Может ли социология быть точной наукой?

УДК: 303.6

 

Китенко Андрей Максимович – Санкт-Петербургский государственный университет аэрокосмического приборостроения, кафедра эксплуатации и управления аэрокосмическими системами, студент, Санкт-Петербург, Россия.

Email: kitenko.andrey@gmail.com

Авторское резюме

Состояние вопроса: Сегодня социология взаимодействует с большим количеством дисциплин. Но сильнее всего интегрированы с нею, как ни странно, такие сферы знания, как математика и информатика. С ростом цифрового мира появилась возможность собирать большое количество информации. Из полученной информации социология при помощи математических моделей получает статистические данные, которые впоследствии могут быть использованы для прогнозирования или для подтверждения гипотез.

Результаты: В повседневной жизни люди целенаправленно делятся разнообразной информацией. Но они также непрерывно транслируют и другую информацию, которую не хотели бы никому передавать – например, историю местоположения или историю браузера. Организации и методы, собирающие такую информацию для коммерческих, политических и других целей непрерывно развиваются и совершенствуются. Современный человек оказывается постоянно подвержен профилированию с целью предугадывания его действий в любой момент времени. Эта ситуация не только используется коммерческими фирмами, но и создает новые возможности для научного исследования общества.

Выводы: Одной из основных целей анализа данных является поиск статистических закономерностей. С применением сложного математического аппарата и методов работы с большим количеством информации появилась возможность более точно предсказывать поведение отдельного человека или целой социальной группы. В результате развития цифрового мира с каждым годом будет становиться больше данных для анализа и точность прогнозов повысится. Это дает основания предположить, что социология благодаря новым информационным технологиям сможет достигнуть точности современных естественных наук, на что и ориентировал ее Огюст Конт.

 

Ключевые слова: информация; анализ данных; математические модели; профилирование.

 

Could Sociology be an Exact Science?

 

Kitenko Andrey Maksimovich – Saint Petersburg State University of Aerospace Instrumentation, Department of Operation and Control of Aerospace Systems, student, Saint Petersburg, Russia.

Email: kitenko.andrey@gmail.com

Abstract

Background: Today, sociology interacts with a large number of disciplines. Above all, such fields of knowledge as mathematics and computer science are integrated with it. With the increasing advancement of digital technologies, it has become possible to collect and process a large amount of information. Sociology, using mathematical models, obtains statistical data from the information collected that can be used to predict or confirm hypotheses later.

Results: In everyday life, people purposefully share a variety of information. Living, however, in the world of constant communication, they inevitably end up sharing certain information they would not plan to transmit to anyone – for example, geolocation or internet browser history. Organizations and methods that collect such information for commercial, political and other purposes are continuously developed and improved. Nowadays, people are constantly subject to profiling in order to predict their actions at any time. This situation is not only used by commercial firms, but also creates new opportunities for the scientific study of society.

Conclusion: One of the main goals of data analysis is the search for statistical patterns. With the use of a complex mathematical apparatus and methods of working with a large amount of information, it has become possible to predict more accurately the behavior of an individual or an entire social group. With digital world development, there will be more data for analysis and the accuracy of forecasts will increase every year. This suggests that, due to new information technologies, sociology will be able to achieve the accuracy of modern natural sciences, as Auguste Comte considered.

 

Keywords: information; data analysis; mathematical models; social profiling.

 

Один из основателей социологии, Огюст Конт, считал, что эта дисциплина должна стать такой же точной наукой, как и естествознание [см.: 1, с. 13]. Конт полагал, что социальная наука опирается на определённые законы и причинно-следственные связи, а не на субъективную интерпретацию. Но данную позицию, как и ранее, разделяют не все.

 

Социология сегодня проводит научное исследование общества и человеческого поведения [см.: 2, c. 10]. Она стремится объяснить социальные явления, собирает и обобщает информацию о них. Социология также позволяет прогнозировать социальные явления и управлять ими.

 

Наш мир сильно изменился за последние годы. Количество генерируемой информации растёт с каждым годом. Сегодня человек постоянно прямо или косвенно взаимодействует с различной цифровой техникой. В домах все чаще появляются «умные» бытовые приборы, управляемые с помощью Интернета – от умных колонок [см.: 3] до различных камер и датчиков, которые сопровождают человека не только внутри помещений, но и за пределами замкнутых пространств. Когда человек покидает дом, он не остается наедине с собой. Если в кармане лежит смартфон или на руке есть фитнес-трекер, информация продолжает бесперебойно генерироваться и передаваться.

 

Крупные технологические компании и государственные службы в массовом порядке собирают информацию о нас и используют её в своих интересах. С помощью полученной информации они могут отслеживать, прогнозировать и автоматизировать нашу личную и общественную жизнь [см.: 4]. К сожалению, это не пассивное наблюдение, это попытка активно контролировать человеческое поведение. Компании предугадывают наши действия и делают выводы о наших предпочтениях [см.: 4]. Очень часто с помощью полученной информации они понимают нас лучше, чем мы сами. Создаётся иллюзия выбора, хотя человек получает только ту информацию, которую фирмам выгодно нам предоставить.

 

В повседневной жизни люди делятся некоторыми вещами сознательно – например, фотографиями или своими мыслями. Но также мы постоянно передаём и другую информацию, которую не хотели бы передавать. К примеру: историю местоположения или историю браузера. Сегодня по истории браузера компании могут сделать вывод о половой принадлежности, уровне дохода, наличии детей, потребительских предпочтениях, увлечениях и характере социальной жизни [см.: 4].

 

Что же знают онлайн компании о пользователях? Ниже будет приведена выдержка из интернет-статьи «privacyinternational.org» [см.: 5]. Она была написана 7 ноября 2018 года. Работая над данной статьей, журналист хотел узнать, какой информацией о нем владеет компания «Quantcast». Эта компания собирает данные в режиме реального времени со 100 миллионов веб-сайтов. Также необходимо добавить, что «Quantcast» является лишь одной из многих компаний, которые входят в состав сложных серверных систем, используемых для направления рекламы частным лицам и конкретной целевой аудитории [см.: 5].

 

За одну неделю «Quantcast» накопил более 5300 строк и более 46 столбцов данных, включая URL-адреса, метки времени, IP-адреса, идентификаторы файлов «cookie», информацию браузера и многое другое [см.: 5]. По полученной информации компания смогла предсказать возраст, пол, присутствие детей в домашнем хозяйстве (по количеству детей и их возрасту), уровень образования, общий годовой доход семьи в долларах США и в британских фунтах.

 

Данная информация собирается и индексируется не просто так. Далее её обрабатывают различные современные математические алгоритмы. Всё это делается для более точного «нацеливания» на человека. Как точно можно нацелиться? Несколько лет назад рекламная компания из штата Массачусетс в США нацеливалась на «женщин, склонных к абортам» с помощью сообщений против абортов, когда они находились в больнице [см.: 5]. Сейчас есть техническая возможность нацеливаться на узкие группы людей в определённые моменты времени и в определённых местах.

 

Ещё один пример из Великобритании. Расследование, проведённое компанией «Big Brother Watch», показало, как полиция Дарема в Великобритании вводила маркетинговые данные «Experian Mosaic» в свой «Инструмент оценки риска вреда», чтобы предсказать, может ли подозреваемый подвергать общество риску (низкой, средней или высокой степени). Также алгоритм использовался при повторном правонарушении с целью принятия решения о том, следует ли обвинять подозреваемого или отправить его в программу по реабилитации [см.: 6].

 

Одна из самых распространённых ошибок в современном мире – полагать, что есть бесплатные услуги, которыми мы можем быстро и легко воспользоваться. Но на самом деле за каждую бесплатную услугу мы платим персональными данными.

 

В последнее время кампания по сбору данных «Cambridge Analytica» часто была в центре внимания различных споров об использовании профилирования и микро-таргетинга на политических выборах [см.: 7]. Ниже будут рассмотрены примеры, иллюстрирующие, как разные политические кампании из Соединенных Штатов Америки работают с персональными данными.

 

Очень часто политические кампании прибегают к использованию данных для принятия тех или иных решений – где проводить митинги, на каких штатах сосредоточиться и как общаться со сторонниками или неопределившимися избирателями. По сути, такие компании, как «Cambridge Analytica», делают две вещи: профилируют людей и используют эти профили для персонализации политических сообщений [см.: 7].

 

«Cambridge Analytica» считает себя уникальной компанией, потому что она не только профилирует людей, но и может составлять психометрические профили [см.: 8], то есть применять в исследовании психических явлений математические модели [см.: 9, c. 213].

 

На сегодня психометрические предсказания являются довольно распространённым методом. Можно определить тип личности по фотографиям в «Instagram» [см.: 10, с. 851], по профилю в «Twitter» [см.: 11] или с помощью метрических данных, полученных с мобильных устройств [см.: 12, с. 48]. Компания «IBM» предлагает целый инструмент, который может описать личность человека на основе неструктурированного текста, например: твиты, электронные письма, блоги, статьи и так далее [см.: 15]. Делается это с использованием методов когнитивных вычислений [см.: 13]. Это и есть в каком-то роде по-современному понимаемый «Искусственный интеллект» [см.: 14].

 

IBM предоставляет разработчикам API (Application Programming Interface), который позволяет программным продуктам получать информацию практически из любых цифровых коммуникаций. Служба использует лингвистический анализ для определения внутренних личностных характеристик людей. После завершения анализа можно получить текстовую информацию или возможность автоматически визуализировать результаты.

 

На рисунке 1 представлена для примера визуализация результатов такого анализа.

image001

Рисунок 1 – Визуализация результатов инструмента «Personality Insights»

 

Исходя из вышесказанного, можно с уверенностью утверждать, что в современном мире профилирование преследует человека постоянно, не давая людям шанса на закрытую личную жизнь. Компания «Cambridge Analytica» однозначно собирает данные и обрабатывает их, но, кроме того, «Cambridge Analytica» утверждает, что они могут эффективно изменять поведение людей в массовом масштабе [см.: 7]. Могла ли «Cambridge Analytica» серьёзно повлиять на результаты какой-либо политической кампании? На данный момент нет никаких точных данных, поэтому нельзя определенно утверждать, что «Cambridge Analytica» действительно в состоянии осуществлять такое воздействие.

 

Подобные примеры использования персональных данных в современном цифровом мире достаточно многочисленны.

 

В настоящее время цифровая среда развивается в экспоненциальной прогрессии. С каждым годом на рынке будет появляться всё больше новых «умных» устройств. В этих устройствах будет находиться бесчисленное количество датчиков, которые смогут собирать информацию об окружающей среде и в том числе о людях. Совсем скоро появится возможность вживлять медицинские приборы, которые будут постоянно работать в теле человека. Пока можно только предполагать, как эти датчики и приборы, которые могут создаваться для благих целей, в конечном итоге будут использованы для профилирования в интересах тех или иных государств, сообществ и корпораций.

 

За счёт чего достигается точность в социологии? Современный социолог очень часто имеет дело с большими массивами данных, которые впоследствии должны подвергаться анализу. Проводить анализ значительно проще с применением компьютерной техники: современные компьютеры позволяют быстро перебирать большое количество данных. Сегодня без применения математического аппарата трудно обойтись при решении практически любой социологической задачи. Одной из основных целей анализа данных является поиск статистических закономерностей. Особенностью современной науки и научного мышления является статистическое понимание предопределённости, когда происходит точное предсказание не события, а вероятности события. В этом смысле социология, основанная на современных математических методах, может, безусловно, считаться точной наукой. Несмотря на то, что современная наука развивается диалектически и в ней используются как эмпирические, так и рациональные подходы, сейчас для науки в большей степени характерно всё же превалирование математических методов. Это связано, в частности, с тем, что математика позволяет описывать не только отдельные абстрактные объекты, но и системы в целом. Также для современной науки характерен системный метод, когда все идеи и явления рассматриваются как совокупность данных различных областей и дисциплин, а точные результаты достигаются благодаря синтезу знаний. С применением сложного математического аппарата и большого количества информации появилась возможность более точно предсказывать поведение отдельного человека или целой социальной группы. В силу популяризации цифрового мира данных для анализа с каждым годом будет генерироваться все больше, вследствие чего и прогнозы будут становиться более точными. Следовательно, можно предположить, что социология будет ещё шире использовать математический аппарат и данные, чтобы улучшить точность своих исследований и предсказаний. Установка Огюста Конта на превращение социологии в точную науку получает в информационном обществе новые, все более мощные инструменты для своего осуществления.

 

Список литературы

1. Коломийцев С. Ю. История философии науки: от XIX до начала XXI века. – СПб.: ГУАП, 2016. – 196 с.

2. Волков Ю. Г. Социология – Издание 2-е. – М.: Гардарики, 2003. – 512 с.

3. Day M., Turner G., Drozdiak N. Amazon Workers Are Listening to What You Tell Alexa // Bloomberg. – URL: https://www.bloomberg.com/news/articles/2019-04-10/is-anyone-listening-to-you-on-alexa-a-global-team-reviews-audio (дата обращения 10.02.2020).

4. Pavel V. Our Data Future // Privacyinternational. – URL: https://www.privacyinternational.org/long-read/3088/our-data-future (дата обращения 10.02.2020).

5. Kaltheuner F. I Asked an Online Tracking Company for All of My Data and Here’s What I Found // Privacyinternational. – URL: https://privacyinternational.org/long-read/2433/i-asked-online-tracking-company-all-my-data-and-heres-what-i-found (дата обращения 10.02.2020).

6. Big Brother Watch Team. A Closer Look at Experian Big Data and Artificial Intelligence in Durham Police // Big Brother Watch. – URL: https://bigbrotherwatch.org.uk/2018/04/a-closer-look-at-experian-big-data-and-artificial-intelligence-in-durham-police/ (дата обращения 10.02.2020).

7. Privacyinternational Team. Cambridge Analytica Explained: Data and Elections // Privacyinternational. – URL: https://privacyinternational.org/feature/975/cambridge-analytica-explained-data-and-elections (дата обращения 10.02.2020).

8. Confessore N., Hakim D. Data Firm Says ‘Secret Sauce’ Aided Trump; Many Scoff // The New York Times. – URL: https://www.nytimes.com/2017/03/06/us/politics/cambridge-analytica.html?_r=0 (дата обращения 10.02.2020).

9. Никандров В. В. Психология: учебник. – М.: Волтерс Клувер. – 2009, 1008 с.

10. Ferwerda B., Schedl M., Tkalcic M. Using Instagram Picture Features to Predict Users’ Personality // MultiMedia Modeling: 22nd International Conference, MMM 2016, Miami, FL, USA, January 4–6, 2016, Proceedings, Part I. – 2016, pp. 850–861. DOI: 10.1007/978-3-319-27671-7_71.

11. Quercia D., Kosinski M., Stillwell D., Crowcroft J. Our Twitter Profiles, Our Selves: Predicting Personality with Twitter // 2011 IEEE Third International Conference on Privacy, Security, Risk and Trust and 2011 IEEE Third International Conference on Social Computing. – Boston. – 2011, pp. 180–185. DOI: 10.1109/PASSAT/SocialCom.2011.26.

12. Montjoye A., Quoidbach J., Robic F. Predicting Personality Using Novel Mobile Phone-Based Metrics // SBP’13: Proceedings of the 6th International Conference on Social Computing, Behavioral-Cultural Modeling and Prediction. – Washington, DC, USA. – April 2–5, 2013. – pp. 48–55. DOI: 10.1007/978-3-642-37210-0_6.

13. Raghavan V., Gudivada V., Govindaraju V. Cognitive Computing: Theory and Applications. – Amsterdam: Elsevier, 2016. – 404 p.

14. Artificial Intelligence – IBM Research // IBM. – URL: http://research.ibm.com/artificial-intelligence/#fbid=xKc5URYJmqh (дата обращения 10.02.2020).

15. Watson Personality Insights // IBM. – URL: https://www.ibm.com/watson/services/personality-insights/ (дата обращения 10.02.2020).

  

References

1. Kolomiytsev S. Yu. History of the Philosophy of Science: from the 19th to the Beginning of the 21st Century [Istoriya filosofii nauki: ot XIX do nachala XXI veka]. Saint Petersburg: GUAP, 2016, 196 p.

2. Volkov Yu. G. Sociology [Sociologiya]. Moscow: Gardariki, 2003, 512 p.

3. Day M., Turner G., Drozdiak N. Amazon Workers Are Listening to What You Tell Alexa. Avaliable at: https://www.bloomberg.com/news/articles/2019-04-10/is-anyone-listening-to-you-on-alexa-a-global-team-reviews-audio (accessed 10 February 2020).

4. Pavel V. Our Data Future. Available at: https://www.privacyinternational.org/long-read/3088/our-data-future (accessed 10 February 2020).

5. Kaltheuner F. I Asked an Online Tracking Company for All of My Data and Here’s What I Found. Available at: https://privacyinternational.org/long-read/2433/i-asked-online-tracking-company-all-my-data-and-heres-what-i-found (accessed 10 February 2020).

6. Big Brother Watch Team. A Closer Look at Experian Big Data and Artificial Intelligence in Durham Police. Available at: https://bigbrotherwatch.org.uk/2018/04/a-closer-look-at-experian-big-data-and-artificial-intelligence-in-durham-police/ (accessed 10 February 2020).

7. Privacyinternational Team. Cambridge Analytica Explained: Data and Elections. Available at: https://privacyinternational.org/feature/975/cambridge-analytica-explained-data-and-elections (accessed 10 February 2020).

8. Confessore N., Hakim D. Data Firm Says ‘Secret Sauce’ Aided Trump; Many Scoff. Available at: https://www.nytimes.com/2017/03/06/us/politics/cambridge-analytica.html?_r=0 (accessed 10 February 2020).

9. Nikandrov V. V. Psychology: a Textbook [Psikhologiya: uchebnik]. Moscow: Volters Kluver, 2009, 1008 p.

10. Ferwerda B., Schedl M., Tkalcic M. Using Instagram Picture Features to Predict Users’ Personality. MultiMedia Modeling: 22nd International Conference, MMM 2016, Miami, FL, USA, January 4–6, 2016, Proceedings, Part I, pp. 850–861. DOI: 10.1007/978-3-319-27671-7_71.

11. Quercia D., Kosinski M., Stillwell D., Crowcroft J. Our Twitter Profiles, Our Selves: Predicting Personality with Twitter. 2011 IEEE Third International Conference on Privacy, Security, Risk and Trust and 2011 IEEE Third International Conference on Social Computing, Boston, MA, 2011, pp. 180–185. DOI: 10.1109/PASSAT/SocialCom.2011.26.

12. Montjoye A., Quoidbach J., Robic F. Predicting Personality Using Novel Mobile Phone-Based Metrics. SBP’13: Proceedings of the 6th International Conference on Social Computing, Behavioral-Cultural Modeling and Prediction, Washington, DC, USA, April 2–5, 2013, pp. 48–55. DOI: 10.1007/978-3-642-37210-0_6.

13. Raghavan V., Gudivada V., Govindaraju V. Cognitive Computing: Theory and Applications. Amsterdam: Elsevier, 2016, 404 p.

14. Artificial Intelligence – IBM Research. Available at: http://research.ibm.com/artificial-intelligence/#fbid=xKc5URYJmqh (accessed 10 February 2020).

15. Watson Personality Insights. Available at: https://www.ibm.com/watson/services/personality-insights/ (accessed 10 February 2020).

 

© А. М. Китенко, 2020.

Яндекс.Метрика