День открытых дверей о стратегиях карьеры аналитика данных
10 сентября в 18:30 онлайн программа «Data Analytics and Social Statistics» («Аналитика данных и прикладная статистика») проведет день открытых дверей.

Вы узнаете, как проходит обучение на программе и кем могут работать выпускники.

Выпускница программы поделится своим опытом и расскажет, на кого рассчитана программа, а также какие карьерные перспективы возможны. Вы сможете узнать, как найти свою нишу в этой области — например, как Елена нашла свою специализацию в визуализации данных. Также будет обсуждаться важный вопрос: как совмещать учебу и работу, чтобы успешно развиваться в выбранной профессии. Не упустите возможность задать ваши вопросы и получить полезные советы!

Язык семинара — русский.

Для участия необходимо зарегистрироваться.

Паттерны установки камер наблюдения как зеркало представлений о безопасности

Городские камеры обычно воспринимаются как аватары Большого брата — распределенный дисциплинирующий взгляд, стремящийся охватить все возможное пространство. Но даже если допустить, что проекты уличного наблюдения и правда стремятся к паноптикону, то их реализация имеет технические ограничения: камеры не могут появиться везде в одну ночь, они занимают пространство постепенно и неравномерно.

Что если использовать это и посмотреть на камеры из неоинституциональной перспективы — определить паттерны расположения камер и попробовать восстановить логику их установки? Так мы можем получить представления о «проектах безопасности», в русле которых действуют власти.

Наши сотрудники Дмитрий Серебренников и Дмитрий Скугаревский сделали подход к этой задаче и проанализировали системы наблюдения в четырех европейских столицах — Москве, Париже, Брюсселе и Эдинбурге. Дизайн позаимствован из экологических исследований: камеры рассматриваются как вид, занимающий определенные ниши в городском пространстве. Для анализа было применено объяснимое машинное обучение (CatBoost + SHapley Additive ExPlanations или SHAP).

Исследование показывает, что московский «проект безопасности» имеет значимые отличия от парижского и брюссельского (в Эдинбурге камер оказалось недостаточно, чтобы выделить паттерны). Во всех трех городах камеры ожидаемо тяготеют к публичным пространствам: парковкам, магазинам, точкам торговли уличной едой, — но если в Париже и Брюсселе второй большой нишей камер являются транспортные хабы, то в Москве это территории вокруг двух типов символических объектов — детских пространств (детские площадки, сады, школы) и храмов.

Кроме того, отличается расположение камер относительно центра. В Париже и Брюсселе камеры убывают по мере удаления от центра, в Москве же, напротив, они сконцентрированы в центре и на окраинах. Дальнейшее прояснение специфики намеченных «проектов безопасности» требует уже отдельного исследования.

Статья коллег называется A tale of four cities: Exploring security through environmental characteristics of CCTV equipment placement, она вышла в Journal of Computational Social Science и находится в открытом доступе.

Семинар ANR-Lab «Новые индексы центральности. Уязвимость стран к импорту»
9 сентября в 16:30 Даниил Ткачев, младший научный сотрудник Международного центра анализа и выбора решений, выступит с темой "Новые индексы центральности. Уязвимость стран к импорту".

Одной из основных задач сетевого анализа является выявление важных вершин, которые выявляются с помощью индексов центральности. Однако классические индексы центральности имеют ряд недостатков и ограничений. Для учета группового влияния и параметров вершин были введены индексы центральности Bundle и Pivotal. В данном докладе Даниил Ткачев рассмотрит индексы Bundle и Pivotal и представит новые модели выявления уязвимости стран к импорту зерновых культур, соединений редкоземельных элементов, нефти основанные на значениях центральности Bundle и Pivotal.

Регистрация по ссылке!

Мы обновили сайт ANR-Lab!
Наша лаборатория растет и развивается, поэтому этим летом мы поставили перед собой задачу описать все направления нашей работы. Каждый сотрудник уделил время, чтобы рассказать о своих исследованиях, мы собрали эти тексты по тематическим разделам, а потом вышли на долгую дорогу борьбы с HTML-разметкой hse.ru. И все ради того, чтобы любой желающий смог разобраться, что же это за тайная лаборатория Факультета социальных наук с кабинетами в закоулках Покровского бульвара.

Теперь при переходе в раздел «Научная деятельность» вы можете изучить 7 основных направлений нашей работы со ссылками на статьи и авторов. Если вы ищете, с кем устроить коллаборацию, кого позвать быть научным руководителем или под чьим руководством пройти практику — это отличный ресурс. Не стесняйтесь писать нам на почты!

Другая наша гордость — новый дизайн страницы онлайн-магистратуры «Аналитика данных и прикладная статистика» (DASS). Мы делаем все для того, чтобы наши студенты получали высококлассное образование, и каждый подписчик этого канала знает, что мы считаем важным делиться нашими знаниями со всеми желающими. Теперь страница DASS в полной мере отражает эти ценности и рассказывает всю полезную информацию о поступлении. Кстати, о нем: прием заканчивается 16 сентября, так что мы вас ждем!

Отдельную благодарность выражаем младшему научному сотруднику ANR-Lab и администратору наших страниц на сайте Вышки Тамаре Щегловой 🧡

«Темные» показатели преступности: сравнение данных полиции и больниц об изнасилованиях 👮‍♂👩‍⚕
Далеко не секрет, что в полицию редко обращаются жертвы изнасилований, из-за чего трудно бороться с систематическими преступлениями. Для определения таких областей исследователи-криминологи предлагают обратиться к т.н. «темным показателям» преступности — это события, которые по определенным критериям выделяются как преступные, но не попадают в официальную статистику.

Применив ядерную оценку плотности (KDE), коэффициенты Джинни и пространственную оценку паттернов, авторы статьи сравнивают данные о заведенных в полиции делах об изнасилованиях и данные о опроснике для жертв изнасилований в местной больнице в Кампинас, Бразилия за 3 года. Они обнаружили, что:
🔹данные полиции и больницы совпадали только для 50% случаев, «темные» данные лучше отражают проблемные зоны по городу;
🔸официальные данные не улавливают существенную связь изнасилований с близостью к барам и автобусным остановкам, но шанс заведения дела связан с близостью к полицейским участкам и камерам наблюдения;
🔹жертвы изнасилований в бедных районах менее склонны к обращению в полицию, а увеличение плотности застройки положительно влияет на рост зарегистрированных случаев.

Советуем ознакомиться с текстом статьи, где авторы предлагают свои объяснения для выявленных связей и советуют, как их можно применить в борьбе с изнасилованиями.

👨‍👩‍👧‍👦Медичи, Ланистеры, бастарды и седьмая вода на киселе: как найти родственные кланы?

Изучая родственные связи, можно многое понять об обществе, его социальной структуре, культуре и истории. С изучения этих связей в 19 в. начала формироваться культурная антропология — наука, открывшая миру поразительные примеры организации доселе неизвестных обществ аборигенов в самых отдаленных уголках планеты, от которых европейцы сами узнали много неожиданного о себе. В свою очередь, после представления семьи как ветвящегося генеалогического древа остается всего лишь шаг до сетевого анализа. Собственно, антропологические исследования — один из нескольких непосредственных "предков" нашей дисциплины.

Погружая начинающих слушателей в сетевой анализ на нашей магистерской программе, мы часто рассказываем о знаменитом исследовании Джона Пэджетта и Кристофера Анселла про флорентийские семьи эпохи Возрождения. Согласно этой работе, могущественные Медичи, которые распространили свое влияние на финансовую, торговую и культурную жизнь ведущих европейских государств своего времени достигли этого благодаря выгодной стратегической позиции в сети семей-конкурентов. Исследования другого известного ученого, Грегори Кларка, показали, что представители одних и тех же семей могут столетиями находиться наверху социальной иерарихии — на это в свое время не повлияли ни анти-монархические революции, ни расцвет "меротократического" капитализма.

Однако с подобными исследованиями существует одна серьезная проблема. Родственные связи в них определяются по фамилиям — казалось бы, совершенно естественный ход, но так же естественно, что люди могут иметь одинаковые фамилии, потому что, например, происходят из одного места или потому что были крепостными у одной и той же дворянской семьи. Говорить о подлинном влиянии происхождения и родственных связей на социальное положение в таком случае проблематично, и поэтому герой нашего поста, Николло Армандола, предлагает более надежный алгоритм поиска тесных родственных связей.

Алгоритм ClanDetector опирается на обширные генеалогические данные, которые стали доступны в последнее время. Вкратце, его работа заключается в следующем:
→ На вход подаются генеалогические древа отдельных семей
1. В каждом древе считаются кратчайшие пути между родственниками; создаются матрицы близости людей по кратчайшим путям и поколениям; матрицы комбинируются в одну, и мы получаем данные о близости между людьми с учетом их кровных связей и поколений.
2. Проводится иерархический кластерный анализ, который группирует близких друг к другу людей
3. Сгруппированные деревья "обрезаются", чтобы получились наиболее оптимальные клановые группы.
← На выходе для каждого человека получаем, к какому клану он принадлежит.

Армандола протестировал алгоритм на генеалогических данных швейцарской знати. Исторический экскурс в их историю — отдельное увлекательное чтение. Мы лишь ограничимся визуализацией работы алгоритма, прикрепленной выше: слева сети, сгруппированные по фамилиям, а справа по кланам. Группировка по фамилиям фактически не показывает никаких отдельных кластеров, тогда как обнаруженные кланы четко обособленны.

Приглашаем вас самим познакомиться со статьей и поделиться мнением в комментариях!

Семинар ANR-Lab "Исследования социальных норм с помощью сетевого анализа"
16 сентября в 15:00 приглашенный спикер лаборатории Кирилл Афанасьев выступит с докладом "Исследования социальных норм с помощью сетевого анализа".

В своей работе Кирилл Афанасьев исследует формирование нормативных ожиданий (убеждений о том, как другие люди считают, что они должны себя вести) и влияние атрибутов социальной сети респондента на его нормативные ожидания.
Используя методы снежного кома и "координационной игры", автор исследует, что больше влияет на нормативные ожидания - реальные поступки окружения респондентов или убеждения окружения о том, как другие люди себя едут.
Собранные данные анализируются с помощью модели ALAAM (Autologistic actor attribute models).

Регистрация по ссылке.

Рубрика "Мероприятия"

18 сентября в 16:30 по Москве состоится очередное заседание Общемосковского научного семинара "Математические методы анализа решений в экономике, бизнесе и политике". На семинаре выступят наши коллеги из Международной лаборатории прикладного сетевого анализа заведующая лабораторией Мальцева Дарья Васильевна, младший научный сотрудник Семенова Анна Михайловна, стажер-исследователь Оганян Артем Ашотович.

Название доклада: Исследования организационных коммуникаций: методологическая рамка и пример анализа комплексных сетей

Аннотация: Коммуникации в организациях имеют комплексный характер, ввиду множества возможных типов отношений, передаваемого контента и инструментов связи. В данной работе мы представим разработки, связанные с применением методологии анализа социальных сетей для анализа реальных данных о коммуникациях в компании («цифровых следов»). Данные имеют сложную структуру и дают возможность анализировать мультиреляционные (мультиплекс) сети с разными типами отношений, извлекать двумодальные сети и конструировать из них новые двумодальные и одномодальные сети, а также анализировать изменения в сети в динамике. Выступающие будут рады обсудить предложенный рабочий процесс с участниками семинара и совместно подумать над дальнейшими направлениями работы в области сетевых организационных исследований.

Семинар состоится в онлайн формате на платформе Zoom 18 сентября (среда) в 16:30 по Москве.

Ссылка для подключения: https://us02web.zoom.us/j/86862557441?pwd=bXFTV1VsTksvcVRzd01QdFZwTDFwQT09

Идентификатор конференции: 868 6255 7441
Код доступа: 275177

Приглашаем всех желающих!

Семинар ANR-Lab "Харрисон Уайт: от теории к методу"
23 сентября в 15:00 приглашенный спикер лаборатории Даниил Ковалев выступит с докладом "Харрисон Уайт: от теории к методу".

Даниил Ковалев, магистрант социологического факультета НИУ ВШЭ, представит исследование, посвященное Харрисону Уайту (1930-2024) - одной из самых влиятельных фигур в анализе социальных сетей.
Каждый вклад Уайта в изучение различных аспектов социального мира становился переворотом, менявшим представления о прошлом, настоящем и будущем не только сетевого анализа, но и социологии в целом. На семинаре обсудим ключевые идеи Уайта, касающиеся категориальных сетей, структурной эквивалентности и теоретического проекта, изложенного в работе "Идентичность и контроль". Кроме того, с помощью семантического сетевого анализа и стохастического блокмоделинга рассмотрим динамику теоретических и методологических положений в работах культурно-ориентированных сетевых исследователей, развивающих идеи теоретического проекта Уайта.
Регистрация по ссылке!

Да-да, мы вновь на связи с новым выпуском «+/-10 минут»!

Вместе с Анной Карташевой, кандидатом философских наук, представителем онлайн-магистратуры «Data Analytics and Social Statistics», разобрались:

🗂 как данные становятся информацией, а информация - знанием
🗂 могут ли данные быть нейтральной и безошибочной фиксацией фактов
🗂 как особенности формирования знания влияют на современные информационные системы

Без лишних слов - смотрим!

Курс по сетевому анализу от сотрудницы ANR-Lab признан лучшим!
Курс «Введение в сетевой анализ» Наталии Матвеевой признан студентами НИУ ВШЭ Нижегородского кампуса лучшим по критериям «Полезность курса для расширения кругозора и разностороннего развития» и «Новизна полученных знаний».

Поздравляем Наталию с достижением и желаем успехов в преподавании!

Семинар ANR-Lab "Механизмы формирования альянсов через международные военные развертывания на примере НАТО"
30 сентября в 15:00 стажер-исследователь ANR-Lab Эмиль Сташевски выступит с докладом Механизмы формирования альянсов через международные военные развертывания на примере НАТО".

В своей работе стажер-исследователь лаборатории Эмиль Сташевски на данных о 192 странах за период с 1991 по 2022 год выявляет комбинации факторов (механизмов), влияющих на процесс авторизации военных развертываний НАТО.
Для анализа данных используется стохастическая акторно-ориентированная модель (SAOM).

Регистрация по ссылке!

Методы выявления фейковых новостей 🙃
С развитием социальных сетей и AI фейковая информация стала повседневным вызовом для всех пользователей. Исследователи по всему миру разрабатывают инструменты борьбы с фейками, и авторы сегодняшней статьи выделили основные тренды в этой области.

🔸News content-based learning
Этот подход основан на обучении NLP моделей, которые выявляют в текстах отличия фейков от настоящих новостей через изучение лингвистических (преувеличения и эмоциональная лексика) и контекстных (логические несостыковки, отсутствие множественных источников) особенностей. Главное ограничение метода состоит в том, что модели нужно постоянно обучивать снова и снова из-за улучшения качества фейков.
🔹Social context-based learning
Создатели этого подхода признают важность социального контекста, в котором публикуются новости, и предлагают изучать структуру распространения новости: кто и как быстро делится новостями. Они учитывают авторитет источников, публикующих новость, на основе прошлой репутации. Как фейки выделяются те новости, что появляются в эхо-камерах с низкой репутацией и распространяются быстрее других из-за эмоциональных реакций. Этот метод сочетает в себе сетевой анализ и сентимент-анализ, но страдает от ботов и плохо справляется с более искусно сфабрикованными новостями.
🔸Content and social context fusion
Последние разработки пытаются соединить предыдущие два подхода, чтобы усилить точность моделей в сложных случаях.
🔹Multi-view learning
В данном случае модель сочетает изучение контента новости, поведения пользователей и паттернов распространения в динамике, чтобы выделять фейковые новости, которые распространяются по разным сценариям.

Авторы собрали список датасетов новостей для работы с 10 моделями машинного обучения, а также обозрели успешность обучения этих моделей на одном и том же датасете в разных исследованиях.

Семья Нобелей

Объявлены даты вручения Нобелевской премии.
В этом году лауреатов объявят с 7 по 14 октября. В преддверии данного события мы вновь готовим серию постов, а начнем ее с недавнего анализа академического генеалогического древа нобелевской «семьи», опубликованного в Scientometrics Ричардом Толом (Richard S. J. Tol), членом Европейской академии, профессором экономики Университета Сассекса и Амстердамского свободного университета.

Автор построил академическую родословную всех лауреатов Нобелевской премии (по данным на 2022 год) с акцентом на связи между научными руководителями и студентами / наставниками и подопечными (для более ранних периодов развития науки). Согласно результатам исследования, 696 из 727 лауреатов Нобелевской премии за научные достижения в областях физики, химии, медицины и экономики принадлежат одному древу.

Для решения проблемы определения наставника (иногда ученого растит команда, формальный наставник может отличаться от фактического и т.д.) автор использовал базу данных AcademicTree.

Общее генеалогическое древо, полученное в результате работы, состоит из 33 поколений с Эразмом Роттердамским (1466-1536) в качестве общего предка. Отдельно можно выделить 25 генеалогических деревьев с одним нобелевским лауреатом, 4 древа с 2 лауреатами и 1 древо с 696 (96% от всех лауреатов). Помимо этого Ричард Тол выделил 360 пар «профессор-студент», в которых оба получили Нобелевскую премию, из которых 255 пар в одной и той же дисциплине.

668 лауреатов (92%) связаны между собой из-за общего "научного предка" – Эммануэля Ступануса (Emmanuel Stupanus). 228 лауреатов (31%) Нобелевской премии являются научными "потомками" лорда Рэлея (Lord Rayleigh), обладателя премии по физике 1904 года. 51 лауреат (7%) Нобелевской премии связаны с Крейгом Мелло (Craig Mello), который получил премию по медицине в 2006 году.

Кластеризация лауреатов Нобелевской премии сильнее всего в химии и физике и слабее всего в экономике. Лауреаты премии по химии обучают большинство лауреатов в других областях; лауреаты премии по медицине больше всего обучаются лауреатами из других областей. Так, распределение учеников 96 лауреатов Нобелевской премии по химии, выигравших Нобелевскую премию, выглядит следующим образом: 66 — по химии, 12 — по физике и 18 — по медицине. Экономика является наиболее изолированной, так как ее представители не обучали и не обучались лауреатами по другим дисциплинам.

Нобелевские лауреаты, несомненно, обладают врожденным исследовательским талантом и учатся у лучших. Возможно, именно наставничество на разных этапах образования помогло в полной мере реализовать их потенциал. Однако, по мнению автора, Нобелевские премии группируются в поколениях, что имеет некоторое сходство с непотизмом.

Открытым остается вопрос: такая концентрация нобелевских лауреатов – следствие того, что лучшие профессора отбирают лучших студентов и вкладываются в них, или же авторитет лауреатов прошлых лет и их голос в академическом мире влияют на выдвижение протеже на престижную премию?

#нобелевскаяпремия #академическоедрево #AcademicTree

‼️ Семинар переносится на 2 часа, ждём вас 30 сентября в 17:00!

Парадокс дружбы — феномен, состоящий в том, что у наших друзей почти всегда в среднем больше друзей, чем у нас самих. Как же так? Почему этот феномен относится ко всем, а не только к самым одиноким?

Это примечательное явление обнаружил социолог Скотт Фельд в 1991 году. Объясняется оно очень просто: те, у кого много друзей, будут чаще встречаться среди друзей наших респондентов, чем те, у кого друзей мало (логично!). Чтобы парадокс к Вам не относился, нужно быть самым-самым душой компании в этой сети. То же самое работает с социальными сетями, бывшими и половыми партнерами.

Кроме того, этот сетевой феномен влияет на восприятие социальными группами самих себя. Например, у завсегдатаев студенческих пьянок обычно больший размер эго-сети (больше друзей), из-за чего студентам кажется, что все их однокурсники пьют больше, чем они сами, порождая так называемый «феномен множественного невежества» .