Big Data как источник социологической информации: пример анализа блога губернатора Петербурга

Выпуск:

2019. Том 3. №3

Название: 
Big Data как источник социологической информации: пример анализа блога губернатора Петербурга


Для цитирования: Мальцева А. В. Big Data как источник социологической информации: пример анализа блога губернатора Петербурга / А. В. Мальцева, М. С. Матвеев, М. Б. Моисеева // Siberian Socium. 2019. Том 3. № 3. С. 74-84. DOI: 10.21684/2587-8484-2019-3-3-74-84

Об авторах:

Мальцева Анна Васильевна, доктор социологических наук, доцент кафедры социального анализа и математических методов в социологии, Санкт-Петербургский государственный университет (г. Санкт-Петербург, РФ); eLibrary AuthorID, ORCID, Web of Science ResearcherID, Scopus AuthorID, Google Scholarannamaltseva@rambler.ru

Матвеев Михаил Сергеевич, студент Санкт-Петербургского государственного университета (г. Санкт-Петербург, РФ); eLibrary AuthorID, ORCID, Web of Science ResearcherID, mikhail.matveev97@gmail.com

Моисеева Мария Борисовна, студентка Санкт-Петербургского государственного университета (г. Санкт-Петербург, РФ); mariamoiseeva108@gmail.com

Аннотация:

В статье исследуются возможности Big Data (больших данных) в построении прогнозов, социальные сети как источник информации об обществе, а также рассматривается роль технологии больших данных в процессах обеспечения безопасности. Целью исследования является изучение возможности получения социально значимой информации посредством больших данных, в частности, по одному из аспектов экологической безопасности. Рассмотрены фундаментальные социологические теории, такие как теории общества риска У. Бека, Э. Гидденса, а также информационного общества, учитывающие особенности влияния новейших информационных технологий на общество, в том числе больших данных. На основе ряда исследований, систематизирующих подходы к определению больших данных, выводится авторское определение данного понятия. В работе использованы качественные методы, в частности контент-анализ. Анализ был произведен на примере предоставленного Комитетом по информатизации и связи города Санкт-Петербурга приложения «Инцидент-менеджмент». Эмпирическая база исследования — 16694 комментария на публичной странице губернатора Санкт-Петербурга Александра Беглова, полученные посредством программы на языке Python с использованием VK Api. В ходе исследования проанализированы комментарии пользователей на тему экологических рисков по районам Санкт-Петербурга, выявлены районы, подверженные экологическим рискам в наибольшей степени, а также источники этих рисков и субъекты ответственности за них. В результате проведенного исследования было сделано заключение, что неформальные средства коммуникации представителей исполнительной власти и граждан вызывают большой интерес в качестве источника социологической информации, исследуемого с помощью алгоритмов и методов анализа больших данных. Такой анализ помогает повысить уровень безопасности за счет снижения неопределенности и получения новых знаний об обществе. С другой стороны, исследователи выявили возможные социальные риски, связанные со сбором, хранением и применением больших данных. В частности, это риски внешнего вмешательства в работу приложения. На практике эти риски должны быть предупреждены и минимизированы путем совершенствования и тестирования приложений компанией-разработчиком. Социология, в свою очередь, должна учитывать этот факт и избегать внесения неправомерных погрешностей в исследовательские результаты.

Список литературы:

  1. Бек У. Общество риска. На пути к другому модерну / У. Бек. М.: Прогресс-Традиция, 2000. 384 с.
  2. Гидденс Э. Устроение общества: очерк теории структурации / Э. Гидденс. 2-е изд. М.: Академический Проект, 2005. 528 с.
  3. Кастельс М. Галактика Интернет. Размышления об Интернете, бизнесе и обществе / М. Кастельс. Екатеринбург: У-Фактория, 2004. С. 319.
  4. Кузнецов В. Социология безопасности: учебное пособие / В. Кузнецов. М.: МГУ, 2007. 423 с. 
  5. Мальцева А. В. Проблемы репрезентативности при работе с «большими данными» / А. В. Мальцева // Социальные практики и управление: проблемное поле социологии: материалы Сибирского социологического форума с международным участием / отв. ред. С. В. Ровбель, С. А. Ильиных. Новосибирск: НГУЭУ, 2017. С. 141-145.
  6. Медиалогия: инструмент оценки эффективности коммуникаций. Как работает. URL: https://tech.mlg.ru/
  7. Одинцов А. В. Социология общественного мнения и вызов Big Data / А. В. Одинцов // Мониторинг общественного мнения: экономические и социальные перемены. 2017. № 3. С. 30-43.
  8. Стратегия национальной безопасности Российской Федерации до 2020 года (утв. Указом Президента Российской Федерации от 12 мая 2009 года № 537). URL: http://kremlin.ru/supplement/424
  9. Федеральный закон «О безопасности» от 28.12.2010 № 390-ФЗ // Справочно-правовая система «Консультант Плюс». URL: http://www.consultant.ru/document/cons_doc_LAW_108546/
  10. Boyd D. Critical questions for BigData / D. Boyd, K. Crawford // Information, Communication and Society. 2012. Vol. 15. Issue 5. Pp. 662-679. DOI: 10.1080/1369118X.2012.678878
  11. De Mauro A. Formal definition of Big Data based on its essential features / A. De Mauro, M. Greco, M. Grimaldi // Library Review. 2016. Vol. 65. No 3. Pp. 122-135. DOI: 10.1108/LR-06-2015-0061
  12. De Mauro A. What is big data? A consensual definition and a review of key research topics / A. De Mauro, M. Greco, M. Grimaldi // Conference: 4th International Conference on Integrated Information. Madrid, 2014. URL: https://www.researchgate.net/publication/265775800_What_is_Big_Data_A_Consensual_Definition_and_a_Re... DOI: 10.13140/2.1.2341.5048
  13. Giddens A. The Nation State and Violence: Volume Two of a Contemporary Critique of Historical Materialism / A. Giddens. University of California Press, 1987. P. 178.
  14. Giddens A. Risk and Responsibility / A. Giddens // The Modern Law Review. 1999. Vol. 62. No 1. Pp. 1-10. DOI: 10.1111/1468-2230.00188
  15. Kitchin R. What makes Big Data, Big Data? Exploring the ontological characteristics of 26 datasets / R. Kitchin, G. McArdle // Big Data & Society. 2016. Pp. 1-10. DOI: 10.1177/2053951716631130
  16. Lazer D. The parable of Google Flu: traps in Big Data analysis / D. Lazer, R. Kennedy, G. King, A. Vespignani // Science. 2014. 14 Mar. Vol. 343. Issue 6176. Pp. 1203-1205. DOI: 10.1126/science.1248506
  17. Lupton D. The Thirteen Ps of Big Data / D. Lupton // This Sociological Life: a blog by sociologist Deborah Lupton. 2015. URL: https://simplysociology.wordpress.com/2015/05/11/the-thirteen-ps-of-big-data/