TY - JOUR

T1 - Социальные сети как новая среда для междисциплинарных исследований поведения человека

AU - Ледовая, Янина Александровна

AU - Тихонов, Роман Вадимович

AU - Боголюбова, Ольга Николаевна

PY - 2017/9/30

Y1 - 2017/9/30

N2 - Статья содержит описание нового междисциплинарного подхода к сбору индивидуальных психологических, поведенческих и языковых данных в социальных сетях. В описываемой методологии личные данные пользователей социальных сетей (так называемые «цифровые следы», “digital footprints”) собираются с помощью специальных программ и онлайн-приложений. Как правило, участники также заполняют психологические опросники, встроенные в такие приложения. Психологические переменные могут сопоставляться с указанной доступной информацией о поведении пользователей в социальной сети. Все эти данные, получаемые на многотысячных выборках, могут не только анализироваться с помощью классических статистических методов, но и использоваться для построения предсказательных моделей с помощью алгоритмов машинного обучения. Таким образом, психологические переменные (например, личностные особенности, уровень субъективного благополучия и др.) и социально-демографические характеристики могут предсказываться только на основе открытых данных пользователей социальных сетей - текстов, подписок на сообщества и т.п., что является совершенно новым способом получения информации о респондентах. В таких исследованиях, как правило, участвуют психологи, веб-программисты, а также специалисты по компьютерной лингвистике, анализу данных и машинному обучению. Обсуждаются преимущества и ограничения этой методологии, описаны конкретные подходы к сбору и обработке данных. Представлены некоторые результаты работы пионеров этого направления исследований - участников британского (“Mypersonality.org”) и американского (“World Well-Being Project”) проектов, наиболее масштабно использующих рассматриваемый подход. Библиогр. 47 назв. Табл. 2.

AB - Статья содержит описание нового междисциплинарного подхода к сбору индивидуальных психологических, поведенческих и языковых данных в социальных сетях. В описываемой методологии личные данные пользователей социальных сетей (так называемые «цифровые следы», “digital footprints”) собираются с помощью специальных программ и онлайн-приложений. Как правило, участники также заполняют психологические опросники, встроенные в такие приложения. Психологические переменные могут сопоставляться с указанной доступной информацией о поведении пользователей в социальной сети. Все эти данные, получаемые на многотысячных выборках, могут не только анализироваться с помощью классических статистических методов, но и использоваться для построения предсказательных моделей с помощью алгоритмов машинного обучения. Таким образом, психологические переменные (например, личностные особенности, уровень субъективного благополучия и др.) и социально-демографические характеристики могут предсказываться только на основе открытых данных пользователей социальных сетей - текстов, подписок на сообщества и т.п., что является совершенно новым способом получения информации о респондентах. В таких исследованиях, как правило, участвуют психологи, веб-программисты, а также специалисты по компьютерной лингвистике, анализу данных и машинному обучению. Обсуждаются преимущества и ограничения этой методологии, описаны конкретные подходы к сбору и обработке данных. Представлены некоторые результаты работы пионеров этого направления исследований - участников британского (“Mypersonality.org”) и американского (“World Well-Being Project”) проектов, наиболее масштабно использующих рассматриваемый подход. Библиогр. 47 назв. Табл. 2.

KW - социальные сети

KW - ФЕЙСБУК

KW - ИНТЕРНЕТ-ИССЛЕДОВАНИЯ

KW - СБОР ДАННЫХ

KW - ЦИФРОВЫЕ СЛЕДЫ

KW - личностные особенности

KW - ПРЕДСКАЗАТЕЛЬНЫЕ МОДЕЛИ

KW - КОМПЬЮТЕРНАЯ ЛИНГВИСТИКА

KW - междисциплинарный подход

UR - https://www.elibrary.ru/item.asp?id=30592286

M3 - статья

VL - 7

SP - 193

EP - 210

JO - Вестник Санкт-Петербургского университета. Психология

JF - Вестник Санкт-Петербургского университета. Психология

SN - 2658-3607

IS - 3

ER -