Институт социологии
Российской академии наук

Журнал: Социология: методология, методы, математическое моделирование (4М)

Китчин Р. .
Большие данные, новые эпистемологии и смена парадигм / Пер. с англ. О. Н. Шаевой


Китчин Роб – PhD, профессор, Ирландский национальный университет в Мейнуте

Моя книжная полка

        > отложить
      >> посмотреть свою книжную полку
 

Полный текст

Открыть текст

Ссылка при цитировании:

Китчин Р. . Большие данные, новые эпистемологии и смена парадигм / Пер. с англ. О. Н. Шаевой // Социология: методология, методы, математическое моделирование (4М). 2017. Том. 0. № 44. С. 111-152.

Рубрика:

ПЕРЕВОДЫ

Аннотация:

Рассматриваются вопросы: как доступность больших данных в сочетании с новыми подходами к анализу данных ставят под сомнение традиционную эпистемологию применительно к естественным, социальным и гуманитарным наукам? В какой степени данные изменения выступают источником смены парадигм в различных научных дисциплинах? В частности, критически проанализированы новые формы эмпиризма, в рамках которых провозглашаются «конец теории», развитие науки, «идущей от данных», а не «от знания», а также цифровых гуманитарных и вычислительных социальных наук, предлагающих качественно новые способы осмысления культуры, истории, экономики и общества. Показано, во-первых, что большие данные и новые подходы к анализу данных представляют собой инновации, во многих отношениях перестраивающие привычный порядок проведения научного исследования. Во-вторых, существует острая необходимость в масштабном критическом осмыслении научным сообществом последствий разворачивающейся революции данных для эпистемологии. Едва ли можно отметить попытки решения данной задачи, несмотря на бурные изменения, происходящие в исследовательской практике. На основе критического обзора возникающих в настоящее время эпистемологических оснований науки утверждается, что потенциально продуктивным подходом должно стать развитие эпистемологии, учитывающей специфику рассматриваемого явления в его контексте

Ключевые слова:

большие данные; анализ данных; эпистемология; парадигмы; конец теории; наука; «идущая от данных»; цифровые гуманитарные науки; вычислительные социальные науки

Литература:

  1. Amin A., Thrift N. Cities: Reimagining the Urban. London: Polity, 2002.
  2. Anderson C. The End of Theory: The Data Deluge Makes the Scientific Method Obsolete // Wired. 2008. 23 June. URL: http://www.wired.com/science/discoveries/ magazine/16-07/pb_theory (data of access: 12.10.2012).
  3. Batty M., Axhausen K.W., Giannotti F., et al. Smart Cities of the Future // European Physical Journal Special Topics. 2012. Vol. 214. Is. 1. P. 481–518.
  4. Berry D. The Computational Turn: Thinking about the Digital Humanities // Culture Machine. 2011. 12. URL: http://www.culturemachine.net/index.php/cm/article/ view/440/470 (data of access: 03.12.2012).
  5. Bettencourt L.M.A., Lobo J., Helbing D., et al. Growth, Innovation, Scaling, and the Pace of Life in Cities // Proceedings of the National Academy of Sciences. 2007. Vol. 104. No. 17. P. 7301–7306.
  6. Bollier D. The Promise and Peril of Big Data // The Aspen Institute. 2010. URL: http://www.aspeninstitute.org/sites/default/files/content/docs/pubs/The_Promise_ and_Peril_of_Big_Data.pdf (data of access: 01.10.2012).
  7. Boyd D., Crawford K. Critical Questions for Big Data // Information, Com¬munication and Society. 2012. Vol. 15. Is. 5. P. 662–679.
  8. Brooks D. What Data Can’t Do // New York Times. 2013. 18 February. URL: http://www.nytimes.com/2013/02/19/opinion/brooks-what-data-cant-do.html (data of access: 18.02.2013).
  9. Bryant R., Katz R.H., Lazowska E.D. (2008) Big-data Computing: Creat¬ing Revolutionary Breakthroughs in Commerce, Science and Society // Computing Research Initiatives for the 21st Century, Computing Research Association, 2008, 8. URL: http://www.cra.org/ccc/docs/init/Big_Data.pdf (data of access: 12.10.2012).
  10. Clark L. No Questions Asked: Big Data Firm Maps Solutions without Hu¬man Input // Wired. 2013. 16 January 2013. URL: http://www.wired.co.uk/news/ archive/2013-01/16/ayasdi-big-data-launch (data of access: 28.01.2013).
  11. Cohen D. Contribution to: The Promise of Digital History (roundtable discus¬sion) // Journal of American History. 2008. Vol. 95. Is. 2. P. 452–491.
  12. Constine J. How Big is Facebook’s Data? 2.5 Billion Pieces of Content and 500? Terabytes Ingested Every Day. 2012. 22 August. URL: http://techcrunch. com/2012/08/22/how-big-is-facebooks-data-2-5-billion-pieces-ofcontent-and- 500-terabytes-ingested-every-day/ (data of access: 28.01.2013).
  13. Crampton J., Graham M., Poorthuis A., et al. Beyond the Geotag? Deconstructing ‘Big Data’ and Leveraging the Potential of the Geoweb. 2012. URL: http://www.uky.edu/tmute2/geography_methods/readingPDFs/2012-Beyond-the- Geotag-2012.10.01.pdf (data of access: 21.02.2013).
  14. Crawford K. The Hidden Biases of Big Data // Harvard Business Review Blog. 2013. 1 April. URL: http://blogs.hbr.org/2013/04/the-hidden-biases-in-big-data/ (data of access: 18.09.2013).
  15. Cukier K. Data, Data Everywhere // The Economist. 2010. 25 February.
  16. Culler J. The Closeness of Close Reading // ADE Bulletin. 2010. Vol. 149. P. 20–25.
  17. Dodge M., Kitchin R. Codes of Life: Identification Codes and the Machine-readable World // Environment and Planning D: Society and Space. 2005. Vol. 23. Is. 6. P. 851–881.
  18. Dyche J. Big data ‘Eurekas!’ Don’t Just Happen // Harvard Business Review Blog. 2012. 20 November. URL: http://blogs.hbr.org/cs/2012/11/eureka_doesnt_just_ happen.html (data of access: 23.11.2012).
  19. Floridi L. Big Data and Their Epistemological Challenge // Philosophy and Technology. 2012. Vol. 25. Is. 4. P. 435–437.
  20. Gould P. Letting the Data Speak for Themselves // Annals of the Association of American Geographers. 1981. Vol. 71. Is. 2. P. 166–176.
  21. Han J., Kamber M., Pei. Data Mining: Concepts and Techniques, 3rd ed. Waltham: Morgan Kaufmann, 2011.
  22. Haraway D. Simians, Cyborgs and Women: The Reinvention of Nature. New York: Routledge, 1991.
  23. Harvey D. Social Justice and the City. Oxford: Blackwell, 1972.
  24. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd ed. New York: Springer, 2009.
  25. Hey T., Tansley S., Tolle K. Jim Grey on eScience: A Transformed Scientific Method // The Fourth Paradigm: Data-Intensive Scientific Discovery / Eds: Hey T., Tansley S., Tolle K. Redmond: Microsoft Research, 2009. P. XVII–XXXI.
  26. Jenkins T. Don’t Count on Big Data for Answers // The Scotsman. 2013. 12 February. URL: http://www.scotsman.com/the-scotsman/opinion/comment/tiffanyjen¬kins-don-t-count-on-big-data-for-answers-1-2785890 (data of access: 11.03.2013).
  27. Kelling S., Hochachka W., Fink D., et al. Data-intensive Science: A New Paradigm for Biodiversity Studies // BioScience. 2009. Vol. 59. Is. 7. P. 613–620.
  28. Kitchin R. Positivistic Geography and Spatial Science // Approaches in Human Geography / Eds: Aitken S., Valentine G. London: Sage, 2006. P. 20–29.
  29. Kitchin R. Big Data and Human Geography: Opportunities, Challenges and Risks // Dialogues in Human Geography. 2013. Vol. 3. Is. 3. P. 262–267.
  30. Kitchin R. The Real-time City? Big Data and Smart Urbanism // GeoJournal. 2014. Vol. 79. P. 1–14. 145
  31. Kuhn T. The Structure of Scientific Revolutions. Chicago: Univ. of Chicago Press, 1962.
  32. Laney D. 3D Data Management: Controlling Data Volume, Velocity and Variety // Meta Group. 2001. URL: http://blogs.gartner.com/doug-laney/files/2012/01/ ad949-3D-Data-Management-Controlling-Data-VolumeVelocity-and-Variety.pdf (data of access: 16.01.2013).
  33. Lazer D., Pentland A., Adamic L., et al. Computational Social Science // Science. 2009. Vol. 323. P. 721–733.
  34. Lehning M., Dawes N., Bavay M., et al. Instrumenting the Earth: Next-generation Sensor Networks and Environmental Science // The Fourth Paradigm: Data-Intensive Scientific Discovery / Eds: Hey T., Tansley S., Tolle K. Redmond: Microsoft Research, 2009. P. 45–51.
  35. Lehrer J. A Physicist Solves the City // New York Times. 2010. 17 December. URL: http://www.nytimes.com/2010/12/19/magazine/19Urban_West-t.html (data of access: 23.12.2013).
  36. Leonelli S. Introduction: Making Sense of Data-driven Research in the Bio¬logical and Biomedical Sciences // Studies in History and Philosophy of Biological and Biomedical Sciences. 2012. Vol. 43. Is. 1. P. 1–3.
  37. Loukides M. What is Data Science? // O’Reilly Radar. 2010. 2 June. URL: http://radar.oreilly.com/2010/06/what-is-data-science.html (data of access: 28.01.2013).
  38. Manovich L. Trending: The Promises and the Challenges of Big Social Data. 2011. URL: http://www.manovich.net/DOCS/Manovich_trending_paper.pdf (data of access: 09.11.2012).
  39. Marche S. Literature is not Data: Against Digital Humanities // Los Ange¬les Review of Books. 2012. 28 October. URL: http://lareviewofbooks.org/article. php?id=1040&fulltext=1 (data of access: 04.04.2013).
  40. Marz N., Warren J. MEAP (ed.), Big Data: Principles and Best Practices of Scalable Realtime Data Systems. Westhampton: Manning, 2012.
  41. Mayer-Schonberger V., Cukier K. Big Data: A Revolution that Will Change How We Live, Work and Think. London: John Murray, 2013.
  42. Miller H.J. The Data Avalanche is Here. Shouldn’t We Be Digging? // Journal of Regional Science. 2010. Vol. 50. Is. 1. P. 181–201.
  43. Moretti F. Graphs, Maps, Trees: Abstract Models for a Literary History. London: Verso, 2005.
  44. Open Data Center Alliance. Big Data Consumer Guide. Open Data Center Alliance. 2012. URL: http://www.opendatacenteralliance.org/docs/Big_Data_Con¬sumer_Guide_Rev1.0.pdf (data of access: 11.02.2013).
  45. Pentland A. Reinventing Society in the Wake of Big Data // Edge. 2012. 30 August. URL: http://www.edge.org/conversation/reinventing-society-in-the-wake-ofbig-data (data of access: 28.01.2013).
  46. Porway J. You Can’t Just Hack Your Way to Social Change // Harvard Busi¬ness Review Blog. 2013. 7 March. URL: http://blogs.hbr.org/cs/2013/03/you_cant_ just_hack_your_way_to.html (data of access: 09.03.2013).
  47. Prensky M.H. Sapiens Digital: From Digital Immigrants and Digital Natives to Digital Wisdom // Innovate. 2009. Vol. 5(3). URL: http://www.innovateonline.info/ index.php?view=article&id=705 (data of access: 12.10.2012).
  48. Ramsay S. Reading Machines: Towards an Algorithmic Criticism. Champaign: University of Illinois Press, 2010.
  49. Ribes D., Jackson S.J. Data Bite Man: The Work of Sustaining Long-term Study // ‘Raw Data’ is an Oxymoron / Ed.: L. Gitelman. Cambridge, MA: MIT Press, 2013. P. 147–166.
  50. Rogers S. Twitter’s Languages of New York Mapped // The Guardian. 2013. 21 February. URL: http://www.guardian.co.uk/news/datablog/interactive/2013/feb/21/ twitter-languages-new-york-mapped (data of access: 03.04.2013).
  51. Rose G. Situating Knowledges: Positionality, Reflexivities and Other Tactics // Progress in Human Geography. 1997. Vol. 21. Is. 3. P. 305–320.
  52. Ruppert E. Rethinking Empirical Social Sciences // Dialogues in Human Geography. 2013. Vol. 3. Is. 3. P. 268–273.
  53. Schnapp J., Presner P. Digital Humanities Manifesto 2.0. 2009. URL: http:// www.humanitiesblast.com/manifesto/Manifesto_V2.pdf (data of access: 13.03.2013).
  54. Seni G., Elder J. Ensemble Methods in Data Mining: Improving Accuracy Through Combining Predictions. San Rafael: Morgan and Claypool, 2010.
  55. Siegel E. Predictive Analytics. Hoboken: Wiley, 2013.
  56. Steadman I. Big Data and the Death of the Theorist // Wired. 2013. 25 Janu¬ary. URL: http://www.wired.co.uk/news/archive/2013-01/25/big-data-end-of-theory (data of access: 30.01.2013).
  57. Strasser B.J. Data-driven Sciences: From Wonder Cabinets to Electronic Databases // Studies in History and Philosophy of Biological and Biomedical Sciences. 2012. Vol. 43. P. 85–87.
  58. Strom D. Big Data Makes Things Better // Slashdot. 2012. 3 August. URL: http://slashdot.org/topic/bi/bigdata-makes-things-better/ (data of access: 24.10.2013).
  59. Trumpener K. Critical Response I. Paratext and Genre System: A Response to Franco Moretti // Critical Inquiry. 2009. Vol. 36. Is. 1. P. 159–171.
  60. Wyly E. Automated (Post)positivism. Urban Geography. (In press)
  61. Zikopoulos P. C., Eaton C., DeRoos D., et al. Understanding Big Data. New York: McGraw Hill, 2012.

Содержание выпуска

>> Содержание выпуска 2017. Том. 0. № 44.
>> Архив журнала



КОММЕНТАРИИ К ЭТОЙ СТРАНИЦЕ



rss подписаться на RSS ленту комментариев к этой странице
ОСТАВИТЬ КОММЕНТАРИЙ
Комментарии. Всего [0]: