. Скажут: не по возрасту! Но если вам так нравится работать с песком, необязательно для этого выгонять из песочницы малышей!

·                   Примеры достигнутых социальных ролей привести легко. Шеф-повар, космонавт, руководитель крупной компании.

·                   Следующий критерий — масштаб проявления. Например, в отношения с контролёром общественного транспорта вы вступаете в строго ограниченной ситуации. Он имеет право потребовать предъявить доказательство оплаты проезда. Или проследить, чтобы вы это сделали. Никаких других действий данная социальная роль не предусматривает. Не дать вам стать «зайцем» — и всё!

·                   А вот роль родителей или супругов таких узких рамок не имеет. Между мужем и женой, родителями и детьми возникают и эмоциональные, и правовые отношения. Очень трудно сформулировать, что значит, быть хорошим мужем или замечательной мамой. Вы — хорошие дети? Что, не так-то просто ответить на этот вопрос? А всё потому, что роль слишком масштабна, границы её проявления размыты.

·                   С масштабом проявления роли часто связана и степень её формализации. Одни роли предполагают жёстко регламентированные правила поведения. Контролёр и пассажир. Полицейский и нарушитель правопорядка. Друзья, члены семьи связаны личными, нигде детально не прописанными отношениями.

·                   Но довольно часто формальные и неформальные отношения при выполнении социальных ролей трудно разделить. У ученика и учителя есть нормативно определённые права и обязанности. Но это не мешает испытывать им симпатию или антипатию друг к другу, иметь общие увлечения, скажем, путешествовать по родному краю. К любимому учителю вы можете обратиться со своей личной проблемой, попросить совета по вопросу, который никак не связан с учебной программой.

·                   Парсонс предложил и такой критерий классификации социальных ролей, как мотивация. Бизнесмен стремится получить максимальную прибыль, учёный служит истине, чиновник делает карьеру, родители заботятся о благе ребёнка.

К выполнению социальных ролей каждый из нас подходит по-своему. Наши личные качества, безусловно, накладывают отпечаток на наши действия. Человек — не автомат, его нельзя запрограммировать на все случаи жизни. Никакие правила не могут всё предусмотреть. Нам часто приходится импровизировать. Если при этом наши действия кардинально не расходятся с ожиданиями окружающих, никаких особых проблем не возникает. Что же тогда имеется ввиду под ролевым конфликтом?

Понятно, что это ситуация резкого расхождения поведения и требований социальной роли. Когда человек ведёт себя не по правилам, не соответствует статусу. Мы уже говорили, что в этом случае общество применяет к нему негативные санкции: осуждает, наказывает.

Каждый из нас играет не одну роль. Попробуйте перечислить все составляющие своего ролевого набора. Пальцев на руках точно не хватит. Вполне вероятна ситуация, когда требования разных социальных ролей противоречат друг другу. Родители требуют, и вполне обоснованно, чтобы вы вернулись домой с вечеринки не позднее 22.00. А ваши друзья хотят видеть вас в своей кампании гораздо дольше. И среди них, возможно, есть некто, с кем вам особенно не хочется расставаться в такое «детское время». Совместную встречу рассвета влюблёнными ещё никто не исключил из составляющих набора ролевых правил.

Возможно и такое. Выполняемая вами социальная роль требует совершения действий, которые недопустимы для вас, как для личности. Вы ведь понимаете, что идея альтернативной гражданской службы вместо службы по призыву с оружием в руках не на пустом месте возникла.

В некоторых случаях ролевой конфликт может быть связан с различными представлениями о том, как именно нужно выполнять ту или иную социальную роль. Особенно, когда речь идёт о размытых социальных ролях с отсутствием формальной определённости отношений. Вы уже пробовали ответить на вопрос: Что значит быть хорошим сыном или хорошей дочерью?

Готовый кроссворд по обществознанию — на тему «Социальная роль»

По горизонтали
4. Роль … модель поведения, направленная на выполнение прав и обязанностей
6. Предпосылки гражданского общества обеспечивающие большой удельный вес в обществе среднего класса
8. Сми в телевиденье, радио, интернете
15. Партия строящая свою деятельность на основе националистических идей
18. Те, кто подталкивает других участников к конфликту
22. Большая ассоциация людей действующих на основании не личных связей, созданная для достижения специфических целей
23. Политический режим, при котором нет демократии, но нет и тоталитаризма. Для личности имеется какая-то свобода. Нет единой идеологии
По вертикали
1. Предпосылки гражданского общества обеспечивающие права человека на информацию, высокий образовательный уровень населения, свободу слова и совести
2. Социальная роль распадается на ролевое
3. Вид отклоняющегося поведения помимо негативного
4. Какой статус обладает чертами предписанного и достигаемого статуса
5. Деление общества по вертикали в виде иерархии
7. Тип восприятия интересов одного индивида превыше других
9. Какие ролевые требования могут быть помимо формальных
10. Форма стратификации по уровню дохода
11. Один из видов национализма
12. Режим характеризующийся высокой степенью политической свободы человека, реальным осуществлением его прав, позволяющим ему оказывать влияние на государственное управление обществом
13. Верховная форма права, предполагающая равное отношение государства ко всем без исключения гражданам
14. Форма стратификации по уровню образования и престижу профессии
16. Партия придерживающаяся религиозной идеологии
17. Поведение совокупности противоречивых проступков или преступлений
19. Инертное большинство населения слоя, преследуют личные далёкие от политики цели
20. Одни роли предусматривают общение по правилам, другие на неформальных взаимодействиях
21. Функция государства, обеспечивающая политическую стабильность выработки политического курса
24. Классификация выборов по масштабу, помимо федеральных и местных

Вступительное испытание — Обществознание

Сфера духовной культуры и ее особенности. Мировоззрение. Жизненные ценности и ориентиры. Проблема смысла жизни. Свобода и ответственность. Социальные ценности и нормы. Мораль. Добро и зло. Гуманизм. Патриотизм и гражданственность.

Наука в жизни современного общества. Возможности получения общего и профессионального образования в Российской Федерации. Непрерывность образования.

Религия и церковь, их роль в жизни современного общества. Связь религии и морали. Свобода совести.

Экономика и ее роль в жизни общества. Товары и услуги, ресурсы и потребности, ограниченность ресурсов. Альтернативная стоимость. Экономические системы и собственность. Разделение труда и специализация. Обмен, торговля, формы торговли и реклама.

Деньги. Инфляция. Обменные курсы валют. Банковские услуги, предоставляемые гражданам. Формы сбережения граждан (наличная валюта, банковские вклады, ценные бумаги). Страховые услуги, предоставляемые гражданам. Неравенство доходов и экономические меры социальной поддержки. Экономические основы прав потребителя. Потребительский кредит. Семейный бюджет, реальные и номинальные доходы семьи. Личное подсобное хозяйство.

Рынок и рыночный механизм. Предпринимательство. Цели фирмы, ее основные организационно-правовые формы. Производство, производительность труда и факторы, влияющие на производительность труда. Основные формы организации производства. Малое предпринимательство и индивидуальная трудовая деятельность. Затраты, выручка, прибыль. Заработная плата и стимулирование труда. Налоги, уплачиваемые гражданами. Безработица как социальное явление. Профсоюз.

Экономические цели и функции государства. Государственный бюджет. Международная торговля.

Социальная сфера. Семья как малая группа. Брак и развод, неполная семья. Отношения между поколениями.

Образ жизни. Социальная значимость здорового образа жизни. Физкультура и спорт как социальное явление. Социальное страхование.

Отклоняющееся поведение. Наркомания, алкоголизм, их опасность для человека и общества.

Сфера социального управления. Власть. Политический режим. Демократия, ее развитие в современном мире. Разделение властей. Местное самоуправление. Участие граждан в политической жизни. Опасность политического экстремизма.

Выборы, референдум. Политические партии и движения, их роль в общественной жизни. Влияние средств массовой информации на политическую жизнь общества. Роль политики в жизни общества.

Право, его роль в жизни общества и государства. Понятие и признаки государства. Формы государства. Гражданское общество и правовое государство. Принципы права. Норма права. Нормативный правовой акт. Система законодательства. Доступ к правовой информации. Базы правовых данных. Субъекты права. Понятие прав, свобод и обязанностей. Понятие правоотношений. Признаки и виды правонарушений. Понятие и виды юридической ответственности. Презумпция невиновности.

Права и свободы человека и гражданина в России, их гарантии. Конституционные обязанности гражданина. Права ребенка и их защита. Особенности правового статуса несовершеннолетних. Механизмы реализации и защиты прав и свобод человека и гражданина.

Правовые основы гражданских отношений. Право собственности на землю. Права собственника. Права потребителей Семейные правоотношения. Права и обязанности родителей и детей. Жилищные правоотношения. Правовое регулирование отношений в области образования. Право на труд и трудовые правоотношения. Административные правоотношения, правонарушения и наказания. Основные понятия и институты уголовного права. Пределы допустимой самообороны.

Основы конституционного строя Российской Федерации. Федеративное устройство России. Государственное устройство Российской Федерации. Правоохранительные органы. Судебная система. Адвокатура. Нотариат. Взаимоотношения органов государственной власти и граждан.

Приемная комиссия БГМУ

Программа вступительных испытаний по обществознанию

 

Общество

Общество как сложная динамическая система. Влияние человека на окружающую среду. Общество и природа. Правовая защита природы. Общество и культура. Причинные и функциональные связи в обществе. Взаимосвязь основных сфер общественной жизни. Важнейшие институты общества. Общественные отношения.

Объективные и субъективные факторы развития общества. Деятельность как способ существования общества. Ступени человеческой истории. Многообразие путей и форм общественного развития. Эволюция и революция. Революция и реформы. Возможность альтернативности общественного развития.

Культура и цивилизации. Типы цивилизации. Современные цивилизации. НТР и ее социальные последствия. Перспективы постиндустриальной цивилизации. Проблема общественного прогресса и его критериев. Противоречивость прогресса. Цена прогресса. Проблема смысла и направленности исторического процесса.

Человечество как социальная общность. Многообразие. Взаимосвязь и целостность современного мира. Противоречия современного общественного развития. Глобальные проблемы человечества. Стратегия выживания человечества в условиях обострения глобальных проблем.

 

Человек.

Человек как продукт биологической, социальной и культурной эволюции. Взаимоотношение духовного и телесного, биологического и социального начал в человеке. Сознание. Разум. Сознательное и бессознательное.

Бытие человека. Потребности человека: материальные и духовные, подлинные и мнимые. Способности человека. Человеческая деятельность. Ее многообразие. Творческая природа человека. Предназначение человека. Цель и смысл жизни человека. Объективное и субъективное содержание смысла жизни. Ценность жизни человека.

Основные социальные феномены жизни человека. Труд и трудовая деятельность. Игра в жизни человека. Общение и коммуникация. Многообразие видов общения. Функции общения.

Личность как субъект общественной жизни. Социализация и воспитание личности. Поведение. Самореализация личности. Саморегуляция. Свобода и ответственность личности.

Общая характеристика межличностных отношений. Конфликтные ситуации и способы их разрешения.

Духовный мир человека. Мировоззрение человека. Ценности. Основные типы жизненных стратегий в современном обществе: стратегии благополучия, успеха и самореализации. Проблема смерти в духовном опыте человечества.

 

Познание

Познание мира. Чувственное и рациональное познание. Интуиция. Истина и заблуждение. Критерии истины. Истина абсолютная и относительная.

Научное познание. Познание и творчество. Знание и вера. Формы и методы современного научного познания.

Особенности социального познания. Факты, теории, оценки. Науки, изучающие общество. Проблема социального прогнозирования.

Науки, изучающие человека, их система. Развитие взглядов на человека. Целостное постижение человека.

Многообразие путей познания и форм человеческого знания. Социальное и гуманитарное знание. Самопознание.

 

Духовная жизнь общества.

Культура и духовная жизнь. Духовная культура. Формы и разновидности культуры: народная, массовая, элитарная культуры. Средства массовой информации. Тенденции духовной жизни современной России. Особенности развития национальных культур в Российской Федерации.

Наука как часть культуры. Наука и общество. Наука как система, знаний и вид духовного производства. Особенности современной науки. Дифференциация и интеграция наук. Научная картина мира и ценностно-мировоззренческие формы знания. Возрастание роли науки в условиях НТР.

Сущность морали. Мораль как регулятор социального поведения. Категории морали. Высшие духовные ценности. Истина, добро и красота. Моральный идеал. Нравственная оценка деятельности. Моральный выбор.

Религия как феномен культуры. Функции религии. Религиозное сознание. Религиозный культ. Религиозные организации. Религия и мораль. Религия в современном мире. Свобода совести и вероисповеданий.

Искусство как вид духовного производства. Сущность искусства, его происхождение и основные формы. Искусство как эстетическая деятельность. Формы и основные направления искусства. Значение искусства для человека и человечества.

Образование в системе духовного производства. Цели и функции образования в современном мире. Основные элементы системы образования. Образование как ценность. Самообразование. Значение образования для самореализации.

 

Экономика.

Экономика: наука и хозяйство, теория и практика. Потребности и ресурсы: проблемы выбора. Роль экономики в жизни общества. Типы экономических систем, их отличительные признаки. Виды экономических отношений. Экономический цикл, его основные фазы. Экономический рост.

Экономическое содержание собственности. Формы и отношения собственности. Разгосударствление и приватизация. Частная собственность на землю и ее экономическое значение.

Экономическая деятельность. Общая характеристика сферы производства и сферы услуг. Производство: структура, факторы, виды. Измерители экономической деятельности. Экономика производителя. Предпринимательство: сущность, функции, виды.

Рынок как особый институт, организующий социально-экономическую систему общества. Многообразие рынков. Конкуренция. Спрос и предложение. Обмен. Специализация. России в условиях рыночных отношений.

Деньги, их функции. Банки, инфляция.

Государство и экономика. Экономические функции и задачи государства. Экономическая политика. Государственный бюджет. Государственный долг. Бюджетно-налоговое и денежно-кредитное регулирование экономики. Налоги, их виды и функции.

Мировая экономика. Россия в системе международных экономических отношений. Международное разделение труда и международная торговля. Экономическое сотрудничество и интеграция.

Экономика потребителя. Права потребителя, их защита. Уровень жизни. Прожиточный минимум. Рынок труда. Занятость и безработица.

Экономическая культура. Экономическая свобода и социальная ответственность. Культура производства и потребления. Нравственно-правовые основы экономических отношений.

Экономический интерес, экономическая свобода и социальная ответственность хозяйственного субъекта.

 

Социальные отношения.

Социальная структура общества, ее элементы. Социальные отношения и взаимодействия. Социальные изменения. Многообразие социальных групп. Неравенство и социальная стратификация. Личный и социальный статус. Социальные роли. Социальная мобильность. Социальные процессы в современной России.

Понятие о малой группе. Групповые нормы и санкции.

Социальные нормы. Элементы социального поведения. Отклоняющееся поведение. Социальный контроль и самоконтроль.

Этнические общности. Межнациональные отношения. Национализм. Межнациональные конфликты и пути их преодоления. Национальная политика.

Семья как социальный институт и малая группа. Тенденции развития семьи в современном обществе. Семейно-демографическая структура общества. Брак. Правовые основы семьи и брака. Правовой статус ребенка.

Молодежь как социальная группа. Молодежная субкультура. Проблемы молодежи в условиях социальных перемен. Молодежь как субъект социального развития.

Социальный конфликт и пути его разрешения. Экстремизм. Компромисс. Толерантность.

Социальное законодательство. Социальная политика.

 

Политика.

Политика, ее роль в жизни общества. Структура политической сферы.

Власть, ее происхождение и виды. Политический режим. Типы политических режимов: тоталитарный, авторитарный, демократический.

Политическая система общества. Государство, его признаки, формы, функции. Государственный аппарат. Избирательные системы. Политическая жизнь современной России.

Гражданское общество, его основные черты. Правовое государство, его сущность и основные принципы. Верховенство права. Местное самоуправление. Соотношение правового государства и гражданского общества.

Политическая идеология и ее структура. Функции политической идеологии. Различия и взаимодействие политической идеологии и политической психологии. Политическая идеология и политическая деятельность.

Политическая культура. Типы политической культуры. Функции политической культуры. Пути и формы политической социализации личности.

 

Право.

Право в системе социальных норм. Роль права в жизни человека, общества, государства. Система права: основные отрасли, институты, отношения. Источник права. Правовые акты. Публичное и частное право. Правоотношения. Правонарушения. Юридическая ответственность и ее виды. Правовая культура.

Международные документы по правам человека. Всеобщая декларация прав человека. Социально-экономические, политические и личные права и свободы. Система судебной защиты прав человека. Международное гуманитарное право.

Государственное право. Конституция в иерархии нормативных актов. Конституция Российской Федерации об основах конституционного строя. Закрепление в Конституции общепринятых международных стандартов прав человека.

Структура высшей государственной власти в Российской Федерации.

Федерация и ее субъекты.

Гражданин, гражданство и государство. Участие граждан в политике и управлении. Политические организации. Многопартийность. Правовая культура.

Основные признаки и значение юридической ответственности.

Признаки и виды правонарушений. IIроступок и преступление.

Административное право. Органы государственного управления. Административная ответственность.

Гражданское право. Право собственности юридических и физических лиц. Обязательства в гражданском праве. Трудовое право. Трудовой договор. Формы и виды оплаты труда. Заработная плата. Трудовая дисциплина. Трудовые споры и порядок их разрешения.

Уголовное право. Преступление и наказание в уголовном праве. Ответственность за преступления против личности. Уголовная ответственность за другие виды преступлений. Правоохранительные органы.

 

Литература:
  1. Обществознание: Учебное пособие / Под ред. Опалева А.В.. — М.: Юнити, 2018. — 478 c.
  2. Баранов, П.А. ЕГЭ. Обществознание. Новый полный справочник для подготовки к ЕГЭ / П.А. Баранов, А.В. Воронцов, С.С. Шевченко. — М.: АСТ, 2019. — 544 c.
  3. Баранов, П.А. Обществознание. Краткий справочник в таблицах и схемах для подготовки к ЕГЭ / П.А. Баранов. — М.: АСТ, 2019. — 288 c.
  4. Важенин, А.Г. Обществознание для профессий и специальностей технического, естественно-научного, гуманитарного профилей: Учебник / А.Г. Важенин. — М.: Academia, 2018. — 256 c.
  5. Важенин, А.Г. Обществознание для профессий и специальностей технического, естественно-научного, гуманитарного профилей. Контрольные задания / А.Г. Важенин. — М.: Academia, 2019. — 352 c.
  6. Касьянов, В.В. Обществознание в схемах и таблицах: готовимся к ЕГЭ / В.В. Касьянов. — РнД: Феникс, 2019. — 318 c.
  7. Касьянов, В.В. Обществознание: Учебное пособие / В.В. Касьянов. — Рн/Д: Феникс, 2019. — 128 c.
  8. Мушинский, В.О. Обществознание: Учебник / В.О. Мушинский. — М.: Форум, 2019. — 256 c.

Материалы для организации дистанционного обучения. Обществознание (6–9 классы)

Класс

Название урока

Ссылка на учебные материалы

6

Происхождение человека

6

Человек – существо биосоциальное

https://resh.edu.ru/subject/lesson/2952/main/

6

Человек – личность

https://resh.edu.ru/subject/lesson/7113/main/255909/

6

Человек познаёт мир

https://resh.edu.ru/subject/lesson/7121/main/255443/

6

Человек и деятельность

https://resh.edu.ru/subject/lesson/7119/main/255784/

6

Потребности и способности человека

https://resh.edu.ru/subject/lesson/7115/main/255877/

6

Сферы жизни общества

https://resh.edu.ru/subject/lesson/1229/

6

Ступени в развитии общества

6

Информационная революция

6

Общество и природа

https://resh.edu.ru/subject/lesson/1124/

6

Глобальные проблемы человечества

https://interneturok.ru/lesson/geografy/7-klass/materiki-evraziya/globalnye-problemy-chelovechestva

6

Структура общества

https://interneturok.ru/lesson/obshestvoznanie/8-klass/sotsialnaya-sfera/sotsialnaya-struktura-obschestva

6

Социальные группы

https://resh.edu.ru/subject/lesson/7125/main/255691/

6

Межличностные отношения

https://resh.edu.ru/subject/lesson/7123/main/255474/

6

Социальные роли

https://interneturok.ru/lesson/obshestvoznanie/8-klass/sotsialnaya-sfera/sotsialnye-roli-i-statusy

6

Типичные социальные роли несовершеннолетних

https://interneturok.ru/lesson/obshestvoznanie/8-klass/sotsialnaya-sfera/sotsialnye-roli-i-statusy

6

Семья и семейные отношения

https://resh.edu.ru/subject/lesson/2560/main/

6

Периоды жизни человека

https://resh.edu.ru/subject/lesson/984/

6

Экономика и её основные участники

https://resh.edu.ru/subject/lesson/2944/main/

6

Производственная деятельность

https://resh.edu.ru/subject/lesson/2928/main/

6

Виды и формы бизнеса

6

Обмен, торговля, реклама

https://resh.edu.ru/subject/lesson/3175/main/

6

Домашнее хозяйство

https://resh.edu.ru/subject/lesson/2937/main/

6

Зачем людям государство

https://resh.edu.ru/subject/lesson/2960/main/

6

Почему важны законы

https://resh.edu.ru/subject/lesson/2924/main/

6

Конституция Российской Федерации

https://resh.edu.ru/subject/lesson/2562/start/

6

Гражданин России

https://resh.edu.ru/subject/lesson/2686/main/

6

Россия среди современных государств

https://resh.edu.ru/subject/lesson/2953/start/

7

Социальные нормы как регуляторы поведения человека

https://resh.edu.ru/subject/lesson/2945/main/

7

Мораль и нравственность

https://resh.edu.ru/subject/lesson/2949/main/

7

Основные этические категории

https://resh.edu.ru/subject/lesson/4687/main/84700/

7

Нравственный выбор и моральная ответственность

https://resh.edu.ru/subject/lesson/2949/main/

7

Классификации социальных норм

https://resh.edu.ru/subject/lesson/2945/main/

7

Право и его роль в жизни общества

https://resh.edu.ru/subject/lesson/2924/main/

7

Основы конституционного строя Российской Федерации

https://resh.edu.ru/subject/lesson/2562/main/

7

Субъекты права

https://resh.edu.ru/subject/lesson/1918/start/

7

Правовой статус гражданина, организации

https://resh.edu.ru/subject/lesson/2686/main/

7

Особенности правового статуса несовершеннолетних

7

Правоотношения и их виды

https://resh.edu.ru/subject/lesson/1918/start/

7

Взаимодействие гражданина и государства

https://resh.edu.ru/subject/lesson/2957/main/

7

Гражданство

https://resh.edu.ru/subject/lesson/6147/main/222188/

7

Правонарушения и их характеристика

https://resh.edu.ru/subject/lesson/2955/main/

7

Юридическая ответственность

https://resh.edu.ru/subject/lesson/2955/main/

7

Способы защиты гражданских прав

https://resh.edu.ru/subject/lesson/4081/main/205884/

7

Личные (гражданские) права граждан РФ

https://resh.edu.ru/subject/lesson/2956/main/

7

Социальные права граждан РФ

https://resh.edu.ru/subject/lesson/2956/main/

7

Экономические права граждан РФ

https://resh.edu.ru/subject/lesson/4091/main/206100/

7

Культурные права граждан РФ

7

Политические права граждан РФ

7

Права ребёнка

https://resh.edu.ru/subject/lesson/2956/main/

7

Как организована правовая защита детей в РФ

7

Конституционные обязанности граждан РФ

https://resh.edu.ru/subject/lesson/2685/main/

7

Защита прав человека в государстве

https://resh.edu.ru/subject/lesson/4699/main/213087/

7

Уполномоченный по правам человека в РФ

7

Международная защита прав человека

https://resh.edu.ru/subject/lesson/4880/main/99075/

7

Нормы гражданского права

https://resh.edu.ru/subject/lesson/5555/main/213183/

7

Нормы трудового права

https://resh.edu.ru/subject/lesson/6370/main/217128/

7

Нормы семейного права

https://resh.edu.ru/subject/lesson/1917/main/

7

Трудовое законодательство Российской Федерации

https://resh.edu.ru/subject/lesson/6370/main/217128/

7

Административное законодательство Российской Федерации

https://resh.edu.ru/subject/lesson/5861/main/217190/

7

Уголовные наказания в системе российского права

https://resh.edu.ru/subject/lesson/5863/main/217252/

8

Основные формы культуры. Духовная культура

https://resh.edu.ru/subject/lesson/2950/main/

8

Образование и его значимость в условиях информационного общества

https://interneturok.ru/lesson/obshestvoznanie/8-klass/sfera-duhovnoy-kultury/sistema-obrazovaniya-rossiyskoy-federatsii

8

Наука в жизни современного общества

https://resh.edu.ru/subject/lesson/2561/main/

8

Религия. Свобода совести

https://resh.edu.ru/subject/lesson/2948/main/

8

Искусство

https://resh.edu.ru/subject/lesson/2947/main/

8

Мораль

https://resh.edu.ru/subject/lesson/2949/start/

8

Роль экономики в жизни общества

https://resh.edu.ru/subject/lesson/2944/main/

8

Экономические системы

https://resh.edu.ru/subject/lesson/3638/main/14587/

8

Спрос и предложение

https://resh.edu.ru/subject/lesson/2559/main/

8

Производство – основа экономики

https://resh.edu.ru/subject/lesson/2928/main/

8

Предпринимательская деятельность

https://interneturok.ru/lesson/obshestvoznanie/8-klass/ekonomika/predprinimatelskaya-deyatelnost

8

Конкуренция и типы рынков

https://resh.edu.ru/subject/lesson/5981/main/170820/

8

Роль государства в экономике страны

https://resh.edu.ru/subject/lesson/2943/main/

8

Деньги

https://resh.edu.ru/subject/lesson/3670/main/33146/

8

Банк. Банковская система

https://resh.edu.ru/subject/lesson/4897/main/161525/

8

Банковские услуги

8

Страховые услуги

http://academy.mosmetod.ru/kollektsiya/potrebitelskoe-strakhovanie

8

Инфляция

https://resh.edu.ru/subject/lesson/4884/main/227238/

8

Рынок труда

https://resh.edu.ru/subject/lesson/5982/main/170873/

8

Безработица

https://resh.edu.ru/subject/lesson/4899/main/161557/

8

Экономический рост

https://resh.edu.ru/subject/lesson/6154/start/7884/

https://resh.edu.ru/subject/lesson/5513/main/30675/

8

Современный работник

https://resh.edu.ru/subject/lesson/2926/main/

8

Мировое хозяйство и международная торговля

https://resh.edu.ru/subject/lesson/5520/main/10111/

8

Обменный курс валют

https://uchebnik.mos.ru/catalogue/material_view/atomic_objects/3427017

8

Семья как малая группа

https://mosobr.tv/release/7864

8

Социализация личности

https://mosobr.tv/release/7954

8

Нации и межнациональные отношения

https://mosobr.tv/release/7930

9

Социальная структура общества

https://interneturok.ru/lesson/obshestvoznanie/8-klass/sotsialnaya-sfera/sotsialnaya-struktura-obschestva

9

Социальные общности и группы

https://interneturok.ru/lesson/obshestvoznanie/8-klass/sotsialnaya-sfera/sotsialnaya-struktura-obschestva

9

Социальные статусы и роли

https://interneturok.ru/lesson/obshestvoznanie/8-klass/sotsialnaya-sfera/sotsialnye-roli-i-statusy

9

Социальные конфликты и пути их решения

https://interneturok.ru/lesson/obshestvoznanie/11-klass/sotsialnaya-sfera-zhizni-obschestva/sotsialnyy-konflikt

9

Социальная мобильность

https://interneturok.ru/lesson/obshestvoznanie/11-klass/sotsialnaya-sfera-zhizni-obschestva/sotsialnaya-stratifikatsiya-i-sotsialnaya-mobilnost

9

Виды социальных норм

https://resh.edu.ru/subject/lesson/2945/main/

9

Социализация личности и отклоняющееся поведение

https://resh.edu.ru/subject/lesson/2945/main/

9

Нации и межнациональные отношения

https://resh.edu.ru/subject/lesson/2931/main/

9

Социальная политика государства

https://uchebnik.mos.ru/catalogue/material_view/atomic_objects/3701348

9

Профессиональная среда и выбор профессии

https://interneturok.ru/lesson/obshestvoznanie/8-klass/lichnost-i-obschestvo/vybor-professii

9

Политика и власть

https://resh.edu.ru/subject/lesson/2961/main/

9

Государство: признаки, функции

https://resh.edu.ru/subject/lesson/2960/main/

9

Формы государства: политический режим

https://resh.edu.ru/subject/lesson/2959/main/

9

Формы государства: территориальное устройство, форма правление

https://resh.edu.ru/subject/lesson/5486/main/212870/

9

Формы политического участия граждан

https://resh.edu.ru/subject/lesson/2957/main/

9

Правовое государство

https://resh.edu.ru/subject/lesson/2958/main/

9

Избирательные системы. Процедура выборов

https://resh.edu.ru/subject/lesson/5488/main/213056/

9

Политические партии и общественно-политические организации

https://resh.edu.ru/subject/lesson/2957/main/

9

Гражданское общество

https://resh.edu.ru/subject/lesson/2958/main/

9

Политическая культура граждан

https://resh.edu.ru/subject/lesson/6146/main/222126/

9

Конституция РФ – основной закон государства

https://resh.edu.ru/subject/lesson/2562/main/

9

Основы конституционного строя

https://resh.edu.ru/subject/lesson/2956/main/

9

Права и свободы человека и гражданина

https://resh.edu.ru/subject/lesson/2956/main/

9

Структура власти РФ в соответствии с Конституцией

https://resh.edu.ru/subject/lesson/1920/main/

9

Законодательные, исполнительные, судебные органы государственной власти в Российской Федерации

https://resh.edu.ru/subject/lesson/1920/main/

9

Россия – федеративное государство

https://resh.edu.ru/subject/lesson/2921/main/

9

Судебная система РФ. Правоохранительные органы

https://resh.edu.ru/subject/lesson/1919/main/

9

Правомочия законодательных, исполнительных, судебных органов государственной власти в Российской Федерации

https://resh.edu.ru/subject/lesson/1920/main/

9

Основные направления социальной политики Российского государства

https://uchebnik.mos.ru/catalogue/material_view/atomic_objects/3701348

9

Международные документы о правах человека

https://resh.edu.ru/subject/lesson/3503/main/73679/

Подготовка к ОГЭ обществознание: Социальные роли и статусы

Социальный статус

Социальный статус (от лат. status — положение, состояние) личнос­ти — это положение человека в обществе, которое он занимает в соот­ветствии со своим возрастом, полом, происхождением, профессией, семейным положением.

  ИЛИ

Социальный статус — это определённая позиция в социальной структуре группы или общества, связанная с другими позициями через систему прав и обязанностей.

Социологи выделяют несколько разновидностей социальных статусов:

1) Статусы, определяемые положением индивида в группе, — личный и социальный.

Личным статусом называется то положение человека, которое он занимает в так называемой малой, или первичной, группе, в зависимости от того, как в ней оцениваются его индивидуальные качества. 

С другой стороны, в процессе взаимодействия с другими индивидами каждый человек выполняет определённые социальные функции, которые определяют его социальный статус.

2) Статусы, определяемые временными рамками, влиянием на жизнь индивида в целом, — основной и неосновной (эпизодический).

Основной статус определяет главное в жизни человека (чаще всего это статус, связанный с основным местом работы и семьей, например — хороший семьянин и незаменимый работник).

Эпизодические (неосновные) социальные статусы влияют на детали поведения человека (например — пешеход, пассажир, прохожий, пациент, участник демонстрации или за­бастовки, читатель, слушатель, телезритель и т. д.).

3) Статусы, приобретаемые или не приобретаемые в результате свободного выбора.

Предписанный (приписанный) статус — социальная позиция, которая заранее предписана индивиду обществом независимо от заслуг личности (например — национальность, место рождения, социальное происхождение и т. п.).

Смешанный статус обладает чертами предписанного и достигаемого статусов (человек, ставший инвалидом, звание академика, олимпийского чемпиона и др.).

Достигаемый (приобретённый) приобретается в результате свободного выбора, личных усилий и находится под контролем человека (образование, профессия, материальный достаток, деловые связи и т. п.).

В любом обществе существует некоторая иерархия статусов, которая представляет собой основу его стратификации. Определённые статусы являются престижными, другие — наоборот. Эта иерархия формируется под влиянием двух факторов:

а) реальной полезности тех социальных функций, которые выполняет человек;

б) системы ценностей, характерной для данного общества.

Если престиж каких-либо статусов является необоснованно завышенным или, наоборот, заниженным, обычно говорят, что имеет место утрата равновесия статусов. Общество, в котором наблюдается подобная тенденция к утрате этого равновесия, неспособно обеспечить свое нормальное функционирование.

От престижа необходимо отличать авторитет.

Престиж — это оценка обществом социальной значимости того или иного статуса, закреплённая в культуре и общественном мнении. 

Авторитетом называют степень признания обществом достоинства личности, конкретного человека.

Каждый индивид может иметь большое количество статусов. Социальный статус личности прежде всего оказывает влияние на её поведение. Зная социальный статус человека, можно легко определить большинство качеств, которыми он обладает, а также предсказать действия, которые он будет осуществлять. Подобное ожидаемое поведение человека, ассоциируемое с тем статусом, который он имеет, принято называть социальной ролью.

Социальная роль — это модель поведения, ориентирован­ная на определённый статус.

  ИЛИ

Социальная роль — это образец поведения, признанный целе­сообразным для людей данного статуса в данном обществе.

Роли определяются ожиданиями людей (например, в обществен­ном сознании укоренилось представление о том, что родители долж­ны заботиться о своих детях, что работник должен добросовестно осуществлять порученную ему работу). Но каждый человек в зави­симости от конкретных обстоятельств, накопленного жизненного опыта и других факторов по-своему выполняет социальную роль.

Претендуя на данный статус, человек должен выполнять все ролевые требования, закреплённые за этой социальной позицией. Каждый человек обладает не одной, а целым набором соци­альных ролей, которые он играет в обществе. Совокупность всех ролей человека в обществе называется ролевой системой или ролевым набором.

Ролевой набор (ролевая система)

Ролевой набор — совокупность ролей (ролевой комплекс), ассоциируемых с одним статусом.

Каждая роль в ролевом наборе требует особой манеры поведения и общения с людьми и является, таким образом, совокупностью непохожих на другие отношений. В ролевом наборе можно выделить основные (типичные) и ситу­ационные социальные роли.

Примеры основных социальных ролей:

1) труженик;

2) собственник;

3) потребитель;

4)  гражданин;

5)  член семьи (муж, жена, сын, дочь).

Социальные роли могут быть институционализированными и конвенциональными.

Институционализированные роли: институт брака, семьи (социальные роли матери, дочери, жены).

Конвенциональные роли принимаются по соглашению (чело­век может отказаться принять их).

Социальные роли связаны с социальным статусом, профес­сией или видом деятельности (учитель, ученик, студент, про­давец).

Мужчина и женщина — это тоже социальные роли, биоло­гически предопределённые и предполагающие специфические способы поведения, закреплённые общественными нормами или обычаями.

Межличностные роли связаны с межличностными отношени­ями, которые регулируются на эмоциональном уровне (лидер, обиженный, кумир семьи, любимый и т. д.).

Ролевое поведение

От социальной роли как образца поведения следует отличать ре­альное ролевое поведение, которое означает не социально ожи­даемое, а фактическое поведение исполнителя конкретной ро­ли. И здесь многое зависит от личностных качеств индивида, от сте­пени усвоения им социальных норм, от его убеждений, установок, ценностных ориентаций.

Факторы, определяющие процесс реализации социальных ролей:

1) биопсихологические возможности человека, которые могут способствовать или препятствовать выполнению той или иной соци­альной роли;

2) характер принятой в группе роли и особенности социаль­ного контроля,призванного следить за выполнением ролевого по­ведения;

3) личностный образец, определяющий комплекс поведенчес­ких характеристик, необходимых для успешного выполнения роли;

4) структура группы, её сплоченность и степень идентифика­ции индивида с группой.

В процессе реализации социальных ролей могут появляться оп­ределённые трудности, связанные с необходимостью человека ис­полнять в различных ситуациях множество ролей → в ряде случаев несовпадение социальных ролей, возникновение между ними проти­воречий и конфликтных отношений.

Ролевой конфликт и его виды

Ролевой конфликт — это ситуация, в которой человек стал­кивается с необходимостью удовлетворять требования двух или более несовместимых ролей.

Виды ролевых конфликтов:

Наименование вида

Его сущность

Внутриролевой

Конфликт, при котором требования одной и той же роли противоречат друг другу (например, роль родителей предполагает не только доброе, ласко­вое обращение с детьми, но и требовательность, строгость по отношению к ним).

Межролевой

Конфликт, возникающий в ситуациях, когда тре­бования одной роли противоречат требованиям другой (например, требования основной работы женщины могут прийти в противоречие с выпол­нением ею домашних обязанностей).

Личностно-ролевой

Конфликтная ситуация, когда требования соци­альной роли противоречат интересам и жизненным устремлениям личности (например, профес­сиональная деятельность не позволяет человеку раскрыть и проявить свои способности).

Потому что социальные науки понимают институты, которые формируют нашу жизнь — Почему социальные науки?

Стивен Ратгеб Смит, доктор философии, исполнительный директор Американской ассоциации политических наук

На протяжении моей карьеры профессора государственной политики, государственного управления и политологии я был убежден в ценности социальных наук , особенно политология. Более трех десятилетий мое исследование было сосредоточено на роли некоммерческих организаций в государственной политике.Это исследование основано на расширении нашего понимания взаимоотношений между государством и некоммерческими организациями, включая разработку эффективных стратегий сотрудничества и партнерства в поддержку инноваций и социального воздействия.

С момента моего назначения на должность исполнительного директора Американской ассоциации политических наук в августе 2013 года я был привержен расширению и углублению влияния политических исследований на продвижение знаний. Действительно, исследования в области социальных наук имеют фундаментальное значение для понимания мира вокруг нас и извлечения из него наилучшего.Работая с нашими политологами-членами, я был впечатлен огромным разнообразием важных исследовательских проектов, которые сейчас осуществляются, в том числе, почему люди голосуют, почему государства идут на войну (проверенные методы предотвращения), эффективные стратегии обучения гражданственности в местных сообществах и улучшение предоставления государственных услуг. В целом, невозможно игнорировать бесчисленное множество способов, которыми социальные науки помогают нам понимать, создавать и взаимодействовать с институтами, которые формируют нашу жизнь.

Проще говоря, социальные науки важны, потому что они создают лучшие институты и системы, которые ежедневно влияют на жизнь людей.Создание рамок для понимания происхождения и влияния типа режима, целей политических партий, причин поляризации, структуры социальных сетей, целей и структур государственных органов или проблем и возможностей, с которыми сталкиваются поставщики услуг и некоммерческие организации — все это попытки разобраться в конструкциях, которые оказывают реальное и глубокое воздействие на землю.

Важно отметить, что социальные научные подходы, погружают ли они исследователей в новые перспективы или систематически анализируют и сравнивают институты и явления, часто бросают вызов «здравому смыслу» или преобладающим представлениям.Эти исследования обеспечивают лучшую научно обоснованную основу для оценки нашего социального и политического мира. Более четкие свидетельства и более глубокие знания могут помочь укрепить институты, предоставляя данные для результатов политики и более совершенные механизмы для содействия гражданскому участию и вовлечению.

Не менее важно, помимо построения более точного и функционального общего понимания мира и его институтов, а также социальных и политических систем, социальные науки помогают людям лучше понять, как взаимодействовать с этими системами как для себя, так и для пользы общества.В условиях демократии это понимание имеет решающее значение.

Мы осознаем важность естественных наук в исследовании физического мира, включая личное здоровье, космические путешествия и улучшенный транспорт. Однако фактическая профилактика заболеваний или внедрение новой улучшенной системы общественного транспорта является политической проблемой, требующей понимания политических институтов, государственного управления и реализации политики. Таким образом, социальные науки помогают людям понять, как взаимодействовать с социальным миром — как влиять на политику, развивать сети, повышать подотчетность правительства и продвигать демократию.Эти проблемы для многих людей во всем мире являются незамедлительными, и их решение может иметь огромное значение для жизни людей.

В то время как многие дисциплины социальных наук важны, помогая людям понять и взаимодействовать с широким спектром институтов, которые формируют их жизнь, политология особенно ценна, помогая людям научиться быть гражданами. Участвуя в управлении на всех уровнях, требуя подотчетности законодателей и поддерживая демократические нормы и ценности, люди должны иметь ресурсы, чтобы понимать, как работает правительство и как создаются законы и постановления; оценивать политику и результаты на основе эффективности и ценностей; принимать обоснованные решения о политических предпочтениях; и, особенно, понимают важность участия в правительстве, от голосования до протеста.Политологи играют важную роль в предоставлении этих ресурсов в учебных классах и в общественной сфере.

Следовательно, политология посредством обучения и исследований обеспечивает прочную основу для понимания политических и социальных систем, которые формируют нашу жизнь. Исследования в области социальных наук говорят нам, что эффективные общественные услуги, активное участие в государственной политике и взаимодействие с местными общественными организациями являются очень сложной задачей, если правительство не является прозрачным и подотчетным, а граждане недостаточно вовлечены.Таким образом, социальные науки важны, потому что они обеспечивают основанную на фактах основу для построения более эффективного правительства и демократии. Почему общественные науки? Потому что это помогает людям понимать ключевые политические и социальные институты и взаимодействовать с ними, принося пользу отдельным людям и обществу в целом.

Определение социальных наук

Что такое социальные науки?

Социальные науки — это группа академических дисциплин , посвященных изучению общества.Этот раздел науки изучает, как люди взаимодействуют друг с другом, ведут себя, развиваются как культура и влияют на мир.

Ключевые выводы

  • Социальные науки — это группа академических дисциплин, которые сосредоточены на том, как люди ведут себя в обществе.
  • Некоторые специальности в области социальных наук включают антропологию, психологию, политологию и экономику.
  • Типичная карьера в социальных науках включает работу экономистом, психологом, социальным работником или юристом, государственным учреждением, некоммерческими организациями, а также работу в академических кругах.
  • Карьера в сфере социальной работы и экономики — одни из самых быстрорастущих отраслей в США.
  • Социальные науки дают нам лучшее понимание того, как создавать более инклюзивные и эффективные институты.

Понимание социальных наук

Социальные науки помогают объяснить, как работает общество, исследуя все, от триггеров экономического роста и причин безработицы до того, что делает людей счастливыми. Эта информация жизненно важна и может использоваться для многих целей.Помимо прочего, это помогает формировать корпоративные стратегии и политику правительства.

Социальные науки как область исследования отделены от естественных наук, которые охватывают такие темы, как физика, биология и химия. Социальные науки изучают отношения между людьми и обществами, а также развитие и функционирование обществ, а не изучают физический мир. Эти академические дисциплины в большей степени полагаются на интерпретацию и качественные исследовательские методологии .

К социальным наукам относятся:

  • Антропология
  • Экономика
  • Политология
  • Социология
  • Социальная психология

Историю также иногда считают разделом социальных наук, хотя многие историки часто считают, что этот предмет имеет более тесные связи с гуманитарными науками. И гуманитарные, и социальные науки изучают людей. Их отличает применяемая техника: гуманитарные науки считаются более философскими и менее научными.Право тоже имеет некоторые связи с общественными науками, как и география.

В США раннее обучение социальным наукам начинается в начальной школе и продолжается в средней и старшей школе с упором на основные социальные науки, такие как экономика и политология. На коллегиальном уровне предлагаются более специализированные дисциплины.

История общественных наук

Истоки социальных наук восходят к древним грекам. Их образ жизни и их ранние исследования человеческой природы, состояния и смертности помогли сформировать западную цивилизацию.

Социальные науки как академическая область исследований возникли в эпоху Просвещения (или Эпохи разума), которая процветала в Европе на протяжении большей части 18–-го века. Адам Смит, Вольтер, Жан-Жак Руссо, Дени Дидро, Иммануэль Кант и Дэвид Юм были среди крупных интеллектуалов того времени, заложивших основы изучения социальных наук в западном мире.

Люди начали применять более дисциплинированный подход к количественной оценке своих наблюдений за обществом, и со временем подобные аспекты общества, такие как лингвистика и психология, были разделены на уникальные области исследования.

Психология

Психология — одна из самых быстрорастущих областей социальных наук. Психология зародилась как медицинское направление в конце 1800-х годов. Американская психологическая ассоциация образовалась в 1892 году и насчитывала 26 членов. Работы Зигмунда Фрейда в начале 20-го века, в том числе его знаковая книга Толкования сновидений (1900), помогли принести теории психологии в западный мир. В 1952 г. вышло первое издание «Диагностического и статистического руководства по психическим расстройствам».опубликовано.

Однако даже в первой четверти 21 века психология продолжала быстро развиваться. По данным CDC, в 2019 году 19,2% взрослых получали те или иные психиатрические услуги за последние 12 месяцев, что является поразительным увеличением даже по сравнению с тем, что было всего 20 лет назад. Хотя многие по-прежнему используют психиатрическую медицину для лечения своих проблем с психическим здоровьем, в последние годы многие люди ищут альтернативные методы лечения, такие как осознанность и йога, в дополнение к традиционной разговорной терапии.

Экономика

История экономической мысли восходит к древнегреческим философам, таким как Платон, Аристотель и Ксенофонт. Их работы заложили основу почти всех социальных наук, в том числе экономики. По мере того, как в 15-18 веках путешествовать стало проще, и больше стран смогли участвовать в международной торговле, школа меркантилизма выросла. Внезапно экономические действия многих стран были мотивированы убеждением, что страна должна максимизировать экспорт и минимизировать импорт.

Этой преобладающей школе мысли бросили вызов такие писатели, как Адам Смит, широко известный как отец современной экономики. Идеи Смита, наряду с идеями Жана Жака Руссо и Джона Локка, продвигали идею саморегулирующейся экономики и вводили концепцию того, что сегодня известно как классическая экономика. Книга Адама Смита « Богатство народов » до сих пор изучается и вызывает восхищение у многих политиков.

Двумя другими важными экономистами, которые сформировали то, как мы думаем об этом сегодня, являются Карл Маркс и Джон Мейнард Кейнс.Карл Маркс, как известно, бросил вызов капитализму как подходящей экономической модели, сделав акцент на трудовой теории стоимости. Хотя идеи Маркса отнюдь не широко поддерживаются сегодняшними политиками, его критика капитализма оказала огромное влияние на многих мыслителей.

С другой стороны, кейнсианская школа экономики очень популярна среди современных экономистов. Кейнсианская экономика считается макроэкономической теорией со стороны спроса, которая фокусируется на изменениях в экономике в краткосрочной перспективе и была первой, кто отделил изучение экономического поведения и рынков, основанных на индивидуальных стимулах, от изучения общих экономических агрегатов страны. переменные и конструкции.

Социальные науки и бизнес

Предмет социальных наук — человеческое поведение, отношения, отношения и то, как эти вещи менялись с течением времени, — это, конечно, полезная информация для любого успешного бизнеса. Естественно, что область социальных исследований в экономике является ключевой для делового сектора. В частности, бихевиористские экономисты, использующие психологию для анализа и прогнозирования процессов принятия экономических решений отдельными лицами и организациями, все чаще пользуются спросом у некоторых крупнейших мировых брендов.

Однако даже такие концепции социальных наук, как демография, политология и социология, часто применяются во многих различных бизнес-контекстах. Например, в области рекламы и маркетинга часто используются теории человеческого поведения из этих областей для более эффективного продвижения своей продукции на рынок потребителей.

Карьера в области социальных наук

Типичная карьера в социальных науках включает работу в качестве экономиста, психолога, социального работника или юриста, в правительстве, в некоммерческих организациях, а также работу в академических кругах.Многие отрасли используют экономический анализ и количественные методы для изучения и прогнозирования тенденций бизнеса, продаж и других рыночных тенденций.

Согласно прогнозам Бюро статистики труда, экономисты являются одними из самых востребованных работников в США. Прогнозируемое изменение занятости экономистов с 2019-2029 гг. Составляет 14%. Ожидается, что другие профессии, связанные с социальными науками, будут расти со скоростью 4%, что является средним показателем для всех профессий.

13%

Прогнозируемый рост занятости социальных работников в 2019-2029 гг., По данным Бюро статистики труда.Это намного выше, чем в среднем по всем остальным профессиям, который составляет 4%.

Примеры социальных наук

В настоящее время колледжи и университеты предлагают множество программ по общественным наукам. Например, в Калифорнийском университете в Беркли 12 академических факультетов, относящихся к категории социальных наук. Они есть:

  • Афроамериканские исследования
  • Антропология
  • Демография
  • Экономика
  • Этнические исследования
  • Гендерные и женские исследования
  • География
  • История
  • Языкознание
  • Политология
  • Психология
  • Социология

Степень магистра и доктора философии.Программы D. в колледжах и университетах предлагают дополнительные возможности для более глубокой специализации.

Часто задаваемые вопросы по социальным наукам

Что такое предметы социальных наук?

Антропология, археология, экономика, география, история, право, лингвистика, политика, психология и социология — одни из самых распространенных предметов в социальных науках.

Почему социальные науки важны?

Социальные науки важны, потому что они помогают людям понять, как анализировать не только собственное поведение, но также поведение и мотивацию своих сверстников.Социальные науки также дают нам лучшее понимание того, как создавать более инклюзивные и эффективные институты.

Как стать социологом?

Как правило, путь к карьере в области социальных наук начинается с получения 4-летней степени по одному из предметов социальных наук, предлагаемых вашим учреждением. Если вы заинтересованы в карьере в сфере социальной работы или психологии, для этой карьеры часто требуются дополнительные сертификаты и лицензии.

Какие вакансии вы можете получить со степенью в области социальных наук?

Получение степени в области социальных наук может помочь вам получить работу экономиста, психолога, исследователя опросов, а также получить новые возможности в таких секторах, как право, правительство и академические круги.

границ | Теория на входе, теория на выходе: использование социальной теории в машинном обучении для социальных наук

1. Введение

Машинное обучение все чаще применяется к огромным объемам социальных данных, полученных от людей и о людях (Lazer et al., 2009). Большая часть этой работы была плодотворной. Например, исследование с использованием подходов машинного обучения на больших наборах социальных данных позволило нам предоставить точные прогнозы опросов на уровне штата на выборах в США (Beauchamp, 2017), изучить развитие персонажей в романах (Bamman et al., 2014), а также для лучшего понимания структуры и демографии городских кварталов (Cranshaw et al., 2012; Hipp et al., 2012). Таким образом, все более широкое применение машинного обучения к социальным данным стало свидетелем важных историй успеха, улучшающих наше понимание социального мира.

В то же время многие (вычислительные) социологи отметили фундаментальные проблемы в ряде исследований, в которых используется машинное обучение на социальных данных (Lazer and Radford, 2017; Crawford et al., 2019; Jacobs and Wallach, 2019).Например, ученые утверждали, что модели машинного обучения, применяемые к социальным данным, часто не учитывают бесчисленные предубеждения, возникающие в процессе анализа, которые могут подорвать обоснованность утверждений исследования (Olteanu et al., 2016). Попытки идентифицировать преступность (Wu and Zhang, 2016) и сексуальность (Wang and Kosinski, 2018) по лицам людей и прогнозировать рецидив с использованием данных уголовного правосудия (Larson and Angwin, 2016) вызвали критику, согласно которой текущие попытки применить машинное обучение к социальным данные представляют собой новую форму физиогномики (Aguera y Arcas et al., 2017). Физиогномика была попыткой объяснить поведение человека через типы телосложения и характеризовалась слабой теорией и небрежными измерениями (Gould, 1996). В конечном итоге это послужило лишь укреплению расовых, гендерных и классовых привилегий ученых и другой элиты. Сегодня это считается лженаукой.

Признавая это незаконное присвоение машинного обучения социальным данным, исследователи искали технические решения для их решения. Например, в ответ на утверждения о том, что алгоритмы, встроенные в политические решения, часто предоставляют несправедливые преимущества и недостатки для социальных групп, некоторые ученые в сообществе справедливости, подотчетности и прозрачности (FAccT) предложили новые алгоритмы для принятия более справедливых решений.Точно так же исследователи в области обработки естественного языка предложили несколько новых методов для устранения предвзятости в представлении встроенных слов в гендерную, расовую и другие социальные идентичности и статусы (Bolukbasi et al., 2016).

Основной вклад данной статьи — объединить эти проблемы, критику и поиски решения в единую структуру. В частности, мы утверждаем и показываем, что на каждом этапе конвейера машинного обучения возникают проблемы, которые не могут быть решены с помощью одного только технического решения .Вместо этого мы объясняем, как социальная теория помогает нам решать проблемы, возникающие в процессе построения и оценки моделей машинного обучения для социальных данных. Шаги этого процесса и обзор того, как социальная теория может помочь нам более эффективно выполнять данный шаг, показаны на Рисунке 1.

Рисунок 1 . Обзор разделов Theory In и Theory Out статьи. Каждый прямоугольник в Теории In и Theory Out является подразделом. В рамке указано название подраздела и заявление, которое мы делаем о том, как можно использовать социальную теорию для улучшения наших технических решений для решения этой проблемы.Мы рассматриваем Theory In (построение модели) как конвейер, а Theory Out (использование модели) как контрольный список вещей, которые мы потенциально можем захотеть от модели и / или ее выходных данных.

Мы определяем социальную теорию широко, как набор научно определенных конструктов, таких как раса, пол, социальный класс, неравенство, семья и институты, а также их причины и последствия друг для друга. Использование социальной теории в машинном обучении означает задействование этих конструкций в том виде, в каком они определены и описаны с научной точки зрения, и учет установленных механизмов и моделей поведения, порождаемых этими конструкциями.Например, теория расового образования Оми и Винанта (2014) утверждает, что раса — это социальная идентичность, которая постоянно конструируется политическими, экономическими и социальными силами. Что делает кого-то «черным» или «белым» в Соединенных Штатах, а также возможности и неравенство, связанные с этим различием, кардинально изменились на протяжении всей истории и продолжают меняться сегодня. Хотя существуют и другие научные определения расы и активные дебаты о ее причинах и последствиях, взаимодействие с ними на каждом этапе конвейера машинного обучения позволяет нам ответить на важные вопросы о том, какие данные мы должны использовать, функции, которые мы должны разработать, и что считается ярмарка (Benthall, Haynes, 2019; Hanna et al., 2019).

Статья состоит из двух широких разделов. В разделе «Теория » в разделе мы обсуждаем, как социальная теория может помочь нам при работе с конвейером построения модели. В разделе Theory Out мы говорим о контрольном списке желаний, которые у нас есть для моделей и результатов, которые мы производим, таких как обобщаемость, и обсуждаем, как социальная теория может помочь улучшить эти результаты нашей работы. Каждый подраздел внутри Theory In и Theory Out фокусируется на конкретной исследовательской проблеме или задаче и рассматривает серию из пяти вопросов:

1.Какую цель или проблему необходимо решить?

2. Как мы пытались решить эту проблему с помощью вычислений?

3. Каковы пределы этих технических решений?

4. Какие решения предлагает социальная теория?

5. Как можно использовать социальные теории для решения этих проблем в нашей работе?

В каждом подразделе мы отвечаем на каждый вопрос и используем примеры, чтобы проиллюстрировать наши утверждения. Хотя в каждом подразделе рассматривается уникальный элемент Theory In или Theory Out, решения, определенные на одном этапе, часто позволяют нам решать проблемы на других.Например, экономная модель часто более интерпретируема. Отсутствие решения проблемы за один шаг также может помешать решению проблем, которые могут возникнуть ниже по течению. На самом высоком уровне отсутствие социальной теории, входящей в модель, может помешать ее построению. Эти совпадения являются сильной стороной, а не недостатком структуры данной статьи. Как Olteanu et al. (2016), мы считаем, что, подчеркивая как уникальность, так и критические отношения между различными частями конвейера, мы можем понять, как неспособность решить проблемы может распространяться от одного этапа к другому и в конечном итоге влиять на то, какие выводы мы делаем из исследования. .

2. Сопутствующие работы

Социологи давно установили, что теория может решать методологические и аналитические проблемы, которые не могут решить новые методы. Например, Смолл (2017) утверждал, что одна теория может ответить на вопросы о том, как лучше всего измерить, что значит для человека иметь тесные социальные связи. В настоящей работе мы регулярно обращаемся к этой литературе, видя много параллелей между предшествующими методологическими инновациями, такими как линейные модели и анализ последовательностей (Abbott, 1988, 1995).

Другие ученые, работающие на стыке машинного обучения и социальных наук, также предложили важные критические замечания, на которые мы опираемся на протяжении всей статьи. Эти критические замечания делятся на четыре большие категории. Во-первых, ученые утверждают, что во многих статьях по машинному обучению слишком много внимания уделяется предсказанию по сравнению с объяснением (Wallach, 2018) или измерением (Jacobs and Wallach, 2019). Приоритет предсказания над объяснением приводит к моделям, которые работают хорошо по неизвестным причинам, что приводит к специальным обоснованиям для модельных решений и производительности.Приоритет прогнозу перед измерением ведет к неспособности признать всегда несовершенную связь между тем, что мы пытаемся измерить, и тем, что мы можем определить количественно.

Другие, например Нельсон (2017), утверждают, что машинное обучение, применяемое к социальным данным, должно идти рука об руку с развитием новой социальной теории. С этой точки зрения мы не обязательно знаем, какая модель будет работать для каких данных, и, как правило, у нас нет теории, которая бы подсказывала нам, чего ожидать. Следовательно, нам нужно создавать новую теорию по мере разработки и применения методов.Этот подход помогает нам понять, почему модели машинного обучения могут давать результаты, которые сначала кажутся неинтуитивными, но отражают подлинные закономерности, которые должны заставить нас пересмотреть наше понимание социального мира. Однако это также требует априорного понимания потенциальных теорий, которые могут применяться, и стремится адаптировать эту существующую теорию, а не создавать новую теорию полностью постфактум.

Третьи поставили задачу перед конкретными исследованиями или сериями исследований, утверждая, что им не удается понять социотехнический контекст, в котором создаются их данные (Lazer et al., 2009; Туфекчи, 2014; Olteanu et al., 2016). Например, Tufekci (2014) утверждает, что, несмотря на общие утверждения, превышающие универсальное социальное поведение во многих статьях, исследования с использованием данных Twitter вряд ли многое расскажут о социальном взаимодействии в Facebook, потому что у них очень разные правила, данные и нормы. Аналогичным образом Olteanu et al. (2016) предоставляют головокружительный набор потенциальных ловушек при анализе социальных данных, подчеркивая необходимость проверенных временем идей из социальных наук, таких как сопоставление и анализ систематической ошибки выборки, для решения этих проблем.Эти критические замечания указывают на тот факт, что машинное обучение часто выполняется, не обращая внимания на особенности данных.

Наконец, с появлением алгоритмов, которые принимают все более важные решения, возникло сообщество FAccT для изучения того, как эти алгоритмы могут служить для отражения социальных предубеждений, встроенных в сложные социотехнические системы, в которые они встроены, и как мы можем быть в состоянии решить эти проблемы. Однако недавняя критика литературы о справедливости утверждает, что слишком много внимания уделялось техническим «решениям» несправедливых и / или «предвзятых» алгоритмов по сравнению со структурными причинами и последствиями этих алгоритмов (Green, 2018; Crawford et al. ., 2019; Хоффманн, 2019). Такие исследования утверждают, что дисциплины социальных наук должны быть на переднем крае нашего понимания того, как бороться с этими первопричинами.

Каждая из этих критических замечаний — это предсказание не равно пониманию, что мы должны быть готовы построить новую теорию для интерпретации наших результатов, что в используемых нами данных и методах скрывается бесчисленное множество предубеждений, и что эти методы могут привести к дискриминационным результатам с системным причины — имеет решающее значение для того, чтобы подтолкнуть нас к более эффективному и более ответственному применению машинного обучения к социальным данным.Кроме того, многие работы, рассмотренные ниже, в которых машинное обучение применяется к социальным данным с учетом этих проблем, дают дополнительное представление о потенциале этой версии науки.

В настоящей работе мы стремимся объединить эти критические замечания, утверждая, что каждая из них направлена ​​на разные части одной и той же основной проблемы — попытки использовать технологии или ad hoc , рассуждения пост-ex facto, только для решения проблем. социальная теория может решить. Ниже мы утверждаем, что одна теория может привести нас к действительным объяснительным моделям, к которым стремился Уоллах (2018), чтобы гарантировать, что мы делаем правильные выводы из изначально неинтуитивных результатов, чтобы помочь нам охарактеризовать опасные предположения в наших процессах сбора данных и помочь нам понять и бороться с дискриминационным, предвзятым или несправедливым модельным поведением.

3. Теория в

В этом разделе мы обсуждаем конвейер исследований, в которых машинное обучение используется для анализа социальных данных, от концепции проблемы до выбора модели.

В этом разделе возникают две общие темы. Во-первых, учитывая объем доступных нам данных, мы иногда действуем оппортунистически; мы используем то, что у нас есть, чтобы быстро решать новые проблемы. Это стремление к быстрому решению насущных социальных проблем с использованием широко доступных данных и методов приводит нас, например, к использованию набора данных для ответа на исследовательский вопрос, для которого набор данных не подходит.Из-за этих решений могут возникнуть проблемы, которые полностью подорвут полезность исследования — например, выбор плохой выборки данных может подорвать внешнюю валидность исследования.

Во-вторых, мы часто полагаемся на интуицию при принятии решений о дизайне исследования. Например, при построении задач аннотации интуиция может привести к чрезмерно упрощенному дизайну, в то время как многие другие потенциальные подходы также могут быть одинаково или более действенны (Joseph et al., 2017a). Часто этой интуиции достаточно для выполнения поставленной задачи.Однако, когда наша интуиция ошибочна, результаты могут быть проблематичными. Например, следование ошибочным интуитивным представлениям о сексуальности и ее причинах может привести к неверным утверждениям, сделанным в дополнение к неверным решениям по дизайну исследования, о биологической природе сексуальности (Wang and Kosinski, 2018).

Такое сочетание оппортунизма и интуиции может быть особенно пагубным в сочетании с недостатком теории. Хотя социологи также часто полагаются на интуицию (Tavory and Timmermans, 2014), они могут полагаться на основы, предоставленные предыдущими теоретическими работами, направляя их к лучшему дизайну исследования и / или пониманию своих данных.В разделе 3 мы обсуждаем, как мы можем использовать социальную теорию, чтобы помочь нам ограничить наш оппортунизм и интуицию существующими знаниями о социальном мире, предоставленными нам социальной теорией. Это увеличивает наши шансы на создание новой, устойчивой науки, которая помогает продвигать наше понимание общества.

3.1. Выбор проблемы и обрамление

Как исследователи, мы постоянно спрашиваем себя: «Какую проблему мы должны изучать?»

К сожалению, хотя технические подходы иногда могут помочь выявить странности в социальных данных, которые стоит исследовать, не существует технического решения для выявления хороших вопросов исследования социальных наук.Эти идеи требуют понимания того, что уже известно о социальном мире и в чем заключаются пробелы в этих знаниях. Однако с натиском больших данных мы слишком часто оптимизируем для удобства, используя данные, которые у нас есть, для изучения проблем только потому, что они кажутся разрешимыми, и потому, что они кажутся актуальными в реальном мире. Например, мы используем общедоступные данные Twitter для прогнозирования передвижения людей в городах (Bauer et al., 2012) или агрегированные данные поиска из Google Trends для прогнозирования распространенности гриппа (Lazer et al., 2014).

Такой удобный подход к выбору и постановке задач приводит к двум проблемам. Во-первых, это может побудить нас формулировать и решать проблемы, которые кажутся важными, но в действительности служат главным образом упражнением в прогнозировании, не дающим нового понимания социального мира. Во-вторых, это может привести нас к решению проблем, которые наша интуиция точно считает важными, но заставляет нас изо всех сил пытаться сформулировать причины , почему проблема важна. Социальная теория может помочь решить эти проблемы.

Во-первых, теория подсказывает нам, какие проблемы стоит решать. Например, прогноз выборов является важным инструментом исследования, поскольку он обеспечивает модель для понимания политических процессов (Beauchamp, 2017; Kennedy et al., 2017). Однако теория говорит нам, что из-за законов поляризации, мошенничества и финансирования избирательных кампаний большинство американских выборов сегодня очень предсказуемы, имея только один фрагмент данных — знание того, кто является действующим президентом. Однако теория также говорит нам, что в номинально конкурентных гонках, опрос является следующим лучшим предсказателем, потому что политика определяется мнением.Однако голосование стоит дорого и доступно только для самых громких гонок. Таким образом, теория предполагает, что в области выборов правильной проблемой для изучения является моделирование мнений на конкурентных выборах и выборах с недостаточным количеством голосов.

Во-вторых, теория может помочь нам мотивировать и формулировать проблемы, которые кажутся интуитивно важными. Может быть очевидно, что прогнозирование распространенности гриппа может помочь спасти жизни. Однако менее очевидно, какая проблема решается при прогнозировании, например, политической принадлежности человека на основе его поведения в социальных сетях (например,g., на основе их твитов) (Cohen and Ruths, 2013). Однако недавняя работа по политической поляризации побуждает нас изучить принадлежность как функцию партизанской идентичности (Levendusky, 2009) и показывает, что такая идентичность быстро подрывает социальную и культурную стабильность в Соединенных Штатах (Doherty, 2017). Таким образом, социальная теория объясняет, почему важно предсказывать политическую принадлежность — чтобы изучить ее связь с культурной поляризацией (DellaPosta et al., 2015).

Таким образом, хотя могут быть ситуации, в которых проблема, которую необходимо решить, может быть мотивирована исключительно необходимостью повышения точности (например,g., правильно определяя информацию о местоположении согласившегося человека по сигналам Wi-Fi), многие задачи машинного обучения можно сделать более интересными и актуальными, если они будут основаны на основной теории изучаемого социального поведения. Есть много примеров, когда ученые, использующие машинное обучение на социальных данных, использовали теорию для выявления и постановки важных проблем. Например, несколько ученых обратились именно к проблеме опроса общественного мнения на конкурентных и недостаточно опрошенных выборах с использованием больших данных (Wang et al., 2015; Бошан, 2017). И Cranshaw et al. (2012) взяли интуитивно интересную задачу — сгруппировать заведения на четырех площадях по общим для них покровителям — и теоретически обосновали ее на основе городских исследований значения термина «соседство», чтобы мотивировать и сформулировать свою работу как решение нерешенной проблемы как следует определять границы соседства.

3.2. Определение результата

Установив интересующую проблему, мы переходим к задаче определения и измерения нашего результата.В идеале наша мера результата должна быть основной истиной для моделируемого нами явления, то есть наблюдением самого явления. Например, если мы заинтересованы в изучении партийной принадлежности, мы можем установить основную истину с помощью различных средств — будь то голосование за одну партию (Poole and Rosenthal, 1991), кому они жертвуют деньги (Bonica, 2014) или что-то еще. темы, о которых они пишут в Твиттере (Tsur et al., 2015). К сожалению, эти данные часто нелегко получить. Самое простое «техническое решение» — просто использовать переменную, имеющуюся в наших данных, как основную истину или, как мы обсуждали в разделе 3.5, чтобы создать переменную с помощью быстрой краудсорсинговой задачи аннотации.

Однако это техническое решение не помогает нам полностью охарактеризовать связь между переменной, которую мы выбираем в качестве результата, и концепцией, которую мы хотим изучить. Например, никакое техническое решение не может определить, является ли поведение при голосовании или политические настроения в твитах более достоверным показателем пристрастия (Cohen and Ruths, 2013). Чтобы ответить на подобные вопросы, нужна социальная теория. В этом случае теория необходима, чтобы помочь определить, что мы подразумеваем под партийностью, или, более конкретно, под либеральным противостоянием.консервативный. В свою очередь, мы должны подходить к истине как к чему-то, что теоретизируется исследователями. Следовательно, имеет смысл делать это таким образом, чтобы существующая социальная теория говорила нам, что она действительна для улавливания конструкции, которую мы стремимся измерить (Hacking, 1986).

Возвращаясь к либерализму и консерватизму, например, политические теории партийной сортировки и идеологического выравнивания показывают, что люди и социотехнические системы формируют «основную истину». Лишь недавно либеральные и консервативные ярлыки партийной принадлежности были приравнены к Демократической и Республиканской партиям в Соединенных Штатах — так называемая партийная сортировка (Mason, 2015).Например, Gentzkow et al. (2016) показывают, что партийная идеология стала различимой в выступлениях в Конгрессе только с 1980 года. То есть язык стал партизанским только за последние 40 лет.

Эти теоретические выводы, в свою очередь, помогают нам получить достоверный результат. Вместо предсказания либерализма / консерватизма — меры, которая только недавно пришла в соответствие с партийностью, теория партийной идентичности (Ван Бавель и Перейра, 2018) предлагает нам вместо этого сосредоточиться на том, является ли кто-то демократом или республиканцем.Теория может дополнительно объяснить, как идентифицировать этот интересный результат в данных социальных сетей. В частности, теория партийной идентичности утверждает, что членство в партии определяется партийной идентификацией. Демократом делает человека не то, что он поддерживает общественное здравоохранение или регулирование рынка, а то, что он идентифицирует себя с демократами. Таким образом, если мы хотим вывести чью-либо политическую партию из их твитов, мы должны смотреть, на чью сторону они выступают в дебатах, а не на конкретные вопросы, которые они поддерживают.В своей кампании Дональд Трамп, как известно, поддерживал либеральную политику, такую ​​как здравоохранение, и критиковал войну в Ираке. Такая позиция не делала его умеренным консерватором. Они сделали его республиканцем-популистом, а не республиканцем истеблишмента.

3.3. Выбор данных

Процесс выбора данных определяется как идентификация одного или нескольких наборов данных, которые можно использовать для решения исследуемой проблемы. Выбор данных обычно осуществляется с использованием любого прецедента (т.е. с использованием существующих данных) или удобства (то есть с использованием легко собираемых данных) в качестве эвристики.

Такое использование приоритета и удобства проистекает из нашего интереса не только к ответам на вопросы о социальном мире, но и к желанию делать это с помощью новых методологий. Например, при построении новых решений существующих проблем мы стремимся использовать установленные наборы данных, для которых существуют предварительные результаты для сравнения. А для нового сбора данных нашим методам часто требуются большие наборы данных, поэтому удобный сбор этих данных является практически необходимым условием.

Но расчет на удобство или прецедент может вызвать проблемы для вопросов социальных наук, потому что все данные содержат как включения, так и исключения, которые проявляются в различных формах предвзятости (Olteanu et al., 2016). Выбирая ярлыки для выбора данных, мы часто игнорируем или игнорируем эти включения и исключения. Например, Blodgett et al. (2016) показывают, что инструменты языковой идентификации, показавшие себя хорошо работающими с широким спектром текстовых корпусов (Луи и Болдуин, 2012), значительно страдают при различении афроамериканского английского как английского в текстах социальных сетей.Поскольку ученые часто использовали этот инструмент для фильтрации неанглоязычных твитов, результатом стал набор исследований данных социальных сетей, в которых голоса афроамериканцев были ниже, чем у белых американцев.

As Blodgett et al. (2016) предполагают, что социолингвистическая теория могла бы помочь нам предвидеть потенциальные проблемы при использовании удобного языкового классификатора, который они изучали, для определения английского и неанглийского контента. В частности, теоретические модели того, как формируются диалекты, подчеркивают, что вариации письменного английского языка не всегда могут быть согласованы с точки зрения основных характеристик, используемых моделью классификации языков, n-граммов символов (Rickford and Labov, 1999).Кроме того, социолингвистическая теория, подчеркивающая важность афроамериканского английского и его отличия от других диалектов английского языка в представлении американцев о себе в Интернете (Флорини, 2014), подчеркнула бы необходимость того, чтобы исследователи социальных сетей пересмотрели представление о том, что существует единое определение английского языка, которое они хотят изучать.

В более широком смысле, социальная теория помогает нам понять последствия того, как мы принимаем решения о том, какие данные включать или не включать в нашу выборку.Это особенно важно, когда мы ожидаем, что другие будут повторно использовать наши данные или модели, которые мы строим на их основе. Например, в значительном количестве исследований использовались предварительно обученные векторы слов из неизданного корпуса новостей Google, что означает, что систематические ошибки в данных неясны и неизвестны. Напротив, Lundberg et al. (2019) используют теории статистической выборки и обследования, заложенные в исследовании благополучия уязвимых семей, чтобы создать проблему уязвимых семей — общий набор данных, который социологи-вычислительные специалисты могут использовать для разработки моделей, прогнозирующих критические социальные факторы, такие как доход, здоровье и жилье. .Использование теории для выявления и объяснения важных переменных включения и исключения позволило исследованиям, проведенным во время испытания, внести успешный вклад в социальные научные знания о развитии ребенка (Salganik et al., 2019).

3.4. Feature Engineering

Разработка функций включает в себя процесс преобразования наших необработанных данных в количества, которые можно ввести в модель машинного обучения. Ключевой вопрос, конечно, заключается в том, как мы узнаем, что разработали правильные функции?

Техническое решение этого вопроса — это, как правило, привилегированные характеристики модели.Проблема с этим подходом к проектированию функций заключается в том, что выбранные нами функции могут повысить нашу производительность, но не могут помочь нам отличить подлинный сигнал от ложного. Подгонка под шум — это один из способов, которым необдуманный выбор функций может повысить производительность. Другой — включить функции, которые ложно связаны с интересующим нас результатом, или исключить функции, которые напрямую связаны.

Возьмем, к примеру, случай прогнозирования рецидивов. Чтобы предсказать, кто вернется в тюрьму, нам нужны не только функции, которые сигнализируют о склонности человека к совершению преступления, но также функции, которые фиксируют полицейские и судебные процессы в отношении тех, кто может быть арестован и осужден за преступление.Например, концепция «обычных преступлений» Судноу отражает то, как повседневная работа обвинения определяет порядок обработки определенных видов дел от определенных категорий обвиняемых, в частности, кто получает какие соглашения о признании вины и рекомендуется ли тюремное заключение (Sudnow, 1965). Отсутствие признаков, отражающих как совершение преступления, так и осуждение по уголовному делу, дает плохо определенную модель, которая хорошо работает.

Автоматизированный причинно-следственный вывод в масштабе — это еще не достигнутый святой Грааль в машинном обучении.Таким образом, без теории мы не можем перечислить, какие функции мы должны включить, а какие исключить. Предварительное определение теоретической модели — единственный способ перечислить, какие функции мы должны сгенерировать (Rohrer, 2018; Pearl, 2019). Построение теоретических моделей позволяет нам определить, какие функции следует включить, и если они будут признаны моделью важными, то что они могут означать. Более конкретно, Уоллах (2018) утверждает, что мы всегда должны информировать наш выбор характеристик и понимание проблемы, имея в виду причинно-следственные модели, основанные на теории.

Этот аргумент, конечно, противоречит утверждениям о «безликих» моделях, как многие утверждают, что модели глубокого обучения. Например, если раньше нам, возможно, требовалось предоставить модель для распознавания именованных сущностей с тегами части речи для каждого входного слова, современные архитектуры глубокого обучения не требуют этого этапа разработки функции (Goldberg, 2016). Однако даже с такими моделями мы по-прежнему принимаем неявные решения о наших функциях, например, решая, использовать ли слова или символы в качестве входных данных для модели (Devlin et al., 2018). Кроме того, представляющие интерес причинные процессы часто выходят за рамки решений о том, использовать ли слова или символы. Например, независимо от того, какую глубокую модель НЛП мы выбираем для моделирования языка человека, выбор слов часто определяется более сложными для восприятия переменными, такими как возраст и пол (Schwartz et al., 2013).

3,5. Аннотация

Часто мы не можем идентифицировать какую-то критическую функцию, которую мы хотим смоделировать из наших данных. Например, Twitter не предоставляет данные о поле или религиозной принадлежности своих пользователей.В таких случаях мы часто просим людей, будь то мы сами или другие, просмотреть данные и вручную определить интересующий объект.

При аннотировании данных основная цель — обеспечить согласие аннотаторов. Из-за шума и внутренних различий между людьми разные люди смотрят на одни и те же данные и придумывают разные ярлыки. Наш интерес, особенно при поиске некоторой объективной базовой истины, состоит в том, чтобы, несмотря на эти различия, мы могли идентифицировать некоторое аннотированное значение, с которым примерно согласны большинство аннотаторов.Ученые в области социальных наук давно установили статистические критерии согласия в аннотациях (Krippendorff, 2004), которые легко используются в конвейере машинного обучения. Однако исследователи машинного обучения также разными способами пытались добиться согласия (Snow et al., 2008). Эти технические усилия по увеличению согласованности в значительной степени полагаются либо на попытки найти лучших аннотаторов (то есть тех, которые чаще всего соглашаются с другими (Ipeirotis et al., 2010)), либо на поиск лучших схем агрегации (Raykar et al., 2010; Passonneau and Carpenter, 2014), или просто увеличив объем помеченных данных (Snow et al., 2008).

Однако в основе многих разногласий между аннотаторами лежит то, что конструкции, которые мы пытаемся аннотировать, часто трудно определить. Например, Джозеф и др. (2016) построили классификатор для определения социальной идентичности в твитах, концепция, которая, как известно, различается по своему значению в социальных науках. Таким образом, даже эксперты расходятся во мнениях относительно того, что именно представляет собой социальная идентичность.Поэтому неудивительно, что Джозеф и др. обнаружили, что аннотаторы, не являющиеся экспертами, предоставляют ненадежные аннотации даже после периода обсуждения. Аннотации языка ненависти столкнулись с аналогичной борьбой, с ограниченным соглашением между аннотаторами (Davidson et al., 2017) и со значительными различиями между аннотаторами с разной демографией (Waseem, 2016).

В таких случаях, когда сложно определить конструкцию, технические решения, такие как добавление дополнительных аннотаторов или выполнение различных схем агрегации, вряд ли улучшат согласие.Это связано с тем, что, как и в случае с определением результата, технические решения не могут решить фундаментальную проблему — определение самой конструкции. Другими словами, технические решения не могут быть использованы для ответа на вопросы «что такое социальная идентичность?» Или «что такое язык вражды?» Вместо этого мы должны полагаться на теорию, чтобы дать определение. Например, теория контроля аффекта в социологии фокусируется не на общей идее социальной идентичности, а скорее на «ярлыках культурной идентичности», определяемых как «(1) ролевые идентичности, указывающие на позиции в социальной структуре, (2) социальные идентичности. указывает на членство в группах, и (3) членство в категории, которое происходит в результате идентификации с некоторой характеристикой, чертой или атрибутом »(Smith-Lovin, 2007, p.110). Используя это определение и аннотации теоретиков Affect Control, Джозеф и др. (2016) отметили значительное повышение качества аннотаций.

Аннотации, особенно со сложными явлениями, такими как идентичность, язык вражды или фальшивые новости (Grinberg et al., 2019), поэтому требуют начала с теории конструкции, которую мы хотим измерить, и ее пересечения с субъективными процессами наших аннотаторов. Еще один инструмент, который стоит отметить для решения этой задачи, который разработали социологи, — это когнитивное интервью (Битти и Уиллис, 2007).Когнитивное собеседование включает в себя беседу с потенциальными аннотаторами о том, как они думают о конструкции, ее потенциальных метках, о том, как они будут идентифицировать эти метки, а затем заставить их фактически попытаться применить нашу задачу к некоторым тестовым данным. Хотя это похоже на идею пилотной задачи аннотации, с которой, вероятно, знакомы исследователи машинного обучения, когнитивное интервью определяет конкретные способы применения теории до, во время и после пилотного проекта, чтобы помочь сформировать определение конструкции.Наконец, хотя это выходит за рамки настоящей работы, также важно, чтобы аннотации следовали лучшим методологическим практикам анализа структурированного контента в социальных науках (Geiger et al., 2019).

3,6. Модель Конструкция

При создании модели машинного обучения для социальных данных наша цель — предсказать, описать и / или объяснить какое-то социальное явление. Наша задача, таким образом, состоит в том, чтобы определить модель, которая наилучшим образом достигает этой цели, в соответствии с определением наилучшего. Наша задача — определить, какой из множества подходов к моделированию (например,g., глубокая нейронная сеть против случайного леса), которую мы можем взять, и какую конкретную модель (ы) (например, какую архитектуру модели с какими гиперпараметрами) в этом широком массиве мы будем использовать для анализа.

Иногда бывает сложно выбрать, какую модель использовать для данного анализа. Рассмотрим, например, цель понимания тем в корпусе текста. Ранняя работа по тематическому моделированию Blei et al. (2003), был процитирован более 28000 раз. Многие из этих цитат взяты из расширений исходной модели.Например, существуют тематические модели для включения характеристик автора (Rosen-Zvi et al., 2004), характеристик автора и настроения (Mukherjee, 2014), сообщества авторов (Liu et al., 2009), которые имеют дело конкретно с коротким текстом ( Yan et al., 2013), которые включают нейронные вложения слов (Card et al., 2017) и подчеркивают разреженность (Eisenstein et al., 2011). Как построить модель, которая лучше всего подходит для нашего анализа?

O’Connor et al. (2011) описывают такой выбор моделирования как происходящий по двум осям — вычислительная сложность и предположения предметной области.Вычислительная сложность используется в широком смысле, чтобы представить сложность вычислительного времени и «лошадиных сил». Допущения в предметной области варьируются от нескольких предположений, по сути предполагающих, что «модель научится всему», до случаев, когда мы явно моделируем теорию. Однако О’Коннор и др. оставьте открытым вопрос о том, где именно в этом пространстве, вероятно, окажется «правильная» модель для конкретной проблемы, или как определить правильные допущения в предметной области.

Вот где приходит теория. Определяя цель модели — предсказание, объяснение, описание и так далее; и обеспечивая четкие ожидания относительно предположений нашей предметной области, теория помогает нам ориентироваться в пространстве вычислений / предметной области.В контексте тематического моделирования Структурная тематическая модель (STM) (Roberts et al., 2013, 2014) обеспечивает общую основу для определения наших допущений в предметной области на основе факторов, которые, как мы ожидаем, будут важны для формирования тем, которые появляются в документ. Включая ковариаты в процесс моделирования, который, по нашему мнению, является релевантным, мы можем использовать теорию как для создания модели, которая «лучше соответствует данным», так и для получения результатов модели, которые мы можем использовать для непосредственного тестирования расширений нашей теории.Таким образом, правильная модель определяется теорией. Например, Фаррелл (2016) использует теории поляризации посредством «противоположных кампаний», которые исходят от хорошо финансируемых организаций, для определения конкретного экземпляра Структурной тематической модели, которую они используют для изучения того, как возникла поляризация по теме изменения климата.

Таким образом, STM полезен тем, что, учитывая установленный набор общих предположений моделирования и определенный уровень вычислительной сложности, мы можем использовать теорию для определения конкретной модели, которую мы строим.Аналогичные усилия были предприняты и в других областях анализа текста. Например, Hovy и Fornaciari (2018) используют концепцию гомофилии, согласно которой люди со схожим социальным статусом используют схожий язык, чтобы модернизировать свою модель встраивания слов. Это обусловленное теорией изменение позволило модели использовать новую информацию, в результате чего модель стала более производительной. Таким образом, использование теории для управления моделями обработки естественного языка может служить планом для применения теории в других областях социальных данных.

4. Теория окончена

Машинное обучение традиционно ориентировано на максимальное повышение эффективности прогнозирования. Это означает, что первые результаты, представленные в статьях по машинному обучению, например в «Таблице 1», часто представляют собой отчет о прогностической эффективности модели по сравнению с некоторыми базовыми показателями. Однако ученых все больше интересуют другие аспекты результатов моделирования, такие как интерпретируемость и справедливость. В прикладных исследованиях ученым важно продемонстрировать, что их модель помогает нам понять данные и объясняет, почему делаются те или иные прогнозы.Эти новые требования к выпуску моделей машинного обучения создают проблемы, для которых были предложены технические решения. В этом разделе мы утверждаем, что этого технического новшества недостаточно. Мы должны использовать соответствующие социальные теории, если мы хотим использовать наши модели для изучения социального мира.

4.1. Интерпретируемость, объяснимость и построение теории

Мало кто критиковал модели машинного обучения, кроме обвинения в их непостижимости.Хотя конкретное определение интерпретируемости было неуловимым (Lipton, 2016), общая критика заключалась в том, что модели машинного обучения часто являются «черными ящиками», выполняющими сложные и ненаблюдаемые процедуры, дающие результаты, которым мы должны доверять и использовать. Пытаясь открыть черный ящик и объяснить наши модели, три различных вопроса часто рассматриваются как взаимозаменяемые:

Чему научилась модель и насколько хорошо она усвоила? Это означает, что для конкретных входных данных, как модель преобразует их в выходные данные и насколько точно эти выходные данные соответствуют нашим ожиданиям? Мы называем это вопросом интерпретируемости .

Почему модель научилась этому? Что такого в (социальном) мире привело к тому, что модель изучила эти конкретные отношения между входами и выходами? Мы будем называть это вопросом объяснимости .

Что мы узнали о мире с помощью этой модели? Какие новые знания о социальном мире можно почерпнуть из результатов нашей модели? Мы называем это вопросом построения теории .

Интерпретируемость, объяснимость и построение теории сливаются воедино в технических решениях, которые были разработаны, чтобы открыть черный ящик. Например, механизмы, вызывающие разреженность, такие как регуляризация (Friedman et al., 2009) и внимание (в нейронных сетях; Vaswani et al., 2017), повышают интерпретируемость, сводя к минимуму количество проверяемых параметров. В свою очередь, эти технические решения помогают нам объяснить, как параметры соотносятся с процессом генерации данных (Загоруйко, Комодакис, 2016).Мы также используем моделирование на основе моделей, настраивая входные данные, чтобы показать, как они производят разные результаты (Ribeiro et al., 2016), и примеры противоборства, которые обманывают модель, чтобы исследовать ее производительность (интерпретируемость) и пределы ее понимания мира (теория- здание) (Wallace et al., 2019).

Однако, хотя есть много методологических совпадений; Интерпретация, объяснение и построение теории — это разные исследовательские вопросы, требующие различных применений социальных теорий.

При интерпретации моделей социальная теория позволяет нам выйти за рамки технического вопроса , как смотреть на модель, до , что смотреть на .Чтобы выбрать, какие части модели визуализировать, нам необходимо иметь заранее определенные ожидания относительно того, как предположительно будет работать и что должен делать , основываясь на теориях о том, как изучаемое нами явление представлен в наших данных. Например, социальная теория, такая как модель расы Сена и Вазоу как «связка палочек» (Sen and Wasow, 2016), говорит нам, что раса состоит из множества различных измерений, помимо цвета кожи. Например, расовые предубеждения, обусловленные тоном кожи, называемые «колоризмом», отличаются от расовых предубеждений, обусловленных такими культурными кодами, как акцент и прическа (Todorov et al., 2008). Следовательно, если мы хотим понять, как раса представлена ​​в модели компьютерного зрения, мы должны обратить внимание на различные измерения, по которым построена раса. Это может помочь различить, например, являются ли смещения в модели следствием культурных норм, заложенных в популяции, составляющей обучающие данные, или недостаточного представления людей с определенными оттенками кожи в обучающих данных (или и тем, и другим) (Benthall and Haynes , 2019; Hanna et al., 2019).

Хорошим примером того, как теория может использоваться для руководства интерпретацией, является работа Bamman et al.(2014), которые выделяют образы литературных персонажей. Они подтверждают свою модель, проверяя конкретные параметры на соответствие ряду гипотез, основанных на теории. Эти гипотезы, выведенные из теории стилей письма авторов в течение периода исследования, приняли форму «символ X больше похож на символ Y, чем X или Y на персонажа-отвлекающего персонажа Z». Хорошими моделями были те, которые точно предсказывали теоретические сходства персонажей.

Часто мы опираемся на нашу интерпретацию поведения модели и разрабатываем объяснение того, почему модель сделала то, что она сделала, на основе этой интерпретации.Это часто служит объяснением того, что делала модель, и попыткой построить новую теорию. Однако, когда мы строим объяснения, основанные только на модели поведения, мы рискуем разработать народную теорию (d’Andrade, 1995). Народная теория предполагает опору на общее понимание, чтобы «прочитать чайные листья» (Chang et al., 2009), характеризуя человеческое поведение как просто «имеющее смысл». Однако это опасно (Kerr, 1998). Модели всегда будут выводить или , и некоторые модели всегда будут превосходить другие по некоторым показателям.Построение теории только на основе результатов модели часто служит укреплению мифов и предубеждений.

Для того, чтобы наши объяснения способствовали более широкому пониманию социального мира, нам нужно не только найти правильное объяснение для каждой модели, но также интегрировать многие модели и объяснения в связное описание мира. Работа Нельсона по развитию феминизма второй волны — яркий тому пример. Она использовала социальные сети и теорию феминизма, чтобы построить различные модели на основе машинного обучения для структуры феминистских сообществ в Нью-Йорке и Чикаго.Затем она сравнила структуры социальных сетей и сетей идей, чтобы показать, что идеи, центральные для феминистского сообщества в Нью-Йорке, больше соответствовали тому, что мы сегодня понимаем как феминизм «второй волны», и что их сообщество было более тесно связано, чем в Чикаго. . Она утверждает, что эта плотная взаимосвязь позволила феминисткам в Нью-Йорке определить повестку дня феминизма в 1960-х и 1970-х годах.

Работа Нельсона и Баммана и др. Также дает представление о том, как машинное обучение может помочь нам пересмотреть старую или построить новую теорию с учетом эмпирических результатов модели машинного обучения.Их работа говорит нам, что для этого необходимо сначала признать существующие теоретические рамки, которые использовались для характеристики проблемы. Следуя их работе, один из способов сделать это — использовать эти теории для создания гипотез о том, как могут выглядеть эмпирические результаты, и предоставить альтернативные гипотезы о том, как результаты могут выглядеть, если новая или пересмотренная теория была верной.

Другой способ сделать это — построить модель машинного обучения, которая соответствует теоретической модели, а затем показать, что добавление дополнительных компонентов к модели, вдохновленное новой или пересмотренной теорией, улучшает производительность этой модели.Например, Джозеф и др. (2017b) показывают, что модели стереотипов, разработанной в Теории контроля над аффектами (Heise, 2007), может оказаться недостаточно, если включить дополнительные компоненты модели, основанные на когнитивных теориях стереотипов, основанных на параллельных моделях удовлетворения ограничений (Kunda and Thagard, 1996).

4.2. Возможность обобщения

Обобщаемость относится к цели понимания того, насколько хорошо результаты применимы к случаям, которые не были протестированы. Например, если мы разработаем модель для прогнозирования безработицы с использованием данных мобильных телефонов в Европе (Toole et al., 2015), анализ обобщаемости может включать оценку того, будет ли тот же подход работать в Алжире, Канаде или Мексике или с другими типами данных, такими как поиск в Интернете или данные о транзите.

В машинном обучении обобщаемость часто технически решается путем повторного применения той же методологии к другим данным, чтобы увидеть, работает ли она аналогично исходной. Например, возможность обобщения тематической модели может быть проверена путем применения подобранной модели к различным типам данных.Мы также проверяем возможность обобщения конкретного аналитического подхода, повторно применяя его в различных областях. Например, Лукас и др. (2015) использовали машинный перевод на нескольких языках, чтобы изучить, были ли политики в разных странах основаны на одних и тех же проблемах, обсуждаемых одинаково. Наконец, в последнее время были предприняты усилия по обучению модели, которая изучает представления некоторых универсальных входных данных, которые затем можно настроить для применения к множеству проблем. Например, ResNet (Szegedy et al., 2017) и BERT (Devlin et al., 2018) изучают общие представления изображений и предложений, соответственно, и затем могут быть настроены для различных задач классификации.

Хотя эти технические решения могут сделать отдельные модели более универсальными, они не могут помочь нам установить, почему результат для одного набора данных может быть обобщен (или нет) для других. Для этого нам нужны теории, которые говорят нам, какие сходства и различия являются существенными. Туфекчи (2014) подчеркивает это, утверждая, что мы не можем рассматривать одну онлайн-платформу (т.е., Twitter) в качестве замены для всех остальных — как модельный организм для общества. Правила платформы, социальная динамика и численность населения, которые делают Twitter привлекательным для пользователей, также в корне отличают его от таких сервисов, как Facebook, Instagram и WhatsApp. Например, теории гомофилии предполагают, что на любой платформе люди будут общаться с такими же людьми, как они. Тем не менее, общие черты, на которых мы строим связи, зависят от самой платформы. Наши друзья, коллеги и общественные деятели находятся в Твиттере, а наша семья — в Фейсбуке.Следуя теории представления себя Гоффманом, эти различия в аудитории заставляют людей вести себя по-разному на разных платформах (Goffman, 1959).

Конечно, идеального набора данных не существует, и наука должна иметь возможность продолжать работу, несмотря на это. Социальную теорию можно использовать в продвижении вперед не как способ поиска точных данных, а как способ разработки парадигм для понимания конкретных сильных и слабых сторон различных типов данных, таких как данные из разных платформ социальных сетей, и того, как модели могут быть настроенным, чтобы обобщать за пределами несовершенных данных, на которых они были обучены.

4.3. Экономия

Экономия относится к цели построения модели с минимально возможным количеством параметров при максимальной производительности. Модели машинного обучения выигрывают от экономии, поскольку они уменьшают сложность и стоимость, ограничивают опасность переобучения и упрощают визуализацию (Hastie et al., 2009).

Существует множество технических подходов к построению экономных моделей. Например, мы можем использовать регуляризацию, темы или факторинг, чтобы уменьшить размерность функции.В случае нейронных сетей мы также используем такие методы, как выпадение (Gal and Ghahramani, 2016) или пакетная нормализация (Ioffe and Szegedy, 2015).

Однако у этих технических подходов есть три общих недостатка. Во-первых, поскольку многие функции коррелированы друг с другом и с результатом, эти подходы часто произвольно выбирают одни коррелированные функции, а не другие. Этот произвольный выбор может затруднить различение действительно нерелевантных функций и тех, которые просто коррелируют с другими релевантными функциями.Во-вторых, решения о том, когда модель является «достаточно экономной», в значительной степени зависят от эвристических сравнений между производительностью модели на данных обучения и проверки [например, «правило 1-стандартной ошибки», используемое в популярном пакете glmnet в R (Friedman et al., 2009)]. Наконец, стандартное предположение машинного обучения о том, что нам нужно много функций, может быть неверным даже при относительно низких значениях. В задачах социальных наук часто бывает так, что небольшой набор переменных может легко объяснить большую часть дисперсии.Регуляризатор может выбрать 1000 функций из 10 000, в то время как лучшей модели может потребоваться только 50.

Социальная теория предлагает решение этих проблем, помогая нам определять небольшие наборы или «корзины» переменных, которые, как мы ожидаем, объясняют большую часть дисперсии в результате. Теории указывают нам направление наиболее важных переменных. Вместо того, чтобы начинать с множества функций и пытаться отсеять нерелевантные, мы можем использовать теорию для создания базового уровня предсказуемости, на основе которого мы можем оценить, обеспечивают ли дополнительные функции дополнительную производительность.Точно так же, поскольку теория предоставляет нам функции, которые, как мы ожидаем, будут важными, мы можем выявить случаи, когда регуляризация удаляет важные, стабильные предикторы из-за корреляции между переменными.

Идея выявления экономных, теоретически обоснованных базовых моделей для сравнения доказала свою эффективность на практике. Теории сетевой центральности и гомофильности оказались надежными предсказателями для множества задач. Например, в своем исследовании каскадов Twitter Goel et al.(2015) показывают, что простая модель, учитывающая только популярность пользователя, является чрезвычайно надежной базой для прогнозирования размера каскада ретвитов. Эти идеи согласуются с теориями достоверности источников (Hovland and Weiss, 1951) и распространения информации (Marsden and Friedkin, 1993).

Попытки раздвинуть границы предсказуемости послужили основой для развития более формальной социальной теории пределов предсказуемости социальных систем (Hofman et al., 2017), что может еще больше расширить нашу способность оценивать степень экономии, ожидаемой для конкретных проблем. .Например, в задаче «Хрупкие семьи» лучшие материалы с использованием тысяч переменных и различных моделей не очень хорошо предсказывали жизненные результаты, такие как средний балл успеваемости, материальные трудности и упорство, и были лишь незначительно лучше, чем базовые модели, использующие только четыре переменных (Salganik et al. др., 2020). Рассматривая дальнейшую экономию, нам необходимо лучше понимать случаи, когда инструменты машинного обучения существенно дополняют нашу модель мира за пределами существующей теории.

4.4. Справедливость

Как в популярных СМИ (Li, 2019), так и в академической литературе (Mitchell et al., 2018) значительное внимание было обращено на вопрос о том, как модели машинного обучения могут привести к усилению дискриминации или несправедливости по отношению к определенным социальным группам. . Основная часть работы по обеспечению справедливости была сосредоточена на том, чтобы сделать входные данные более репрезентативными или модифицировать существующие модели для обеспечения справедливых результатов (Kamishima et al., 2011; Kearns et al., 2017). Ученые также недавно сосредоточились на разработке показателей, которые учитывают такие социологически значимые явления, как интерсекциональность (Foulds and Pan, 2018), на компромиссах между существующими показателями (Kleinberg, 2018) и на лучшем понимании причинных допущений различных показателей (Glymour и Herington, 2019) среди других задач.

Однако, как утверждается в ряде недавних работ, существуют важные сложности при техническом определении справедливости (Crawford, 2016; Barocas et al., 2017; Green, 2018; Selbst et al., 2018; Hoffmann, 2019; Mitchell et al. ., 2020). Во-первых, у разных людей разные взгляды на то, что справедливо. Во-вторых, взгляды власть имущих — это те взгляды, которые будут использоваться с наибольшей вероятностью. В-третьих, модели возникают из обширного и сложного социотехнического ландшафта, где дискриминация возникает во многих других местах, помимо самих моделей.Наконец, «справедливость» может быть неправильной метрикой для количественной оценки вреда алгоритмов. Один из выводов заключался в том, что справедливый алгоритм не может исправить дискриминационный процесс. Например, алгоритмы прогнозирования рецидивов почти наверняка будут использоваться дискриминационным образом, независимо от того, справедливы ли сами модели (Green, 2018). Нам нужна социальная теория, например теория критических рас (Hanna et al., 2019), чтобы лучше понять социальные процессы, в которые встроены эти алгоритмы и данные, на которых они основаны.Как утверждается в этой предыдущей работе, социальная теория позволяет нам отличать дискриминацию, вызванную алгоритмом, от дискриминации, происходящей в самой социальной системе.

Возможно, не менее важно, что теория также может помочь нам понять последствий несправедливых и / или предвзятых алгоритмов. Возьмем, к примеру, недавнюю работу, показывающую, что алгоритмы поиска возвращают стереотипные изображения пола и расы для различных профессий (Kay et al., 2015). Социально-психологические теории, например, Гипотеза блеска (Bian et al., 2017), акцентируя внимание на репрезентации, подчеркивают, что с раннего возраста мы усваиваем представления о занятиях и навыках, которые заставляют нас сдвигаться в сторону тех, которые стереотипны в отношении нашего собственного предполагаемого пола. Таким образом, хотя технические решения могут помочь нам выявить такие проблемы, они не могут объяснить влияние этих предубеждений и, следовательно, почему их следует решать и как.

Наконец, социальная теория помогает определить, как несправедливое машинное обучение влияет на наши знания о мире.Предвзятые алгоритмы, например те, которые определяют пол и расу для демографических сравнений (Jung et al., 2017), могут искажать результаты научных исследований. Теория точки зрения и другие критические эпистемологические теории показали, как тот, кто занимается наукой и чьи данные используются для какого анализа, влияет на то, что мы знаем о социальном мире (Haraway, 1988; Harding, 2004). Мы не хотим копировать модели исключения и стигматизации, обнаруженные в истории медицины (Martin, 1991), психологии (Foucault, 1990) и социологии (Zuberi and Bonilla-Silva, 2008), отбрасывая данные о маргинализированных людях. только изучают маргинальных людей как Других или не позволяют маргинальным людям говорить за себя о своих данных.

Недавно аналогичная критика была сделана Джейкобсом и Уоллахом (2019). Они утверждают, что теория измерения, особая область социальной теории, занимающаяся обоснованностью и надежностью различных способов измерения социальных построений, может предоставить конкретный и полезный язык, с помощью которого можно оценить различные определения справедливости и влияние алгоритмов. Их работа представляет собой важный пример того, как социальную теорию можно использовать для привнесения старых социально-теоретических взглядов в область текущих исследований в области машинного обучения социальных данных.

5. Заключение

Сочетание методов машинного обучения и больших социальных данных предлагает нам потрясающий набор научных возможностей. Однако работа в этой области слишком часто отдает предпочтение моделям машинного обучения, которые работают лучше, чем моделям, основанным на более глубоком понимании изучаемого общества. В лучшем случае этот компромисс ставит нас перед опасностью продвижения только информатики, а не информатики и социальных наук. В худшем случае эти усилия подталкивают использование машинного обучения для социальных данных к псевдонауке, где используются незаконно присвоенные алгоритмы для принятия дискриминационных решений и выдвигаются необоснованные социальные научные утверждения.

Однако, как показывают многочисленные положительные примеры, которые мы здесь выделили, машинное обучение и большие социальные данные могут использоваться для проведения важных новаторских исследований. Для этого в приведенных нами примерах социальная теория встроена в каждый этап конвейера машинного обучения. Эти работы не отбирают какую-то одну теорию постфактум, чтобы поддержать свои утверждения. Вместо этого они используют несколько потенциально конкурирующих теорий на каждом этапе конвейера, чтобы оправдать свои входные данные и помочь подтвердить свои результаты.Используя или, по крайней мере, признавая конкурирующие теории, мы можем выяснить, где существуют разногласия и, следовательно, какие технические компромиссы являются наиболее важными.

Положительные примеры, которые мы выделяем, наш обзор отрицательных примеров и связанные с ними работы, которые мы проводим, открывают путь для научно обоснованного и этичного применения машинного обучения к социальным данным. Но наши усилия должны выходить за рамки того, как мы проводим исследования, к тем, как мы их анализируем, потребляем и поощряем как исследовательское сообщество.Как рецензенты, например, мы должны спросить себя, оправдана ли работа, которую мы рассматриваем, не только статистической теорией, но также и социальной теорией. И как сообщество, мы должны найти способы показывать и продвигать статьи, которые могут не иметь самой яркой «Таблицы 1», но которые обеспечивают тщательное и хорошо обоснованное социологическое исследование.

Машинное обучение может и должно стать важной частью социальных наук. Решение не обязательно требует, чтобы компьютерный ученый «пошел искать социолога» или наоборот.Уже есть множество знаний, из которых можно извлечь, и мы не должны позволять себе или другим избегать вникать в них просто потому, что они «не в нашей сфере». Для тех, кто не знает, с чего начать, мы надеемся, что эта статья станет руководством для каждого, как использовать эти знания для решения конкретных вопросов исследования. Точно так же социальные науки должны становиться все более важной частью машинного обучения. Безусловно, определенные проблемы, с которыми сталкивается машинное обучение, являются вычислительными проблемами (например, как эффективно выполнять выборку из сложного распределения), для решения которых социальная теория будет мало пригодна.Но, внедряя социальную теорию в свою работу, исследователям машинного обучения не нужно отказываться от производительности модели как конечной цели; мы утверждали, что вместо этого теория может помочь направить путь к еще более совершенным моделям и прогнозным характеристикам.

Авторские взносы

Все перечисленные авторы внесли существенный, прямой и интеллектуальный вклад в работу и одобрили ее к публикации.

Финансирование

кДж было поддержано грантом NSF, IIS-1939579.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Мы очень ценим помощь Лауры Нельсон, Селесты Кампос-Касильо, Стефа Шустера, Атри Рудры, Эмиля ван Мильтенбурга и Дэвида Лазера, которые предоставили неоценимые отзывы о более ранних версиях этой работы. Тем не менее, эти люди, конечно, не несут ответственности за текущий контент, все проблемы, ошибки и упущения являются виной только авторов.

Сноски

Список литературы

Эбботт А. (1995). Анализ последовательности: новые методы для старых идей. Annu. Rev. Sociol . 21, 93–113. DOI: 10.1146 / annurev.so.21.080195.000521

CrossRef Полный текст | Google Scholar

Бамман Д., Андервуд Т. и Смит Н. А. (2014). «Байесовская модель со смешанными эффектами литературного персонажа», Труды 52-го ежегодного собрания Ассоциации компьютерной лингвистики (ACL’14) (Балтимор, Мэриленд).DOI: 10.3115 / v1 / P14-1035

CrossRef Полный текст | Google Scholar

Бауэр, С., Нолас, А., Сигда, Д., Кларк, С., и Масколо, К. (2012). «Говорящие места: моделирование и анализ лингвистического контента в Foursquare», в Privacy, Security, Risk and Trust (PASSAT), 2012 International Conference on and 2012 International Confernece on Social Computing (SocialCom) (Amsterdam), 348–357. DOI: 10.1109 / SocialCom-PASSAT.2012.107

CrossRef Полный текст | Google Scholar

Битти, П.К. и Уиллис Г. Б. (2007). Синтез исследования: практика когнитивного интервьюирования. Общественное мнение. Вопрос . 71, 287–311. DOI: 10.1093 / poq / nfm006

CrossRef Полный текст | Google Scholar

Бошам, Н. (2017). Прогнозирование и интерполяция опросов на уровне штата с использованием текстовых данных Twitter. Am. J. Полит. Sci . 61, 490–503. DOI: 10.1111 / ajps.12274

CrossRef Полный текст | Google Scholar

Бентхолл, С., Хейнс, Б. Д. (2019). «Расовые категории в машинном обучении», в Proceedings of the Conference on Fairness, Accountability and Transparency (New York, NY: ACM), 289–298.DOI: 10.1145 / 3287560.3287575

CrossRef Полный текст | Google Scholar

Биан, Л., Лесли, С.-Дж., и Симпиан, А. (2017). Гендерные стереотипы об интеллектуальных способностях возникают рано и влияют на интересы детей. Наука 355, 389–391. DOI: 10.1126 / science.aah6524

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Блей Д. М., Нг А. Ю. и Джордан М. И. (2003). Скрытое размещение дирихле. J. Mach. Учиться. Res .3, 993–1022. DOI: 10.1162 / jmlr.2003.3.4-5.993

CrossRef Полный текст | Google Scholar

Блоджетт, С. Л., Грин, Л., и О’Коннор, Б. (2016). «Демографические диалектные вариации в социальных сетях: пример афроамериканского английского», в материалах Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing (Копенгаген). DOI: 10.18653 / v1 / D16-1120

CrossRef Полный текст | Google Scholar

Болукбаси, Т., Чанг, К.-В., Цзоу, Дж.Ю., Салиграма, В., Калаи, А. Т. (2016). «Мужчина для программиста, как женщина для домохозяйки? устранение искажений при внедрении слов », в Advances in Neural Information Processing Systems (Barcelona), 4349–4357.

Google Scholar

Кард, Д., Тан, К., и Смит, Н. А. (2017). Нейронная структура для обобщенных тематических моделей. arXiv 1705.09296.

Google Scholar

Чанг, Дж., Бойд-Грабер, Дж. Л., Герриш, С., Ван, К., и Блей, Д.М. (2009). Чтение чайных листьев: как люди интерпретируют тематические модели. NIPS Proc . 22, 288–296. Доступно в Интернете по адресу: http://dl.acm.org/citation.cfm?id=2984093.2984126

Google Scholar

Коэн Р., Рутс Д. (2013). «Классифицировать политическую ориентацию в Твиттере: это непросто!» in Proceedings of the Seventh International AAAI Conference on Weblogs and Social Media (Cambridge, MA).

Google Scholar

Краншоу, Дж., Шварц, Р., Хонг, Дж. И., и Садех, Н. (2012). «Проект жизнеобеспечения: использование социальных сетей для понимания динамики города», в материалах Шестой Международной конференции AAAI по веб-блогам и социальным сетям, ICWSM ’12 (Дублин: AAAI).

Google Scholar

Кроуфорд, К. (2016). Может ли алгоритм быть агонистическим? Десять сцен из жизни в расчетливой публике. Sci. Technol. Гм. Значения 41, 77–92. DOI: 10.1177 / 0162243915589635

CrossRef Полный текст | Google Scholar

Кроуфорд, К., Доббе, Р., Теодора, Д., Фрид, Г., Грин, Б., Казюнас, Э. и др. (2019). AI Now Отчет за 2019 год , Институт AI Now.

Google Scholar

д’Андраде, Р. Г. (1995). Развитие когнитивной антропологии . Бостон, Массачусетс: Издательство Кембриджского университета. DOI: 10.1017 / CBO9781139166645

CrossRef Полный текст | Google Scholar

Дэвидсон, Т., Вармсли, Д., Мэйси, М., и Вебер, И. (2017). «Автоматическое обнаружение языка вражды и проблема ненормативной лексики», , Одиннадцатая Международная конференция AAAI по Интернету и социальным сетям, (Монреаль, Квебек).

Google Scholar

Девлин, Дж., Чанг, М.-В., Ли, К., и Тутанова, К. (2018). Берт: предварительная подготовка глубоких двунаправленных преобразователей для понимания языка. arXiv 1810.04805.

Google Scholar

Доэрти, К. (2017). Ключевые выводы о растущем разногласии американцев по поводу политических ценностей . Вашингтон, округ Колумбия: Исследовательский центр Пью.

Google Scholar

Эйзенштейн, Дж., Ахмед, А., и Син, Э. П.(2011). «Редкие аддитивные генеративные модели текста», в Труды 28-й Международной конференции по машинному обучению (ICML-11), (Бельвью, Вашингтон), 1041–1048.

Google Scholar

Флорини, С. (2014). Твиты, твиты и озвучивание общения и культурных мероприятий в «черном твиттере». Televis. Новые медиа 15, 223–237. DOI: 10.1177 / 1527476413480247

CrossRef Полный текст | Google Scholar

Фуко, М. (1990). История сексуальности: введение .Нью-Йорк, Нью-Йорк: Винтаж.

Google Scholar

Фоулдс, Дж., И Пан, С. (2018). Интерсекциональное определение справедливости. arXiv 1807.08362.

Google Scholar

Гал, Ю., и Гахрамани, З. (2016). «Отсев как байесовское приближение: представление неопределенности модели в глубоком обучении», в International Conference on Machine Learning (New York, NY), 1050–1059.

Google Scholar

Гейгер Р.С., Ю.К., Ян, Ю., Дай, М., Цю, Дж., Тан, Р., и др. (2019). Мусор на входе, мусор на выходе? Сообщают ли документы о применении машинного обучения в социальных сетях, откуда берутся данные обучения, помеченные людьми? arXiv 1912.08320.

Google Scholar

Генцков М., Шапиро Дж. И Тэдди М. (2016). Измерение поляризации в данных большой размерности: метод и применение к выступлению в Конгрессе . Технический отчет, eSocialSciences. DOI: 10.3386 / w22423

CrossRef Полный текст | Google Scholar

Глимур, Б., и Херингтон, Дж. (2019). «Измерение значимых предубеждений: этические и случайные основы для измерения справедливости алгоритмов», в материалах Proceedings of the Conference on Fairness, Accountability and Transparency, FAT * ’19 (New York, NY: ACM), 269– 278. DOI: 10.1145 / 3287560.3287573

CrossRef Полный текст | Google Scholar

Гоэль С., Андерсон А., Хофман Дж. И Уоттс Д. Дж. (2015). Структурная вирусность онлайн-распространения. Manag. Sci . 62, 180–196.DOI: 10.1287 / mnsc.2015.2158

CrossRef Полный текст | Google Scholar

Гоффман Э. (1959). Представление себя в повседневной жизни . Гарден-Сити, Нью-Йорк: якорь.

Google Scholar

Гольдберг, Ю. (2016). Учебник по моделям нейронных сетей для обработки естественного языка. J. Artif. Intell. Res . 57, 345–420. DOI: 10.1613 / jair.4992

CrossRef Полный текст | Google Scholar

Грин, Б. (2018). «Справедливая» оценка рисков: ненадежный подход к реформе уголовного правосудия », , 5-й семинар по справедливости, подотчетности и прозрачности в машинном обучении (Стокгольм).

Google Scholar

Гринберг, Н., Джозеф, К., Фридланд, Л., Свайр-Томпсон, Б., и Лазер, Д. (2019). Фейковые новости в Твиттере во время президентских выборов в США в 2016 году. Наука 363, 374–378. DOI: 10.1126 / science.aau2706

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Hacking, I. (1986). Придумывая людей . Пало-Альто, Калифорния: Издательство Стэнфордского университета.

Google Scholar

Ханна, А., Дентон, Э., Смарт А. и Смит-Лауд Дж. (2019). К методологии критической гонки в алгоритмической справедливости. arXiv 1912.03593.

Google Scholar

Haraway, D. (1988). Установленные знания: научный вопрос в феминизме и привилегия частичной перспективы. Femin. Шпилька . 14, 575–599. DOI: 10.2307 / 3178066

CrossRef Полный текст | Google Scholar

Хардинг, С. Г. (2004). Читатель теории феминистской точки зрения: интеллектуальные и политические споры .Лондон, Великобритания: Psychology Press.

Google Scholar

Хасти Т., Тибширани Р. и Фридман Дж. (2009). Элементы статистического обучения: интеллектуальный анализ данных, вывод и прогнозирование . Берлин: Springer Science & Business Media.

Google Scholar

Heise, D. R. (2007). Выразительный заказ . Нью-Йорк, штат Нью-Йорк: Спрингер.

Google Scholar

Хипп, Дж. Р., Фарис, Р. В., и Бессен, А. (2012). Измерение «соседства»: построение сетевых окрестностей. Soc. Сеть . 34, 128–140. DOI: 10.1016 / j.socnet.2011.05.002

CrossRef Полный текст | Google Scholar

Хоффманн, А. Л. (2019). Где справедливость терпит неудачу: на данных, алгоритмах и пределах антидискриминационного дискурса. Информ. Commun. Soc . 22, 900–915. DOI: 10.1080 / 1369118X.2019.1573912

CrossRef Полный текст | Google Scholar

Hovland, C. I., and Weiss, W. (1951). Влияние доверия к источнику на эффективность коммуникации. Общественное мнение. Вопрос . 15, 635–650. DOI: 10.1086 / 266350

CrossRef Полный текст | Google Scholar

Хови, Д., и Форначари, Т. (2018). «Повышение сходства в классе за счет модификации встраиваемых материалов с использованием демографической информации», в материалах Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing (Брюссель: Ассоциация компьютерной лингвистики), 671–677. DOI: 10.18653 / v1 / D18-1070

CrossRef Полный текст | Google Scholar

Иоффе, С., и Сегеди, К. (2015). Пакетная нормализация: ускорение глубокого обучения сети за счет уменьшения внутреннего ковариатного сдвига. arXiv 1502.03167.

Google Scholar

Ипейротис, П. Г., Провост, Ф., Шэн, В., и Ван, Дж. (2010). Повторяющееся нанесение этикеток с использованием нескольких этикетировщиков с шумом . Нью-Йорк, штат Нью-Йорк: электронная библиотека SSRN.

Google Scholar

Джейкобс, А. З., Уоллах, Х. (2019). Оценка и справедливость .

Google Scholar

Джозеф, К., Фридланд, Л., Хоббс, В., Лазер, Д., Цур, О. (2017a). «ConStance: моделирование контекстов аннотаций для улучшения классификации позиций», в Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing (Копенгаген: Ассоциация компьютерной лингвистики), 1115–1124. DOI: 10.18653 / v1 / D17-1116

CrossRef Полный текст | Google Scholar

Джозеф К., Вэй В. и Карли К. М. (2016). «Изучение моделей использования идентичности в твитах: новая проблема, решение и тематическое исследование», в материалах Proceedings of the 25th International Conference on World Wide Web (Монреаль, Квебек: Руководящий комитет международных конференций World Wide Web), 401–412.DOI: 10.1145 / 2872427.2883027

CrossRef Полный текст | Google Scholar

Джозеф К., Вэй В. и Карли К. М. (2017b). «Девочки правят, мальчики пускают слюни: извлечение семантических и аффективных стереотипов из Twitter», Конференция ACM 2017 по совместной работе с компьютерной поддержкой (CSCW) (Сиэтл, Вашингтон). DOI: 10.1145 / 2998181.2998187

CrossRef Полный текст | Google Scholar

Юнг, С.-Г., Ан, Дж., Квак, Х., Салминен, Дж., И Янсен, Б. Дж. (2017). «Вывод демографических данных пользователей социальных сетей по фотографиям профилей: анализ лиц ++ для пользователей твиттера», Труды 17-й Международной конференции по электронному бизнесу (Дубай).

Google Scholar

Камишима Т., Акахо С. и Сакума Дж. (2011). «Обучение с учетом справедливости посредством подхода регуляризации», , 2011 IEEE 11th International Conference on Data Mining Workshops (Вашингтон, округ Колумбия: IEEE), 643–650. DOI: 10.1109 / ICDMW.2011.83

CrossRef Полный текст | Google Scholar

Кей М., Матушек К. и Мансон С. А. (2015). «Неравное представительство и гендерные стереотипы в результатах поиска изображений для профессий», Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing System (Seoul: ACM), 3819–3828.DOI: 10.1145 / 2702123.2702520

CrossRef Полный текст | Google Scholar

Кирнс, М., Нил, С., Рот, А., и Ву, З. С. (2017). Предотвращение мошенничества в отношении честности: аудит и обучение справедливости в подгруппах. arXiv 1711.05144.

Google Scholar

Клейнберг Дж. (2018). Неотъемлемые компромиссы в алгоритмической справедливости. ACM SIGMETRICS Perform. Eval. Ред. . 46:40. DOI: 10.1145 / 3219617.3219634

CrossRef Полный текст | Google Scholar

Криппендорф, К.(2004). Надежность контент-анализа. Hum. Commun. Res . 30, 411–433. DOI: 10.1111 / j.1468-2958.2004.tb00738.x

CrossRef Полный текст | Google Scholar

Кунда, З., и Тагард, П. (1996). Формирование впечатлений на основе стереотипов, черт характера и поведения: теория удовлетворения параллельных ограничений. Psychol. Ред. . 103, 284–308. DOI: 10.1037 / 0033-295X.103.2.284

CrossRef Полный текст | Google Scholar

Ларсон Дж. И Ангвин Дж.(2016). Как мы анализировали алгоритм рецидивов КОМПАС . Нью-Йорк, штат Нью-Йорк: ProPublica.

Google Scholar

Lazer, D., Pentland, A. S., Adamic, L., Aral, S., Barabasi, A. L., Brewer, D., et al. (2009). Вычислительная социология. Наука 323, 721. doi: 10.1126 / science.1167742

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Лазер Д. и Рэдфорд Дж. (2017). Data ex machina: введение в большие данные. Annu.Rev. Sociol . 43, 19–39. DOI: 10.1146 / annurev-soc-060116-053457

CrossRef Полный текст | Google Scholar

Левендуски М. (2009). Партизаны: как либералы стали демократами, а консерваторы — республиканцами . Чикаго, Иллинойс: Издательство Чикагского университета. DOI: 10.7208 / Чикаго / 9780226473673.001.0001

CrossRef Полный текст | Google Scholar

Липтон, З. К. (2016). Мифы интерпретируемости моделей. arXiv 1606.03490.

Google Scholar

Лю Ю., Никулеску-Мизил А. и Грыц В. (2009). «Topic-link LDA: совместные модели темы и сообщества авторов», в Proceedings of the 26th Annual International Conference on Machine Learning (Montreal, QC: ACM), 665–672. DOI: 10.1145 / 1553374.1553460

CrossRef Полный текст | Google Scholar

Лукас К., Нильсен Р. А., Робертс М. Э., Стюарт Б. М., Сторер А. и Тингли Д. (2015). Компьютерный анализ текста для сравнительной политики. Полит. Анал . 23, 254–277. DOI: 10.1093 / pan / mpu019

CrossRef Полный текст | Google Scholar

Луи М. и Болдуин Т. (2012). «Langid.py: стандартный инструмент идентификации языка», в Proceedings of the ACL 2012 System Demonstrations (Остров Чеджу: Ассоциация компьютерной лингвистики), 25–30.

Google Scholar

Лундберг И., Нараянан А., Леви К. и Салганик М. Дж. (2019). Конфиденциальность, этика и доступ к данным: тематическое исследование проблемы уязвимых семей. Socius 5: 2378023118813023. DOI: 10.1177 / 2378023118813023

CrossRef Полный текст | Google Scholar

Марсден, П. В., и Фридкин, Н. Е. (1993). Сетевые исследования социального влияния. Sociol. Методы Рез. . 22, 127–151. DOI: 10.1177 / 004

93022001006

CrossRef Полный текст | Google Scholar

Мартин, Э. (1991). Яйцеклетка и сперма: как наука построила роман, основанный на стереотипных мужских и женских ролях. Знаки J.Женский культ. Soc . 16, 485–501. DOI: 10.1086 / 494680

CrossRef Полный текст | Google Scholar

Мейсон, Л. (2015). «Я неуважительно согласен»: различное влияние партизанской сортировки на социальную и проблемную поляризацию. Am. J. Полит. Sci . 59, 128–145. DOI: 10.1111 / ajps.12089

CrossRef Полный текст | Google Scholar

Mitchell, M., Baker, D., Moorosi, N., Denton, E., Hutchinson, B., Hanna, A., et al. (2020). «Метрики разнообразия и инклюзивности при выборе подмножества», в Proceedings of the AAAI / ACM Conference on AI, Ethics, and Society (None), 117–123.DOI: 10.1145 / 3375627.3375832

CrossRef Полный текст | Google Scholar

Митчелл, С., Поташ, Э., и Барокас, С. (2018). Решения и справедливость на основе прогнозов: каталог вариантов, предположений и определений. arXiv 1811.07867.

Google Scholar

Мукерджи, С. (2014). «Совместная тематическая модель настроений авторов», Международная конференция SIAM по интеллектуальному анализу данных (SDM 2014), (Пенсильвания, Пенсильвания). DOI: 10,1137 / 1,9781611973440.43

CrossRef Полный текст | Google Scholar

Нельсон, Л. К. (2017). Вычислительно-обоснованная теория: методологические основы. Sociol. Методы Рез. . 49: 004

17729703. DOI: 10.1177 / 004

17729703

CrossRef Полный текст | Google Scholar

О’Коннор Б., Бамман Д. и Смит Н. А. (2011). «Вычислительный анализ текста для социальных наук: допущения и сложность модели», в NIPS Workshop on Computational Social Science and the Wisdom of Crowds .

Google Scholar

Олтяну А., Кастильо К., Диас Ф. и Кичиман Э. (2016). Социальные данные: предубеждения, методологические ошибки и этические границы . Научная статья SSRN ID 2886526. Рочестер, штат Нью-Йорк: Сеть исследований в области социальных наук. DOI: 10.2139 / ssrn.2886526

CrossRef Полный текст | Google Scholar

Пассонно, Р. Дж., И Карпентер, Б. (2014). Преимущества модели аннотации. Пер. Доц. Comput. Лингвист . 2, 311–326.DOI: 10.1162 / tacl_a_00185

CrossRef Полный текст | Google Scholar

Жемчуг, Дж. (2019). Семь инструментов причинного вывода с размышлениями о машинном обучении. Commun. ACM 62, 54–60. DOI: 10.1145 / 3241036

CrossRef Полный текст | Google Scholar

Пул, К. Т., и Розенталь, Х. (1991). Образцы голосования в Конгрессе. Американский журнал политических наук . 35, 228–278. DOI: 10.2307 / 2111445

CrossRef Полный текст | Google Scholar

Райкар, В.К., Ю, С., Чжао, Л. Х., Валадез, Г. Х., Флорин, К., Богони, Л. и др. (2010). Учимся у толпы. J. Mach. Учиться. Res . 11, 1297–1322. Доступно в Интернете по адресу: http://dl.acm.org/citation.cfm?id=1756006.1859894

Google Scholar

Рибейро, М. Т., Сингх, С., и Гестрин, К. (2016). «Почему я должен тебе доверять?»: Объясняет прогнозы любого классификатора. arXiv 1602.04938. DOI: 10.18653 / v1 / N16-3020

CrossRef Полный текст | Google Scholar

Рикфорд, Дж.Р., и Лабов В. (1999). Афроамериканский диалект английского языка: особенности, эволюция, образовательное значение . Мальден, Массачусетс: Блэквелл.

Google Scholar

Робертс М. Э., Стюарт Б. М., Тингли Д. и Аирольди Э. М. (2013). «Структурная тематическая модель и прикладная социальная наука», в «Достижения в области нейронных систем обработки информации» Семинар по тематическим моделям: вычисление, применение и оценка, (Лейк-Тахо, Юта), 1–20.

Google Scholar

Робертс, М.Е., Стюарт, Б. М., Тингли, Д., Лукас, К., Ледер-Луис, Дж., Гадарян, С. К. и др. (2014). Структурные тематические модели для открытых ответов на опросы. Am. J. Полит. Sci . 58, 1064–1082. DOI: 10.1111 / ajps.12103

CrossRef Полный текст | Google Scholar

Рорер, Дж. М. (2018). Четкое мышление о корреляциях и причинно-следственных связях: графические причинно-следственные модели для данных наблюдений. Adv. Методы Прак. Psychol. Sci . 1, 27–42. DOI: 10.1177 / 2515245917745629

CrossRef Полный текст | Google Scholar

Розен-Цви, М., Гриффитс, Т., Стейверс, М., и Смит, П. (2004). «Модель автор-тема для авторов и документов», Труды 20-й конференции по неопределенности в искусственном интеллекте (Арлингтон, Вирджиния: AUAI Press), 487–494.

Google Scholar

Салганик, М. Дж., Лундберг, И., Киндель, А. Т., Ахерн, К. Э., Аль-Гонейм, К., Альмаатук, А., и др. (2020). Измерение предсказуемости жизненных результатов с помощью массового научного сотрудничества. Proc. Natl. Акад. Sci .117, 8398–8403. DOI: 10.1073 / pnas.1915006117

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Салганик, М. Дж., Лундберг, И., Киндель, А. Т., и Макланахан, С. (2019). Знакомство со специальным сборником о проблеме уязвимых семей. Socius 5: 2378023119871580. DOI: 10.1177 / 2378023119871580

CrossRef Полный текст | Google Scholar

Schwartz, H.A., Eichstaedt, J.C., Kern, M. L., Dziurzynski, L., Ramones, S.M., Agrawal, M., и другие. (2013). Личность, пол и возраст на языке социальных сетей: подход открытого словарного запаса. PLoS ONE 8: e73791. DOI: 10.1371 / journal.pone.0073791

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Селбст А. Д., Бойд Д., Фридлер С., Венкатасубраманиан С. и Вертези Дж. (2018). Справедливость и абстракция в социотехнических системах . Научная статья SSRN ID 3265913. Рочестер, штат Нью-Йорк: Сеть исследований в области социальных наук. DOI: 10.1145 / 3287560.3287598

CrossRef Полный текст | Google Scholar

Сен, М., и Вазоу, О. (2016). Гонка как связка клюшек: конструкции, которые оценивают влияние, казалось бы, неизменных характеристик. Annu. Преподобный Полит. Sci . 19, 499–522. DOI: 10.1146 / annurev-polisci-032015-010015

CrossRef Полный текст | Google Scholar

Смит-Ловин, Л. (2007). Сила слабой идентичности: социальные структурные источники личности, ситуации и эмоционального опыта. Soc. Psychol. Вопрос . 70, 106–124. DOI: 10.1177 / 01

50707000203

CrossRef Полный текст | Google Scholar

Сноу Р., О’Коннор Б., Джурафски Д. и Нг А. Ю. (2008). «Дешево и быстро, но разве это хорошо ?: оценка аннотаций, не являющихся экспертами, для задач естественного языка», in Proceedings of the Conference on Empirical Methods in Natural Language Processing (Гонолулу, Гавайи: Ассоциация компьютерной лингвистики), 254–263 . DOI: 10.3115 / 1613715.1613751

CrossRef Полный текст | Google Scholar

Sudnow, D.(1965). Нормальные преступления: социологические особенности уголовного кодекса в должности государственного защитника. Soc. Проблема . 12, 255–276. DOI: 10.2307 / 798932

CrossRef Полный текст | Google Scholar

Сегеди К., Иоффе С., Ванхаук В. и Алеми А. А. (2017). «Inception-v4, inception-resnet и влияние остаточных связей на обучение», в Тридцать первая конференция AAAI по искусственному интеллекту (Сан-Франциско, Калифорния).

Google Scholar

Тавори, И., и Тиммерманс, С. (2014). Абдуктивный анализ: теоретические качественные исследования . Чикаго, Иллинойс: Издательство Чикагского университета. DOI: 10.7208 / Чикаго / 9780226180458.001.0001

CrossRef Полный текст | Google Scholar

Тодоров А., Саид К. П., Энгелл А. Д. и Остерхоф Н. Н. (2008). Понимание оценки лиц по социальным параметрам. Trends Cogn. Sci . 12, 455–460. DOI: 10.1016 / j.tics.2008.10.001

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Тул, Дж.Л., Лин, Ю.-Р., Мюлеггер, Э., Шоаг, Д., Гонсалес, М. К., и Лазер, Д. (2015). Отслеживание потрясений в сфере занятости с использованием данных мобильного телефона. J. R. Soc. Интерфейс 12: 20150185. DOI: 10.1098 / rsif.2015.0185

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Цур О., Калаччи Д. и Лазер Д. (2015). «Настроение: использование статистических моделей для выявления кампаний по составлению рамок и составлению повестки дня», в материалах материалов 53-го ежегодного собрания Ассоциации компьютерной лингвистики и 7-й Международной совместной конференции по обработке естественного языка (Том 1: Длинные документы) (Лиссабон), 1629–1638.DOI: 10.3115 / v1 / P15-1157

CrossRef Полный текст | Google Scholar

Tufekci, Z. (2014). «Большие вопросы для больших данных в социальных сетях: репрезентативность, достоверность и другие методологические ошибки», в ICWSM ’14: Материалы 8-й Международной конференции AAAI по блогам и социальным сетям (Анн-Арбор, Мичиган).

Google Scholar

Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., et al. (2017). «Внимание — это все, что вам нужно», в Advances in Neural Information Processing Systems (Long Beach, CA), 5998–6008.

Google Scholar

Уоллес, Э., Фенг, С., Кандпал, Н., Гарднер, М., и Сингх, С. (2019). Универсальные состязательные триггеры для нлп. arXiv 1908.07125. DOI: 10.18653 / v1 / D19-1221

CrossRef Полный текст | Google Scholar

Уоллах, Х. (2018). Вычислительные социальные науки ≠ информатика + социальные данные. Commun. ACM 61, 42–44. DOI: 10.1145 / 3132698

CrossRef Полный текст | Google Scholar

Ван, В., Ротшильд, Д., Гоэл, С., Гельман, А. (2015). Прогнозирование выборов с помощью непредставительных опросов. Внутр. J. Прогноз . 31, 980–991. DOI: 10.1016 / j.ijforecast.2014.06.001

CrossRef Полный текст | Google Scholar

Ван Ю., Косински М. (2018). Глубокие нейронные сети точнее людей определяют сексуальную ориентацию по изображениям лиц. J. Pers. Soc. Психол . 114: 246. DOI: 10.1037 / pspa0000098

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Васим, З.(2016). «Вы расист или я что-то вижу? Влияние аннотатора на обнаружение языка ненависти в Twitter », в NLP + CSS 2016, 138. Остин, Техас. DOI: 10.18653 / v1 / W16-5618

CrossRef Полный текст | Google Scholar

Ву, X., и Чжан, X. (2016). Автоматический вывод о преступности с использованием изображений лиц. arXiv 1611.04135.

Google Scholar

Янь, X., Го, Дж., Лань, Y., и Ченг, X. (2013). «Битермическая тематическая модель для коротких текстов», Труды 22-й Международной конференции по всемирной паутине (Рио-де-Жанейро: ACM), 1445–1456.DOI: 10.1145 / 2488388.2488514

CrossRef Полный текст | Google Scholar

Загоруйко, С., Комодакис, Н. (2016). Уделять больше внимания вниманию: повышение производительности сверточных нейронных сетей за счет передачи внимания. arXiv 1612.03928.

Google Scholar

Зубери, Т., и Бонилла-Силва, Э. (2008). Белая логика, белые методы: расизм и методология . Лэнхэм, Мэриленд: Rowman & Littlefield Publishers.

Google Scholar

Как Facebook, Twitter и другие информационные ресурсы революционизируют социальные науки

Елизавета Сивак почти десять лет училась на социолога.Затем, в середине исследовательского проекта, она поняла, что ей нужно вернуться в школу.

Сивак изучает семью и детство в НИУ ВШЭ в Москве. В 2015 году она изучила передвижения подростков, попросив их в серии интервью перечислить десять мест, которые они посетили за последние пять дней. Год спустя она проанализировала данные и почувствовала разочарование из-за ограниченности использования индивидуальных интервью, когда коллега указал ей на статью, в которой анализировались данные Copenhagen Networks Study, новаторского проекта, отслеживающего контакты в социальных сетях. , демографические данные и местонахождение около 1000 студентов, с пятиминутным разрешением, за пять месяцев 1 .Тогда она знала, что ее сфера деятельности вот-вот изменится. «Я поняла, что эти новые виды данных навсегда произведут революцию в социальных науках», — говорит она. «И я подумал, что это действительно круто».

На этом Сивак решил научиться программировать и присоединиться к революции. Теперь она и другие ученые-вычислительные социологи исследуют массивные и непослушные наборы данных, извлекая смысл из цифровых отпечатков общества. Они отслеживают действия людей в Интернете; изучение оцифрованных книг и исторических документов; интерпретация данных с носимых датчиков, которые фиксируют каждый шаг и контакт человека; проведение онлайн-опросов и экспериментов, собирающих миллионы точек данных; и исследование баз данных, которые настолько велики, что они могут раскрыть секреты об обществе только с помощью сложного анализа данных.

За последнее десятилетие исследователи использовали такие методы, чтобы выделить темы, которые социологи преследовали более века: от психологических основ человеческой морали до влияния дезинформации и факторов, которые делают некоторых художников более успешными. чем другие. Одно исследование выявило широко распространенный расизм в алгоритмах, влияющих на принятие медицинских решений 2 ; другой использовал данные мобильного телефона для картирования бедных регионов Руанды 3 .

«Самым большим достижением является сдвиг в представлении о цифровых поведенческих данных как об интересном и полезном источнике», — говорит Маркус Стромайер, специалист по вычислительным социологическим наукам из Рейнско-Вестфальского технического университета в Ахене, Германия.

Не все восприняли этот сдвиг. Некоторые социологи обеспокоены тем, что компьютерные ученые, стремящиеся к этой области с такими же большими амбициями, как и их наборы данных, недостаточно знакомы с предыдущими исследованиями. Другая жалоба заключается в том, что некоторые исследователи вычислений смотрят только на закономерности и не принимают во внимание причины, или что они делают весомые выводы из неполных и беспорядочных данных, которые часто получают из платформ социальных сетей и других источников, которым не хватает гигиены данных.

Колючки летят в обе стороны. Некоторые социологи-вычислители из таких областей, как физика и инженерия, утверждают, что многие теории социальных наук слишком расплывчаты или плохо определены, чтобы их можно было проверить.

Все это равносильно «борьбе за власть в лагере социальных наук», — говорит Марк Кеушниг, социолог-аналитик из Университета Линчёпинга в Норрчёпинге, Швеция. «Тот, кто в конце концов добьется успеха, получит ярлык социальных наук».

Но два лагеря начинают сливаться.«Взаимодействие вычислительной социальной науки с традиционной социальной наукой растет», — говорит Кеушниг, указывая на бум общих журналов, конференций и учебных программ. «Растет и взаимное уважение».

Вычислительная революция

В 2007 году небольшая группа ученых с большими амбициями собрала встречу, чтобы обсудить развивающееся искусство обработки данных в социальных науках. Они хотели применить свои навыки, чтобы изменить мир. Во время своего выступления политолог Гэри Кинг из Гарвардского университета в Кембридже, штат Массачусетс, сказал, что поток цифровой информации «позволит узнать гораздо больше об обществе и, в конечном итоге, начать решать — фактически решать — основные проблемы, которые влияют на скважину. -бытие человеческой популяции ».

К тому времени уже было опубликовано небольшое количество компьютерных исследований в области социальных наук. В исследовании 2006 года изучалась роль социального влияния на популярность музыки путем создания искусственного музыкального онлайн-рынка, которым пользовался 14 341 человек. Участники выбирали песни для загрузки, иногда с информацией, а иногда без информации о том, насколько популярны эти песни среди их коллег-пользователей рынка. Исследование показало, что популярность песни тем труднее предсказать, чем больше на пользователей влияло поведение других. 4 , предлагая одно объяснение того, почему трудно предсказать безудержный успех.

Данные о мобильных телефонах от 1,5 миллионов пользователей в Руанде помогли сделать вывод о очагах богатства и бедности (темные области — беднее) Фото: Джошуа Блюменсток

Два года спустя исследование проанализировало передвижения 100 000 пользователей мобильных телефонов за шесть месяцев и обнаружило, что люди путешествуют по простым и воспроизводимым схемам 5 . Авторы могли рассчитать вероятность нахождения человека в любом конкретном месте и предположили, что выявление сходства в схемах передвижения в сообществе может помочь в городском планировании, понимании распространения болезней или подготовке к чрезвычайным ситуациям.

В том же году технологический журнал Wired опубликовал статью 6 , в которой утверждалось, что эра больших данных положит конец теории во всех науках. Несмотря на широкую критику как чрезмерное упрощение, статья задела нерв: более десяти лет спустя социологи неоднократно ссылались на статью Wired как на сигнал о том, что актуальность теории социальных наук подвергается критике.

Но большие данные только продолжали свое господство. Для Дункана Уоттса, социолога из Пенсильванского университета в Филадельфии, изменения в социальных науках напоминали то, что произошло в биологии в 1990-х годах, когда высокопроизводительные методы начали генерировать огромное количество данных о последовательностях ДНК и экспрессии генов.«Произошла лавина новых данных, которая потребовала совершенно другого подхода к данным», — говорит он.

Но многие обществоведы не были впечатлены первыми плодами революции и сочли некоторые из ее методов сомнительными. Скептики рассматривали исследования социальных сетей как эксперименты, проводимые над тысячами неосведомленных и несогласных участников. В 2018 году стало известно, что британская консалтинговая компания Cambridge Analytica собрала данные из миллионов учетных записей Facebook без согласия их владельцев.Последствия скандала по-прежнему вызывают повышенное внимание и скептицизм в исследованиях в социальных сетях, а некоторые ученые застопорились в своих проектах, поскольку платформы вводят новую политику конфиденциальности.

Социально неловкое

Эта область также была заклеймлена ранними работами, которые касались « игрушечных » проблем — вопросов, на которые можно было ответить из данных, но не касались давних фундаментальных проблем социальных наук, таких как бороться с неравенством или влиять на общественное мнение.«Вначале было много исследований Твиттера, которые, я думаю, не очень понравились социологам», — говорит Клаудия Вагнер, специалист по вычислительным социологическим наукам из Института социальных наук им. Лейбница GESIS в Германии.

Некоторые утверждают, что решение проблем с игрушками было, по крайней мере, частично результатом того, что молодые люди начали свое дело. По словам Штромайера, по мере того, как анализы стали более сложными, а источники данных — более разнообразными, эта область начала заниматься более важными проблемами, такими как корни дискриминации, неравенства и радикализации.«Только сейчас мы получаем данные, которые позволяют нам смотреть на серьезные проблемы», — говорит он.

Данные мобильного телефона показывают, что люди придерживаются простых и предсказуемых моделей движений Фото: Кевин Фрайер / Getty

В прошлом году, например, исследователи из общественного здравоохранения и из поведенческой экономики использовали медицинские записи для более чем 50 000 пациентов в системе здравоохранения США для анализа широко используемого алгоритма, который рекомендует людям со сложными медицинскими потребностями дополнительное наблюдение и здоровье. вмешательства.Команда использовала моделирование, чтобы показать, что алгоритм систематически дискриминирует чернокожих, потенциально влияя на заботу о миллионах людей 2 . Затем исследователи использовали знания о неравенстве в сфере здравоохранения в Соединенных Штатах, чтобы отследить источники этого предубеждения и предложить способы его устранения. Например, алгоритмы не должны предполагать, что сумма, потраченная на медицинское обслуживание человека, является хорошим показателем того, сколько ухода ему нужно: из-за неравного доступа к медицинскому обслуживанию на уход за чернокожими американцами обычно тратится меньше денег, чем на белых американцев, даже когда у них одинаковые потребности в медицинском обслуживании.

Но доступ к достоверным данным — не единственная проблема: ученых, уходящих из физики или информатики, обвиняют в неспособности исследовать теории, сформулированные социологами для объяснения человеческого поведения. «Они склонны искать закономерности», — говорит Джулия Андригетто, получившая образование философа, но теперь работающая специалистом в области вычислительной социологии в Институте когнитивных наук и технологий, входящем в состав Национального исследовательского совета Италии в Риме. «Но обычно они не ищут механизмы, с помощью которых создается такое поведение.”

Для выполнения этой работы требуется твердое знание теории социальных наук. Джисун Ан, специалист по вычислительным социологическим наукам из Университета Хамада бин Халифа в Дохе, защитила докторскую диссертацию по информатике в 2010 году, изучая обмен новостями в социальных сетях как раз в то время, когда начало расцветать вычислительное движение в области социальных наук. Вначале она работала только с другими учеными-компьютерщиками, и они изо всех сил пытались осмыслить различные теории социальных наук. Теперь она сотрудничает с политологами, чтобы изучить влияние СМИ на общественное мнение — и наоборот — а также то, как побудить людей увеличить разнообразие своих источников новостей.«Со временем каждая сторона понимает друг друга с точки зрения языка и методов», — говорит Ан.

Теперь есть конкретные признаки помолвки. Первая крупная конференция, объединяющая два подхода, намечена на 2021 год. Университеты также создают институты, которые объединяют сотрудников из разных отделов для преодоления разрыва. Например, в Университете Джорджа Мейсона в Фэрфаксе, штат Вирджиния, есть специальный отдел. Летний лагерь по вычислительной социологии работает более чем в 30 местах по всему миру, и стайка молодых энтузиастов студентов — наряду с увеличением количества доступных рабочих мест — вселила некоторую надежду на то, что борьба за власть может уступить место более плодотворному сотрудничеству. .

Общественные собрания

Объединение двух подходов может быть мощным. Специалист по данным Джошуа Блуменсток из Вашингтонского университета в Сиэтле и его коллеги использовали данные с мобильных телефонов миллионов людей в Руанде, чтобы сделать вывод об их социально-экономическом статусе, а затем подтвердили их результаты, сравнив их с данными, собранными с помощью обычных опросов 3 . Полученный в результате метод может быть использован политиками, например, для нацеливания на бедные регионы страны, которые нуждаются в вмешательствах, или для мониторинга воздействия принятых мер политики.

Но отсутствие связи все же очевидно. Джоан Донован, социолог из Гарварда, указывает на опубликованное в прошлом году исследование, в котором исследователи наметили сеть онлайн-групп ненависти на платформах Facebook и ВКонтакте и показали, как структура сети менялась с течением времени 7 . По ее словам, физики и информатики, проводившие исследование, не смогли процитировать ключевые исследования в области социальных наук в своей работе, и в результате их интерпретация их результатов была не такой богатой, как могла бы быть.Они также опросили слишком мало платформ социальных сетей, хотя прошлые исследования показали, что группы ненависти следуют за харизматическими лидерами во многих областях. И команда пришла к тому, что она считает опасным выводом: платформы социальных сетей могут пытаться управлять дискуссией в группах ненависти, например, путем создания фальшивых учетных записей или организации борьбы между кластерами ненависти. По ее словам, это может иметь неприятные последствия из-за увеличения объема обсуждения в группе и повышения ее рейтинга в поисковых алгоритмах.По ее мнению, лучшей стратегией было бы сдерживать распространение сообщений о ненависти, ограничивая видимость таких групп поисковыми системами.

Терапевт в США проверяет легкие пациента. Решения в области здравоохранения часто основываются на алгоритмах, которые, как показало одно исследование, демонстрируют расовую предвзятость Фото: Александра Хутник / NYT / Redux / eyevine

Физик Нил Джонсон из Университета Джорджа Вашингтона в Вашингтоне и ведущий автор исследования ненависти привык к критике со стороны социологов.Он говорит, что привел наиболее важные ссылки. Что касается поисковых алгоритмов, компании, работающие в социальных сетях, имеют возможность манипулировать ими, говорит он, «точно так же, как они делают сейчас, чтобы подавить популярность страниц и групп дезинформации, направленных против вакцины и COVID-19». Он изучал дезинформацию, конфликты и экстремизм и говорит, что получает жалобы каждый раз, когда публикует резонансную газету. Но его работа вызвала отклик у политиков: его часто просят проконсультироваться со стороны организаций, которым нравится количественный характер его работы и способность моделировать, какое влияние могут оказать вмешательства.«Мы действительно можем смотреть на конкретные вопросы так, как, я думаю, они не испытывали во взаимодействии с другими учеными», — говорит он. Джонсон, со своей стороны, обеспокоен тем, что слишком многие социологи спешат использовать вычислительные подходы без надлежащей подготовки.

Джонсон — не единственный ученый, скептически относящийся к важности теории для своих проектов. Джангиакомо Браво, получивший образование в области социоэкономики и ныне занимающийся вычислительной социологией в Университете Линнея в Векшё, Швеция, говорит, что многие теории социальных наук слишком туманны, чтобы их можно было проверить с использованием больших данных.Например, идея социального капитала иногда определяется как общее понимание и ценности в обществе, которые позволяют людям работать вместе. «Первоначальная формулировка этой концепции социального капитала была слишком расплывчатой, чтобы ее можно было проверить», — говорит он. «Как я мог это измерить?»

Некоторые теории, однако, более конкретны. Андригетто, изучающий социальные нормы — общие правила, определяющие, что является или недопустимым поведением в обществе, — говорит, что исследователи потратили десять лет на то, чтобы собрать воедино четкие определения и теории по этой теме.Например, теория предполагает, что изменение социальных норм должно вызывать изменения в том, как человек реагирует на данную ситуацию. Считается также, что социальные нормы изменяются очень медленно и в ходе интенсивных социальных взаимодействий. Подобные проверяемые утверждения позволяют Андригетто сочетать вычислительную работу с теорией социальных наук: она использует онлайн-эксперименты 8 , чтобы проверить, влияют ли моделируемые изменения социальных норм на поведение.

Не только она хочет использовать социальные науки, чтобы изменить мир.По словам Уоттса, он и другие академические исследователи слишком часто гоняются за публикациями, а не за реальными решениями. «Я чувствовал, что моя работа была сделана в тот момент, когда статья была опубликована», — говорит он. «Моя работа заключалась в том, чтобы обнародовать эти идеи, и это была работа кого-то другого — прийти и придумать, как воплотить их в значимое вмешательство в реальный мир».

Чтобы этот сдвиг произошел, исследователи из обоих лагерей должны поддерживать импульс к сотрудничеству, говорит Уоттс.Некоторые уже могут это почувствовать. «Традиционные социальные науки и вычислительные социальные науки со временем становятся ближе», — говорит Вагнер. «Через 20 лет не будет разделения».

социологов — Чем занимаются социологи?


Основными профессиями социальных наук, затронутыми в этом заявлении, являются антропологи, археологи, географы и историки.

Социологи изучают все аспекты жизни общества — от прошлых событий и достижений до человеческого поведения и взаимоотношений между группами.Их исследования дают представление о различных способах принятия решений отдельными лицами, группами и учреждениями, осуществления власти и реагирования на изменения. Они подробно рассматривают данные, например, изучают собранные данные, повторно анализируют уже существующие данные, анализируют исторические записи и документы и интерпретируют влияние местоположения на культуру и другие аспекты жизни общества. Благодаря своим исследованиям и анализу социологи предлагают понимание физического, социального и культурного развития человека, а также связи между человеческой деятельностью и окружающей средой.Ниже приводится краткое обсуждение нескольких основных типов социологов. Специалисты в одной области могут обнаружить, что их исследования частично совпадают с работой, проводимой в другой дисциплине.

Антропологи изучают происхождение, развитие и поведение человека. Они исследуют образ жизни, языки, археологические находки и физические характеристики людей в различных частях мира. Они также изучают обычаи, ценности и социальные модели различных культур, часто с помощью сравнительного анализа.Некоторые антропологи изучают текущие проблемы человечества, такие как перенаселение, войны и бедность, в то время как другие изучают предысторию Homo sapiens, включая эволюцию человеческого мозга. Антропологи обычно концентрируются на одной из четырех областей: социокультурной, лингвистической, биологической и физической антропологии. Социокультурные антропологи изучают обычаи, культуру и социальную жизнь групп в самых разных условиях — от неиндустриализированных обществ до современных городских центров. Они часто делают это посредством наблюдения или личных интервью с определенной группой, сравнивая результаты одной конкретной группы с результатами другой.Например, они могут стремиться узнать причины раскрашивания лиц или скарификации людей в обществе, чтобы лучше понять общую культуру этого общества. Такой анализ обычно принимает форму конкретного акцента, например, экономики, политики, религии или искусства. Лингвистические антропологи исследуют историю, роль и изменения языка с течением времени в различных культурах. Биологические антропологи исследуют эволюцию человеческого тела, ищут самые ранние свидетельства человеческой жизни и анализируют, как культура и биология влияют друг на друга.Физические антропологи исследуют человеческие останки, найденные на археологических раскопках, чтобы понять демографические характеристики населения и факторы, такие как питание и болезни, которые повлияли на эти группы населения.

Археологи исследуют и находят вещественные доказательства, включая инструменты, глиняную посуду, наскальные рисунки, руины зданий и другие предметы, оставшиеся от прошлых человеческих культур, чтобы узнать об истории, обычаях и образе жизни более ранних цивилизаций. Благодаря постоянному техническому прогрессу, который делает все более возможным обнаружение подземных аномалий без проведения раскопок, археологи теперь могут нацеливаться на места раскопок лучше, чем раньше.

Большинство археологов работают в консалтинговых и исследовательских фирмах, в частности, в фирмах по управлению культурными ресурсами (CRM), услуги которых часто заказывают застройщики, строительные компании, а иногда и федеральное правительство. Сотрудники CRM несут ответственность в основном за выявление, оценку и сохранение археологических и исторических памятников на частных и государственных землях, таких как национальные парки, чтобы гарантировать, что строитель соблюдает законодательство, относящееся к сохранению. Археологи в музеях и исторических местах часто занимаются коллекцией местных артефактов, просвещают публику с помощью интерактивных программ и презентаций или становятся администраторами, которые контролируют программы, связанные с исследованиями, коллекциями и выставками.Еще один крупный работодатель археологов — государство. Многие археологи в федеральном правительстве проводят исследования для Службы национальных парков Министерства внутренних дел США. Некоторые также работают администраторами.

Географы изучают Землю и ее сушу, особенности, жителей и явления. Большинство географов работают в одной из двух основных областей географии: физической и культурной. Физико-географы изучают физические аспекты региона, включая его формы суши, климат, почвы, растительность, воду, растения и животных.Культурные географы анализируют пространственные последствия человеческой деятельности в данной области, включая ее экономическую деятельность, социальные характеристики и политическую организацию, и затем классифицируются на основе их конкретной направленности. Например, экономические географы изучают распределение ресурсов и экономическую деятельность. Политических географов интересует отношение географии к политическим явлениям. Городские и транспортные географы изучают города и мегаполисы.Региональные географы изучают физические, экономические, политические и культурные характеристики регионов, размер которых варьируется от округа до целых континентов. Медицинские географы исследуют системы оказания медицинской помощи, эпидемиологию (изучение причин и контроль эпидемий) и влияние окружающей среды на здоровье.

Географы включают в свою работу множество различных технологий, таких как географические информационные системы (ГИС), системы глобального позиционирования (GPS) и дистанционное зондирование.Например, географ может использовать ГИС и GPS для отслеживания информации о росте населения, схемах движения, экологических опасностях, природных ресурсах и погодных условиях в цифровом формате. Накладывая полученные с помощью дистанционного зондирования аэрофотоснимки или спутниковые изображения на данные ГИС, такие как плотность населения, они создают компьютеризированные карты, которые могут дать правительствам, предприятиям и широкой общественности рекомендации по различным вопросам, включая влияние стихийных бедствий и строительство домов, дороги и свалки.По мере создания и совершенствования таких систем большое количество картографов называют специалистами по географической информации. Кроме того, многие люди, изучающие географию и работающие с технологиями ГИС, относятся к другим профессиям, например, геодезисты, картографы, фотограмметристы, а также специалисты по геодезии и картографии (которые разрабатывают карты и другую информацию на основе местоположения), городские и региональные планировщики. (которые помогают принимать решения и оценивать местоположения зданий, дорог и других аспектов физического общества) и геофизики (которые изучают землетрясения и другие физические аспекты Земли).

Историки исследуют, анализируют и интерпретируют прошлое. В своих исследованиях они используют множество источников информации, включая правительственные и институциональные отчеты, газеты и другие периодические издания, фотографии, интервью, фильмы и неопубликованные рукописи, такие как личные дневники и письма. Историки обычно специализируются на стране или регионе, конкретном периоде или определенной области, такой как социальная, интеллектуальная, культурная, политическая или дипломатическая история. Многие сообщают о своих исследованиях и выводах в книгах, статьях или эссе.

Большинство историков проводят исследования и анализ в той или иной форме для государственных и местных органов власти. Другие помогают изучать и сохранять архивные материалы и артефакты в музеях, центрах для посетителей, а также в исторических зданиях и местах. Те, у кого есть степень бакалавра истории, могут работать учителями истории в средней школе.

Условия труда
У большинства социологов обычный график. Хотя они чаще всего работают как неотъемлемая часть исследовательской группы, иногда они работают в одиночку, составляя отчеты о своих выводах.Поездки могут быть необходимы для сбора информации или посещения встреч, а те, кто находится в командировке за границей, должны приспосабливаться к незнакомым культурам, климату и языкам.

Некоторые социологи проводят полевые исследования. Например, антропологи, археологи и географы могут путешествовать в отдаленные районы, жить среди людей, которых они изучают, изучать их языки и надолго оставаться на месте своих исследований. Они могут работать в тяжелых условиях, и их работа может включать большие физические нагрузки.

Социологи, работающие в колледжах и университетах, обычно имеют гибкий график работы, часто разделяя свое время между преподаванием, исследованиями, написанием статей, консультированием и административными обязанностями.

Требуется образование и подготовка
Выпускники со степенью магистра прикладных специальностей обычно имеют право работать за пределами колледжей и университетов, хотя требования различаются в зависимости от области. Доктор философии степень может потребоваться для преподавательских должностей более высокого уровня.Обладатели степени бакалавра имеют ограниченные возможности; тем не менее, степень бакалавра дает подходящую основу для многих различных видов работ начального уровня в смежных профессиях, таких как научный сотрудник, писатель, стажер по менеджменту и аналитик рынка. Кроме того, бакалавры по истории часто имеют право на преподавательские должности в начальной, средней и старшей школе.

Обучение статистике и математике важно для многих социологов, большинство из которых все чаще используют математические и количественные методы исследования.Умение использовать компьютеры в исследовательских целях является обязательным в большинстве дисциплин. Социологи также должны быть в курсе последних технологических достижений, влияющих на их дисциплину и исследования. Например, большинство географов широко используют технологию ГИС, и все большее число археологов начинают использовать эту технологию в своей работе.

Многие студенты, изучающие общественные науки, также могут пройти стажировку или получить практический опыт. Многочисленные местные музеи, исторические общества, правительственные учреждения, некоммерческие и другие организации предлагают стажировки или возможности волонтерских исследований.Полевые археологические школы обучают будущих антропологов, археологов и историков тому, как раскапывать, записывать и интерпретировать исторические места.

Другие требуемые навыки (Другая квалификация)
Социологам необходимы отличные навыки письменного и устного общения, чтобы сообщать о результатах исследований и сотрудничать в исследованиях. Способность мыслить логически и методично также важна при анализе сложных вопросов. Объективность, непредвзятость и систематические рабочие привычки важны во всех видах исследований в области социальных наук.Настойчивость тоже часто необходима, например, когда антрополог тратит годы на изучение артефактов древней цивилизации, прежде чем сделать окончательный анализ и интерпретацию.

Социальные ученые — Чем они занимаются — Страница 2

Академические программы по интересам

Криминалистика

Криминология — это научное исследование преступности как индивидуального и социального явления.Области криминологических исследований включают количество и формы преступлений, а также их причины и последствия. Они также включают социальные и правительственные постановления и реакцию на преступление. Криминология — это междисциплинарный …более


Социальная работа

Социальные работники озабочены социальными проблемами, их причинами, решениями и их воздействием на человека. Социальные работники работают с отдельными людьми, семьями, группами, организациями и сообществами.Социальная работа — это профессия, направленная на достижение социальной справедливости и повышение качества. …более


Что социальные науки когда-либо делали для обеспечения справедливости в политике и системах здравоохранения? | International Journal for Equity in Health

  • 1.

    Napier AD, Ancarno C, Butler B, Calabrese J, Chater A, Chatterjee H, Guesnet F, Horne R, Jacyna S, Jadhav S. Культура и здоровье. Ланцет. 2014. 384 (9954): 1607–39.

    Артикул Google ученый

  • 2.

    Кротти П. Значение качественных исследований в области питания. Annu Rev Health Soc Sci. 1993. 3 (1): 109–18.

    Артикул Google ученый

  • 3.

    Blaxter M. Чья это вина? Собственные представления людей о причинах неравенства в отношении здоровья. Soc Sci Med. 1997. 44 (6): 747–56.

    CAS Статья PubMed Google ученый

  • 4.

    Смит К.Э., Андерсон Р. Понимание взглядов непрофессионалов на социально-экономическое неравенство в отношении здоровья в Великобритании: метаэтнография.Sociol Health Illn. 2018; 40 (1): 146–70.

    Артикул PubMed Google ученый

  • 5.

    Грэм Х. Курение женщин и здоровье семьи. Soc Sci Med. 1987. 25 (1): 47–56.

    CAS Статья PubMed Google ученый

  • 6.

    Гринхалг Т., Аннандейл Э., Эшкрофт Р., Барлоу Дж., Блэк Н., Бликли А., Боаден Р., Брейтуэйт Дж., Бриттен Н., Карневейл Ф. Открытое письмо редакторам BMJ о качественном исследовании.Bmj. 2016; 352: i563.

    Артикул PubMed Google ученый

  • 7.

    Туркотт-Трембле А.М., Де Аллегри М., Гали Гали И., Ридде В. Непредвиденные последствия сочетания мер капитала и финансирования на основе результатов в Буркина-Фасо. Int J Equity Health. 2018; 17: 109.

    Артикул PubMed PubMed Central Google ученый

  • 8.

    Topp S, Sharma A, Chileshe C, Magwende G, Henostroza G, Moonga C.Влияние тюремных комитетов здравоохранения на подотчетность системы здравоохранения в Замбии. Int J Equity Health. 2018; 17: 74.

    Артикул PubMed PubMed Central Google ученый

  • 9.

    Капилашрами А., Марсден С. Изучение межсекторального неравенства в доступе к (поддерживающим) ресурсам здравоохранения в неблагополучных сообществах в Шотландии: продвижение парадигмы участия. Int J Equity Health. 2018; 17: 63.

    Артикул Google ученый

  • 10.

    Гринхалг Т. Культурные контексты здоровья: использование нарративных исследований в секторе здравоохранения. Обобщающий доклад Сети фактических данных о здоровье ВОЗ 47. In., Edn. Европейское региональное бюро ВОЗ: Копенгаген; 2016.

    Google ученый

  • 11.

    Гайатт Г.Х., Хейнс Р.З., Яешке Р.З., Кук Д.И., Грин Л., Нейлор С.Д., Уилсон М.С., Ричардсон В.С., Группа E-BMW. Справочники по медицинской литературе: XXV. Доказательная медицина: принципы применения руководств для пользователей при оказании помощи пациентам.Джама. 2000. 284 (10): 1290–6.

    CAS Статья PubMed Google ученый

  • 12.

    Хиггинс JPT, Грин С. Кокрановское руководство по систематическим обзорам вмешательств, версия 6.0. [онлайн-версия, обновлено в июле 2018 г.]. Оксфорд: Кокрановское сотрудничество; 2018.

  • 13.

    Судья К., Баулд Л. Сильная теория, гибкие методы: оценка сложных инициатив на уровне сообществ. Crit Public Health. 2001. 11 (1): 19–38.

    Артикул Google ученый

  • 14.

    Контис В., Мазерс С.Д., Бонита Р., Стивенс Г.А., Рем Дж., Шилд К.Д., Райли Л.М., Позняк В., Джаббур С., Гарг Р.М. Региональный вклад шести предотвратимых факторов риска в достижение цели сокращения смертности от неинфекционных заболеваний 25 × 25: модельное исследование. Ланцет Glob Health. 2015; 3 (12): e746–57.

    Артикул PubMed Google ученый

  • 15.

    Hart JT. Политическая экономия здравоохранения. Бристоль: клиническая перспектива.The Policy Press; 2006.

  • 16.

    Freedman LP. Размышления о новых основах здоровья и прав человека. Здоровье Человека Человека. 1995; 1 ​​(4): 314–48.

    Артикул PubMed Google ученый

  • 17.

    Фрейре П. Воспитание критического сознания, т. 1: Bloomsbury Publishing; 1973.

  • 18.

    Карр В., Кеммис С. Становление критичным: познание через исследование действия: Университет Дикина; 1983.

  • Социальные науки | Бакалавриат

    Мир большой, сложный и глобальный.Вы можете помочь разобраться в этом — и в человеческой и общественной роли в нем — со степенью в области социальных наук в SUNY Empire State College.

    Что такое социальные науки?

    Проще говоря, социальные науки — это научное исследование человеческого общества и того, как оно взаимодействует с социальными, политическими и экономическими структурами, и как они влияют на них, и как они влияют на людей в сложном обществе.

    В этой программе вы познакомитесь с теориями, методами и проблемами, к которым обращаются антропологи, политологи и социологи при изучении критических проблем современного общества.Почему? Таким образом, вы можете понять их в историческом контексте и разработать политику для их решения. Вы также разовьете ценные исследовательские, аналитические и коммуникативные навыки.

    Популярные концентрации

    • Социология
    • Социальная теория
    • Государственная политика
    • Политология
    • Женские исследования

    Обучение онлайн, лично или и то, и другое

    Получите степень онлайн, лично в одном из 30+ офисов SUNY Empire по всему штату, или сочетайте то и другое, чтобы ваше образование соответствовало вашей жизни.При поддержке наставника из вашего факультета вы разработаете расписание и план получения степени, которые встретят вас там, где вы находитесь, и доставят туда, куда вы хотите.

    Где можно получить степень
    • Разработка политики
    • Закон
    • Обучение
    • Предоставление социальных услуг и управление ими
    • Государственная служба
    • Социальное служение
    • Высшая школа

    Вы можете сосредоточиться на одной области, такой как биопсихосоциальное развитие, или создать междисциплинарную концентрацию, которая объединяет или объединяет точки зрения на основе ваших карьерных целей и интересов.

    Доступные градусы

    SUNY Empire State College предлагает следующие степени в области социальных наук:

    • Ассистент искусств
    • Научный сотрудник
    • Бакалавр искусств
    • Бакалавр наук

    Вы также можете посещать индивидуальные курсы (без получения ученой степени) как студент без степени .

    Добавить комментарий