Читайте материал Forbes об успехах приложения для знакомств Twinby, одним из создателей которого является выпускник нашей магистерской программы MASNA Валерий Климов! Особенно гордимся и тем, что наша лаборатория проводила коммерческое исследование для разработки приложения 🥰

Семинар ANR-lab «Исследование связи социального капитала в городских сетях с поведением и коммуникацией в социальных медиа»
Сегодня, 20 ноября, в 17:00 состоится семинар ANR-lab, на котором выступит сотрудница Лаборатории социальной и когнитивной информатики, кандидат социологических наук, Ядвига Синявская с докладом «Исследование связи социального капитала в городских сетях с поведением и коммуникацией в социальных медиа».

В докладе обсуждаются факторы, объясняющие разницу между пользователями социальной сети Вконтакте как в наблюдаемых показателях структурного социального капитала (структурная позиция в сети связей внутри города Вологда), так и в показателях воспринимаемого социального капитала (степень «ресурсности» своих социальных связей). Структурная позиция оценивалась в работе с помощью сетевого анализа (SNA) и исчислялась как индивидуальные метрики сетевой центральности. Данные наблюдаемые показатели дополнялись информацией из онлайн-опроса репрезентативной выборки пользователей об особенностях использования социальных сетей и восприятии своего социального капитала. В дальнейшем с помощью метода моделирования структурными уравнениями осуществлялось моделирование показателей социального капитала пользователей.

Язык семинара: английский

Для посещения семинара необходимо зарегистрироваться по ссылке.

Будем рады видеть всех желающих!

📈Грант = успех моего исследования?
Рассмотрим, действительно ли гранты обеспечивают молниеносный успех научной работы и каким образом грантовое финансирование может повлиять на исследование 🤔

В статье “Does grant funding foster research impact? Evidence from France” авторы сравнили успех и последующее цитирование статей при поддержке французских грантов и тех работ, которые не получили грантового финансирования. В частности для анализа использовался грант ANR (аналог РНФ в России).

Какие существуют механизмы влияния грантового финансирования на исследования?
✔️ Выделение дополнительных денежных ресурсов. Благодаря им исследователи могут покрыть многие расходы и тем самым увеличить вероятность проведения эффективного исследования
✔️ Поддержка наиболее перспективных проектов.
✖️ Отсутствие гибкости исследования. При получении гранта проект должен развиваться исключительно в рамках первоначального исследовательского предложения. Это может помешать исследовать некоторые эффективные направления, которые появились в процессе работы

Хотя многие и уверены, что финансирование исключительно положительно влияет на успех исследования, влияние гранта может быть как положительным, так и отрицательным. Авторы пришли к интересным результатам:
🔸 Область исследования влияет на эффект от грантового финансирования.
Так, исследования в области технических наук сильно зависят от хорошего оборудования. И работы в этой области могут извлечь из гранта намного бóльшую выгоду (повышение цитирования на 8,15%), нежели, например, математика (цитирование меньше на 13,08%).
🔹 Статьи, поддерживаемые грантом ANR получают на +6,93% больше цитирования в долгосрочной перспективе, чем статьи, которые не поддерживались грантом. Причем в краткосрочном периоде (1-2 года после выпуска) влияния практически не наблюдается.
🔸 Статьи с более чем 4 авторами имеют на 5,8% больше вероятность получения гранта ANR, чем статьи с одним автором.
🔹 Принадлежность к университету с высоким рейтингом увеличивает вероятность получения гранта на 2%

Какой же может быть вывод? Грантовое финансирование - это прекрасный способ не только улучшить показатели цитирования вашего исследователя, но и в целом поддержать развтие науки в стране!

Шнип-SNAP-Шнаппи, Шнаппи-Шнаппи-SNAP… Или что это за необычный крокодил – SNAP? 🐊
SNAP (Stanford Network Analysis Platform) – это сайт Стэнфордской лаборатории, посвященный анализу больших сетей. На нем вы можете найти:
🔸 Библиотеку для работы с сетями (для С++ и Python)
🔹 Датасеты SNAP (социальные сети или сети веб-сервисов)
🔸 Датасеты BIOSNAP (биомедицинские сети)
🔹 Проекты лаборатории и ее статьи

Библиотеки SNAP и Snap.py
Данные библиотеки разработаны и оптимизированы специально для работы с крупными сетями. Они позволяют создавать и исследовать разные виды графов. В разделе можно найти подробные инструкции по установке и использованию этих инструментов. Представляете, с помощью них ученые смогли проанализировать сеть с 240 млн узлов и 1,3млрд ребер!

Датасеты SNAP и BIOSNAP
На сайте представлено много самых разных датасетов. Например, сеть кругов общения Facebook* и Twitter *, сеть отзывов Amazon, или биологическая сеть сходства бабочек. Часто на странице с датасетом можно найти интересные статьи, связанные с ним.

Проекты лаборатории и ее статьи
В этой вкладке можно найти длинный список проектов с их описанием, объяснением и ссылками на код. На странице же со статьями собраны все публикации с 2005 по 2022 годы. Кажется, что в этом разделе можно пропасть на несколько часов, а, может, и дней (месяцев).

Переходите на сайт SNAP и изучайте сети. Всем хорошего настроения от крокодильчика Шнаппи!

* - запрещены на территории РФ

Семинар ANR-lab «Чувство безопасности в городе: методологические аспекты измерения»
Сегодня, 27 ноября, в 15:00 состоится семинар Международной лаборатории прикладного сетевого анализа, где младшая научная сотрудница лаборатории Тамара Щеглова расскажет про свое исследование, фокусируясь на методологических основаниях.

Проблема городской безопасности в течение многих лет привлекает внимание социальных ученых, поскольку влияет на психосоциальное состояние индивидов и общества. В отечественной и зарубежной практике, при обсуждении вопросов создания безопасной городской среды отмечают и изучают, в первую очередь, объективные факторы: экологию, качество городской среды, уровень преступности и пр. Однако большую роль на восприятие безопасности оказывают факторы субъективные, связанные с индивидуальными и социальными характеристиками горожан, в т.ч. их социальным статусом, эмоциями, кругом общения, информационным полем, в котором они находятся, и пр. Чаще всего, подобные факторы можно учесть в исследованиях с качественной методологией. В то же время, для сравнения разных городских пространств и их картирования, необходим элемент количественного измерения. Возникает методологический вопрос, как измерять эмоции и чувства, связанные с конкретными местами в городе, количественно? Это исследование направлено на изучение потенциала подобных измерений, в т.ч. на данных социальных медиа и с помощью сетевой методологии.

Для посещения семинара необходимо зарегистрироваться по ссылке.

Будем рады видеть всех желающих!

Understanding Deep Learning 🚀

Текст книги Understanding Deep Learning by Simon J.D. Prince (21 глава, >500 страниц!) посвящен идеям, лежащим в основе глубокого обучения. В первой части книги представлены модели глубокого обучения и обсуждается, как их обучать, измерять их производительность и улучшать эту производительность. Последующие части книги посвящены генеративным моделям и обучению с подкреплением. Математические идеи, лежащие основе первых глав доступны студентам младших курсов, последующие главы потребуют от читателя более глубокого знания математического анализа и статистики. Заключительная глава посвящена этике искусственного интеллекта.

Для более глубокого понимания, в каждой главе есть соответствующие задачи, ноутбуки в Python и обширные справочные заметки. 🐍

В настоящий момент книга доступна для свободного скачивания и выйдет в печать 5 декабря 2023 г. в издательстве MIT Press.

Гендерная репрезентация в учебниках: тогда и сейчас

Анализ учебников на предмет представленности разных социальных групп – классическая тема исследований, набирающая популярность с 60-х годов XX века.
Авторы статьи “Gender representation in textbooks: a bibliometric study” с помощью библиометрического анализа показывают, как меняется научное поле исследований о гендерной репрезентации в учебниках более чем за 50 лет (с 1967 по 2022).

Обнаруживается следующее:
🔹 Интерес к тематике изучения учебников увеличивается – об этом говорит возрастающее количество работ и их цитирований.
🔸 Расширяется спектр изучаемых тем. Если до первой декады XXI века исследователи занимались, в основном, репрезентацией женщин и гендерными стереотипами, то после –  начали активно изучать вопросы сексуальности, репрезентации мужчин и интерсекциональные проблемы (например, на пересечении пола и инвалидности).
🔹 Меняются инструменты анализа. Кроме классического количественного контент-анализа начинают использоваться качественные методы (критический дискурс анализ) и автоматизированные методы (корпусная лингвистика).
🔸 Гендерная репрезентация в учебниках – в основном, англоязычная тематика исследований. Большинство статей реализуется на англоязычных учебниках исследователями из США и Великобритании.

Тематики исследований гендерной репрезентации в учебниках с 1967 по 2022

Семинар ANR-lab «Как нарратив семьи помогает преодолевать риски семейного бизнеса»
Сегодня, 4 декабря, в 15:30 состоится семинар Международной лаборатории прикладного сетевого анализа, где стажер-исследователь лаборатории Александр Пахомов расскажет про свою диссертацию.

Доклад посвещен работе по направлению аспирансткой диссертации Александра Пахомова по тематике семейного бизнеса. Будут рассмотрены два аспекта данной тематики:
🔹 Матрица рисков семейного бизнеса: семья владельцев как фактор риска;
🔸 Семейный нарратив как способ борьбы с рисками.

Язык семинара: английский. Для посещения семинара необходимо зарегистрироваться по ссылке.

Будем рады видеть всех желающих!

Камера, мотор, начали! Всем кинолюбителям посвящается 📽

На дворе стоял беззаботный 2018 год, когда группа исследователей решила собрать датасет по культовому мировому кинематографу с 1915 по 2012 годы. Казалось бы, миссия невыполнима! Но ученые доказали, что это элементарно, Ватсон;)

Всего было проанализировано 773 фильма. На сайте приведены данные отдельных сетевых графов в формате Graph Exchange XML и описательные статистики по таким показателям, как коэффициент кластеризации, степень, плотность, диаметр, модульность, средняя длина пути, общее количество ребер и общее количество узлов.

Интересные факты:
🎬 Больше всего героев оказалось в фильме «Джон Ф. Кеннеди: Выстрелы в Далласе» («JFK», 1991). Их насчитали аж 117! «Форрест Гамп» («Forrest Gump», 1994) и «Крестный Отец 2» («The Godfather Part II», 1974) разделили 6 место по количеству персонажей – 87.

🎬 По количеству связей (если герои появились в одной и той же сцене, они связаны) безусловным лидером стал «Белый шквал» («White Squall», 1996) – 906 связей.

🎬 Необычным можно назвать фильм «Они» («They», 2002). Вопреки стандартной структуре, где связей больше, чем персонажей, в картине целых 34 героя и всего 7 связей.

На сегодня у нас все! Check out this project and… We’ll be back🦾

Это визуализация метаграфа – новой математики 21 века.
Публикация в Nature статьи Эйнштейна 21 века Алберт-Ласло Барабаши «Влияние физических качеств на структуру сети» [1] фиксирует научное признание того факта, что на Земле появилась новая математика. И это не просто новый раздел математики.
Сетевая физическая математика – это математика, зависящей от физических свойств объектов (что-то типа разных таблиц умножения, в зависимости от того, на чем они написаны).

Подробней о фантастических перспективах новой математики читайте в моем посте [2].

Здесь же лишь отмечу, что формализм метаграфов позволяет прогнозировать функциональные особенности физической сети. Например, формирование синапсов в коннектоме мозга, в соответствии с эмпирическими данными.

Приложенное модельное видео – один из первых примеров визуализации метаграфов.
Почувствуйте разницу с фМРТ :).

1 https://www.nature.com/articles/s41567-023-02267-1
2 https://yangx.top/theworldisnoteasy/1618
#КомплексныеСети

Сетевой анализ манги 🍡

По случаю премьеры аниме “Мальчик и птица” в российских кинотеатрах, расскажем, как сетевой анализ может применяться для исследования произведений японской культуры  – японской манги.

Авторы статьи “Social network analysis of manga: similarities to real-world social networks and trends over decades” рассматривают 162 популярные японские манги за последние 70 лет и анализируют сети взаимодействий персонажей.

Получаются интересные выводы:
🔹 По ряду сетевых характеристик, сети в манге похожи на социальные сети в реальной жизни – в частности, на эго-сети.
🔸 Центральный элемент большинства манг – протагонист. Главный герой взаимодействует с большим количеством персонажей, которые, наоборот, мало появляются друг с другом.
🔹 Комиксы, рассчитанные на мальчиков, со временем все меньше концентрируются на главном герое. Так, в новых мангах количество персонажей сокращается, но интенсивность их взаимодействий друг с другом – увеличивается. Исследователи объясняют это культурным сдвигом – к разнообразию и командной работе.
🔸 В комиксах, рассчитанных на девочек, напротив, тренд на внимание к протагонисту. Объясняется это характером жанра – основные сюжеты манги для девочек включают истории о любви, дружбе и описании чувств главных персонажей.

Beep-beep-beep…fake-news detected 🤖
Или как машинное обучение может помочь маркировать ложную информацию в социальных сетях

Социальные сети - легкодоступные и мобильные платформы для быстрого распространения идей, мнений, информации о событиях и многом другом. Практически любой пользователь обладает безграничным доступом к информации и свободой ее публикации.

Безграничная свобода приводит к сложностям контроля качества потока информации, чем часто пользуются в интернете для привлечения просмотров. Это может происходить через публикацию громких заголовков, неполной или недостоверной информации, высказываний на острую тему и т.д.

Социальные сети уже предприняли множество шагов для поиска и маркировки фейковых новостей - например, давая пользователям возможность самостоятельно указывать на ту информацию, что кажется им недостоверной.

Авторы статьи же предлагают симбиоз нескольких методов машинного обучения, применяемых до этого в задачах детектирования недостоверной информации, однако используемых часто разрозненно. Комбинация же методов, как утверждают авторы, позволит:
🔹 учесть специфику публикаций в социальных сетях (язык, тон, темы)
🔸 перейти от «алгоритмов» поиска фейковых новостей к «интеллектуальному» их поиску

Результатом работы авторов является предложение объединить три определенных класса методов машинного обучения - деревья решений, их модифицированную и более точную версию - случайные леса, а также класс методов семантического анализа, который позволит обрабатывать разные языковые конструкции.

По итогам их теоретического и эмпирического анализа они пришли к выводу, что данная комбинация инструментов предлагает более эффективную маркировку недостоверной информации в социальных сетях, так как будут найдены более глубокие паттерны взаимодействия текстовых данных.

Семинар ANR-lab «NLP встречает SNA: внедрение знания о социальных сетях в языковые модели»
Сегодня, 18 декабря, в 18:00 состоится семинар лаборатории, на котором выступит научный сотрудник Карпов Илья.

На семинаре Илья представит свой доклад с 7-й Европейской конференции по социальным сетям EUSN-2023 в Любляне (Словения).
Повсеместное распространение задач на понимание современного языка придает актуальность разработке обобщенных, но в то же время высокоэффективных моделей, которые используют все знания, предоставляемые источником данных, включая встраивание в социальную сеть информации об авторе сообщения. Мы исследуем возможные модели для встраивания информации о социальных сетях в языковые модели и успешно показываем, что встраивание этой информации обеспечивает хорошее обобщение с повышением качества базовой модели для набора прикладных задач.
Мы также исследуем преимущества использования моделей обработки естественного языка в прикладных задачах SNA, таких как прогнозирование свойств узлов и графов.

Язык семинара: английский.
Для посещения семинара необходимо зарегистрироваться по ссылке.

Будем рады видеть всех желающих!

🔥 Внимание, друзья! Хотите погрузиться в увлекательный мир социального анализа сетей? 🌐📊

Дима Гольденберг, тимлид анализа данных в booking.com, раскроет все секреты! В своем выступлении на конференции PyCon 2019 в Израиле Дима рассказывает о построении графов, социальном анализе сетей и его применении к различным реальным связям. Вы познакомитесь с теорией социально-сетевого анализа, узнаете, как происходит распространение информации между людьми и как на это распространение можно влиять. Самое приятное, что выступление длится всего 20 минут, а полезной информацией пропитано от начала и до конца - минимум воды, максимум КПД!

Дима Гольденберг также подготовил подробные материалы, которые помогут вам освоить базовые навыки сетевого анализа, используя пакет NetworkX в Python. Вы сможете повторить анализ на данных из лекции, разобраться в коде, который за этим стоит и даже продвинуться чуть дальше, ознакомившись с соответствующими академическими статьями.

В общем, рекомендуем к ознакомлению!

Чем похожи друг на друга коровы 🐮, шимпанзе 🐵, менеджеры 👨‍💼 и американские сенаторы 👩‍⚖?
В последнем лонгриде года рассказываем о неожиданной схожести сетей самых разных акторов и разбираемся с тем, как предсказывать решения Сената США на основе социального вылизывания у коров.