Вызовы технологий больших данных для современных социогуманитарных наук

Журавлева Елена Ю.

doi:10.31857/S004287440001353-3

Русский

Главная>Выпуск №9>Вызовы технологий «больших данных» для современных социогуманитарных наук

Вызовы технологий «больших данных» для современных социогуманитарных наук

Оглавление

Аннотация Оценить Содержание публикации

Библиография Комментарии

Вызовы технологий «больших данных» для современных социогуманитарных наук

Аннотация

Код статьи

S004287440001353-3-

DOI

10.31857/S004287440001353-3

Тип публикации

Статья

Статус публикации

Опубликовано

Авторы

Журавлева Елена Юрьевна Связаться с автором

Должность: Доцент кафедры общественных дисциплин
Аффилиация: Вологодский филиал РАНХиГС при Президенте РФ
Адрес: Российская Федерация, Вологда

Выпуск

Выпуск №9

Страницы

50-59

Аннотация

Научный интерес к появлению новых техник работы с интенсивными данными, или технологий «больших данных», генерирует широкий спектр новых исследовательских практик в почти каждой современной дисциплине. Статья нацелена на анализ изменений, связанных с освоением подобных исследовательских практик в социогуманитарных науках. Отмечаются два взаимосвязанных контекста рассмотрения технологий «больших данных»: индустриальный и научный. Предложены различные виды определений технологий «больших данных» с количественным фокусом (размеры, свойства, объемы, структура или композиция данных). Особо выделено определение технологий «больших данных» в перспективе изучения социального движения, поведения людей и общественного характера событий. В этой группе определений важная роль отводится производному от «больших данных» понятию «даннофикация». Даннофикация представлена как современный технологический макротренд по трансформации социальных действий в онлайновые количественные данные, взаимосвязанный с такими современными технологическими макротрендами, как дигитализация, сенсоризация и софтверизация. Основные изменения выявлены для современных социогуманитарных наук на когнитивном, эпистемологическом, методологическом, институциональном и этическом уровне познания. Особое внимание уделено таким проявлениям данноизма в научной деятельности, как разведывательная наука, поисковая наука, наука, свободная от гипотез, наука, движимая данными, данноцентричная наука, эмпирическая эпистемология и наука «больших данных».

Ключевые слова

технологии «больших данных», даннофикация, сенсоризация, софтверизация, данноизм, разведывательная наука, поисковая наука, наука, свободная от гипотез, наука, движимая данными, данноцентричная наука, эмпирическая эпистемология, наука «больших данных»

Источник финансирования

Исследование выполнено при финансовой поддержке РФФИ, проект «Софтверизация современной научно-исследовательской деятельности: эпистемологические основания» № 16-03-50064.

Классификатор

Получено

19.10.2018

Дата публикации

23.10.2018

Всего подписок

Всего просмотров

838

Оценка читателей

0.0 (0 голосов)

Другие версии

S004287440001353-3-1 Дата внесения исправлений в статью - 04.10.2018

Цитировать Скачать pdf

ГОСТ	Журавлева Е. Ю. Вызовы технологий «больших данных» для современных социогуманитарных наук // Вопросы философии. – 2018. – Выпуск №9 C. 50-59 . URL: https://vphil.jes.su/s004287440001353-3-1/?version_id=7924. DOI: 10.31857/S004287440001353-3
MLA	Zhuravleva, Elena "Calls Technologies ‘Big Data’ for the Modern Social Sciences and Humanities." Voprosy filosofii. 9 (2018).:50-59. DOI: 10.31857/S004287440001353-3
APA	Zhuravleva E. (2018). Calls Technologies ‘Big Data’ for the Modern Social Sciences and Humanities. Voprosy filosofii. no. 9, pp.50-59 DOI: 10.31857/S004287440001353-3

Библиография

1. Журавлева 2012 – Журавлева Е.Ю. Эпистемический статус цифровых данных в современных научных исследованиях // Вопросы философии. 2012. № 2. С. 113–123.

2. Майер-Шенбергер, Кукьер 2014 – Майер-Шенбергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. М.: Манн, Иванов и Фербер, 2014.

3. Adkins, Lisa, Lury, Celia (2009) ‘What is the empirical?’, European Journal of Social Theory, special issue, № 12, pp. 5–20.

4. Allen, John F. (2001) ‘In Silico Veritas. Data-Mining and Automated Discovery: The Truth Is in There’, EMBO Reports, № 2, pp. 542–544.

5. Anderson, Chris (2008) ‘The end of theory: The data deluge makes the scientific method obsolete’, Wired, Vol. 16 (7), pp. 108–109.

6. Aronova, Elena, Baker, Karen S., Oreskes, Naomi (2010) ‘Big science and big data in biology: From the International Geophysical Year through the International Biological Program to the Long Term Ecological Research (LTER) Network, 1957– Present’, Historical Studies in the Natural Sciences, 40, pp. 183–224.

7. Bowker, Geoffrey C. (2006) Memory Practices in the Sciences, MIT Press, Cambridge, MA.

8. Brey, Philip, Søraker, Johny H. (2009) ‘Philosophy of Computing and Information Technology’, Philosophy of Technology and Engineering Sciences. Vol. 14 of the Handbook for Philosophy of Science, ed. A. Meijer, gen. ed. D. Gabbay, P. Thagard and J. Woods, Elsevier.

9. Brooks, David (2013) ‘The philosophy of data’, New York Times, 04.02.2013 http://www.nytimes.com/2013/02/05/opinion/brooks-the-philosophy-of-data.html

10. Clough, Patricia, Ticineto, Karen, Gregory, Benjamin, Haber, Scannell, Joshua (2014) The Datalogical Turn in Nonrepresentational Methodologies: Re-Envisioning Research, ed. Phillip Vannini, Taylor & Francis, Oxford, pp. 182–206.

11. Floridi, Luciano (2012) ‘Big Data and their epistemological challenge’, Philosophy and Technology, 25 (4), pp. 435–437.

12. Foster, Allan (2016) ‘Initiatives’, Business Information Review, № 33, pp. 54–69.

13. Franklin, Laura R. (2005) ‘Exploratory Experiments’, Philosophy of Science, № 72, pp. 888–899.

14. Gould, Peter (1981) ‘Letting the data speak for themselves’, Annals of the Association of American Geographers, № 71 (2), pp. 166–76.

15. Hallam, Stevens (2013) Life Out of Sequence: A Data-Driven History of Bioinformatics, The University of Chicago Press, Chicago and London.

16. Hunter, David J., Kraft, Peter (2007) ‘Drinking from the fire hose: Statistical issues in genome wide association studies’, N EnglJ Med, № 357, pp. 436–439.

17. Ioannidis, John P.A., Ntzani, Evangelia E., Trikalinos, Thomas A., Contopoulos-Ioannidis, Despina G. (2001) ‘Replication validity of genetic association studies’, Nat Genet, № 29, pp. 306–309.

18. Kitchin, Rob (2013) Review of Software Takes Command by Lev Manovich (Bloomsbury, 2013), https://www.goodreads.com/author_blog_posts/6010103-review-of-software-takes-command-by-lev-manovich-bloomsbury-2013.

19. Kitchin, Rob (2014a) The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences, Sage, London.

20. Kitchin, Rob (2014b) ‘Big data, new epistemologies and paradigm shifts’, Big Data and Society, № 1, pp. 1–12.

21. Leonelli, Sabina (2014) ‘Data Interpretation in the Digital Age’, Perspectives on Science, № 22 (3), pp. 397–417.

22. Lingen, Frank Van (2013) A Software Aware Society Driven by Sensors, Analytics and APIs, 21.11.2013 http://blogs.cisco.com/sp/a-software-aware-society-driven-by-sensors-analytics-and-apis-2/.

23. Pietsch, Wolfgang (2013) ‘Big Data – The New Science of Complexity’, 6th Munich-Sydney-Tilburg Conference on Models and Decisions (Munich; 10-12 April 2013), http://philsci-archive.pitt.edu/9944/

24. Rheinberger, Hans-Jörg (2011) ‘Infra-experimentality: From Traces to Data, from Data to Patterning Facts’, History of Science, № 49 (3), pp. 337–348.

25. Richards, Neil M., Jonathan, H. King (2013) ‘Three Paradoxes of Big Data’, Stanford Law Review Online, № 41, pp. 41–46.

26. Rodgers, Richard (2009) The End of the Virtual: Digital Methods, Media, Amsterdam University Press, рр. 1−25.

27. Ruppert, Evelyn (2013) ‘Rethinking Empirical Social Sciences’, Dialogues in Human Geography, № 3 (3), pp. 268−273.

28. Ruppert, Evelyn, Law, John, Savage, Mike (2013) ‘Reassembling Social Science Methods: The Challenge of Digital Devices’, Theory, Culture & Society, Special Issue on The Social Life of Methods, № 30 (4), pp. 22−46.

29. Savage, Mike, Burrows, Roger (2007) ‘The Coming Crisis of Empirical Sociology’, Sociology, № 41, рр. 885–899.

30. Szalay, Alexander, Gray, Jim (2006) 2020 ‘Computing: Science in an exponential world’, Nature, Vol. 440, рр. 413–414.

31. Hey, Tony, Tansley, Stewart, Tolle, Kristin ed. (2009) The fourth paradigm: data-intensive scientific discover, Microsoft Research, Redmond, Washington.

32. Dijck, José van (2014) ‘Datafication, dataism and dataveillance: Big Data between scientific paradigm and ideology’, Washington Historical Quarterly, № 2 (12), pp. 197−208.

33. Weinberger, David (2011) Too big to know: Rethinking knowledge now that the facts aren’t the facts, experts are everywhere, and the smartest person in the room is the room, Basic Books, New York.

Библиография

Комментарии

Войти через