Новейшие тенденции: социология общественного мнения или BigData?

Социологию общественного мнения нередко считают самой объективной частью современной исследовательской традиции во многом благодаря тому, что в отличие от других дисциплин, изучающих общество, она пользуется достаточно развитым и широко применяемым математическим аппаратом. Кроме того, до последнего времени социология общественного мнения наиболее соответствовала критериям индуктивной эмпирической науки.

В XVI—XVII веках в Европе сформировалось специфическое видение эмпирической науки, своеобразным идеалом которого стал метод «элиминативной индукции», подробно описанный Ф. Бэконом в «Новом органоне». Квинтэссенция сбора, хранения и упорядочивания данных этого метода — «табличный метод». Его сущность состояла в том, что эмпирическая наука — это индуктивный путь познания, который возможен только в том случае, если у исследователя есть полное описание всех проявлений исследуемого свойства (явления).

Благодаря успешному опыту применения теории выборки и статистических форм анализа данных, социология общественного мнения всерьез претендовала на то, чтобы быть единственным максимально исчерпывающим способом описания массового поведения людей. Иначе говоря, теория выборки, широко примененная к изучению общества Дж. Гэллапом, предложила вариант, при котором для полного описания реальности (генеральной совокупности) можно обойтись неполной регистрацией случаев, проводя измерение только выборочной совокупности. В полной мере этот факт прослеживается в гэллаповской традиции массовых опросов.

Появление новых средств регистрации и хранения результатов наблюдений позволило не только собирать петабайты данных, но и анализировать их с помощью автоматизированных средств. Именно этот факт стал широко известен как BigData. Примененная к изучению общества, эта форма организации наблюдения и анализа обладает двумя преимуществами — оперированием популяциями, а не выборками и автоматизированной регистрацией поведения, а не опосредованного опросным инструментарием мнения. «С большим объемом потенциально доступных данных не придется жертвовать размером для лучшего качества набора данных и наоборот».

Таким образом, BigData стали одним из факторов, поколебавших легитимность опросных методик как доминирующих в изучении социальной реальности. Кроме того, если прежде, как подчеркивает С. Лионелли, исследователи и те, кто пользуются их результатами, больше внимания уделяли получаемому продукту, то теперь они вынуждены учитывать и процессы, посредством которых эти результаты были получены.

Сущностные характеристики BigData

Р. Китчин утверждает, что как феномен BigData появились в рамках 3D-моделирования, их основные характеристики (3V) были выделены Д. Лейни в 2001 г.:

— volume (размер): огромные по объему, состоят из терабайтов и петабайтов данных;

— velocity (скорость): высоко динамичные, создаются в реальном времени или близком к нему;

— variety (разнообразие): различающиеся по типам данных, структурированные и неструктурированные, часто связаны с временем и местом (объединены метаданными).

С более широким распространением BigData, в том числе в области генетики, здравоохранения и исследования общества, ученые стали добавлять новые сущностные характеристики BigData:

— достоверность и ценность;

— изменчивость, которая предполагает, что данные изменчивы и их интерпретация существенно зависит от контекста;

— исчерпывающая полнота;

— «высокое разрешение» и однозначная индексация идентификаторами, то есть все данные обладают уникальными идентификаторами, позволяющими приписать их конкретным объектам наблюдения (например, ID пользователей), что позволяет масштабировать и реляционно объединять данные;

— реляционность, то есть наличие у различных баз данных общих полей, которые позволяют их объединять в единые массивы;

— расширяемость и масштабируемость предполагают, что в зависимости от задач исследования массив данных можно расширять за счет присоединения новых массивов, с другой стороны, это дает возможность сузить фокус исследовательского внимания до малой социальной группы и индивида.

Отсутствие выборок и непосредственная работа с генеральными совокупностями или очень крупными их частями, масштабируемость данных, постоянный автоматизированный сбор данных в архивы и возможность их быстрой обработки приводят в конченом итоге к высокой достоверности и востребованности прогнозирования «в реальном времени» на основании BigData. Именно это, учитывая постоянную критику прогнозирования, базирующегося на массовых опросах, делает BigData все более привлекательными для исследования общества.

Позже исследователи стали выделять их негативные черты, в том числе с этической точки зрения. Так, И. Апричард указывает на бесполезность, вульгарность и «нарушающий» характер BigData. А Д. Лаптон добавляет такие характеристики, как порочность, провокативность, включенность в частную жизнь и т. д.

Тем не менее BigData стали позиционироваться как идеал получения, хранения и обработки информации об обществе, поставив перед опросами общественного мнения задачу соотнести себя с ними. Кроме того, их появление в социальных науках стало тем водоразделом, за которым все традиционные методики получения и обработки информации об общественном мнении стали именоваться не иначе как smalldata. Различия между smalldata и BigData на примере данных исследований, административной статистики и собственно «больших данных» проанализировали Р. Китчин и Г. МакАрдл.

В данный момент условно можно выделить четыре стратегии ответа социальных наук на появление BigData, которые могут быть использованы и социологией общественного мнения:

1. критика и поиск уязвимостей BigData;

2. сотрудничество с BigData;

3. изучение BigData как особой техники;

4. игнорирование BigData.