Все запланированные работы выполнены полностью.1. Принципы взаимодействия локального и экспертного знания в контексте социальных отношений в локальных сообществахПрежде всего, на основе анализа литературы по феноменологической социологии, социологии знания, символическому интеракционизму и экологическому менеджменту были сформулированы ключевые понятия исследования. Так, знание было определено как система смыслов, которой придерживается определенная социальная общность для описания реальности (Berger and Luckmann 1966; Bloor 1976; Schutz 1962), а процесс создания знания — как воспроизводство и трансформация смыслов индивидами, взаимодействующими как внутри одной группы, так и между различными группами (Olsson and Folke 2001). Локальное знание об управлении рисками наводнений было определено как система смыслов, используемая локальным сообществом для описания управления рисками наводнений в их местности, связанная с межличностными отношениями внутри группы и ее природным окружением, и направляющая деятельность сообщества по борьбе с наводнениями. Показано, что в процессе социального взаимодействия каждый индивид потенциально способен участвовать как в воспроизводстве, так и в трансформации знания. Экспертное знание формируется на основе знания множества социальных групп (включая экспертов и локальные сообщества); оно абстрагировано от межличностных отношений в этих группах и их социального и материального контекста и призвано направлять деятельность индивидов и групп, действующих в соответствующем фрагменте реальности.1.1. Логика создания знания в локальных взаимодействиях между индивидамиДля описания логики создания знания в локальных межличностных взаимодействиях на основе анализа литературы по символическому интеракционизму была введена трехшаговая модель конституирования смыслов, разделяемых индивидами в процессе взаимодействия (Mead 1934). На первом шаге один из взаимодействующих индивидов (А) оперирует знаками (словами) и их комбинациями для обозначения определенного объекта, относящегося к контексту взаимодействия. На втором шаге партнер по взаимодействию (индивид В) воспринимает указанный смысл и отвечает индивиду А, также используя знаки и их комбинации. На третьем шаге ответ индивида В воспринимается индивидом А, и он либо развивает начатое им высказывание на основе смысла, подтвержденного партнером по взаимодействию, либо заново формирует смысл объекта, если он был опровергнут.Выделены такие процессы создания знания в локальных взаимодействиях как воспроизводство и трансформация смыслов. В рамках процесса воспроизводства смыслов взаимодействующие индивиды обозначают один и тот же смысл объекта с использованием одних и тех же знаков и их комбинаций (Blumer 1986; Daanen and Sammut 2012). В рамках процесса трансформации смыслов знание группы изменяется, когда один из взаимодействующих индивидов использует новый для группы знак или их комбинацию, а другой подтверждает это использование (Bolton 1981; Etzrodt 2008).1.2. Институциональная логика формирования экспертного знанияС целью описания институциональной логики формирования экспертного знания проведен анализ литературы по неоинституциональной теории, социологии знания, теории поля Бурдье и социальным движениям. Во-первых, показано, что экспертное знание формируется в институциональных полях (DiMaggio and Powell 1983; Fligstein 2001; Fligstein and McAdam 2012), в которых акторы с различным уровнем ресурсов и власти борются за символическое лидерство (Meyer 2008).Во-вторых, выявлено, что создание экспертного знания происходит путем типификации, институционализации и легитимации смыслов акторами-участниками определенного институционального поля (Berger and Luckmann 1966; Meyer 2008). В процессе типификации представления о действиях, акторах и объектах в рамках одного институционального поля формируются согласно специфическим правилам этого поля и становятся разделяемыми в виде описаний ситуаций, ролей и моделей (там же). Институционализация смысла происходит, когда типифицированные смыслы начинают восприниматься как элементы объективной реальности. Этот процесс характеризуется конкуренцией за влияние в институциональном поле, выражаемой в создании таких типифицированных смыслов, которые могли бы стать доминирующей интерпретацией области реальности для участников поля (Meyer 2008). В результате борьбы за влияние типифицированные смыслы одной группы начинают восприниматься как объективное, само собой разумеющееся знание и навязываются другим акторам в поле. Как правило, знание экспертных групп доминирует в поле, поскольку влиятельные акторы (ученые, политики, НКО) обладают более значительными возможностями для создания и навязывания собственных смыслов по сравнению с менее влиятельными акторами. В дальнейшем знание может сохранять доминирующее положение посредством его легитимации через включение в более общие культурные рамки и системы ценностей (там же). В результате легитимации знание приобретает нормативную и символическую поддержку, стимулирующую его распространение среди участников поля.В-третьих, охарактеризована роль в создании экспертного знания стратегически действующего актора, способного изменять конфигурацию поля в собственных интересах. Таким актором является “институциональный предприниматель”, обладающий достаточным “социальным навыком” (Fligstein 2001) для стимулирования взаимодействия между отдельными участниками поля путем создания апеллирующего к ним нового знания.В-четвертых, описаны механизмы взаимодействия между различными системами знания, действующие на уровне поля в процессе институционализации смыслов, — дифференциация, рекомбинация и интеграция (Oberg, Korff, and Powell 2017). Дифференциация воспроизводит поле с областями, обладающими в значительной степени автономными смысловыми системами. Рекомбинация приводит к изменению границ между областями поля за счет заимствования группами знания из разных смысловых систем. Механизм интеграции приводит к размыванию границ между областями одного поля и образованию одной смысловой системы за счет значительных взаимных заимствований знания, либо за счет доминирования знания групп и организаций одной области над знанием групп и организаций из других областей.1.3. Взаимодействие локального и экспертного знания.На основе анализа литературы описаны взаимосвязи между локальным созданием знания и формированием экспертного знания. Во-первых, выявлено, что экспертное знание обладает привилегированным статусом в сравнении с локальным знанием. Эксперты обладают способностями и обязанностями аккумулировать информацию, с тем чтобы формулировать и транслировать знание, соответствующее их области экспертизы (Berger and Luckmann 1966).Легитимность и валидность экспертного знания обеспечивается признанием других акторов-экспертов, действующих в том же или смежном институциональном поле (Ayyub 2001), и посредством взаимодействия экспертов с локальными сообществами (Fischer 2000). В процессе взаимодействия с локальными сообществами и экспертными группами эксперты вырабатывают знание, абстрагированное от конкретных межличностных отношений и социального-материального контекста, в котором оно было создано. В результате вырабатывается интегрированное, целостное, над-контекстуальное, систематическое и теоретически обоснованное экспертное знание. В то же время перечисленные характеристики обуславливают неизбежный разрыв между экспертным знанием и знанием, учитывающим особенности локального контекста.Во-вторых, определено, что локальное знание формируется под воздействием экспертного знания. В силу своего авторитета носители экспертного знания могут закреплять определенные смыслы за объектами (действиями, ситуациями) и транслировать их другим акторам, в том числе, локальным сообществам, действующим в соответствующем институциональном поле, в виде различных прескриптивных текстов. Смыслы, закрепленные в экспертном знании, обладают приоритетом над смыслами, создаваемыми локальными сообществами. Поэтому локальные сообщества вынуждены воспроизводить экспертное знание и следовать транслируемым экспертами конвенциям и языку, испытывая, тем самым, символическое подчинение (Nowotny 2003; Nygren 1999).В-третьих, показано, что экспертное знание не перенимается локальными сообществами безоговорочно (Binder 2007; Fiol and O’Connor 2003; Nenko, Khokhlova, and Basov 2017; Schilke 2018). Воспроизводство экспертного знания в локальных сообществах осуществляется посредством его сопоставления с уже имеющейся локальной системой смыслов. Таким образом, экспертное знание трансформируется и апроприируется локальными сообществами так,чтобы, с одной стороны, оправдывать институциональные ожидания (Hallett 2010; Joseph, Ocasio, and McDonnell 2014), и, с другой стороны, соответствовать особенностям локального контекста (Basov, de Nooy, and Nenko 2019; Binder 2007; Hallett 2010). Также выявлено, что тематическое подобие является необходимым условием для воспроизводства экспертного знания локальным сообществом (Czarniawska and Joerges 2011; Kronberger, Holtz, and Wagner 2012); в противном случае, у локального сообщества отсутствует основание для воспроизводства экспертного знания.1. 4. Принципы взаимодействия институционализированного экспертного и локального знания в контексте социальных отношений в локальных сообществахС целью описания принципов взаимодействия институционализированного экспертного и локального знания в контексте социальных отношений в локальных сообществах проведен анализ литературы по менеджменту, неоинституциональной теории, организационным исследованиям, символическому интеракционизму, социальным движениям и когнитивной лингвистике. Описаны 17 фундаментальных принципов (базовых логик) взаимодействия экспертного и локального знания. Эти принципы определяют, как экспертное знание влияет на локальное знание и как локальное сообщество интерпретирует идеи экспертов. Выделенные принципы были ранжированы по степени влияния экспертного знания на локальное — от минимального влияния, когда локальные акторы перенимают экспертные идеи, адаптируя их смысл для своего контекста, до максимального влияния, когда локальное сообщество отказывается от своего мнения по некоторому вопросу и полностью перенимает мнение экспертов. Это такие принципы, как “слабое сопряжение”, “простое воспроизводство”, “воспроизводство через замещение”, “усиление”,“дополнение”, “прямое объединение”, “спецификация”, “притяжение”, “давление популярности”, “предпочтение релевантного”, “дистанцирование”, “компромисс”, “компрессия”, “опосредованное объединение”, “приращение”, “сильное сопряжение посредством совмещения”, “сильное сопряжение посредством замещения” (краткие описания принципов приведены в разделе 1.4). Также описаны принципы воздействия локальных социальных отношений на взаимодействие экспертного и локального знания. Эти принципы определяют то, как знание воспроизводится и трансформируется в контексте социального взаимодействия. Всего было выделено семь таких принципов: “подтверждение”, “отбор”, “триадное давление”, “заражение”, “рекомбинация”, “предпочтительное присоединение” и “изоморфизм” (краткие описания принципов приведены в разделе 1.4).2. Паттерны взаимодействия экспертного знания, локального знания и социальных отношенийНа основе выделенных коллективом проекта принципов взаимодействия сетевых структур знания с сетевыми социальными структурами (см. раздел 1.4) были определены паттерны взаимодействия экспертного и локального знания, а также паттерны воздействия на них социальных отношений.2.1. Паттерны взаимодействия экспертного и локального знанияПрежде всего, на основе анализа литературы по сетевому подходу к анализу знания, было определено 17 конкретных символических паттернов, соответствующих выделенным принципам взаимодействия экспертного и локального знания. Под символическим паттерном понимается элементарная конфигурация взаимосвязанных смысловых структур, которая соединяет взаимоопределяющие знаки. Символические паттерны представляют собой визуальное отображение изменений структуры и содержания локального знания, которые происходят за счет воспроизводства локальным сообществом экспертного знания. Символические паттерны были классифицированы в соответствии с типами элементов экспертного знания, локальное воспроизводство которых они описывают. К первой группе, описывающей локальное воспроизводство знака, который используют эксперты, был отнесен паттерн, соответствующий такому принципу взаимодействия экспертного и локального знания как “cлабое сопряжение”. Вторую группу составили паттерны, отражающие локальное воспроизводство смысловой структуры, которую используют эксперты. Это паттерны, соответствующие таким принципам взаимодействия экспертного и локального знания как “простое воспроизводство”, “воспроизводство через замещение”, “усиление”, “дополнение”, “прямое объединение”, “спецификация”. В третью группу вошли паттерны, включающие локальное воспроизводство знака и смысловой структуры, которые используют эксперты. Это паттерны, соответствующие таким принципам взаимодействия экспертного и локального знания как “притяжение”, “давление популярности”, “предпочтение релевантного”, “дистанцирование”, “компромисс”, “компрессия”, “опосредованное объединение”. Четвертую группу составили паттерны, которые отражают локальное воспроизводство взаимосвязанных смысловых структур экспертов посредством образования смыслового кластера в локальном знании. Это паттерны, соответствующие таким принципам взаимодействия экспертного и локального знания как “приращение”, “сильное сопряжение посредством совмещения”, “сильное сопряжение посредством замещения”. Символические паттерны были ранжированы по степени влияния экспертного знания на локальное знание — от поверхностных, незначительных изменений до глубинных изменений содержания и структуры локального знания под влиянием экспертного знания (подробные описания паттернов и их примеры содержатся в Таблице 1 в файле дополнительных материалов к отчету (п. 1.6)). Также описано влияние характеристик социальных связей и структурного контекста на данные паттерны (информация по всем рассмотренным характеристикам представлена в обобщенном виде в Таблице 2 в файле дополнительных материалов к отчету (п. 1.6)).Так, сильные связи поддерживают взаимодействие экспертного и локального знания, выражаемое в большинстве описанных паттернов (Granovetter 1983; Krackhardt and Kilduff 1990; Reagans and McEvily 2003). Слабые связи, как правило, подходят для воспроизводства простого, кодифицированного, публичного знания (Hansen 1999; Uzzi and Lancaster 2003).2.2. Паттерны воздействия социальных отношений на структуры знанияНа основе анализа литературы было выделено семь конкретных социо-символических паттернов, соответствующих принципам взаимодействия структур знания с сетевыми социальными структурами. Социо-символические паттерны воздействия социальной структуры на локальное воспроизводство экспертного знания включают социальные отношения между индивидами, использующими знаки и смысловые структуры. На основании соотнесенности с одним из основных процессов создания знания во взаимодействии — воспроизводством или трансформацией знания — выделенные паттерны были разделены на две группы. Первая группа содержит паттерны, связанные с воспроизводством знаков и смысловых структур. Это паттерны, соответствующие таким принципам влияния сетевых социальных структур на знание, как “подтверждение”, “отбор” и “триадное давление”. Ко второй группе принадлежат паттерны, связанные с формированием новых знаков и их комбинаций в системе знания. Это паттерны, соответствующие таким принципам влияния сетевых социальных структур на знание, как “заражение”, “рекомбинация”, “предпочтительное присоединение” и “изоморфизм” (подробные описания паттернов и их примеры содержатся в Таблице 3 в файле дополнительных материалов к отчету (п. 1.6)). Кроме того, было проанализировано влияние индивидуальных характеристик, а также силы и типа социальной связи на воспроизводство и создание знания в локальном контексте. Влияние индивидуальных характеристик, силы и типа социальной связи на действие выявленных в рамках проекта принципов создания знания описано в Таблице 4 в файле дополнительных материалов к отчету (п. 1.6)).3. Инструменты, техники и методики анализа взаимодействия структур экспертного и локального знания в контексте социальных структур3.1. Возможности и ограничения анализа паттернов взаимодействия экспертного и локального знания в контексте социальных отношенийНа основе анализа литературы по смешанному сетевому анализу, формальному сетевому анализу и статистическому сетевому моделированию, а также обзора соответствующего программного обеспечения определены возможности и ограничения анализа выделенных паттернов взаимодействия экспертного и локального знания в контексте социальных отношений. Прежде всего, в результате изучения литературы по сетевому анализу выявлено, что для анализа паттернов взаимодействия структур знания в контексте локальных социальных отношений может быть использована комбинация многоуровневого и множественного социо-семантического сетевого анализа (Basov 2019; Roth and Bourgine 2003). В частности, установлено, во-первых, что в рамках данного подхода картирование локальных и экспертных структур знания осуществляется путем выявления семантических связей между знаками (семантических сетей) с помощью техники коллокаций (Basov et al. 2019; Carley 1994; Diesner 2013). В рамках данной техники в качестве узла сети (знака) рассматривается основа слова или лемма — обобщенная единица лингвистического анализа, соответствующая нескольким словоформам одного базового слова. Сетевые связи при этом устанавливаются исходя из соседства словоформ основы или леммы в рамках определенного интервала в письменном тексте или в транскрипте устного текста: всего документа, абзаца, предложения или окна из нескольких слов. Считается, что такая техника позволяет выявлять имплицитные ассоциативные связи между соответствующими основами или леммами, когда производится агрегирование выявленных ассоциаций при объединении разных словоформ одной основы или леммы в рамках формирования сети и отфильтровываются только ассоциации, устойчиво присутствующие в текстовом корпусе. Причем таким способом фиксируются не грамматические связи, а ассоциации, соответствующие социальному контексту (ситуации, фрейму, практике) (Sinclair 1991), в котором автор осуществляет высказывание, что соответствует основным положениям социолингвистики и лингвистической философии (Labov 1972; Wittgenstein 1953). Наконец, картирование семантической сети текстов нескольких индивидов позволяет выявить ассоциации, соответствующие некоторой социальной группе. Таким образом, анализ коллокаций дает представление об используемых знаках и их контекстуальном социальном смысле. Вдобавок, сопоставление семантических сетей, построенных с помощью техники коллокаций, дает возможность анализировать сходства и различия социальных групп в знаках и смыслах, которые они коллективно используют для описания своих жизненных контекстов (объектов, действий, ситуаций) (Basov et al. 2019; Carley 1997). При этом использование множественного семантического анализа дает возможность сопоставления смыслов тех знаков, которые присутствуют в семантических сетях разных групп и представлены в выявленных коллективом проекта символических паттернах.Во-вторых, выявлено, что проследить влияние локальных социальных отношений на знание в рамках многоуровневого социо-семантического подхода возможно путем картирования структуры социальных отношений внутри локального сообщества как социальной сети и непосредственного соединения ее с семантической локальной сетью с помощью так называемого двухрежимного (two-mode) подхода и его двухуровневого обобщения (Basov, Lee, and Antoniuk 2017; Breiger 1974; Lee and Martin 2018) на основе информации об использовании индивидами в их высказываниях знаков(основ или лемм слов) и смысловых структур (коллокационных ассоциаций основ или лемм слов). Это соответствует идее о создании смысловых систем в межличностной интеракции (Berger and Luckmann 1966; Mead 1934), а также идее дуальности сетевой социальной структуры и культуры (Breiger 2010; Godart and White 2010; Mohr and Duquenne 1997). Таким образом, чтобы проследить влияние социальной структуры на создание локального знания и локальное воспроизводство экспертного знания в выявленных коллективом проекта социо-символических паттернах наличие или отсутствие социальной связи между представителями локального сообщества может сопоставляться с использованием ими различных или сходных знаков и смысловых структур.В рамках поиска возможностей применения описанного подхода, в связи с необходимостью дополнения количественного анализа семантических и социальных сетей качественным анализом текстовых и этнографических данных (См. Basov 2019; Basov et al. 2019; Breiger, Wagner-Pacifici, and Mohr 2018; Fuhse and Mützel 2011), прежде всего, проанализирована литература по методам социо-семантического анализа паттернов взаимодействия локального и экспертного знания в контексте социальных отношений на основе этнографических и сетевых данных (Basov 2019; Basov et al. 2019). Была выбрана компьютационно-герменевтическая (Mohr, Wagner-Pacifici, and Breiger 2015) техника анализа смысловых структур, заключающаяся в интерпретативном анализе текстовых и этнографических контекстов каждого элемента семантических сетей, выделенных с помощью компьютационных процедур (Basov 2019; Basov et al. 2019; Breiger et al. 2018). Затем, на основе анализа литературы по коллокационому семантическому анализу, анализу синтаксических отношений между словами в текстах, тематическому моделированию, а также семантическим гиперграфам определены возможности картирования и сопоставления структур семантических сетей. В частности, анализ литературы по техникам коллокационного анализа текстов выявил возможности использования трех типов коллокаций (Evert 2007) — поверхностной (в окружении нескольких слов), текстовой (в рамках одной единицы текста, например, предложения, параграфа, документа) и синтаксической (в одной синтаксической структуре, например, субъект-предикат). Показано, что поверхностная коллокация дает наиболее сбалансированное представление об ассоциативных отношениях соотнесенности между словами (там же), поэтому для коллокационного картирования семантических сетей в данном проекте принято решение использовать этот тип коллокации. Кроме того, исследованы техники грамматического анализа отношений между словами в текстах, том числе, техники выявления синтаксических отношений в текстах для дополнения соответствующей информацией семантических сетей, построенных на основе коллокаций. Техника выявления грамматических зависимостей (Nivre et al. 2016), определяющая отношения между словами в предложении является наиболее гибкой и точной из рассмотренных, поэтому в рамках текущего проекта именно она будет использоваться для выявления синтаксических отношений в текстах. Кроме того, исследованы возможности использования тематического моделирования в качестве альтернативной техники картирования семантических сетей. Выявлено, что тематическое моделирование может использоваться в качестве техники картирования сетей семантического подобия между основами или леммами слов, альтернативной технике коллокаций. Одна из техник тематического моделирования — корреляционное тематическое моделирование (Blei and Lafferty 2006) — была выбрана в качестве основной для реализации данного способа картирования семантических связей между словами в текущем проекте. Кроме того, для расширения возможностей анализа построенные на основе коллокационных техник сети могут быть дополнены полученной в результате тематического моделирования информацией о вхождении слов в темы, что позволит учесть возможное влияние тематической близости слов на их совместное употребление. Проанализирована техника создания семантических гиперграфов (Menezes and Roth 2019).Данная техника открывает возможности проведения более нюансированного семантического анализа, поскольку она позволяет учитывать рекурсивность языка (например, понятия, состоящие из понятий, высказывания о высказываниях и др.) и множественность отношений между словами. Наконец, на основе анализа литературы по сетевому статистическому моделированию определены возможности совместного статистического анализа мультиплексных символических и многоуровневых социо-символических паттернов взаимодействия экспертного и локального знания в контексте социальных отношений. Установлено, что применение стохастических актор-ориентированных моделей (SAOM) (Snijders, van de Bunt, and Steglich 2010) позволит моделировать мультиплексные и многоуровневые сети совместно. Ограничением данного подхода является невозможность моделирования воздействия экспертного знания на индивидуальное знание отдельных представителей локального сообщества, что не принципиально для достижения целей проекта. В то же время не все из выявленных паттернов взаимодействия локального и экспертного знания в контексте сетевых социальных отношений могут быть учтены при моделировании с использованием данной техники даже после специальной доработки программного обеспечения. Это обусловило необходимость выработки дополнительных техник моделирования, описанных в п. 3.2.3.2. Техники и программные средства сетевого анализа взаимодействия экспертного и локального знания в контексте социальных отношений.Разработаны техники и программные средства социо-семантического сетевого анализа паттернов взаимодействия экспертного знания, локального знания и локальных социальных отношений. Во-первых, предложена четырехэтапная техника картирования семантических сетей из текстов локального сообщества и экспертов, с использованием техники, основанной на коллокации слов и реализованной в программной среде R (технический алгоритм картирования приведен в Алгоритме 1 в дополнительных материалах к отчету, п. 1.6).Во-вторых, разработаны техники смешанного сетевого анализа социо-символических паттернов взаимодействия экспертного и локального знания в контексте локальных социальных отношений с целью выявления контекстуального смысла наблюдаемых паттернов, формирования корректных схем их интерпретации, а также эмпирической проверки соответствия концептуального обоснования принципа, стоящего за данным паттерном.В-третьих, разработана техника автоматизированного выделения и создания визуализаций паттернов обоих типов с использованием специализированного программного обеспечения для сетевого анализа ORA (Carley et al. 2013) и пакетов для сетевого анализа и корпусной лингвистики в программной среде R (R Core Team 2013). В-четвертых, предложены техники выявления различий между семантическими сетями локального и экспертного знания на мезоуровне путем анализа семантических окружений слов, используемых экспертами и локальным сообществом, и на макроуровне путем сравнения гиперграфов (Menezes and Roth 2019).В-пятых, разработаны инновационные техники совместного статистического анализа мультиплексных символических и многоуровневых социо-символических паттернов взаимодействия экспертного и локального знания в контексте социальных отношений. В частности, выработан альтернативный подход к репрезентации сетей, так называемая сеть сетей, в рамках которого смысловая структура (ассоциация между леммами) репрезентируется не как связь между узлами, а как единый узел, именуемый соответствующими двумя леммами. Для статистического моделирования данных в рамках подхода “сеть сетей” предложена многомерная автологистическая модель атрибутов акторов (MALAAM) на основе специализированного программного обеспечения MPNet (Wang et al. 2014). Наконец, для анализа взаимодействия локального и экспертного знания в качестве дополнения к техникам сетевого статистического моделирования предложен лонгитюдный семантический анализ с помощью гиперграфов.3.3. Методический комплекс, инструменты и техники картирования структур знания и структур социальных отношенийНа основе анализа литературы и сообразно выделенным принципам и паттернам взаимодействия локального и экспертного знания в контексте структур локальных социальных отношений разработан методический комплекс эмпирического картирования этих структур, комбинирующий этнографические, текстовые и сетевые техники сбора социологических данных. Во-первых, определены пять основных переменных эмпирического анализа: экспертное знание и структура локальных социальных отношений рассматриваются как две независимых переменных, локальное знание выступает в качестве зависимой переменной, характеристики представителей локального сообщества и наличие социальных связей между представителями локального сообщества и экспертами рассматриваются как две контрольные переменные. Взаимодействие переменных отражено на Схеме 1 в файле дополнительных материалов к отчету (п. 1.6).Во-вторых, в качестве исследовательского кейса, репрезентирующего локальное сообщество, предложено рассматривать локальные инициативные группы, вовлеченные в борьбу с наводнениями, как носители локального знания. Официальные организации, осуществляющие управление рисками наводнений, предложено рассматривать как носителей экспертного знания. Разработана стратегия поиска исследовательских кейсов. Определены обязательные и дополнительные требования к исследовательским кейсам. На основе разработанных критериев составлен предварительный список исследовательских кейсов в пяти странах: России, Германии, Великобритании, Италии и Нидерландах.В-третьих, разработана стратегия сбора данных. Сбор данных по каждому кейсу будет осуществляться в две волны, продолжительностью три месяца каждая, с января по конец марта и с сентября по конец ноября 2020 года, с перерывом в пять месяцев. Каждой волне предшествует предварительная работа — кабинетное исследование локальных инициативных групп, производимых ими текстов, ключевых экспертных акторов, ответственных за управление рисками наводнений, производимых ими официальных документов и социально-экологического профиля территории, на которой проводится исследование.В-четвертых, определены техники сбора полевых данных. Для сбора данных о локальном знании будут использоваться интервью с участниками локальных инициативных групп и анализ текстов, произведенных группами. С каждым участником локальной инициативной группы будет проведено два тематически различных интервью: интервью о регулировании рисков наводнений и интервью о социальных отношениях внутри локальной инициативной группы. В качестве основной техники сбора данных об экспертном знании будет использоваться анализ текстов. Для сбора данных об экспертном знании также будет использоваться техника экспертного интервью. Для сбора данных о структуре локальных социальных отношений предложено использовать социометрический опрос членов локальных инициативных групп и включенное наблюдение. Сбор данных о характеристиках членов локальных инициативных групп будет осуществляться с помощью интервью с членами локальных инициативных групп. Сбор данных о социальных связях между членами локальной инициативной группы и экспертами предполагается осуществлять с помощью интервью с членами локальных инициативных групп и экспертами. Соответствие техник сбора эмпирических данных аналитическим переменным отражено в Таблице 5 в файле дополнительных материалов к отчету (п. 1.6).В-пятых, определены критерии выборки информантов для проведения интервью и критерии отбора текстов и документов для последующего анализа.В-шестых, для применения обозначенных техник разработаны такие инструменты сбора данных, как: гайды интервью, социометрические опросники, шкалы, социограммы-мишени, шаблоны протоколов наблюдений.В-седьмых, сформирован список конкретных материалов, получаемых по завершении сбора эмпирических данных по каждому исследовательскому кейсу в каждой из волн исследования.В-восьмых, определены техники обработки данных. Аудиофайлы интервью подлежат транскрибированию для перевода в текстовый формат. Результаты социометрического опроса будут конвертироваться в индивидуальные и групповые бинарные матрицы. Результаты наблюдения будут преобразовываться в протоколы сообразно разработанным шаблонам.Литература1. Ayyub, Bilal M. 2001. Elicitation of Expert Opinions for Uncertainty and Risks. CRC Press.2. Basov, Nikita. 2019. ‘The Ambivalence of Cultural Homophily: Field Positions, Semantic Similarities, and Social Network Ties in Creative Collectives’. Poetics.3. Basov, Nikita, Ju-Sung Lee, and Artem Antoniuk. 2017. ‘Social Networks and Construction of Culture: A Socio-Semantic Analysis of Art Groups’. Pp. 785–96 in Complex Networks & Their Applications V, Studies in Computational Intelligence, edited by H. Cherifi, S. Gaito, W. Quattrociocchi, and A. Sala. Cham: Springer International Publishing.4. Basov, Nikita, Wouter de Nooy, and Aleksandra Nenko. 2019. ‘Local Meaning Structures: Mixed-Method Sociosemantic Network Analysis’. American Journal of Cultural Sociology.5. Berger, Peter L. and Thomas Luckmann. 1966. The Social Construction of Reality: A Treatise in the Sociology of Knowledge. Penguin.6. Binder, Amy. 2007. ‘For Love and Money: Organizations’ Creative Responses to Multiple Environmental Logics’. Theory and Society 36(6):547–71.7. Blei, David M. and John D. Lafferty. 2006. ‘Dynamic Topic Models’. Pp. 113–120 in Proceedings of the 23rd International Conference on Machine Learning, ICML ’06. New York, NY, USA: ACM.8. Bloor, David. 1976. Knowledge and Social Imagery. University of Chicago Press.9. Blumer, H. 1986. Symbolic Interactionism: Perspective and Method. University of California Press.10. Bolton, Charles D. 1981. ‘Some Consequences of the Meadian Self’. Symbolic Interaction 4(2):245–59.11. Breiger, Ronald L. 1974. ‘The Duality of Persons and Groups’. Social Forces 53(2):181–90.12. Breiger, Ronald L. 2010. ‘Dualities of Culture and Structure: Seeing Through Cultural Holes’. Pp. 37–47 in Relationale Soziologie: Zur kulturellen Wende der Netzwerkforschung, edited by J. Fuhse and S. Mützel. Wiesbaden: VS Verlag für Sozialwissenschaften.13. Breiger, Ronald L., Robin Wagner-Pacifici, and John W. Mohr. 2018. ‘Capturing Distinctions While Mining Text Data: Toward Low-Tech Formalization for Text Analysis’. Poetics 68:104–19.14. Carley, Kathleen. 1994. ‘Extracting Culture through Textual Analysis’. Poetics 22(4):291–312.15. Carley, Kathleen M. 1997. ‘Extracting Team Mental Models through Textual Analysis’. Journal of Organizational Behavior 18(S1):533–58.16. Carley, Kathleen M., Jürgen Pfeffer, Jeff Reminga, Jon Storrick, and Dave Columbus. 2013. ORA User’s Guide 2013. CARNEGIE-MELLON UNIV PITTSBURGH PA INST OF SOFTWARE RESEARCH INTERNAT.17. Czarniawska, Barbara and Bernward Joerges. 2011. ‘Travels of Ideas’. in Translating Organizational Change, de Gruyter Studies in Organization, edited by B. Czarniawska and G. Sevón. Berlin, Boston: De Gruyter.18. Daanen, Paul and Gordon Sammut. 2012. ‘G.H. Mead and Knowing How to Act: Practical Meaning, Routine Interaction, and the Theory of Interobjectivity’. Theory & Psychology 22(5):556–71.19. Diesner, Jana. 2013. ‘From Texts to Networks: Detecting and Managing the Impact of Methodological Choices for Extracting Network Data from Text Data’. KI - Künstliche Intelligenz 27(1):75–78.20. DiMaggio, Paul J. and Walter W. Powell. 1983. ‘The Iron Cage Revisited: Institutional Isomorphism and Collective Rationality in Organizational Fields’. American Sociological Review 48(2):147–60.21. Etzrodt, Christian. 2008. ‘The Foundation of an Interpretative Sociology: A Critical Review of the Attempts of George H. Mead and Alfred Schutz’. Human Studies 31(2):157–77.22. Evert, Stefan. 2007. ‘Corpora and Collocations (Extended Manuscript)’.23. Fiol, C. Marlene and Edward J. O’Connor. 2003. ‘Waking Up! Mindfulness in the Face of Bandwagons’. Academy of Management Review 28(1):54–70.24. Fischer, Frank. 2000. Citizens, Experts, and the Environment: The Politics of Local Knowledge. Duke University Press.25. Fligstein, Neil. 2001. ‘Social Skill and the Theory of Fields’. Sociological Theory 19(2):105–25.26. Fligstein, Neil and Doug McAdam. 2012. A Theory of Fields. Oxford University Press.27. Fuhse, Jan and Sophie Mützel. 2011. ‘Tackling Connections, Structure, and Meaning in Networks: Quantitative and Qualitative Methods in Sociological Network Research’. Quality & Quantity 45(5):1067–89.28. Godart, Frédéric C. and Harrison C. White. 2010. ‘Switchings under Uncertainty: The Coming and Becoming of Meanings’. Poetics 38(6):567–86.29. Granovetter, Mark. 1983. ‘The Strength of Weak Ties: A Network Theory Revisited’. Sociological Theory 1:201–233.30. Hallett, Tim. 2010. ‘The Myth Incarnate: Recoupling Processes, Turmoil, and Inhabited Institutions in an Urban Elementary School’. American Sociological Review 75(1):52–74.31. Hansen, Morten T. 1999. ‘The Search-Transfer Problem: The Role of Weak Ties in Sharing Knowledge across Organization Subunits’. Administrative Science Quarterly 44(1):82–111.32. Joseph, John, William Ocasio, and Mary-Hunter McDonnell. 2014. ‘The Structural Elaboration of Board Independence: Executive Power, Institutional Logics, and the Adoption of CEO-Only Board Structures in U.S. Corporate Governance’. Academy of Management Journal 57(6):1834–58.33. Krackhardt, David and Martin Kilduff. 1990. ‘Friendship Patterns and Culture: The Control of Organizational Diversity’. American Anthropologist 92(1):142–54.34. Kronberger, Nicole, Peter Holtz, and Wolfgang Wagner. 2012. ‘Consequences of Media Information Uptake and Deliberation: Focus Groups’ Symbolic Coping with Synthetic Biology’. Public Understanding of Science 21(2):174–87.35. Labov, William. 1972. Sociolinguistic Patterns. University of Pennsylvania Press.36. Lee, Monica and John Levi Martin. 2018. ‘Doorway to the Dharma of Duality’. Poetics 68:18–30.37. Mead, George H. 1934. Mind, Self and Society from the Standpoint of a Social Behaviorist. Chicago University Press.38. Menezes, Telmo and Camille Roth. 2019. ‘Semantic Hypergraphs’. ArXiv:1908.10784 [Cs].39. Meyer, Renate E. 2008. ‘New Sociology of Knowledge: Historical Legacy and Contributions to Current Debates in Institutional Research’. Pp. 519–38 in The SAGE Handbook of Organizational Institutionalism. 1 Oliver’s Yard, 55 City Road, London EC1Y 1SP United Kingdom: SAGE Publications Ltd.40. Mohr, John W. and Vincent Duquenne. 1997. ‘The Duality of Culture and Practice: Poverty Relief in New York City, 1888-1917’. Theory and Society 26(2/3):305–356.41. Mohr, John W., Robin Wagner-Pacifici, and Ronald L. Breiger. 2015. ‘Toward a Computational Hermeneutics’. Big Data & Society 2(2):2053951715613809.42. Nenko, Aleksandra, Anisya Khokhlova, and Nikita Basov. 2017. ‘Communication and Knowledge Creation in Urban Spaces: The Tactics of Artistic Collectives in Barcelona, Berlin and St. Petersburg.’ in Communicating the City, Urban Communication, edited by G. Aiello, M. Tarantino, and K. Oakley. Austria: Peter Lang.43. Nivre, Joakim, Marie-Catherine de Marneffe, Filip Ginter, Yoav Goldberg, Jan Hajič, Christopher D. Manning, Ryan McDonald, Slav Petrov, Sampo Pyysalo, Natalia Silveira, Reut Tsarfaty, and Daniel Zeman. 2016. ‘Universal Dependencies v1: A Multilingual Treebank Collection’. in Proceedings of the Tenth International Conference on Language Resources and Evaluation (LREC 2016): Uppsala University, Department of Linguistics and Philology.44. Nowotny, Helga. 2003. ‘Democratising Expertise and Socially Robust Knowledge’. Science and Public Policy 30(3):151–56.45. Nygren, Anja. 1999. ‘Local Knowledge in the Environment–Development Discourse: From Dichotomies to Situated Knowledges’. Critique of Anthropology 19(3):267–88.46. Oberg, Achim, Valeska P. Korff, and Walter W. Powell. 2017. ‘Culture and Connectivity Intertwined: Visualizing Organizational Fields as Relational Structures and Meaning Systems’. Pp. 17–47 in Structure, Content and Meaning of Organizational Networks: Extending Network Thinking. Vol. 53, Research in the Sociology of Organizations, edited by P. Groenewegen, J. E. Ferguson, C. Moser, J. W. Mohr, and S. P. Borgatti. Emerald Publishing Limited.47. Olsson, Per and Carl Folke. 2001. ‘Local Ecological Knowledge and Institutional Dynamics for Ecosystem Management: A Study of Lake Racken Watershed, Sweden’. Ecosystems 4(2):85–104.48. R Core Team. 2013. ‘R: A Language and Environment for Statistical Computing’.49. Reagans, Ray and Bill McEvily. 2003. ‘Network Structure and Knowledge Transfer: The Effects of Cohesion and Range’. Administrative Science Quarterly 48(2):240.50. Roth, Camille and Paul Bourgine. 2003. ‘Binding Social and Cultural Networks: A Model’. ArXiv:Nlin/0309035.51. Schilke, Oliver. 2018. ‘A Micro-Institutional Inquiry into Resistance to Environmental Pressures’. Academy of Management Journal 61(4):1431–66.52. Schutz, Alfred. 1962. ‘Common-Sense and Scientific Interpretation of Human Action’. Pp. 3–47 in Collected Papers I: The Problem of Social Reality, Phaenomenologica, edited by A. Schutz and M. Natanson. Dordrecht: Springer Netherlands.53. Sinclair, John. 1991. Corpus, Concordance, Collocation. Oxford University Press.54. Snijders, Tom A. B., Gerhard G. van de Bunt, and Christian E. G. Steglich. 2010. ‘Introduction to Stochastic Actor-Based Models for Network Dynamics’. Social Networks 32(1):44–60.55. Uzzi, Brian and Ryon Lancaster. 2003. ‘Relational Embeddedness and Learning: The Case of Bank Loan Managers and Their Clients’. Management Science 49(4):383–99.56. Wang, Peng, Garry Robins, Philippa E. Pattison, and Johan H. Koskinen. 2014. ‘MPNet: Program for the Simulation and Estimation of (P*) Exponential Random Graph Models for Multilevel Networks’. Melbourne: Melbourne School of Psychological Sciences, The University of Melbourne.57. Wittgenstein, Ludwig. 1953. Philosophical Investigations. John Wiley & Sons.