От дефицита данных к их избытку: большие данные, искусственный интеллект и трансформация производства знания в социальных науках
DOI:
https://doi.org/10.26577/JPsS20994926Аннотация
В статье рассматривается развитие исследований, основанных на данных (data-driven research), в современных социальных науках в условиях распространения больших данных, машинного обучения и искусственного интеллекта. Цель исследования - проанализировать динамику публикационной активности, тематическую структуру данного направления и распространённость критического дискурса, посвящённого методологическим и эпистемологическим ограничениям цифровых технологий. Эмпирическую основу составили 3779 англоязычных научных статей, опубликованных в 1995–2025 годах и индексируемых в базе данных Scopus. Использованы библиометрический анализ, методы обработки естественного языка (NLP), тематическое моделирование на основе латентного размещения Дирихле (LDA), анализ биграмм и выявление критической проблематики по специально составленному словарю. Рассматривались вопросы качества данных, валидности измерений, алгоритмической предвзятости и рисков генеративного искусственного интеллекта. Результаты показали интенсивный рост публикационной активности начиная с 2010-х годов и изменение тематических акцентов: от больших данных к машинному обучению и искусственному интеллекту. Тематическое моделирование выявило неоднородность исследовательского поля, несмотря на использование сходных аналитических подходов. Признаки критического дискурса обнаружены в различных тематических направлениях, однако их распространённость остаётся ограниченной: в 2024 году соответствующие публикации составляли 9,2%, в 2025 году - 9,0% годового массива. Полученные результаты свидетельствуют о сочетании количественного расширения исследований с тематической фрагментацией и относительно небольшой долей публикаций, содержащих выявленные признаки критической рефлексии. Научная значимость работы заключается в систематизации динамики и тематической структуры исследований, основанных на данных, а практическая - в возможности использования результатов при совершенствовании методологии социальных исследований и преподавании методов анализа данных. Вместе с тем частотный анализ терминов не позволяет непосредственно оценить глубину критической рефлексии или степень теоретической интеграции социальных наук. Это обстоятельство необходимо учитывать при интерпретации полученных результатов и формулировании общих выводов исследования.
Ключевые слова: большие данные, искусственный интеллект, датафикация, машинное обучение, критическая рефлексия, цифровизация.









