ВИЗУАЛИЗАЦИЯ И КОНЦЕПТУАЛИЗАЦИЯ ДАННЫХ АКАДЕМИЧЕСКИХ ЦИФРОВЫХ ПЛАТФОРМ: ПРЕЕМСТВЕННОСТЬ ПРОБЛЕМ ОРГАНИЗАЦИИ ЗНАНИЯ И НОВЫЕ ВЫЗОВЫ
DOI: 10.23951/2312-7899-2022-2-30-45
Цифровые платформы представляют собой феномен, принципиально меняющий способ хранения и упорядочивания информации – как содержания самих научных исследований, так и их метаданных. Платформы находятся в преемственных отношениях с классическими библиотеками, одновременно являясь революционными площадками использования алгоритмов и интерактивных методов визуализации и систематизации данных. Результатом качественной организации хранилища должен стать доступ к данным исследований и их метаданным, что, в свою очередь, должно обеспечивать адекватную картину состояния исследовательских областей и возможную прогностику их развития. Если данные касаются содержания самих исследований, то метаданные – того, кто, в рамках каких институций и исследовательских проектов их проводил. Отсутствие универсального порядка процедур по внесению данных в систему искажает картину как научной, так и «социальной жизни» исследований. Представления о платформах как автономных структурах, «черных ящиках», использующих столь же таинственные алгоритмы, серьезно ограничивают понимание проблем их внутреннего устройства и того, как это влияет на современную организацию научного знания. Порядок работы в рамках платформы напрямую зависит от участников научного процесса, которыми являются авторы исследовательских работ, научные институции, специалисты по работе с данными. Поднимается вопрос о специфике компетенций всех, участвующих в процессе: насколько исследователи должны быть технически подкованы в работе с платформами, а также насколько оправдано представление о специалистах по данным как об «универсальных» профессионалах, преемственных по отношению к индексаторам. Особое внимание в статье уделяется индексированию, которое анализируется в двух аспектах, отраженных в работе академических платформ: как инструмент оптимизации поиска по самому тексту (на примере отсылки к индексированию в Средневековье) и как инструмент навигации в исследовательских полях. При этом индекс рассматривается, с одной стороны, в соответствии со своей изначальной функцией указания на определенное место в тексте. С другой стороны, он связан со способом пространственной текстуальной навигации, формирующей картины исследовательских областей фиксацией дисциплинарных и междисциплинарных связей в динамике их развития. Это, в свою очередь, приводит к необходимости обозначения проблем, связанных с методами реструктурирования и визуализации информации в рамках цифрового хранилища. Индексирование, картографирование и использование сложных систем не могут получить однозначной оценки, являясь способами как оптимизации подачи информации, так и ее политизации (как показано в «политике списка»). На основании ряда проанализированных проблем обозначены выводы о необходимости постоянной работы над соответствием всех уровней организации академических платформ: технические вопросы не могут рассматриваться узко, в отрыве от концептуальных проблем организации как данных исследований, так и их метаданных. Прогресс науки и коммуникация научных сообществ не в последнюю очередь зависят от стратегий использования методологического аппарата, определяющего качество репрезентации данных и метаданных исследований в рамках их хранилищ.
Ключевые слова: академические платформы, цифровые платформы, данные, метаданные, индексирование, картографирование науки, сетевая наука
Библиография:
Ames 2018 – Ames M. G. Deconstructing the Algorithmic Sublime // Big Data & Society. 2018. URL: https://doi.org/10.1177/2053951718779194 (accessed: 12.02.2021).
Avnoon 2021 – Avnoon N. Data Scientists’ Identity Work: Omnivorous Symbolic Boundaries in Skills Acquisition // Work, Employment and Society. 2021. URL: https://doi.org/10.1177/0950017020977306 (accessed: 12.02.2021).
Birnholtz et al. 2012 – Birnholtz J., Guha S., Yuan Y. C., Gay G., Heller C. Cross-campus collaboration: a scientometric and network case study of publication activity across two campuses of a single institution // ASIS & T. 2021. URL: https://doi.org/10.1002/asi.22807 (accessed: 12.02.2021).
Bratt et al. 2017 – Bratt S., Hemsley J., Qin J., Costa M. Big Data, Big Matadata and Quantitative Study of Science: a workflow model for big scietomentrics // Proceedings of the association for information science and technology. 2017. Vol. 54, is. 1. P. 36–45.
Brevini, Pasquale 2020 – Brevini B., Pasquale F. Revisiting the Black Box Society by rethinking the political economy of big data // Big Data & Society. 2020. URL: https://doi.org/10.1177/2053951720935146 (accessed: 12.02.2021).
Bucher 2016 – Bucher T. Neither black nor box: ways of knowing algorithms // Innovative Methods in Media and Communication Research / S. Kubitschko, A. Kaun (eds). Cham : Palgrave Macmillan, 2016. P. 81–98.
Carusi 2006 – Carusi A. Textual Practitioners: a comparison of hypertext theory and phenomenology of reading // Arts & Humanities in Higher Education. 2006. Vol. 5 (2). P. 163–180.
Calise, Lowi 2000 – Calise M., Lowi T. J. Hyperpolitics: Hypertext, Concepts and Theory-Making // International Political Science Review. 2000. Vol. 21 (3). P. 283–310.
Culler 2010 – Culler J. The closeness of close reading // ADE Bulletin. 2010. Vol. 149. P. 20–25.
Dewandre 2020 – Dewandre N. Big Data: From modern fears to enlightened and vigilant embrace of new beginnings // Big Data & Society. 2020. URL: https://doi.org/10.1177/2053951720936708 (accessed: 12.02.2021).
Fields et al. 2020 – Fields D., Bissell D., Macrorie R. Platform methods: studying platform urbanism outside the black box // Urban Geography. 2020. URL: https://doi.org/10.1080/02723638.2020.1730642 (accessed: 12.02.2021).
Gehl 2015 – Gehl R.W. Sharing, knowledge management and big data: a partial genealogy of the data scientist // European Journal of Cultural Studies. 2015.Vol. 18 (4-5). P. 413–428.
Goede et al. 2016 – Goede De M., Leander A., Sullivan G. Introduction: the politics of the list // Environment and Planning D: Society and Space. 2016. Vol. 34 (1). P. 3–13.
Hu 2020 – Hu M. Cambridge Analytica’s black box // Big Data & Society. 2020. URL: https://doi.org/10.1177/2053951720938091 (accessed: 12.02.2021).
Jacomy 2020 – Jacomy M. Epistemic clashes in network science: Mapping the tensions between idiographic and nomothetic subcultures // Big Data & Society. 2020. URL: https://doi.org/10.1177/2053951720949577 (accessed: 12.02.2021).
Kitchin 2014 – Kitchin R. Big Data, new epistemologies and paradigm shifts // Big Data & Society. 2014. URL: https://doi.org/10.1177/2053951714528481 (accessed: 12.02.2021).
Le Deuff 2018 – Le Deuff O. Digital humanities: history and development. London : Iste and Wiley, 2018. 149 p.
Micheli et al. 2020 – Micheli M., Ponti M., Craglia M., Suman A. B. Emerging models of data governance in the age of datafication // Big Data & Society. 2020. URL: https://doi.org/10.1177/2053951720948087 (accessed: 12.02.2021).
Moats, Seaver 2019 – Moats D., Seaver N. “You Social Scientists Love Mind Games’’: Experimenting in the ‘‘divide’’ between data science and critical algorithm studies // Big Data & Society. 2019. URL: https://doi.org/10.1177/2053951719833404 (accessed: 12.02.2021).
Modir et al. 2014 – Modir L., Guan L. C., Aziz S. B. S. Text, Hypertext, and Hyperfiction: a Convergence Between Poststructuralism and Narrative Theories // SAGE Open. 2014. URL: https://doi.org/10.1177/2158244014528915 (accessed: 12.02.2021).
Passi, Sengers 2020 – Passi S., Sengers P. Making data science systems work // Big Data & Society. URL: https://doi.org/10.1177/2053951720939605 (accessed: 12.02.2021).
Revill 2020 – Revill G. Voicing the environment: Latour, Peirce and an expanded politics // EPD: Society and Space. 2020. URL: https://doi.org/10.1177/0263775820944521 (accessed: 12.02.2021).
Ribes 2018 – Ribes D. STS, Meet Data Science, Once Again // Science, Technology, & Human Values. 2018. URL: https://doi.org/10.1177/0162243918798899 (accessed: 12.02.2021).
Smith 2020 – Smith G. The politics of algorithmic governance in the black box city // Big Data & Society. 2020. URL: https://doi.org/10.1177/2053951720933989 (accessed: 12.02.2021).
Staheli 2016 – Staheli U. Indexing – The politics of invisibility // Environment and Planning D: Society and Space. 2016. Vol. 34 (1). P. 14–29.
Sullivan 2020 – Sullivan G. The law of the list. Cambridge : Cambridge University Press, 2020. 399 p.
( 305.12 kB ) 
( 298.49 kB )
Выпуск: 2, 2022
Серия выпуска: Выпуск №2
Рубрика: СТАТЬИ
Страницы: 30 — 45
Скачиваний: 686
Дополнительная информация: При поддержке Министерства науки и высшего образования РФ (проект «Новейшие тенденции развития наук о человеке и обществе в контексте процесса цифровизации и новых социальных проблем и угроз: междисциплинарный подход», соглашение № 075-15-2020-798)