Большие данные в исследовании науки: новое исследовательское поле

 
Код статьиS013216250013878-8-1
DOI10.31857/S013216250013878-8
Тип публикации Статья
Статус публикации Опубликовано
Авторы
Должность: Директор Центра институционального анализа науки и образования
Аффилиация: Европейский университет в Санкт-Петербурге
Адрес: Российская Федерация, Санкт-Петербург
Название журналаСоциологические исследования
ВыпускНомер 6
Страницы24-33
Аннотация

Сейчас, когда обширные данные о науке и научной деятельности могут быть взяты из открытых источников, можно говорить о формировании нового направления исследований науки на основе больших данных. Масштаб данных оказался особенно важным в изучении науки, поскольку при работе с небольшими выборками существует риск неполноты образа объекта. Инструменты сетевого и текстового анализа позволяют иначе решать исследовательские задачи. С их помощью удается отказаться от проведения жестких границ исследовательского поля и заранее сформированных категорий, как это было свойственно многим традиционным исследованиям в сфере науки. Новые возможности в сборе и анализе данных о науке привлекли в эту область специалистов из разных научных областей. Результатом стало применения новых концептуальных моделей, которые уже не ограничиваются только социологическими концептуализациями.

Ключевые словасоциология науки, большие данные, наукометрия, наука
Получено29.06.2021
Дата публикации29.06.2021
Кол-во символов30826
Цитировать  
100 руб.
При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»

Всего подписок: 0, всего просмотров: 1144

Оценка читателей: голосов 0

1. Берман Ш. Большие данные и историческая социальная наука // Социологические исследования. 2020. № 2. С. 144–149. [Bearman P.S. (2020) Вig Data and Historical Social Science. Sotsiologicheskiye issledovaniya [Sociological Studies]. No. 2: 144–149. (In Russ.)]

2. Волков В., Скугаревский Д., Титаев К. Проблемы и перспективы исследований на основе Big Data (на примере социологии права) // Социологические исследования. 2019. №. 1. С. 48–57 [Volkov V., Skugarevsky D., Titaev K. (2016) Problems and Prospects of the Studies Based on Big Data (the Case of the Sociology of Law). Sotsiologicheskiye issledovaniya [Sociological Studies]. No. 1: 48–57. (In Russ.)]

3. Губа К. Большие данные в социологии: новые данные, новая социология? // Социологическое обозрение. 2018. №. 1. С. 41–64. [Guba K. (2018) Big Data in Sociology: New Data, New Sociology? Sotsiologicheskoye obozreniye [Russian Sociological Review]. No. 1: 41–64. (In Russ.)]

4. Одинцов А.В. Открытость баз данных как условие формирования «больших данных» в социологии // Научно-методический электронный журнал «Концепт». 2017. № 12. [Odintsov A.V. (2017) Openness of databases as a condition for the formation of "big data" in sociology. Nauchno-metodicheskij elektronnyj zhurnal “Kontsept” [Scientific and methodological electronic journal “Concept”]. No. 12. (In Russ.)]: 101-106. URL: http://e-koncept.ru/2017/173020.htm (accessed 12.05.2021).

5. Сивков Д. Большие данные в этнографии: вызовы и возможности // Социология науки и технологий. 2017. Т. 8. № 1. С. 56–68. [Sivkov D. (2017) Big data and Ethnography: Challenges and Opportunities. Sotsiologiya nauki i tekhnologiy [Sociology of Science and Technology]. Vol. 8, No 1: 56–68. (In Russ.)]

6. Baldi S. (1995) Prestige Determinants of First Academic Jobs of New Sociology Ph.D.s, 1983-1992. The Sociological Quarterly. Vol. 36. No. 4: 777–789.

7. Crane D. (1969) Social Structure in a Group of Scientists: A Test of the "Invisible College" Hypothesis. American Sociological Review. Vol. 34. No. 3: 335–352.

8. Deville P. et al. (2014) Career on the Move: Geography, Stratification, and Scientific Impact. Scientific Reports. No. 4: 4770.

9. Dimaggio P. (2015) Adapting Computational Text Analysis to Social Science (and Vice Versa). Big Data & Society. December: 1–5.

10. Evans J., Foster J. (2011) Metaknowledge. Science. Vol. 331. No. 6018: 721–725.

11. Fortunato S. et al. (2018) Science of Science. Science. Vol. 359. No. 6379. URL: http://science.sciencemag.org/content/359/6379/eaao0185 DOI: 10.1126/science.aao0185 (accessed 12.05.2021).

12. Foster J., Evans J., Rzhetsky A. (2015) Tradition and Innovation in Scientists’ Research Strategies. American Sociological Review. 2015. Vol. 80. No. 5: 875–908.

13. Friedkin N. (1998) A Structural Theory of Social Influence. Santa Barbara: University of California.

14. Golder S., Macy W. (2014) Digital Footprints: Opportunities and Challenges for Online Social Research. Annual Review of Sociology. Vol. 40: 129–152.

15. Greenberg S. (2009) How Citation Distortions Create Unfounded Authority: Analysis of a Citation Network. BMJ. Vol. 339. URL: https://www.bmj.com/content/bmj/339/bmj.b2680.full.pdf (accessed 12.05.2021).

16. Guskov A., Kosyakov D., Selivanova I. (2018) Boosting Research Productivity in Top Russian Universities: The Circumstances of Breakthrough. Scientometrics. Vol. 117. No. 2: 1053–1080.

17. Hofstra B. et al. (2020) The Diversity-Innovation Paradox in Science. Proceedings of the National Academy of Sciences of the United States of America. Vol. 117. No. 17: 9284–9291.

18. Janosov M., Battiston F., Sinatra R. (2020) Success and Luck in Creative Careers. EPJ Data Sci. A Springer Open Journal Vol. 9. No. 1 URL: https://epjdatascience.springeropen.com/articles/10.1140/epjds/s13688-020-00227-w (accessed 12.05.2021).

19. Kitchin R. (2014) Big Data, New Epistemologies and Paradigm Shifts. Big Data & Society. Vol. 1. No. 1: 1–12.

20. Kitchin R., McArdle G. (2016) What Makes Big Data, Big Data? Exploring the Ontological Characteristics of 26 Datasets. Big Data & Society. Vol. 3. No. 1: 1-10.

21. Leahey E., Reikowsky R. (2008) Research Specialization and Collaboration Patterns in Sociology. Social Studies of Science. Vol. 3: 425–40.

22. Long J. (1978) Productivity and Academic Position in the Scientific Career. American Sociological Review. Vol. 43: 889–908.

23. Mazloumian A., Young H., Helbing D., Lozano S., Fortunato S. (2011) How Citation Boosts Promote Scientific Paradigm Shifts and Nobel Prizes. PLoS ONE. Vol. 6. No. 5: 1–6.

24. McFarland D. et al. (2013) Differentiating Language Usage through Topic Models. Poetics. Vol. 41. No. 6: 607–25.

25. McFarland D., Lewis K., Goldberg A. (2016) Sociology in the Era of Big Data: The Ascent of Forensic Social Science. American Sociologist. Vol. 47: 12–35.

26. Moskaleva O., Pislyakov V., Sterligov I., Akoev M., Shabanova S. (2018) Russian Index of Science Citation. Overview and Review. Scientometrics. Vol. 116. No. 1: 1076-1086.

27. Seeber M., Cattaneo M., Meoli M., Malighetti P. (2019) Self-citations as Strategic Response to the Use of Metrics for Career Decisions. Research Policy. Vol. 48. No. 2: 478–491.

28. Shen H., Barabási A. (2014) Collective Credit Allocation in Science. Proceedings of the National Academy of Sciences. Vol. 111. No. 34: 12325–12330.

29. Shi F., Foster J., Evans J. (2015) Weaving the Fabric of Science: Dynamic Network Models of Science’s Unfolding Structure. Social Networks. Vol. 43: 73–85.

30. Sinatra R., Deville P., Szell M, Wang D., Barabási A. (2015) A Century of Physics. Nature. Vol. 11. No. 10: 791–96.

31. Vilhena D. et al. (2014) Finding Cultural Holes: How Structure and Culture Diverge in Networks of Scholarly Communication. Sociological Science. Vol. 1: 221–238.

Система Orphus

Загрузка...
Вверх