Adattudomány a társadalomkutatásban

Az adatanalitika (vagy divatos de nem pontos és kissé túlhasznált nevén Big Data) szociológiai alkalmazásának egyik legfőbb kihívását az adja, hogy az a szociológián kívül intézményesült, míg a szociológia (korábbi) tudományos tekintélyét éppen saját kutatási módszertani paradigmája adta. A másik lényegi kihívás természetét tekintve episztemológiai, és az adatok érvényességi/megbízhatósági kérdéseihez, a szociológia számára fontos magyarázat/okság problémájához kötődik. Ezek a kihívások adják annak a feszültségnek a hátterét, ami a Big Data-alapú társadalmi megfigyelések és ezen megfigyeléseket övező, a Big Data szociológiai tudás-termelő potenciálját megkérdőjelező szociológiai szkepszis között húzódik.

Ezek a kihívások a szociológiai módszertan alapjainak újradefiniálásával, az adatanalitikai módszerek hagyományos eszközeink közé történő szerves beépítésével válaszolhatók meg. A megoldás a kvantitatív és kvalitatív gondolkodás együttes használatát, az adatvezérelt adatanalitikai módszerek tudásvezérelt megközelítésre váltását is szükségessé teszi.

Eddigi eredmények

E téren történő kutatásaink másik motivációja az adatanalitikát övező folyamatosan növekvő társadalomtudományi érdeklődés. Példaként tekintsük az automatizált szöveganalitika esetét: a Dimensions (https://dimensions.ai) adatai alapján e módszertan népszerűsége folyamatosan növekszik általában is és résztudományok szerint külön is. Minden trendvonal emelkedést mutat az adott tudomány össz-publikációszámával való normalizálás után is, sőt a téma szociológián belüli százalékos elterjedtsége még gyorsabban nő, mint általában, tehát egyre inkább elfogadott megközelítéssé válik.

 

Kapcsolódó eredmények

Németh Renáta, Katona Eszter, Kmetty Zoltán (2020): Az automatizált szövegelemzés perspektívája a társadalomtudományokban

2020.04.30. Publikáció

Cikkünkben a „Big Data” paradigma térnyerésével párhuzamosan rohamosan terjedő természetesnyelv-feldolgozási (NLP) módszereket tekintjük át. Bemutatjuk a társadalomkutatási szempontból leginkább perspektivikus eszközöket, a hozzájuk illeszthető társadalomkutatási kérdéseket és azokat a technikai-módszertani jellegzetességeket, amelyek a klasszikus kvantitatív kutatáshoz képest az NLP specifikumát jellemzik. Ezek a módszerek lényegesen túllépnek a szógyakoriság-elemzésen alapuló klasszikus [...]

Eredmény megtekintése Tovább

Németh, Renáta; Koltai, Júlia (2019): Szociológiai tudás felfedezése autamatizált szöveganalitika segítségével. In: Rudas, Tamás – Péli, Gábor (szerk.) Pathways Between Social Science and Computational Social Science – Therories, Methods and Interpretations. New York, NY, Springer. 

2019.12.01. Publikáció

Tanulmányunkban a Big Data szöveganalitika szociológiai alkalmazásának lehetőségeit és kihívásait tárgyaljuk. A lehetőségek közé azokat az információtechnológiai, adattudományi, mesterséges intelligencia-kutatási és természetes nyelvfeldolgozási (natural language processing, NLP) eredményeket soroljuk, melyek eredetileg üzleti és technológiai területeken jöttek létre, és amelyek közül több jól adaptálható a társadalomkutatásban. Segítségükkel közvetlenül megfigyelhető a társas [...]

Eredmény megtekintése Tovább

Kapcsolódó korábbi tudományszociológiai/episztemológiai publikációk

2019.06.26. Publikáció

Bárdits Anna, Németh Renáta (2017): A statisztikai szignifikanciateszt rítusa – kortárs kritikák; a rítus a szociológiában. Szociológiai Szemle, 27:(1) pp. 119-125. Bárdits Anna, Németh Renáta, Terplán Győző (2016): Egy régi probléma újra előtérben: a nullhipotézis szignifikancia-teszt téves gyakorlata. Statisztikai Szemle, 94:(1) pp. 52-75. Németh Renáta (2015): Oksági következtetés az empirikus [...]

Eredmény megtekintése Tovább

Németh, Renáta: Data science és statisztika (2018). Előadás és vitaindító a Klinikai Biostatisztikai Társaság ülésén 2018 október 19-én.

2018.10.19. Előadás

Az előadás a ”big data” módszertani paradigmájáról, ennek a klasszikus statisztikához való viszonyáról szólt. A beszélgetés a probléma biostatisztikai relevanciáját érintette.

Eredmény megtekintése Tovább