Институт социологии
Федерального научно-исследовательского социологического центра
Российской академии наук

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

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


Китчин Роб
Ирландский национальный университет в Мейнуте
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 (Социология: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:

  • Amin A., Thrift N. Cities: Reimagining the Urban. London: Polity, 2002.
  • 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).
  • 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.
  • 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).
  • 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.
  • 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).
  • Boyd D., Crawford K. Critical Questions for Big Data // Information, Com¬munication and Society. 2012. Vol. 15. Is. 5. P. 662–679.
  • 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).
  • 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).
  • 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).
  • Cohen D. Contribution to: The Promise of Digital History (roundtable discus¬sion) // Journal of American History. 2008. Vol. 95. Is. 2. P. 452–491.
  • 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).
  • 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).
  • 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).
  • Cukier K. Data, Data Everywhere // The Economist. 2010. 25 February.
  • Culler J. The Closeness of Close Reading // ADE Bulletin. 2010. Vol. 149. P. 20–25.
  • 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.
  • 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).
  • Floridi L. Big Data and Their Epistemological Challenge // Philosophy and Technology. 2012. Vol. 25. Is. 4. P. 435–437.
  • Gould P. Letting the Data Speak for Themselves // Annals of the Association of American Geographers. 1981. Vol. 71. Is. 2. P. 166–176.
  • Han J., Kamber M., Pei. Data Mining: Concepts and Techniques, 3rd ed. Waltham: Morgan Kaufmann, 2011.
  • Haraway D. Simians, Cyborgs and Women: The Reinvention of Nature. New York: Routledge, 1991.
  • Harvey D. Social Justice and the City. Oxford: Blackwell, 1972.
  • Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd ed. New York: Springer, 2009.
  • 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.
  • 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).
  • 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.
  • Kitchin R. Positivistic Geography and Spatial Science // Approaches in Human Geography / Eds: Aitken S., Valentine G. London: Sage, 2006. P. 20–29.
  • Kitchin R. Big Data and Human Geography: Opportunities, Challenges and Risks // Dialogues in Human Geography. 2013. Vol. 3. Is. 3. P. 262–267.
  • Kitchin R. The Real-time City? Big Data and Smart Urbanism // GeoJournal. 2014. Vol. 79. P. 1–14. 145
  • Kuhn T. The Structure of Scientific Revolutions. Chicago: Univ. of Chicago Press, 1962.
  • 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).
  • Lazer D., Pentland A., Adamic L., et al. Computational Social Science // Science. 2009. Vol. 323. P. 721–733.
  • 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.
  • 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).
  • 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.
  • 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).
  • 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).
  • 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).
  • Marz N., Warren J. MEAP (ed.), Big Data: Principles and Best Practices of Scalable Realtime Data Systems. Westhampton: Manning, 2012.
  • Mayer-Schonberger V., Cukier K. Big Data: A Revolution that Will Change How We Live, Work and Think. London: John Murray, 2013.
  • 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.
  • Moretti F. Graphs, Maps, Trees: Abstract Models for a Literary History. London: Verso, 2005.
  • 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).
  • 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).
  • 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).
  • 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).
  • Ramsay S. Reading Machines: Towards an Algorithmic Criticism. Champaign: University of Illinois Press, 2010.
  • 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.
  • 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).
  • Rose G. Situating Knowledges: Positionality, Reflexivities and Other Tactics // Progress in Human Geography. 1997. Vol. 21. Is. 3. P. 305–320.
  • Ruppert E. Rethinking Empirical Social Sciences // Dialogues in Human Geography. 2013. Vol. 3. Is. 3. P. 268–273.
  • 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).
  • Seni G., Elder J. Ensemble Methods in Data Mining: Improving Accuracy Through Combining Predictions. San Rafael: Morgan and Claypool, 2010.
  • Siegel E. Predictive Analytics. Hoboken: Wiley, 2013.
  • 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).
  • 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.
  • 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).
  • Trumpener K. Critical Response I. Paratext and Genre System: A Response to Franco Moretti // Critical Inquiry. 2009. Vol. 36. Is. 1. P. 159–171.
  • Wyly E. Automated (Post)positivism. Urban Geography. (In press)
  • 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]: