ВИЗУАЛИЗАЦИЯ И КОНЦЕПТУАЛИЗАЦИЯ ДАННЫХ АКАДЕМИЧЕСКИХ ЦИФРОВЫХ ПЛАТФОРМ: ПРЕЕМСТВЕННОСТЬ ПРОБЛЕМ ОРГАНИЗАЦИИ ЗНАНИЯ И НОВЫЕ ВЫЗОВЫ

Обложка

Цитировать

Полный текст

Аннотация

Цифровые платформы представляют собой феномен, принципиально меняющий способ хранения и упорядочивания информации – как содержания самих научных исследований, так и их метаданных. Платформы находятся в преемственных отношениях с классическими библиотеками, одновременно являясь революционными площадками использования алгоритмов и интерактивных методов визуализации и систематизации данных. Результатом качественной организации хранилища должен стать доступ к данным исследований и их метаданным, что, в свою очередь, должно обеспечивать адекватную картину состояния исследовательских областей и возможную прогностику их развития. Если данные касаются содержания самих исследований, то метаданные – того, кто, в рамках каких институций и исследовательских проектов их проводил. Отсутствие универсального порядка процедур по внесению данных в систему искажает картину как научной, так и «социальной жизни» исследований. Представления о платформах как автономных структурах, «черных ящиках», использующих столь же таинственные алгоритмы, серьезно ограничивают понимание проблем их внутреннего устройства и того, как это влияет на современную организацию научного знания. Порядок работы в рамках платформы напрямую зависит от участников научного процесса, которыми являются авторы исследовательских работ, научные институции, специалисты по работе с данными. Поднимается вопрос о специфике компетенций всех, участвующих в процессе: насколько исследователи должны быть технически подкованы в работе с платформами, а также насколько оправдано представление о специалистах по данным как об «универсальных» профессионалах, преемственных по отношению к индексаторам. Особое внимание в статье уделяется индексированию, которое анализируется в двух аспектах, отраженных в работе академических платформ: как инструмент оптимизации поиска по самому тексту (на примере отсылки к индексированию в Средневековье) и как инструмент навигации в исследовательских полях. При этом индекс рассматривается, с одной стороны, в соответствии со своей изначальной функцией указания на определенное место в тексте. С другой стороны, он связан со способом пространственной текстуальной навигации, формирующей картины исследовательских областей фиксацией дисциплинарных и междисциплинарных связей в динамике их развития. Это, в свою очередь, приводит к необходимости обозначения проблем, связанных с методами реструктурирования и визуализации информации в рамках цифрового хранилища. Индексирование, картографирование и использование сложных систем не могут получить однозначной оценки, являясь способами как оптимизации подачи информации, так и ее политизации (как показано в «политике списка»). На основании ряда проанализированных проблем обозначены выводы о необходимости постоянной работы над соответствием всех уровней организации академических платформ: технические вопросы не могут рассматриваться узко, в отрыве от концептуальных проблем организации как данных исследований, так и их метаданных. Прогресс науки и коммуникация научных сообществ не в последнюю очередь зависят от стратегий использования методологического аппарата, определяющего качество репрезентации данных и метаданных исследований в рамках их хранилищ.

Об авторах

Алина Олеговна Костина

Институт философии Российской академии наук

Email: alinainwndrlnd@gmail.com
кандидат философских наук, научный сотрудник сектора социальной эпистемологии Ул. Гончарная, д.12, стр.1, Москва, 109240, Россия

Список литературы

  1. Ames 2018 – Ames M. G. Deconstructing the Algorithmic Sublime // Big Data&Society. 2018. URL: https://doi.org/10.1177/2053951718779194 (accessed: 12.02.2021).
  2. Avnoon 2021 – Avnoon N. Data Scientists’ Identity Work: Omnivorous Symbolic Boundaries in Skills Acquisition // Work, Employment and Society. 2021. URL: https://doi.org/10.1177/0950017020977306 (accessed: 12.02.2021).
  3. Birnholtz et al. 2012 – Birnholtz J., Guha S., Yuan Y. C., Gay G., Heller C. Cross-campus collaboration: a scientometric and network case study of publication activity across two campuses of a single institution // ASIS&T. 2021. URL: https://doi.org/10.1002/asi.22807 (accessed: 12.02.2021).
  4. Bratt et al. 2017 – Bratt S., Hemsley J., Qin J., Costa M. Big Data, Big Matadata and Quantitative Study of Science: a workflow model for big scietomentrics // Proceedings of the association for information science and technology. 2017. Vol. 54, is. 1. P. 36–45.
  5. Brevini, Pasquale 2020 – Brevini B., Pasquale F. Revisiting the Black Box Society by rethinking the political economy of big data // Big Data&Society. 2020. URL: https://doi.org/10.1177/2053951720935146 (accessed: 12.02.2021).
  6. Bucher 2016 – Bucher T. Neither black nor box: ways of knowing algorithms // Innovative Methods in Media and Communication Research / S. Kubitschko, A. Kaun (eds). Cham : Palgrave Macmillan, 2016. P. 81–98.
  7. Carusi 2006 – Carusi A. Textual Practitioners: a comparison of hypertext theory and phenomenology of reading // Arts&Humanities in Higher Education. 2006. Vol. 5 (2). P. 163–180.
  8. Calise, Lowi 2000 – Calise M., Lowi T. J. Hyperpolitics: Hypertext, Concepts and Theory-Making // International Political Science Review. 2000. Vol. 21 (3). P. 283–310.
  9. Culler 2010 – Culler J. The closeness of close reading // ADE Bulletin. 2010. Vol. 149. P. 20–25.
  10. Dewandre 2020 – Dewandre N. Big Data: From modern fears to enlightened and vigilant embrace of new beginnings // Big Data&Society. 2020. URL: https://doi.org/10.1177/2053951720936708 (accessed: 12.02.2021).
  11. Fields et al. 2020 – Fields D., Bissell D., Macrorie R. Platform methods: studying platform urbanism outside the black box // Urban Geography. 2020. URL: https://doi.org/10.1080/02723638.2020.1730642 (accessed: 12.02.2021).
  12. Gehl 2015 – Gehl R.W. Sharing, knowledge management and big data: a partial genealogy of the data scientist // European Journal of Cultural Studies. 2015.Vol. 18 (4-5). P. 413–428.
  13. Goede et al. 2016 – Goede De M., Leander A., Sullivan G. Introduction: the politics of the list // Environment and Planning D: Society and Space. 2016. Vol. 34 (1). P. 3–13.
  14. Hu 2020 – Hu M. Cambridge Analytica’s black box // Big Data&Society. 2020. URL: https://doi.org/10.1177/2053951720938091 (accessed: 12.02.2021).
  15. Jacomy 2020 – Jacomy M. Epistemic clashes in network science: Mapping the tensions between idiographic and nomothetic subcultures // Big Data&Society. 2020. URL: https://doi.org/10.1177/2053951720949577 (accessed: 12.02.2021).
  16. Kitchin 2014 – Kitchin R. Big Data, new epistemologies and paradigm shifts // Big Data&Society. 2014. URL: https://doi.org/10.1177/2053951714528481 (accessed: 12.02.2021).
  17. Le Deuff 2018 – Le Deuff O. Digital humanities: history and development. London : Iste and Wiley, 2018. 149 p.
  18. Micheli et al. 2020 – Micheli M., Ponti M., Craglia M., Suman A. B. Emerging models of data governance in the age of datafication // Big Data&Society. 2020. URL: https://doi.org/10.1177/2053951720948087 (accessed: 12.02.2021).
  19. Moats, Seaver 2019 – Moats D., Seaver N. “You Social Scientists Love Mind Games’’: Experimenting in the ‘‘divide’’ between data science and critical algorithm studies // Big Data&Society. 2019. URL: https://doi.org/10.1177/2053951719833404 (accessed: 12.02.2021).
  20. Modir et al. 2014 – Modir L., Guan L. C., Aziz S. B. S. Text, Hypertext, and Hyperfiction: a Convergence Between Poststructuralism and Narrative Theories // SAGE Open. 2014. URL: https://doi.org/10.1177/2158244014528915 (accessed: 12.02.2021).
  21. Passi, Sengers 2020 – Passi S., Sengers P. Making data science systems work // Big Data&Society. URL: https://doi.org/10.1177/2053951720939605 (accessed: 12.02.2021).
  22. Revill 2020 – Revill G. Voicing the environment: Latour, Peirce and an expanded politics // EPD: Society and Space. 2020. URL: https://doi.org/10.1177/0263775820944521 (accessed: 12.02.2021).
  23. Ribes 2018 – Ribes D. STS, Meet Data Science, Once Again // Science, Technology,&Human Values. 2018. URL: https://doi.org/10.1177/0162243918798899 (accessed: 12.02.2021).
  24. Smith 2020 – Smith G. The politics of algorithmic governance in the black box city // Big Data&Society. 2020. URL: https://doi.org/10.1177/2053951720933989 (accessed: 12.02.2021).
  25. Staheli 2016 – Staheli U. Indexing – The politics of invisibility // Environment and Planning D: Society and Space. 2016. Vol. 34 (1). P. 14–29.
  26. Sullivan 2020 – Sullivan G. The law of the list. Cambridge : Cambridge University Press, 2020. 399 p.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».