В обществознании характер это: «Обществознание. Характер – это совокупность устойчивых индивидуальных особенностей личности, складывающаяся и проявляющаяся в деятельности и общении.». Скачать бесплатно и без регистрации.

Содержание

Понятие и составляющие характера, его формирование

 

Характер – это совокупность индивидуальных устойчивых особенностей личности, которые складываются и проявляются в процессе общения и деятельности.

Понятие и составляющие характера

Одной из предпосылок формирования характера выступает темперамент человека, который влияет на структуру его психики. Характер и темперамент не меняются на протяжении всей жизни человека. В раннем возрасте, ребенок руководится преимущественно своим темпераментом, так как характер еще не сформирован.

Со становлением характера, некоторые особенности темперамента могут подсознательно скрываться либо контролироваться самим человеком. Характер человека всегда многогранен – для него присущи самые разнообразные черты или стороны, которые представляют собой одну целостную систему.

Отдельные черты человеческого характера имеют свойство проявляться в однородных ситуациях или в определенных видах деятельности. Такие черты гармонично дополняют друг друга, формируя личность человека. При обострении той или иной черты характера, происходит его акцентуация – индивидуум имеет склонность к психическим заболеваниям. 

Формирование характера

Становление характера человека происходит в возрасте 2-11 лет, как правило, до начала полового созревания. В этот период дети очень активно общаются, с интересом узнают о новых вещах в природе и человеческих отношениях и начинают делать самостоятельные выводы из тех явлений, которые наблюдают.

Первыми качествами характера, которые формируются у человека, является доброта и общительность, и противоположные им – злоба и закрытость. Это первые качества, навеянные общественными нормами, и привиты ребенку воспитанием родителей. В более взрослом возрасте проявляются врожденные черты – усидчивость, аккуратность, трудолюбие, лень, упорство, мечтательность.

Зачастую в дошкольном периоде формирование и проявление врожденных качеств характера заканчивается. С началом школьного периода повышается активность общения детей в определенной социальной группе, которая влияет и на его характер. В начальных и средних классах закрепляются волевые качества, проявляется понятие самовоспитания – ребенок ощущает слабые, по его мнению свойства характера и начинает постепенно их прорабатывать.

В возрасте 7 -10 лет ребенок начинает скрывать некоторые качества своего характера, чтобы либо соответствовать обществу, либо таким образом манипулировать им. В раннем подростковом возрасте человек сталкивается с формированием нравственных и мировоззренческих основ.

В период полового созревание характер человека укрепляется. Гормональные изменения значительно обостряют все черты характера, включая отрицательные. К окончанию школы характер человека не только окончательно складывается, но и полностью приспособлен к жизни.

По мнению психологов, воспитательный процесс фактически не влияет на формирование характера человека, это абсолютно индивидуальный процесс, который в большей степени зависит от воздействия общества.

Нужна помощь в учебе?



Предыдущая тема: Способности человека: ординарные и выдающиеся, талант и гениальность
Следующая тема:&nbsp&nbsp&nbspМораль и гуманизм: нормы морали и «золотое правило нравственности»

Характер и типы темперамента — Сайт учителя истории и обществознания Голодовой И.П.

Хара́ктер (греч. (χαρακτηρ): примета, отличительное свойство, отличительная черта, черта, знак или печать ) — структура стойких, сравнительно постоянных психических свойств, определяющих особенности отношений и поведения личности. Когда говорят о характере, то обычно разумеют под этим именно такую совокупность свойств и качеств личности, которые накладывают определенную печать на все ее проявления и деяния. Черты характера составляют те существенные свойства человека, которые определяют тот или иной образ поведения, образ жизни. Статику характера определяет тип нервной деятельности, а его динамику — окружающая среда. Также характер понимается как:

  • система устойчивых мотивов и способов поведения, образующих поведенческий тип личности
  • мера уравновешенности внутреннего и внешнего миров, особенности адаптации индивида к окружающей его действительности.
  • отчетливо выраженная определенность типичного поведения каждого человека

 

Характер тесно связан с темпераментом человека и его способностями. В какой-то мере он является одной из составляющих частей характера, т.к. обуславливает форму проявления реакций человека, динамику его психических процессов. Тип темперамента изменить нельзя, но человек с сильной волей может контролировать и корректировать его отрицательные черты. Понятие способностей тоже входит в определение характера. Например, развивая способность к труду, мы одновременно развиваем трудолюбие, как черту характера.


Типы темперамента, как правило, наследуются ребенком от одного из родителей. Но темперамент это только база для воспитания различных черт характера. Например, можно воспитать настойчивость и у холерика, и у флегматика, но проявляться он будет в кипучей активности у одного и методичной работе у другого. Характер не является врожденным и неизменяемым свойством, он формируется под влиянием жизненного опыта, воспитания, окружающей среды.

           Характеристики темпераментов     

Сангвинический темперамент
Люди этого типа легко приспосабливаются к новой обстановке, живо откликаются на то, что привлекает их внимание. Они хорошо контролируют свои эмоции и охотно берутся за новые дела. Представители этого типа темперамента подвержены частой смене настроения, но характерным для них является состояние бодрости. 
Можно ли определить, что тот или иной человек является сангвиником? Да, есть присущие только им черты, по ним всегда можно выделить сангвиников из окружающего вас общества. Как правило, у людей с таким типом темперамента плавная и уверенная походка, движения легкие и быстрые. Сангвиника легко отличить по хорошей осанке и выразительным жестам. Мимика и жестикуляция богатая и естественная, а речь громкая и отчетливая. 

В минусы сангвиническому темпераменту можно записать то, что люди этого типа быстро отвлекаются от дел или эмоций, если внешние раздражители долгое время не меняются. Как только притупляется новизна ощущений, сангвиники становятся вялыми и безразличными.

Холерический темперамент

Холерики легко возбудимы и неуравновешенны, переключить их внимание трудно. Они очень подвижны, вплоть до чрезмерности, чувства их сильны и проявляются ярко. За новые дела берутся с огромным пылом, отдаются им полностью, но при этом неадекватная оценка своих сил приводит к резкому спаду деятельности. Минусы этого типа темперамента заключаются именно в неуравновешенности, из-за которой происходят вспышки резкости, раздражительности, истощение сил. 
Характерные черты есть и у холериков черты: у людей этого типа торопливая, часто сбивчивая речь, яркая и выразительная мимика. Холерикам сложно усидеть на одном месте, они часто вскакивают или меняют позы, много и резко жестикулируют. В их неровной походке есть что-то вызывающее.

Меланхолический темперамент

Они пассивны, ненастойчивы, легко уязвимы и мало реагируют на внешние воздействия. Чаще всего меланхолики погружены в себя, они предпочитают спокойную, хорошо знакомую им обстановку. Безусловными плюсами этого типа темперамента являются глубина и постоянство их чувств.
У людей этого типа темперамента сдержанная, хотя и быстрая походка. Они погружены в свои мысли, поэтому могут задумываться и замедлять шаг. Жесты у них скупые, но резкие из-за испытываемой ими неловкости в обществе незнакомых людей. Речь медлительная, часто с запинками, ее скорость неравномерна.

Флегматический темперамент

Такие люди настойчивы и упорны, ровно и спокойно идут по жизненному пути. Это надежные люди, которых сложно вывести из себя. Они скупы на эмоции, обстоятельны до занудства и надежны как никто. Минусами можно назвать то, что флегматики очень слабо реагируют на внешние раздражители, медленно перестраиваются, сходятся с людьми, ненаходчивы.

Флегматики движутся тяжело и обстоятельно, походка у них часто ленивая, неторопливая. Сидя, они могут подолгу сохранять одну и ту же позу. Жестикуляция и мимика скупая, прочитать что-то по их лицу невозможно. Речь неторопливая, они неразговорчивы, не любят праздной болтовни.

Человек, индивид, личность — понятие и признаки

Индивидуальность

В процессе становления личности человек не только усваивает общественные нормы, которые объединяют людей, но и осознает свои отличия от других. Отчасти разница между людьми проявляется уже с рождения — даже младенцы имеют разную внешность и разный темперамент. С годами к этому добавляются различия в знаниях, навыках, мировоззрении и т. д. Это называется индивидуализацией — самоопределением личности, формированием ее уникальных качеств, мировоззрения, нравственных и философских основ.

Индивидуальность, как ее определяет обществознание, — это уникальная психофизиологическая структура человека. Неповторимый комплекс, который складывается из темперамента, характера, интеллекта, мировоззрения, способностей и навыков, внешних черт и т. д.

Этот термин подчеркивает своеобразие каждого индивида, его самобытность. Ведь даже близнецы, которые совершенно одинаковы с генетической точки зрения, с годами приобретают разный жизненный опыт, а он влечет за собой все больше различий.

Сильная личность

На протяжении жизни человек может попадать в экстремальные ситуации, которые становятся проверкой того, насколько силен его внутренний стержень — индивидуальность и личность. Насколько укоренились и стали частью «Я» его убеждения, принципы, мировоззрение и т. д.

Австрийские психиатры Бруно Беттельгейм и Виктор Франкл, попавшие в концлагеря во время Второй мировой войны, писали, что от сохранения индивидуальности иногда зависит сама жизнь человека. Условия концлагерей приводили не только к физическому истощению, но и к разрушению личности — целью фашистов было опустить заключенных до уровня индивида, занятого лишь биологическими потребностями. На практике такой индивид хотя и становился «идеальным» послушным заключенным, но быстро терял волю к жизни, память, способности и даже инстинкт самосохранения.

Франклу и Беттельгейму, по их собственному признанию, помогло выжить только стремление сохранить свою индивидуальность —продолжать умственную работу, ставить перед собой жизненные цели, даже если их реализация была на тот момент маловероятной. Так, Беттельгейм, лишенный возможности писать, сочинял книгу в уме, а Франкл вместе с группой врачей организовал тайную службу психологической помощи другим заключенным. Сильную личность как высшую ступень развития характеризует умение преодолевать жизненные обстоятельства, поставив духовные ценности не только выше материальных, но и выше биологических потребностей.

Итак, мы разобрались, что такое личность в обществознании и чем этот термин отличается от таких понятий, как «индивид» и «человек». Помимо теоретического материала предлагаем небольшой тест.

Вопросы для самопроверки

  1. Человека как субъект общественных отношений характеризует следующий термин:

    а) индивид,

    б) индивидуальность,

    в) личность.

  2. Человека от животных отличает:

    а) взаимодействие с другими представителями вида,

    б) способность преодолевать инстинкты,

    в) способность использовать подручные средства как орудия труда.

  3. На формирование личности влияет:

    а) воспитание в семье,

    б) культурная среда,

    в) исторические условия,

    г) все перечисленное.

  4. Какие из перечисленных черт и качеств относятся к понятию «индивидуальность»:

    а) необычный цвет волос,

    б) высокий интеллект,

    в) творческие способности,

    г) все перечисленное.

  5. Что характеризует человека как личность?

    а) характер и темперамент,

    б) принадлежность к Homo Sapiens,

    в) черты, проявляющиеся во взаимодействии с другими людьми.

Проектная работа по обществознанию

Государственное бюджетное общеобразовательноеучреждение республики дагестан 

«Республиканский лицей-интернат» 

«ЦЕНТР ОДАРЕННЫХ ДЕТЕЙ »

ПРОЕКТ

по предмету : «Обществознание»

на тему: «ХАРАКТЕР И ЕГО ВОСПИТАНИЕ»

Выполнил: А.М.Ибрагимов

ученик 7-го «В» класса

Подпись_________________________

Проверила: учитель обществознания

Н.Н. Тейибовна

Подпись ________________________

Махачкала

2018

Содержание

  1. Введение

  2. Общее понятие о характере

  3. Формирование характера

  4. Каковы пути воспитания характера ?

  5. Вывод

  6. Список использованных источников

Введение

Как указывает Гиппенрейтер Ю.Б. в одной из своих работ, характер – является захватывающей темой для размышлений, наблюдений, познания себя и других. От характера зависит практически все в жизни человека: как он строит свою жизнь, как живет в семье, как общается с друзьями и коллегами, как воспитывает детей. Интерес к изучению характера человека через разные реалии его повседневной жизни был всегда, с того самого момента, как у людей появилась потребность в тесном общении друг с другом. С очень древних времен людей занимали вопросы: Как узнать свой характер? Как понять характер другого человека? Существуют ли сходные характеры, которые можно объединить в группы? Характер врожден или формируется при жизни? Врачи, философы и ученые исследуют эти вопросы уже более двух с половиной тысяч лет.


Интересные исследования в психологии были проведены в области изучения ярко выраженных черт характера, которые называются акцентуациями. Интерес ученых данная проблема вызывает в связи с тем, что индивидуальные черты личности могут иметь тенденцию к переходу в патологическое состояние, что приводит к накладыванию определенного отпечатка на личность, в том числе могут привести к ее разрушению. Часто в обыденной жизни мы встречаемся с таким понятием, как «трудный характер». Обычно под ним подразумеваются яркие и устойчивые проявления, связанные с акцентуациями личности и создающие сложности в коммуникации. Акцентуации характера могут проявляться в раннем возрасте, достигая своего, так называемого расцвета в подростковом возрасте. При наличии неблагоприятных факторов или условий акцентуации характера могут обостряться и становиться отличительной особенностью уже взрослого человека. Конечно же, нельзя рассматривать акцентуации характера, как определенную личностную трудность, ведь они могут служить источником развития качеств, которые позволяют добиваться успеха в профессиональном плане или межличностном общении.
Характер человека – важная составляющая его жизни. Личность существует в социуме. Взаимодействуя с другими людьми, мы учимся понимать друг друга, проявляем свою сущность, развиваем свою индивидуальность. Всем нам присуще определенным образом реагировать на меняющиеся условия. Общие черты характера человека представляют собой основу психики человека. К ним относят смелость, честность, открытость, скрытность, доверчивость, замкнутость. Если человек открыт к взаимодействию с другими людьми, можно говорить о его общительности, если умеет радоваться жизни, его называют веселым, жизнерадостным. То, как человек поступает в различных ситуациях, и показывает его особенности психики. Отметим, что по мнению некоторых антропологов, разные типы темперамента и, соответственно, характера пришли к нам из далекого человеческого прошлого. Первобытное племя нуждалось в активных вожаках, агрессивных охотниках, доброжелательных миролюбцах, спокойных пытливых умах. Каждый из этих характеров, необходимый для выживания племени, отрабатывался и закреплялся в поколениях.
В рамках данного проекта мы рассмотрим проблему формирования и воспитания характера.
Цель проектной работы – теоретически обосновать проблему формирования и воспитания характера.
Объект – индивидуально-психологические особенности личности.
Предмет – формирование и воспитание черт характера.

  1. ОБЩЕЕ  ПОНЯТИЕ О ХАРАКТЕРЕ

 

      В  переводе с греческого характер означает чеканка, отпечаток. В психологии под  характером понимают совокупность индивидуально-своеобразных психических свойств, которые проявляются  у личности в типичных условиях и  выражаются в присущих ей способах деятельности в подобных условиях. Характер — это индивидуальное сочетание существенных свойств личности, выражающих отношение человека к действительности и проявляющихся в его поведении, в его поступках. Характер взаимосвязан с другими сторонами личности, в частности с темпераментом и способностями. Темперамент на форму проявления характера, своеобразно окрашивая те или иные его черты. Так, настойчивость у холерикавыражается в кипучей деятельности, у флегматика — в сосредоточенном обдумывании. Холерик трудится энергично, страстно, флегматик — методично, не спеша. С другой стороны, и сам темперамент перестраивается под влиянием характера: человек с сильным характером может подавить некоторые отрицательные стороны своеготемперамента, контролировать его проявления. С характером неразрывно связаны и способности. Высокий уровень способностей связан с такими чертами характера, как коллективизм — чувство неразрывной связи с коллективом, желание работать для его блага, вера в свои силы и возможности, соединенная с постоянной неудовлетворенностью своими достижениями, высокой требовательностью к себе, умением критически относиться к своему делу. Расцвет способностей связан с умением настойчиво преодолевать трудности, не падать духом под влиянием неудач, работать организованно, проявлять инициативу. Связь характера и способностей выражается и в том, что формирование таких черт характера, как трудолюбие, инициативность, решительность, организованность, настойчивость, происходит в той же деятельности, в которой формируются способности. Например, в процессе труда как одного из основных видов деятельности развивается, с одной стороны, способность к труду, а с другой — трудолюбие как черта характера.
      Физиологической основой характера является сплав  черт типа высшей нервной деятельности и сложных устойчивых систем временных связей, выработанных в результате индивидуального жизненного опыта. В этом сплаве системы временных связей играют более важную роль, так как тип нервной системы можно сформировать все общественно ценные качества личности. Но, во-первых, системы связей формируются различно у представителей разных типов нервной системы и, во-вторых, эти системы связей проявляются своеобразно в зависимости от типов. Например, решительность характера можно воспитать и у представителя сильного, возбудимого типа нервной системы, и у представителя слабого типа. Но воспитываться она будет по-разному и проявляться, будет по-разному в зависимости от типа.
 Характер не наследуется и не является прирожденным свойством личности, а также не является постоянным и неизменным свойством. Характер формируется и развивается под влиянием окружающей среды, жизненного опыта человека, его воспитания.Влияния эти носят, во-первых, общественно-исторический характер (каждый человек живет в условиях определенного исторического строя, определенной социальной среды и складывается как личность под их влиянием) и, во-вторых, индивидуально-своеобразный характер (условия жизни и деятельности каждого человека, его жизненный путь своеобразны и неповторимы). Поэтому характер каждого человека определяется как его общественным бытием, так и его индивидуальным бытием. Следствием этого является бесконечное разнообразие индивидуальных характеров. Однако в жизни и деятельности людей, живущих и развивающихся в одинаковых условиях, имеется много общего, поэтому и в характере их будут некоторые общие стороны и черты, отражающие общие, типические стороны их жизни. Характер каждого человека представляет собой единство индивидуального и типического. Каждая общественно-историческая эпоха характеризуется определенным общим укладом жизни и общественно-экономическими отношениями, которые влияют на мировоззрение людей, формируя черты характера. 

  1. ОСОБЕННОСТИ  ЕГО ФОРМИРОВАНИЯ


     Формирование характера происходит в различных  по своим особенностям и уровню развития группах (семья, дружеская компания, класс, спортивная команда, трудовой коллектив и др.). В зависимости от того, какая группа является для личности референтной и какие ценности поддерживает и культивирует эта группа, у человека развиваются соответствующие черты характера. Характер является прижизненным образованием. Это означает, что он формируется после рождения человека. Истоки характера человека и первые признаки его проявления следует искать в самом начале жизни. Основную роль в формировании и развитии характера ребенка играет его общение с окружающими его людьми. В свойственных для него поступках и формах поведения ребенок, прежде всего, подражает своим близким. При помощи прямого учения через подражание и эмоциональное подкрепление он усваивает формы поведения взрослых. Сенситивном периодом для становления характера можно считать возраст от 2-3 до 9-10 лет, когда дети много и активно общаются как с окружающими взрослыми людьми, так и со сверстниками. В этот период они открыты для воздействий со стороны, с готовностью их принимают, подражая всем и во всем. Взрослые люди в это время пользуются безграничным доверием ребенка, имеют возможность воздействовать на него словом, поступком и действием, что создает благоприятные условия для закрепления нужных форм поведения.
Весьма важны  для становления характера ребенка  стиль общения взрослых друг с  другом, а также способ обращения  взрослых с самим ребенком. В первую очередь это относится к обращению  родителей, и особенно матери, с ребенком. То, как действуют мать и отец в отношении ребенка, спустя много лет становится способом обращения его со своими детьми, когда ребенок станет взрослым и обзаведется собственной семьей. Раньше других в характере человека закладываются такие черты, как доброта, общительность, отзывчивость, а также противоположные им качества — эгоистичность, черствость, безразличие к людям. Имеются данные о том, что начало формирования этих черт характера уходит в глубь дошкольного детства, к первым месяцам жизни и определяется тем, как мать обращается с ребенком.Те свойства характера, которые наиболее ярко проявляются в труде — трудолюбие, аккуратность, добросовестность, ответственность, настойчивость, — складываются несколько позже, в раннем и дошкольном детстве. Они формируются и закрепляются в играх детей и доступных им видах домашнего труда. Сильное влияние на их развитие оказывает адекватная возрасту и потребностям ребенка стимуляция со стороны взрослых. В характере ребенка сохраняются и закрепляются в основном такие черты, которые постоянно получают поддержку (положительное подкрепление). В начальных классах школы оформляются черты характера, проявляющиеся в отношениях с людьми. Этому способствует расширение сферы общения ребенка с окружающими за счет множества новых школьных друзей, а также учителей. Если то, что ребенок как личность приобрел в домашних условиях, получает в школе поддержку, то соответствующие черты характера у него закрепляются и чаще всего сохраняются в течение всей дальнейшей жизни. Если же вновь получаемый опыт общения со сверстниками и учителями не подтверждает как правильные те формы поведения, которые ребенок приобрел дома, то начинается постепенная ломка характера, которая обычно сопровождается выраженными внутренними и внешними конфликтами. Происходящая при этом перестройка характера не всегда приводит к положительному результату. Чаще всего имеет место частичное изменение черт характера и компромисс между тем, к чему приучали ребенка дома, и тем, что от него требует школа. В подростковом возрасте активно развиваются и закрепляются волевые черты характера, а в ранней юности формируются базовые нравственные, мировоззренческие основы личности. К окончанию школы характер человека можно считать в основном сложившимся, и то, что происходит с ним в дальнейшем, почти никогда не делает характер человека неузнаваемым для тех, кто с ним общался в школьные годы. Следует отметить, что характер не является застывшим образованием, а формируется и трансформируется на протяжении всего жизненного пути человека. Характер не является фатально предопределенным. Хотя он и обусловлен объективными обстоятельствами жизненного пути человека, сами эти обстоятельства изменяются под влиянием поступков человека. Поэтому после окончания учебного заведения характер человека продолжает формироваться или видоизменяться. На данном этапе человек сам является творцом своего характера, поскольку характер складывается в зависимости от мировоззрения, убеждений и привычек нравственного поведения, которые вырабатывает у себя человек, от дел и поступков, которые он совершает, от всей его сознательной деятельности. Этот процесс в современной психологической литературе рассматривается как процесс самовоспитания. 


3. КАКОВЫ ПУТИВОСПИТАНИЯ ХАРАКТЕРА ?
     

Самовоспитание  характера предполагает, что человек способен освободиться от излишнего самомнения, может критически посмотреть на себя, увидеть свои недостатки. Это позволит ему определить цель работы над собой, т.е. те черты характера, от которых бы он хотел избавиться или, наоборот, выработать у себя. Вероятно, для того, чтобы характер не стал противоречивым, чтобы новые черты легче приживались, необходимо предусмотреть органическую связь между новыми и имеющимися чертами, их гармоническое взаимодействие. Большую помощь в воспитании характера оказывают более опытные люди и здесь важно найти пример достойный для подражания. На Востоке говорят: «Если есть ученик, учитель найдется». Здесь заложен глубокий смысл. Никакой учитель не в состоянии обучить того, кто не хочет учиться. Тот, кто хочет учиться, всегда найдет, на кого ему равняться, с кого брать пример. Характер человека формируется во взаимодействии с другими. Но тот, кто берется помочь другим, сначала должен сам продемонстрировать пример целеустремленности, активности, организованности, стойкости и других черт характера, которые он должен сформировать у своих воспитанников. Здесь нельзя забывать о механизмах подражания, которые в первую очередь распространяются на негативные проявления поведения. Сначала мать, отец, другие члены семьи, потом воспитатели в детском саду, сверстники, учителя и т.д. являются потенциальными наставниками. Однако реальное воздействие на характер возможно лишь при условии референтности воспитателя для воспитанника.
     Пример  для подражания необязательно должен быть реальным. Это может быть киногерой или герой литературного произведения, отличающийся глубокой принципиальностью и исключительной твердостью, характера, герой войны, передовой ученый. Живые образы стойких, целеустремленных характеров дает многовековая история России. Для примера достаточно указать на М.В. Ломоносова и А.В. Суворова, жизнь которых является своего рода школой воспитания характера.
     Особое  значение в формировании характера  принадлежит общественной деятельности человека, активное участие в которой развивает чувство ответственности перед коллективом, способствует развитию организованности, выдержки, чувства долга. 

ВЫВОД

Наиболее  эффективным средством формирования характера является труд. Сильными характерами обладают люди, ставящие перед собой большие задачи в работе, настойчиво добивающиеся их решения, преодолевающие все стоящие на пути к достижению этих целей препятствия, осуществляющие систематический контроль за выполнением намеченного. Здесь уместно вспомнить слова Н. Островского: «Мужество рождается в борьбе. Мужество воспитывается изо дня в день, в упорном сопротивлении трудностям». Простым и действенным способом формирования характера является занятие физкультурой и спортом, которые делают людей более выносливыми, мужественными. Спорт дает возможность соревнования, где каждый идет на максимуме своих сил, проявляет то, на что человек способен. В соответствии с выработанными целями человек принимает самообязательство. Оно должно быть посильным и выполнимым на уровне оптимальной трудности. Это обязательство может быть зафиксировано в программе самовоспитания с указанием приблизительных сроков выполнения. Если человеку трудно самому сформулировать такую программу, то на помощь могут прийти его близкие, но лучше обратиться к психологу. Вот какую программу самовоспитания рекомендует известный психолог Дейл Карнеги в своей книге «Как завоевывать друзей и оказывать влияние на людей»
Именно сегодня я буду счастлив. Это означает, что я буду руководствоваться словами Авраама Линкольна, который сказал, что «большинство людей счастливы примерно настолько, насколько они полны решимости быть счастливыми». Счастье заключено внутри нас — оно не является результатом внешних обстоятельств.

Список использованных источников

1.    Асмолов А.Г. Психология личности. Учебник. — М.: Изд-во МГУ, 1990. — 367 с.
2.    Батаршев А.В. Диагностика темперамента и характера 2-е изд. — СПб. Питер, 2007. — 368 с.
3.    Бодалев А.А. Психология о личности — М.: Изд-во Моск. ун-та, 1988. — 188 с.
4.    Бурно М. Е. О характерах людей. М., 2005. – 315 с.
5.    Выбойщик И.В., Паршукова Л.П. Акцентуации характера. Учебное пособие – 2-е изд., испр. и доп. – Челябинск: Изд-во ЮУрГУ, 2007. – 84 с.
6.    Гиппенрейтер Ю.Б. У нас разные характеры. Как быть? М.: АСТ, 2012. — 256 с.
7.    Дукаревич М. З. Лекции по характерологии. М., 2006. — 311 с.
8.    Индивидуальные и возрастные особенности развития двигательных и умственных способностей. Сборник научных трудов. – Омск: СибАДИ, 2010. — 198 с.
9.    Кравченко В.И. Графология: характер по почерку: учебно-методическое пособие ГУАП. – СПб. 2006. – 92 с.
10.    Лазурский А.Ф. Очерк науки о характерах 3-е дополн. изд. — Петроград: изд. К.Л. Риккера, 1917. — 396 с.
11.    Леонгард К. Акцентуированные личности. Ростов н/Д: изд-во «Феникс», 2000. — 544 с.
12.    Лоуэн Александр. Физическая динамика структуры характера М.: Компания Пани, 2006. — 291 с.
13.    Моисеева О.Ю. Психодиагностика индивидуальных особенностей личности. Часть 2. Психодиагностика характера Г. Владивосток: Министерство транспорта России Морской государственный университет им. адм. Г. И. Невельского, 2007. – 253 с.
14.    Обозов Н.Н. Типы личности, темперамент и характер. ЛНПП «Облик», 2001. 38 с.
15.    Психология индивидуальных различий / под ред.  Гиппенрейтер Ю. Б., Романова В. Я. М., 2006. – 445 с.
16.    Райгородский Д.Я. Психология и психоанализ характера. Хрестоматия по психологии и типологии характеров. М.: Бахрах-М, 2009, 640 с.
17.    Реан А. А. Психология изучения личности: учебное пособие. – СПб. Изд-во Михайлова В.А., 1999. – 288 с.
18.    Сорокун П.А. Основы психологии. Псков: ПГПУ, 2005 — 312 с.
19.    Социокультурные детерминанты и мотивационные основы развития личности: материалы конференции Новосибирск: Изд. НГПУ, 2010. – 556 с.
20.    Столяренко Л.Д. Основы психологии. Издание третье, переработанное и дополненное. Серия «Учебники, учебные пособия». Ростов-на-Дону: «Феникс», 2000. — 672 с.

Виды дискриминации

Дискриминация – это запрещённое неравное отношение, целью или результатом которого является постановка лица в менее благоприятную ситуацию по отношению к другому лицу, которое находится в обстоятельствах, сравнимых с этим лицом, и в основе которого лежит проявление запрещённого неравного отношения, в том числе ущемление прав лица и указание дискриминировать лицо.

Запрет на дискриминацию полностью охватывает отношения между государством и индивидом и применяется также в отдельных сферах частного права, например, в трудовых отношениях.

Дискриминацией не считается неравное отношение, если различное отношение соответствует объективному требованию, если цель этого требования правомерна, и средства, выбранные для её достижения, соразмерны. Дискриминация не усматривается в мероприятиях социальной защиты, например, особые права в связи с беременностью и материнством. Также различные положительные мероприятия, направленные на стимулирование соблюдения прав какой-либо малозащищённой группы (положительная дискриминация), не считаются дискриминацией.

Виды дискриминации

Прямая дискриминация проявляется в случаях, когда ситуация по отношению к лицу отличается и является менее благоприятной, чем по отношению к другому лицу, и в основе этого отношения лежит какой-либо запрещенный признак дискриминации.

В Латвии очень широко распространены случаи проявления прямой дискриминации, когда на работу не принимаются женщины и пожилые люди. Прямая дискриминация допустима только в том случае, если к тому есть обоснованная и объективная предпосылка. Например, на работу в китайский ресторан на роль обслуживающего персонала можно выбирать людей с восточной внешностью и отвергать кандидатов, не соответствующих выдвинутому требованию. Тем не менее по отношению к работникам кухни, которых не видят посетители, выдвигать подобное требование недопустимо.

 

Косвенная дискриминация может быть установлена в случаях, когда, казалось бы, нейтральное правило, критерий или практика ставит группу лиц (которую объединяет какой-либо общий признак дискриминации) в особенно неблагоприятное положение в сравнении с другой группой. В таком случае проявляется ситуация, при которой лицу не запрещается осуществлять свои права по причине принадлежности к определенной группе, однако возможности или приобретения этой конкретной группы не являются равноценными. Например, требуя у официанток носить на работу короткие юбки, исключаются мусульманские и более зрелые женщины. Нельзя принимать за косвенную дискриминацию случай, когда такое правило, критерий или практика объективно обоснована правовой целью и средства, выбранные для её достижения умеренны.

 

Домогательство лица (англ. яз. — harassment) является видом дискриминации, когда человек подвергается подчинению такому, по его мнению, нежелательному действию, цель или результат которого задевает достоинство данного человека или в создании запугивающей, враждебной, унизительной или притесняющей среды. Например, рабочий коллектив притесняет коллегу гомосексуалиста или же мужчина регулярно выражает комплименты своей коллеге относительно её женственной привлекательности, таким образом заставляя её чувствовать себя неудобно.

 

Указание или побуждение к дискриминации так же является видом дискриминации, который проявляется в случаях, когда высказывается указание другой персоне дискриминировать кое-либо лицо, основываясь на запрещенном критерии. Например, владелец ночного клуба приказывает охране не впускать в клуб людей цыганской национальности.

 

Запрещено создавать неблагоприятные последствия реагируя на жалобу о дискриминации, судебном процессе или на поддержку другого лица, которое выступило против проявленной дискриминации. Этот запрет относится к сфере занятости и другим сферам, на которые распространяется запрет дискриминации по расовому или национальному признаку.

Белгородская область: выпускники 11-х классов потренировались в сдаче ЕГЭ по обществознанию

В проведении пробного экзамена было задействовано 36 пунктов проведения экзаменов (ППЭ)по всему региону, включающих 353 аудитории. Это абсолютно все ППЭ, которые будут работать в основной период экзаменационной кампании 2021 года. 
Каждый год предмет «обществознание» находится в авангарде у участников экзаменационной кампании. Более 60% выпускников выбирают его для сдачи в формате ЕГЭ. Именно во время его проведения – наравне с обязательными русским языком и математикой – задействуют максимальное количество организаторов в аудиториях, общественных наблюдателей, специалистов ситуационных центров.     

«В регионе двумя неделями ранее проводилось подобное репетиционное мероприятие – по русскому языку, но без участников экзамена. Специалисты ППЭ тестировали работу техники, проверяли качество видеопотока и корректность установки камер видеонаблюдения. Некоторые организационные моменты были уже тогда взяты на особый контроль, поскольку подверглись критическим замечаниям членов государственной экзаменационной комиссии», рассказывает руководитель Белгородского центра оценки качества образования Татьяна Чаусова.

Тренировочный экзамен проводился 30 марта для обучения работников ППЭ, с применением технологий печати полного комплекта КИМ в аудиториях пункта и сканирования работ в штабе, чтобы в тестовом режиме верифицировать техническую готовность всех его этапов.      
В «пробнике» по обществознанию приняли участие и выпускники Белгородского инженерного юношеского лицея-интерната.

«Важным шагом на пути подготовки к ЕГЭ для меня стало тренировочное испытание. Вместе с одноклассниками мы повторили технологию заполнения КИМов, а самое главное осознали, что ничего страшного в процессе проведения экзамена нет. Данный «пробник» придал мне уверенности в силах и дал возможность рационально распределить время для выполнения работы», рассказывает Марковская Елизавета, обучающаяся 11 класса лицея.

«Пробник» – это хороший опыт, так как благодаря ему мы узнаем формальную сторону экзамена и привыкаем к ней, подготавливаемся к нему психологически и можем «увидеть» свой приблизительный результат, понять, над какими темами еще стоит поработать и какие пробелы в знаниях закрыть. Узнав все тонкости проведения экзамена, мои одноклассники стали чувствовать себя увереннее и избавились от необоснованно тревожных чувств перед ЕГЭ», убеждена другая воспитанница лицея Елизавета Шатило.

 

Минобрнауки: в России могут изменить год начала изучения обществознания — Общество

МОСКВА, 29 марта. /ТАСС/. В России может измениться учебный год, когда школьники начинают изучать обществознание в сторону более старшего возраста.

«У нас наметились линии соприкосновения и единения мысли даже на первом заседании. Большинство участников высказалось в пользу того, что нужно рассмотреть вопрос начала преподавания этого курса в сторону более высокого возраста наших детей, и мне тоже кажется, что это оправдано», — сказала во вторник первый замглавы Минобрнауки Наталья Третьяк на рабочем заседании по разработке концепции преподавания обществознания в Госдуме.

Сейчас разных школах преподавание обществознания начинается с 5 или с 6 класса.

Курс должен быть систематизированным

В свою очередь председатель Госдумы Сергей Нарышкин подчеркнул, что курс обществознания в школе должен быть систематизированным. Необходимо избежать рисков «скатиться в бессистемность» при подготовке концепции преподавания этого предмета в школе.

По словам спикера, возглавившего рабочую группу, задача по подготовке курса обществознания «предстоит сложная». Он отметил, что необходимо найти баланс «в стремлении вложить в курс (обществознания) больше компонентов и направлений и избежать рисков скатиться в бессистемность».

Нарышкин сообщил, что к работе над проектом концепции преподавания этого предмета в школе обязательно будут привлечены и родители, и учителя, и ученики. «Уверен, мы эти риски преодолеем», — заключил глава нижней палаты парламента.

Минобрнауки совместно с профессиональным сообществом продолжает заниматься модернизацией школьного обучения. Уже была разработана концепция математического образования, на завершающей стадии находится концепция филологического образования. Во вторник в Госдуме прошло первое заседание, посвященное разработке предметной концепции по обществознанию. Впоследствии, после ее принятия, будут изменены соответствующие федеральные государственные образовательные стандарты, примерная программа обучения по предмету, программы повышения квалификации педагогов-предметникоа, а также изменены требования экспертизы учебников.

Программа имеет много недостатков

Школьная учебная программа по обществознанию имеет множество недостатков, считает глава комитета Госдумы по образованию Вячеслав Никонов. «Чувствуется отсутствие целостной концепции, отсутствует и связь между учебниками каждого класса, очень неравномерно распределен материал, какие-то части учебников очень просты и примитивны», — добавил Никонов.

По его мнению, присутствует также формализованность материала, много примитивных примеров, часто из зарубежной жизни, очень часто это воспроизводство вузовских учебников с попыткой их адаптации для школьников. «Очень много пережитков — во всех учебниках всех классов есть деление общества, очень нравоучительный тон изложения материала, оторванность от реальной жизни. На мой взгляд, налицо недооценка умственных способностей наших детей и их возможности использовать новые технологии», — сказал глава комитета.

Он добавил, что целью учебников для 6-9 классов должно стать формирование у школьников системы знаний об обществе и осознание школьниками своего места в социально- политическом пространстве, учебники 10-11 классов должны знакомить детей с наукой об обществе, учить применять полученные знания и готовить школьников к выбору будущей профессии.

«В порядке предложения: учебник 6-го класса должен включать в себя материал о человеке, седьмого — вопросы развития общества, экономики, политики, права, религии, восьмого — современное российское государство, правовые обязанности граждан, трудовые отношения. 9-й класс мог бы быть посвящён экономике, финансам, законодательству, соотношению с международным правом, 10-11 — повтор тематик», — отметил Никонов.

«Концепция обществознания очень важна, это один из самых популярных предметов, потому что многие наши дети связывают свое будущем с областью общественных наук», — добавила, в свою очередь, первый замминистра образования и науки Наталья Третьяк. По её словам, концепция по обществознанию будет использоваться для изменения федеральных государственных образовательных стандартов. «Мы будем использовать материалы заседания рабочих групп для разработки примерных образовательных программ, для разработки программ повышения квалификации педагогов, экспертизы учебников», — заключила Третьяк.

Курс могут дополнить этикой и философией

Руководитель аппарата Госдумы Джахан Поллыева предлагает дополнить курс обществознания в школе элементами этики, эстетики, а также международного права и философии. «Совершенно очевидно, что в этот курс должны быть добавлены не только вещи, связанные с экономикой, но также с этикой и эстетикой… и, как ни странно, философские вещи», — сказала она. Акцентировав внимание на философии, она отметила, что студенты, поступающие на гуманитарные факультеты вузов, нередко вообще не имеют представления, что это за предмет.

«Возможно, надо давать и основы политологии, чтобы знакомить детей с тем, какого рода гуманитарные дисциплины так или иначе связаны с пониманием конституционного устройства государства и общества, а также с теми вещами, которые носят общечеловеческий характер, — я имею в виду этику и эстетику», — добавила глава думского аппарата.

Кроме того, полагает Поллыева, «с учетом сегодняшнего этапа развития мира, международная политика должна подаваться именно как международное право». «Базовые акты, базовые декларации, базовые правовые конгрессы, на которых были приняты эти системные акты, — все это надо потихонечку в течение этих лет детям давать, потому что существует огромный разрыв между школьным образованием и вузовским», — заявила она. Причем закрыть этот пробел «примитивными материалами и просто словами в курсе обществознания или некими личными представлениями о тех или иных вещах не только невозможно, а категорически запрещено».

«Поэтому я бы приветствовала, если бы базу этого курса составляли правовые науки, Конституция как общенациональная идея соединения общества для дальнейшего движения вперед, для создания нормальной экономики и так далее. И все-таки добавляла бы некоторые вещи, связанные с гуманитарными дисциплинами, с этикой, искусствоведением и, естественно, международно-правовыми документами», — подчеркнула Поллыева.

«Социальный характер» как социологическая концепция в JSTOR

Абстрактный

Концепция группового характера находит все более широкое применение среди ученых-социологов. В данной статье предлагается стандартизировать термин «социальный характер» и построить социологически приемлемое определение. Термин сделан нормативным, олицетворяя взаимосвязь между культурными нормами и общностью их индивидуального восприятия. Таким образом, определение социального характера любой группы становится проблемой спецификации групповых идеалов и установления их соотношения с реальным поведением.Для исследования выбраны четыре категории таких отношений.

Информация о журнале

Официальный флагманский журнал Американской социологической ассоциации (ASA), American Sociological Review (ASR), публикует работы, представляющие интерес для дисциплины в целом, новые теоретические разработки, результаты исследований, которые способствуют нашему пониманию фундаментальных социальных процессов, а также важные методологические инновации. Приветствуются все области социологии.Особое внимание уделяется исключительному качеству и общему интересу. Публикуется два раза в месяц в феврале, апреле, июне, августе, октябре и декабре. Информация о подписках, размещении статей и расценках на рекламу: http://www.asanet.org/journals/asr/

Информация об издателе

Заявление о миссии Американской социологической ассоциации: Служить социологам в их работе Развитие социологии как науки и профессии Содействие вкладу социологии в общество и ее использованию Американская социологическая ассоциация (ASA), основанная в 1905 году, является некоммерческой организацией. членская ассоциация, посвященная развитию социологии как научной дисциплины и профессия, служащая общественному благу.ASA насчитывает более 13 200 членов. социологи, преподаватели колледжей и университетов, исследователи, практикующие и студенты. Около 20 процентов членов работают в правительстве, бизнес или некоммерческие организации. Как национальная организация социологов Американская социологическая ассоциация, через свой исполнительный офис, имеет все возможности для предоставления уникального набора услуги для своих членов и способствовать жизнеспособности, заметности и разнообразию дисциплины.Работая на национальном и международном уровнях, Ассоциация стремится сформулировать политику и реализовать программы, которые, вероятно, будут иметь самые широкие возможное влияние на социологию сейчас и в будущем.

Социологические подходы к характеру — Социология

Введение

Что такое характер? Многие известные ученые пытались ответить на этот вопрос на протяжении всей истории западной социальной мысли. Эти попытки определить и объяснить характер были многочисленны, и это разнообразие отражено в современном исследовании характера.В социальных науках изучение характера выходит за рамки дисциплинарных, теоретических и методологических границ. Хотя изучение характера обычно связано с философией и психологией, существует богатая социологическая традиция, которая рассматривает характер как социальный продукт и процесс. Социология подчеркивает роль социального взаимодействия и членства в группе в формировании, индивидуализации и обозначении характера. Обращая внимание на роль группы в развитии и значении характера, социология представляет собой полезный противовес индивидуальному акценту в психологии.Работа начала 21-го века по изучению характера часто была междисциплинарной, с растущей группой ученых, сочетающих две наиболее признанные традиции — философию и психологию — в создании, оценке и пересмотре теоретических формулировок характера. Однако в разгар повышенного внимания ученых и сотрудничества по изучению характера социологическая традиция часто игнорируется. В этом обзоре предлагается несколько областей социологического исследования, которые могут послужить ресурсами для будущих исследований характера как социологического феномена.

Учебники

Специальных учебников по социологии характера нет. Скорее, знание одной или нескольких областей социологической теории и исследований обеспечивает общую основу, из которой могут возникнуть конкретные трактовки характера. Социологическая социальная психология, акцентирующая внимание на отношениях между индивидом и обществом в повседневной жизни, представляет собой мощный подход к изучению характера как социальной сущности. Рохалл и др. 2007 охватывает множественные подходы в рамках социологической социальной психологии.Sandstrom и др. 2014 сфокусирован на символическом интеракционистском подходе. Руссо 2002 — отличный компаньон для других учебников. В последние десятилетия возобновился интерес к социологии эмоций и социологии морали, и обе области имеют центральное значение для понимания характера. Тернер и Стетс 2005 знакомят с различными подходами к социологии эмоций в доступных, но исчерпывающих терминах. Hitlin 2008 представляет собой прекрасное введение в социологию морали.

  • Хитлин, Стивен.2008. Моральные «я», злые «я»: социальная психология совести . Нью-Йорк: Пэлгрейв Макмиллан.

    DOI: 10.1057 / 9780230614949

    Объединяет исследования психологической социальной психологии и социологической социальной психологии о личности, характере и моральных аспектах личности. Полезная отправная точка для продвинутых студентов бакалавриата, аспирантов и признанных ученых, интересующихся социологией характера и морали.

  • Рохолл, Дэвид Э., Мелисса А. Милки и Джеффри В. Лукас. 2007. Социальная психология: социологические перспективы . Бостон: образование Пирсона.

    Недавнее введение в три основные исследовательские традиции социологической социальной психологии. Каждый подход — символический интеракционизм, социальная структура и личность, а также групповые процессы — предлагает разные взгляды на природу и изучение характера как социального явления.

  • Руссо, Натан, изд. 2002. Я, символы и общество: классические чтения в социальной психологии .Лэнхэм, Мэриленд: Роуман и Литтлфилд.

    Отличный читатель по классической, средней и современной социологической социальной психологии. Каждая глава представляет собой отрывок из основополагающей работы, дополненный кратким введением. Многие главы посвящены социологическому характеру. Важный текст и справочник как для студентов, так и для ученых.

  • Сандстром, Кент Л., Кэтрин Дж. Лайвли, Дэниел Д. Мартин и Гэри Алан Файн. 2014. Символы, «я» и социальная реальность: символический интеракционистский подход к социальной психологии и социологии .4-е изд. Нью-Йорк: Oxford Univ. Нажимать.

    Вводный текст к символическому интеракционизму. Организован вокруг основных областей интеракционистских исследований. См. Главы о социализации, «Я», ролях и эмоциях, чтобы получить более подробное описание теории и исследований, связанных с персонажами. Наиболее полезно для студентов бакалавриата.

  • Тернер, Джонатан Х. и Ян Э. Стетс. 2005. Социология эмоций . Кембридж, Великобритания: Cambridge Univ. Нажимать.

    DOI: 10.1017 / CBO9780511819612

    Социология эмоций и социология характера тесно связаны. Недавний обзор основных подходов к социологии эмоций, проведенный двумя ведущими учеными в этой области. Подходит как для студентов, так и для аспирантов.

к началу

Пользователи без подписки не могут видеть полный контент на эта страница. Пожалуйста, подпишитесь или войдите.

Как подписаться

Oxford Bibliographies Online доступен по подписке и постоянному доступу к учреждениям.Чтобы получить дополнительную информацию или связаться с торговым представителем Оксфорда, щелкните здесь.

Перейти к другим статьям:

Артикул

.

Вверх

  • Подростковый возраст
  • негры
  • Африканские общества
  • Агентное моделирование
  • Старение
  • Анализ, Пространственный
  • Анализ, Мировые системы
  • Анархизм
  • Теория аномии и деформации
  • Арабская весна, мобилизация и конфликтная политика в…
  • Американцы азиатского происхождения
  • Ассимиляция
  • Власть и работа
  • Белл, Дэниел
  • Биосоциология
  • Бурдье, Пьер
  • Карьера
  • Каста
  • католицизм
  • Причинный вывод
  • Чикагская школа социологии
  • Дети
  • Китайская культурная революция
  • Китайское общество
  • Гражданство
  • Гражданские права
  • Гражданское общество
  • Учебный класс
  • Когнитивная социология
  • Когортный анализ
  • Коллективная эффективность
  • Коллективная память
  • Сообщество
  • Сравнительно-историческая социология
  • Конт, Огюст
  • Теория конфликта
  • Консерватизм
  • Потребительская культура
  • Потребление
  • Проблемы современной семьи
  • Условная работа
  • Анализ разговора
  • Исправления
  • Космополитизм
  • Криминология
  • Культурная столица
  • Культурная классификация и коды
  • Культурная всеядность
  • Культурное производство и обращение
  • Культура и сети
  • Культура, социология
  • Демократия
  • Демография
  • Разработка
  • Отклонение
  • Дискриминация
  • Делая пол
  • Дюбуа, В.Э.
  • Дюркгейм, Эмиль
  • Экономические институты и институциональные изменения
  • Экономическая социология
  • Образование
  • Образование и здоровье
  • Политика в области образования в США
  • Образовательная политика и раса
  • Элиты
  • Эмоции
  • Империи и колониализм
  • Предпринимательство
  • Экологическая социология
  • Эпистемология
  • Этнические анклавы
  • Этническая принадлежность
  • Этнометодология и разговорный анализ
  • Теория обмена
  • Семьи, Постмодерн
  • Семья
  • Семейная политика
  • Фашизм
  • Феминистская теория
  • Плодородие
  • Филд, концепция Бурдье
  • Еда
  • Принудительная миграция
  • Фуко, Мишель
  • Франкфуртская школа
  • Дружба
  • Пол
  • Пол и тела
  • Пол и преступность
  • Пол и образование
  • Пол и здоровье
  • Пол и лишение свободы
  • Пол и профессии
  • Гендер и социальные движения
  • Пол и работа
  • Гендерный разрыв в оплате труда
  • Пол, сексуальность и миграция
  • Гендерное расслоение
  • Гендер, политика благосостояния и
  • Гендерная сексуальность
  • Геноцид
  • Джентрификация
  • Геронтология
  • Гетто
  • Гоффман, Ирвинг
  • Привычка
  • Здоровье
  • Историческое сохранение
  • Домашние дела
  • Торговля людьми
  • Личность
  • Иммиграция
  • Индийское общество, Contemporary
  • Учреждения
  • Интернет
  • Пересечения
  • Интерсекс
  • Методология интервью
  • Качество работы
  • справедливость
  • Знание, критическая социология
  • Рынки труда
  • Латиноамериканские / латиноамериканские исследования
  • Закон и общество
  • Право, Социология
  • Досуг
  • ЛГБТ-воспитание и формирование семьи
  • Социальные движения ЛГБТ
  • Жизненный курс
  • Липсет, С.М.
  • Управление
  • Брак и развод
  • Марксистская социология
  • Мужественность
  • Массовое лишение свободы в Соединенных Штатах и ​​связанные с ним последствия …
  • СМИ
  • Материальная культура
  • Математическая социология
  • Мид, Г.ЧАС.
  • Медицинская Социология
  • Психическое заболевание
  • Методологический индивидуализм
  • Средние классы
  • Миграция
  • Военная социология
  • Деньги и кредит
  • Мораль
  • Материнство
  • Мультикультурализм
  • Многоуровневые модели
  • Многорасовая, смешанная и двурасовая идентичности
  • Национализм
  • Ненормативные исследования сексуальности
  • Нормы
  • Профессии и профессии
  • Организации
  • Оплачиваемая работа
  • Панельные исследования
  • Парсонс, Талкотт
  • Полицейская
  • Политическая культура
  • Политическая экономика
  • Политическая социология
  • Популярная культура
  • Позитивизм
  • Бедность
  • Мощность
  • Пролетариат (рабочий класс)
  • Протестантизм
  • Общественное мнение
  • Качественный сравнительный анализ (QCA)
  • Гонка
  • Раса и сексуальность
  • Раса и насилие
  • Раса и молодость
  • Гонка в глобальной перспективе
  • Раса, организации и движения
  • Расизм
  • Рациональный выбор
  • Отношения
  • Религия
  • Религия и общественная сфера
  • Жилая сегрегация
  • Революции
  • Теория ролей
  • Сельская социология
  • Научные сети
  • Секуляризация
  • Анализ последовательности
  • Секс против пола
  • Сексуальная идентичность
  • Сексуальности
  • Сексуальность на протяжении всей жизни
  • Зиммель, Георг
  • Одинокие родители в контексте
  • Навык
  • Социальный капитал
  • Социальные перемены
  • Социальное закрытие
  • Социальное конструирование преступности
  • Социальный контроль
  • Социальный дарвинизм
  • Теория социальной дезорганизации
  • Социальная эпидемиология
  • Социальная история
  • Социальные индикаторы
  • Социальная мобильность
  • Социальные движения
  • Анализ социальных сетей
  • Социальные сети
  • Социальная политика
  • Социальные проблемы
  • Социальная психология
  • Социальная стратификация
  • Социальная теория
  • Социализация, социологические перспективы
  • Социолингвистика
  • Социологические подходы к характеру
  • Социологические исследования китайского общества
  • Социологические исследования, качественные методы в
  • Социологические исследования, количественные методы в
  • Социология, история
  • Социология нравов
  • Социология музыки
  • Социология войны.
  • Виды спорта
  • Статус
  • Субурбанизм
  • Методы опроса
  • Символические границы
  • Символический интеракционизм
  • Разделение труда по Дюркгейму
  • Штат
  • Тилли, Чарльз
  • Использование времени и уход за детьми
  • Использование времени и исследование дневников времени
  • Транснациональное усыновление
  • Доверять
  • Союзы и неравенство
  • Городская этнография
  • Машина городского роста
  • Городское неравенство в США
  • Значения
  • Веблен, Торстейн
  • Насилие
  • Изобразительное искусство, музыка и эстетический опыт
  • Валлерстайн, Иммануил
  • Богатство
  • Вебер, Макс
  • Благосостояние, раса и американское воображение
  • Государства всеобщего благосостояния
  • Белизна
  • Занятость женщин и экономическое неравенство между Househo…
  • Работа и занятость, Социология
  • Баланс между работой и личной жизнью
  • Гибкость рабочего места

Вниз

Важность социальных наук | Азиатская школа

3061 просмотров всего, сегодня 14 просмотров

Социальные науки — это изучение деятельности физической и социальной среды.По сути, это изучение человеческих отношений или научное изучение человеческого общества. Он касается людей — их взаимоотношений, поведения, развития и ресурсов, которые они используют, а также многих видов организаций, которые они должны использовать в своей повседневной жизни, таких как рабочее место, школа, семья, правительство и т. Д. Это важно, потому что его изучение помогает нам получить знания об обществе, в котором мы живем. Как правило, Социальные науки сосредоточены на отношениях между людьми в обществе. Это представляет собой смесь многих предметов, таких как история, география, политология, экономика, социология, социальная психология и многие другие.

Основное определение социальных наук — « предметов социальных наук — это те предметы, которые описывают и исследуют людей». Социальные науки — это исследование, связанное с обществом, и это основная причина, по которой социальные науки помогают учащимся развить способность принимать правильные решения. Это увеличивает социальную внимательность студентов.

Зачем изучать общественные науки?

Социальные науки знают учеников о нашем окружении и происшествиях, произошедших в прошлом.Важно развивать международную точку зрения. Это также важно для нравственного прогресса общества. Это помогает сформировать социальный характер человека. Изучение социальных наук делает нас эффективными гражданами демократии, а также помогает нам решать практические проблемы в нашей повседневной жизни. Это важно для сообществ и организаций. Это также помогает студентам узнать, как управляются, структурируются и управляются различные общества.

Социальные науки: —

Как мы знаем, социальная наука включает в себя множество предметов, каждый предмет дает нам разные знания, например, история предоставляет знания о древнем периоде, из этого предмета мы узнаем, что происходило в прошлом.Другой предмет — география. Из этого предмета мы знаем о нашей природной среде или естественной растительности, такой как растения, животные и т. Д. Мы также узнаем об эволюции животных, водоемов, флоры, фауны, влиянии окружающей среды на настоящую и будущую жизнь. , сохранение и сохранение важности в нашей жизни. Политология — это предмет, из которого мы знаем о политике, демократии и уровне бедности в мире, гражданстве, морали и добродетелях, правах и обязанностях и т. Д.Экономика — это предмет, из которого мы узнаем, как управлять финансами, об эффективной экономической политике и т. Д. Из социальных наук студенты знают о различных культурах и религиях в мире, а также о том, как ценить и уважать нашу культуру.

Цели преподавания социальных наук в школах: —
  1. Дает знания о цивилизации и культуре.
  2. Дает знания о социальном развитии.
  3. Развивает социальное поведение.
  4. Развивает гражданские качества.
  5. Развивает силу мышления и рассуждения.
  6. Развивает чувство всеобщего братства.
  7. Развивает модернизацию.
  8. Развивает необходимые навыки и хорошие привычки.
  9. Развивает моральные и социальные ценности.
  10. Развивает всестороннюю личность.

Цели социальных наук: —

Социальные науки помогают студентам узнать об обязанностях по отношению к человеческому обществу и помогают нам понять, как мужчина может удовлетворить их потребности.Благодаря обществознанию студента понимают основные права, закрепленные в нашей конституции, борцов за свободу, которые боролись за нацию. Он также дает знания об окружающей среде и природе. Он также развивает человеческие качества, желаемое отношение к учащимся, а также расширяет критическое мышление и воображение учащихся. Студенты изучают много разных вещей из социальных наук, таких как культурные и социальные убеждения, религии, каста, национальности, языки, фестивали, одежда, еда и т. Д.Благодаря этому студенты узнают, что общество, в котором они живут, является многокультурным, разнообразным и взаимосвязанным между странами, культурой и религией.

Социальные науки помогает студентам понять важность демократии, свободы и прав и как жить в обществе. Это делает учащегося ответственным, активным и размышляющим по отношению к обществу. А также знакомит студентов с культурой, религией и обществом; короче говоря, это делает студента хорошо информированным гражданином.

ценностей и социальные науки | Вопросы стипендий — Центр привлеченных стипендий

Центр привлеченных стипендий придерживается идеи, что лучшая научная работа мотивирована нормативными обязательствами. Однако в течение десятилетий после Второй мировой войны в США многие ученые считали, что они должны быть строго объективными и создавать «свободные от ценностей» социальные науки. Знаменитый доклад немецкого социолога Макса Вебера «Наука как призвание» (1919) часто использовался в качестве теоретического обоснования для отказа от оценочных суждений в науке.

В приведенном ниже фрагменте Роберт Данн опирается на свою недавнюю книгу К прагматической социологии , чтобы доказать, что в других работах Вебер ясно показал невозможность и нежелательность «свободной от ценностей» социальной науки:

Последовательные поколения социологов позаимствовали у Макса Вебера свои реплики, размышляя о роли ценностей в изучении общества и человеческого поведения. Часто проблематично апелляции к лекции Вебера под названием «Наука как призвание», в которой он обращается к проблеме личных и политических предубеждений в классе.В этом выступлении Вебер предостерегает профессоров, чтобы их личные взгляды и мнения не вмешивались в их обучение. Для некоторых социологов утверждение Вебера стало ортодоксией и, по ошибке, основанием для строгого разделения ценностей и научного исследования.

С этой точки зрения, ценности «субъективны» по своей природе и поэтому несовместимы с поиском «объективной» научной истины. Противоположная сторона этой дискуссии на более веских основаниях утверждала, что невозможно и нежелательно отделять ценности от социальной научной работы.По мнению этих ученых, ценности и оценочные суждения неизменно влияют как на теорию, так и на исследования многочисленными и сложными способами, создавая проблемы, но также придавая значение и значимость социальным исследованиям. Эта группа присоединилась к более тонкой и сложной позиции, которую Вебер сформулировал в менее цитируемой статье «Объективность в социальных науках и социальной политике». В этом эссе Вебер строго и убедительно показывает, что ценности присущи как практике, так и предмету социальных наук.Несмотря на сохраняющиеся расхождения во мнениях, не говоря уже о реальных сложностях проблемы, в настоящее время существует общее мнение, что понятие «общественная наука без ценностей» является устаревшим мифом. Причины этого консенсуса делятся на три перекрывающиеся категории: неизбежность, необходимость и желательность.

Неизбежность

Аргумент о том, что ценности неизбежно влияют на работу социолога, начинается с некоторых элементарных наблюдений о нормативном характере человеческой культуры и коммуникации.Хотя факт и ценность могут быть концептуально разделены на абстрактном уровне a priori , в повседневной жизни и дискурсе такое разделение обычно оказывается логическим и эмпирическим невозможным. Это сразу видно в случае языка. Философ Хиллари Патнэм указывает на то, что «переплетение» фактов и ценностей обычно проявляется в наших обычных, повседневных словарях. Общие термины, такие как «правильный», «неправильный», «истинный» и «ложный», содержат оценки, заложенные в самих значениях этих слов.По определению мы положительно оцениваем «правильность» и «истину», а отрицательную — их противоположности. Такие слова объединяют описание и оценку таким образом, что невозможно отделить эмпирическую категорию человеческого поведения от ее морального или этического значения. Даже специализированные лексики, которые мы используем, не могут полностью уйти от оценочного языка. Как указывает Гуннар Мюрдал, предположительно «нейтральные» научные термины, такие как «равновесие», «баланс», «стабильный», «нормальный», «запаздывание» и «функция» подразумевают оценочные суждения о данном положении дел.Таким образом, учитывая зависимость от общепринятого повседневного языка, якобы беспристрастный научный дискурс социальных наук воспроизводит само собой разумеющиеся культурные значения и оценки.

Необходимость

Продолжая аргументацию, мы можем вспомнить, что Вебер обращает внимание на необходимость связи ценностей с нашей теоретической и методологической практикой. Он заявляет … само признание существования научной проблемы лично совпадает с обладанием специфически ориентированными мотивами и ценностями.

Отнюдь не свободное от фактов дело, само наше суждение о том, что составляет «научную проблему», зависит от ценностной ориентации. Ценности неизменно влияют на то, как мы выбираем и определяем исследуемые проблемы. Вебер намекает на тот факт, что, поскольку наше восприятие, мысли и действия как человеческие существа в значительной степени основаны на ценностях, наш выбор как социальных исследователей фактически определяется оценочными критериями.

Мы можем дальше взглянуть на взгляды Вебера на природу социальной жизни и на соответствующий метод социальных наук.Подчеркивая, что сам предмет социальных наук погружен в ценности, Вебер был сторонником Verstehende Soziologie , методологического подхода, который стремится интерпретировать и понимать социальное действие. Этот подход основан на концепции общества как состоящего из культурных моделей, укорененных в субъективных значениях акторов, таких как идеи, убеждения и ценности.

Конечно, не нужно быть веберианцем, чтобы признать ценностный характер социальных наук.Но на этом вопрос об отношении ценностей к этим полям не заканчивается. Еще важнее то, что мы можем выйти за рамки идей Вебера и аргументировать желательность ценностей. Ряд голосов утверждали, что научное и эмпирическое исследование должно, , активно и открыто основываться, , , а руководствоваться ценностями и оценочными суждениями, поскольку именно это делает такое исследование действительно значимым с человеческой точки зрения, а также полезным для людей. общество.

Желанность

Полезно помнить, что американские социальные науки достигли совершеннолетия в эпоху прогрессивного развития в атмосфере морального предпринимательства и социальных реформ.Ранние социальные исследователи практиковали свое ремесло, объединяя твердые ценностные обязательства с акцентом на социальных проблемах. Ведущим сторонником такой морально и этически ориентированной социальной науки был философ-прагматик Джон Дьюи, который посвятил большую часть своей работы цели интеграции ценностей в практику науки. Дьюи верил во взаимозависимость этих сфер, утверждая, что наука и зависит от системы ценностей, и, в свою очередь, укрепляет моральную и этическую жизнь. Согласно Дьюи, социальные отношения науки и науки сделали его моральным предприятием, тем самым связав его с обществом в целом и общими интересами.Прагматизм для Дьюи был философией, основанной на идее решения проблем; таким образом, он считал целью социальных наук изучение социальных проблем и их решение. Это подразумевает сильную общественную роль этих наук и в более широком смысле коренится в прагматической максиме о том, что последствия, идей и действий являются критериями оценки их ценности. В самом деле, само понятие последствий имеет моральный смысл. С этой точки зрения о работе социологов следует оценивать в первую очередь с точки зрения их результатов и значимости для общества в целом.По мнению Дьюи, если мы согласны с тем, что улучшение человеческой жизни является фундаментальной целью науки, даже обязательством, то совершенно необходимо, чтобы мы поместили человеческие ценности в ее самую суть.

Самым известным представителем социальной науки, основанной на ценностях, веберианцем и наследником мысли Дьюея был Ч. Райт Миллс, чья собственная работа служит моделью того, как ценности придают жизненность, глубину и актуальность социальному исследованию. Миллс считал, что выражение и защита заветных ценностей, таких как демократия, свобода и разум, были необходимым условием для содержательной, критической и публичной социологии.У Миллса было двоякое понимание того, как это должно быть сделано. С одной стороны, он считал, что социологам следует задуматься о рисках, которые представляют для этих ценностей такие социальные силы, как бюрократия, массовая культура и концентрация власти. В соответствии с концепцией Дьюи Миллс считал, что социологи должны изучать социальные проблемы в общепринятом узком смысле этого слова, но также и в более широком смысле проблемных механизмов и влияния социальной структуры и культуры.Для него это был вопрос людей и политики: личные проблемы нужно было понимать и решать с точки зрения общественных бед. С другой стороны, Миллс считал, что социальные теоретики и исследователи должны открыто сформулировать свои собственные ценностные обязательства, используя ценности как основу для определения и характеристики изучаемых ими проблем. Наконец, Миллс проницательно осознал, что, помимо придания смысла исследованиям, такая открытость была необходимым условием объективности в работе.

Заключение

Дело не только в том, чтобы понять, что «свободная от ценностей» социальная наука — это невозможное стремление; это то, что ценности являются неотъемлемой частью изучения общества; они обусловливают, формируют и направляют научные исследования.Едва ли препятствие для научной работы, ценностные ориентации и оценочные суждения следует принимать и приветствовать как часть деятельности в области социальных наук. В конечном итоге они являются источником значения и актуальности этого предприятия.

Роберт Данн


Для дальнейшего чтения:
Роберт Г. Данн, К прагматической социологии
К. Райт Миллс, Социологическое воображение
Гуннар Мюрдал, Объективность в социальных исследованиях
Хиллари Путнам, Крах Дихотомия факт / значение и другие эссе
Макс Вебер, «Объективность» в социальных науках и социальной политике, в Методологии социальных наук.

границ | Теория на входе, теория на выходе: использование социальной теории в машинном обучении для социальных наук

1. Введение

Машинное обучение все чаще применяется к огромным объемам социальных данных, полученных от людей и о людях (Lazer et al., 2009). Большая часть этой работы была плодотворной. Например, исследования с использованием подходов машинного обучения на больших наборах социальных данных позволили нам предоставить точные прогнозы опросов на уровне штата на выборах в США (Beauchamp, 2017), изучить развитие персонажей в романах (Bamman et al., 2014), а также для лучшего понимания структуры и демографии городских кварталов (Cranshaw et al., 2012; Hipp et al., 2012). Таким образом, все более широкое применение машинного обучения к социальным данным стало свидетелем важных историй успеха, улучшающих наше понимание социального мира.

В то же время многие (вычислительные) социологи отметили фундаментальные проблемы в ряде исследований, в которых используется машинное обучение на социальных данных (Lazer and Radford, 2017; Crawford et al., 2019; Jacobs and Wallach, 2019).Например, ученые утверждают, что модели машинного обучения, применяемые к социальным данным, часто не учитывают бесчисленные предубеждения, возникающие в процессе анализа, которые могут подорвать обоснованность утверждений исследования (Olteanu et al., 2016). Попытки идентифицировать преступность (Wu and Zhang, 2016) и сексуальность (Wang and Kosinski, 2018) по лицам людей и предсказывать рецидивы с использованием данных уголовного правосудия (Larson and Angwin, 2016) вызвали критику, согласно которой текущие попытки применить машинное обучение к социальным данные представляют собой новую форму физиогномики (Aguera y Arcas et al., 2017). Физиогномика была попыткой объяснить поведение человека через типы телосложения и характеризовалась слабой теорией и небрежными измерениями (Gould, 1996). В конечном итоге это послужило лишь укреплению расовых, гендерных и классовых привилегий ученых и другой элиты. Сегодня это считается лженаукой.

Признавая это незаконное присвоение машинного обучения социальным данным, исследователи искали технические решения для их решения. Например, в ответ на утверждения о том, что алгоритмы, встроенные в политические решения, часто предоставляют несправедливые преимущества и недостатки для социальных групп, некоторые ученые в сообществе справедливости, подотчетности и прозрачности (FAccT) предложили новые алгоритмы для принятия более справедливых решений.Точно так же исследователи в области обработки естественного языка предложили несколько новых методов для устранения предвзятости в представлении встроенных слов в гендерную, расовую и другие социальные идентичности и статусы (Bolukbasi et al., 2016).

Основной вклад данной статьи — объединить эти проблемы, критику и поиски решения в единую структуру. В частности, мы утверждаем и показываем, что на каждом этапе конвейера машинного обучения возникают проблемы, которые не могут быть решены с помощью одного только технического решения .Вместо этого мы объясняем, как социальная теория помогает нам решать проблемы, возникающие в процессе построения и оценки моделей машинного обучения для социальных данных. Шаги этого процесса и обзор того, как социальная теория может помочь нам более эффективно выполнять данный шаг, показаны на Рисунке 1.

Рисунок 1 . Обзор разделов Theory In и Theory Out статьи. Каждый прямоугольник в Теории In и Theory Out является подразделом. В рамке указано название подраздела и наше заявление о том, как можно использовать социальную теорию для улучшения наших технических решений для решения этой проблемы.Мы рассматриваем Theory In (построение модели) как конвейер, а Theory Out (использование модели) как контрольный список того, что мы потенциально можем захотеть от модели и / или ее выходных данных.

Мы определяем социальную теорию широко, как набор научно определенных конструктов, таких как раса, пол, социальный класс, неравенство, семья и институты, а также их причины и последствия друг для друга. Использование социальной теории в машинном обучении означает задействование этих конструкций в том виде, в каком они определены и описаны с научной точки зрения, и учет установленных механизмов и моделей поведения, порождаемых этими конструкциями.Например, теория расового образования Оми и Винанта (2014) утверждает, что раса — это социальная идентичность, которая постоянно конструируется политическими, экономическими и социальными силами. Что делает кого-то «черным» или «белым» в Соединенных Штатах, а также возможности и неравенство, связанные с этим различием, кардинально изменились на протяжении всей истории и продолжают меняться сегодня. Хотя существуют и другие научные определения расы и активные дебаты о ее причинах и последствиях, взаимодействие с ними на каждом этапе конвейера машинного обучения позволяет нам ответить на важные вопросы о том, какие данные мы должны использовать, функции, которые мы должны разработать, и что считается ярмарка (Benthall, Haynes, 2019; Hanna et al., 2019).

Статья состоит из двух широких разделов. В разделе «Теория » в разделе «» мы обсуждаем, как социальная теория может помочь нам при работе с конвейером построения модели. В разделе Theory Out мы говорим о контрольном списке желаний, которые у нас есть для моделей и результатов, которые мы производим, таких как обобщаемость, и обсуждаем, как социальная теория может помочь улучшить эти результаты нашей работы. Каждый подраздел внутри Theory In и Theory Out фокусируется на конкретной исследовательской проблеме или задаче и рассматривает серию из пяти вопросов:

1.Какую цель или проблему необходимо решить?

2. Как мы пытались решить эту проблему с помощью вычислений?

3. Каковы пределы этих технических решений?

4. Какие решения предлагает социальная теория?

5. Как можно использовать социальные теории для решения этих проблем в нашей работе?

В каждом подразделе мы отвечаем на каждый вопрос и используем примеры, чтобы проиллюстрировать наши утверждения. Хотя в каждом подразделе рассматривается уникальный элемент Theory In или Theory Out, решения, определенные на одном этапе, часто позволяют нам решать проблемы на других.Например, экономная модель часто более интерпретируема. Отсутствие решения проблемы за один шаг также может помешать решению проблем, которые могут возникнуть ниже по течению. На самом высоком уровне отсутствие социальной теории, входящей в модель, может помешать ее построению. Эти совпадения являются сильной стороной, а не недостатком структуры данной статьи. Как Olteanu et al. (2016), мы считаем, что, подчеркивая как уникальность, так и критические отношения между различными частями конвейера, мы можем понять, как неспособность решить проблемы может распространяться от одного этапа к другому и в конечном итоге влиять на то, какие выводы мы делаем из исследования. .

2. Сопутствующие работы

Социологи давно установили, что теория может решать методологические и аналитические проблемы, недоступные новым методам. Например, Смолл (2017) утверждал, что одна теория может ответить на вопросы о том, как лучше всего измерить, что значит для человека иметь тесные социальные связи. В настоящей работе мы регулярно обращаемся к этой литературе, видя много параллелей между предшествующими методологическими инновациями, такими как линейные модели и анализ последовательности (Abbott, 1988, 1995).

Другие ученые, работающие на стыке машинного обучения и социальных наук, также предложили важные критические замечания, на которые мы опираемся на протяжении всей статьи. Эти критические замечания делятся на четыре большие категории. Во-первых, ученые утверждают, что во многих статьях по машинному обучению слишком много внимания уделяется предсказанию по сравнению с объяснением (Wallach, 2018) или измерением (Jacobs and Wallach, 2019). Приоритет предсказания над объяснением приводит к моделям, которые работают хорошо по неизвестным причинам, что приводит к специальным обоснованиям для модельных решений и производительности.Приоритет прогнозу по сравнению с измерением ведет к неспособности признать всегда несовершенную связь между тем, что мы пытаемся измерить, и тем, что мы можем определить количественно.

Другие, например, Нельсон (2017), утверждают, что машинное обучение, применяемое к социальным данным, должно идти рука об руку с развитием новой социальной теории. С этой точки зрения мы не обязательно знаем, какая модель будет работать для каких данных, и, как правило, у нас нет теории, которая бы подсказывала нам, чего ожидать. Следовательно, нам нужно создавать новую теорию по мере разработки и применения методов.Этот подход помогает нам понять, почему модели машинного обучения могут давать результаты, которые сначала кажутся неинтуитивными, но отражают подлинные закономерности, которые должны заставить нас пересмотреть наше понимание социального мира. Однако это также требует априорного понимания потенциальных теорий, которые могут применяться, и стремится адаптировать эту существующую теорию, а не создавать новую теорию полностью постфактум.

Третьи поставили задачу перед конкретными исследованиями или сериями исследований, утверждая, что им не удается понять социотехнический контекст, в котором создаются их данные (Lazer et al., 2009; Туфекчи, 2014; Olteanu et al., 2016). Например, Tufekci (2014) утверждает, что, несмотря на общие утверждения, которые выше универсального социального поведения во многих статьях, исследования с использованием данных Twitter вряд ли многое расскажут о социальном взаимодействии в Facebook, потому что у них очень разные правила, данные и нормы. Аналогичным образом Olteanu et al. (2016) предоставляют головокружительный набор потенциальных ловушек при анализе социальных данных, подчеркивая необходимость проверенных временем идей из социальных наук, таких как сопоставление и анализ систематической ошибки выборки, для решения этих проблем.Эти критические замечания указывают на тот факт, что машинное обучение часто выполняется, не обращая внимания на особенности данных.

Наконец, с появлением алгоритмов, которые принимают все более важные решения, возникло сообщество FAccT для изучения того, как эти алгоритмы могут служить для отражения социальных предубеждений, встроенных в сложные социотехнические системы, в которые они встроены, и как мы можем быть в состоянии решить эти проблемы. Однако недавняя критика литературы о справедливости утверждает, что слишком много внимания уделялось техническим «решениям» несправедливых и / или «предвзятых» алгоритмов по сравнению со структурными причинами и последствиями этих алгоритмов (Green, 2018; Crawford et al. ., 2019; Хоффманн, 2019). Такие исследования утверждают, что дисциплины социальных наук должны быть на переднем крае нашего понимания того, как бороться с этими первопричинами.

Каждая из этих критических оценок — это предсказание не равнозначно пониманию, что мы должны быть готовы построить новую теорию для интерпретации наших результатов, что бесчисленные предубеждения скрываются в данных и методах, которые мы используем, и что эти методы могут привести к дискриминационным результатам с системным причины — имеет решающее значение для того, чтобы подтолкнуть нас к более эффективному и более ответственному применению машинного обучения к социальным данным.Кроме того, многие работы, рассмотренные ниже, в которых машинное обучение применяется к социальным данным с учетом этих проблем, дают дополнительное представление о потенциале этой версии науки.

В данной работе мы стремимся объединить эти критические замечания, утверждая, что каждая из них направлена ​​на разные части одной и той же основной проблемы — попытки использовать технологии или ad hoc , рассуждения post-ex facto только для решения проблем. социальная теория может решить. Ниже мы утверждаем, что одна теория может привести нас к обоснованным объяснительным моделям, к которым стремился Уоллах (2018), чтобы гарантировать, что мы делаем правильные выводы из изначально неинтуитивных результатов, чтобы помочь нам охарактеризовать опасные предположения в наших процессах сбора данных и помочь нам понять и бороться с дискриминационным, предвзятым или несправедливым модельным поведением.

3. Теория в

В этом разделе мы обсуждаем конвейер исследований, в которых машинное обучение используется для анализа социальных данных, от концепции проблемы до выбора модели.

В этом разделе возникают две общие темы. Во-первых, учитывая объем доступных нам данных, мы иногда действуем оппортунистически; мы используем то, что у нас есть, чтобы быстро решать новые проблемы. Это стремление к быстрому решению насущных социальных проблем с использованием широко доступных данных и методов приводит нас, например, к использованию набора данных для ответа на исследовательский вопрос, для которого набор данных не подходит.Из-за этих решений могут возникнуть проблемы, которые полностью подорвут полезность исследования — например, выбор плохой выборки данных может подорвать внешнюю валидность исследования.

Во-вторых, мы часто полагаемся на интуицию при принятии решений о дизайне исследования. Например, при построении задач аннотации интуиция может привести к чрезмерно упрощенному дизайну, в то время как многие другие потенциальные подходы также могут быть одинаково или более действенны (Joseph et al., 2017a). Часто этой интуиции достаточно для решения поставленной задачи.Однако, когда наша интуиция ошибочна, результаты могут быть проблематичными. Например, следование ошибочным интуитивным представлениям о сексуальности и ее причинах может привести к неверным утверждениям, сделанным в дополнение к неправильным решениям по дизайну исследования, о биологической природе сексуальности (Wang and Kosinski, 2018).

Такое сочетание оппортунизма и интуиции может быть особенно пагубным в сочетании с недостатком теории. Хотя социологи также часто полагаются на интуицию (Tavory and Timmermans, 2014), они могут полагаться на основы, предоставленные предыдущей теоретической работой, направляя их к лучшему дизайну исследования и / или пониманию своих данных.В разделе 3 мы обсуждаем, как мы можем использовать социальную теорию, чтобы помочь нам ограничить наш оппортунизм и интуицию существующими знаниями о социальном мире, предоставленными нам социальной теорией. Это увеличивает наши шансы на создание новой, устойчивой науки, которая помогает продвигать наше понимание общества.

3.1. Выбор проблемы и обрамление

Как исследователи, мы постоянно спрашиваем себя: «Какую проблему мы должны изучать?»

К сожалению, хотя технические подходы иногда могут помочь выявить странности в социальных данных, которые стоит исследовать, не существует технического решения для выявления хороших вопросов исследования социальных наук.Эти идеи требуют понимания того, что уже известно о социальном мире и в чем заключаются пробелы в этих знаниях. Однако с натиском больших данных мы слишком часто оптимизируем для удобства, используя данные, которые у нас есть, для изучения проблем только потому, что они кажутся разрешимыми, и потому, что они кажутся актуальными в реальном мире. Например, мы используем общедоступные данные Twitter для прогнозирования передвижения людей в городах (Bauer et al., 2012) или агрегированные данные поиска из Google Trends для прогнозирования распространенности гриппа (Lazer et al., 2014).

Такой удобный подход к выбору и постановке задач приводит к двум проблемам. Во-первых, это может побудить нас формулировать и решать проблемы, которые кажутся важными, но в действительности служат главным образом упражнением в прогнозировании, не дающим нового понимания социального мира. Во-вторых, это может привести нас к решению проблем, которые наша интуиция точно считает важными, но заставляет нас изо всех сил пытаться сформулировать причины , почему проблема важна. Социальная теория может помочь решить эти проблемы.

Во-первых, теория подсказывает нам, какие проблемы стоит решать. Например, прогноз выборов является важным инструментом исследования, поскольку он обеспечивает модель для понимания политических процессов (Beauchamp, 2017; Kennedy et al., 2017). Однако теория говорит нам, что из-за законов поляризации, мошенничества и финансирования избирательных кампаний большинство американских выборов сегодня очень предсказуемы, имея только один фрагмент данных — знание того, кто является действующим президентом. Однако теория также говорит нам, что в номинально конкурентных гонках опрос и является следующим лучшим предсказателем, потому что политика определяется мнением.Однако голосование стоит дорого и доступно только для самых громких гонок. Таким образом, теория предполагает, что в области выборов правильной проблемой для изучения является моделирование мнений на конкурентных выборах и выборах с недостаточным количеством голосов.

Во-вторых, теория может помочь нам мотивировать и формулировать проблемы, которые кажутся интуитивно важными. Может быть очевидно, что прогнозирование распространенности гриппа может помочь спасти жизни. Однако менее очевидно, какая проблема решается при прогнозировании, например, политической принадлежности человека на основе его поведения в социальных сетях (например,g., на основе их твитов) (Cohen and Ruths, 2013). Однако недавняя работа по политической поляризации побуждает нас изучить принадлежность как функцию партизанской идентичности (Levendusky, 2009) и показывает, что такая идентичность быстро подрывает социальную и культурную стабильность в Соединенных Штатах (Doherty, 2017). Таким образом, социальная теория объясняет, почему важно предсказывать политическую принадлежность — чтобы изучить ее связь с культурной поляризацией (DellaPosta et al., 2015).

Таким образом, хотя могут быть ситуации, в которых проблема, которую необходимо решить, может быть мотивирована исключительно необходимостью повышения точности (например,g., правильно определяя информацию о местоположении согласившегося человека по сигналам Wi-Fi), многие задачи машинного обучения можно сделать более интересными и актуальными, если они будут основаны на основной теории изучаемого социального поведения. Есть много примеров, когда ученые, использующие машинное обучение на социальных данных, использовали теорию для выявления и постановки важных проблем. Например, несколько ученых обратились именно к проблеме опроса общественного мнения на конкурентных и недостаточно опрошенных выборах с использованием больших данных (Wang et al., 2015; Бошан, 2017). И Cranshaw et al. (2012) взяли интуитивно интересную задачу — сгруппировать заведения на четырех площадях по общим для них покровителям — и теоретически обосновали ее на основе городских исследований значения термина «соседство», чтобы мотивировать и сформулировать свою работу как решение нерешенной проблемы как следует определять границы соседства.

3.2. Определение результата

Установив интересующую проблему, мы переходим к задаче определения и измерения нашего результата.В идеале, наша мера результата должна быть основной истиной для моделируемого нами явления, то есть наблюдением самого явления. Например, если мы заинтересованы в изучении партийной принадлежности, мы можем установить основную истину с помощью различных средств — будь то голосование за одну партию (Poole and Rosenthal, 1991), кому они жертвуют деньги (Bonica, 2014) или что-то еще. темы, о которых они пишут в Твиттере (Tsur et al., 2015). К сожалению, эти данные часто нелегко получить. Самое простое «техническое решение» — просто использовать переменную, имеющуюся в наших данных, как основную истину или, как мы обсуждали в разделе 3.5, чтобы создать переменную с помощью быстрой краудсорсинговой задачи аннотации.

Однако это техническое решение не помогает нам полностью охарактеризовать связь между переменной, которую мы выбираем в качестве результата, и концепцией, которую мы хотим изучить. Например, никакое техническое решение не может определить, является ли поведение при голосовании или политические настроения в твитах более достоверным показателем пристрастия (Cohen and Ruths, 2013). Чтобы ответить на подобные вопросы, нужна социальная теория. В этом случае теория необходима, чтобы помочь определить, что мы имеем в виду под партийностью, или, более конкретно, под либеральным противостоянием.консервативный. В свою очередь, мы должны подходить к истине как к чему-то, что теоретизируется исследователями. Следовательно, имеет смысл делать это таким образом, чтобы существующая социальная теория говорила нам, что она действительна для улавливания конструкции, которую мы стремимся измерить (Hacking, 1986).

Возвращаясь к либерализму и консерватизму, например, политические теории партийной сортировки и идеологического выравнивания показывают, что люди и социотехнические системы формируют «основную истину». Лишь недавно либеральные и консервативные ярлыки для партийной принадлежности были связаны с Демократической и Республиканской партиями в Соединенных Штатах — то, что называется партийной сортировкой (Mason, 2015).Например, Gentzkow et al. (2016) показывают, что партийная идеология стала различимой в выступлениях в Конгрессе только с 1980 года. То есть язык стал партизанским только за последние 40 лет.

Эти теоретические выводы, в свою очередь, помогают нам получить достоверный результат. Вместо предсказания либерализма / консерватизма — меры, которая только недавно пришла в соответствие с партийностью, теория партийной идентичности (Ван Бавель и Перейра, 2018) предлагает нам вместо этого сосредоточиться на том, является ли кто-то демократом или республиканцем.Теория может дополнительно объяснить, как идентифицировать этот интересный результат в данных социальных сетей. В частности, теория партийной идентичности утверждает, что членство в партии определяется партийной идентификацией. Демократом делает человека не то, что он поддерживает общественное здравоохранение или регулирование рынка, а то, что он идентифицирует себя с демократами. Таким образом, если мы хотим вывести чью-либо политическую партию из их твитов, мы должны смотреть, на чью сторону они выступают в дебатах, а не на конкретные вопросы, которые они поддерживают.В своей кампании Дональд Трамп, как известно, поддерживал либеральную политику, такую ​​как здравоохранение, и критиковал войну в Ираке. Такая позиция не делала его умеренным консерватором. Они сделали его республиканцем-популистом, а не республиканцем истеблишмента.

3.3. Выбор данных

Процесс выбора данных определяется как идентификация одного или нескольких наборов данных, которые можно использовать для решения исследуемой проблемы. Выбор данных обычно осуществляется с использованием любого прецедента (т.е. с использованием существующих данных) или удобства (то есть с использованием легко собираемых данных) в качестве эвристики.

Такое использование приоритета и удобства проистекает из нашего интереса не только к ответам на вопросы о социальном мире, но и к желанию делать это с помощью новых методологий. Например, при построении новых решений существующих проблем мы стремимся использовать установленные наборы данных, для которых существуют предварительные результаты для сравнения. А для нового сбора данных нашим методам часто требуются большие наборы данных, поэтому удобный сбор этих данных является практически необходимым условием.

Но полагаться либо на удобство, либо на прецедент может вызвать проблемы для вопросов социальных наук, потому что все данные содержат как включения, так и исключения, которые проявляются в различных формах предвзятости (Olteanu et al., 2016). Выбирая ярлыки для выбора данных, мы часто игнорируем или игнорируем эти включения и исключения. Например, Blodgett et al. (2016) показывают, что инструменты языковой идентификации, показавшие себя хорошо работающими с широким спектром текстовых корпусов (Луи и Болдуин, 2012), значительно страдают при различении афроамериканского английского как английского в текстах социальных сетей.Поскольку ученые часто использовали этот инструмент для фильтрации неанглоязычных твитов, результатом стал набор исследований данных социальных сетей, в которых голоса афроамериканцев приуменьшены по сравнению с голосами белых американцев.

As Blodgett et al. (2016) предполагают, что социолингвистическая теория могла бы помочь нам предвидеть потенциальные проблемы при использовании удобного языкового классификатора, который они изучали, для определения английского и неанглоязычного контента. В частности, теоретические модели того, как формируются диалекты, подчеркивают, что вариации письменного английского языка не всегда могут быть согласованы с точки зрения основных характеристик, используемых в модели классификации языков, n-граммов символов (Rickford and Labov, 1999).Кроме того, социолингвистическая теория, подчеркивающая важность афроамериканского английского языка и его отличия от других диалектов английского языка в представлении американцев о себе в Интернете (Флорини, 2014), подчеркнула бы необходимость того, чтобы исследователи социальных сетей пересмотрели представление о том, что существует единое определение английского языка, которое они хотят изучать.

В более широком смысле, социальная теория помогает нам понять последствия того, как мы принимаем решения о том, какие данные включать или не включать в нашу выборку.Это особенно важно, когда мы ожидаем, что другие будут повторно использовать наши данные или модели, которые мы строим на их основе. Например, в значительном количестве исследований использовались предварительно обученные векторы слов из неизданного корпуса новостей Google, что означает, что ошибки в данных неясны и неизвестны. Напротив, Lundberg et al. (2019) используют теории статистической выборки и обследования, заложенные в Исследование благополучия уязвимых семей, чтобы создать проблему уязвимых семей — общий набор данных, который специалисты по вычислительной социологии могут использовать для разработки моделей, прогнозирующих критические социальные факторы, такие как доход, здоровье и жилье. .Использование теории для выявления и объяснения важных переменных включения и исключения позволило исследованиям, проведенным во время испытания, внести успешный вклад в социальные научные знания о развитии ребенка (Salganik et al., 2019).

3,4. Feature Engineering

Разработка функций включает в себя процесс преобразования наших необработанных данных в количества, которые можно ввести в модель машинного обучения. Ключевой вопрос, конечно, заключается в том, как мы узнаем, что разработали правильные функции?

Техническое решение этого вопроса — это, как правило, привилегированные характеристики модели.Проблема с этим подходом к проектированию функций заключается в том, что выбранные нами функции могут повысить нашу производительность, но не могут помочь нам отличить подлинный сигнал от ложного. Подгонка под шум — это один из способов, которым необдуманный выбор функций может повысить производительность. Другой — включить функции, которые ложно связаны с интересующим нас результатом, или исключить функции, которые напрямую связаны.

Возьмем, к примеру, случай прогнозирования рецидивов. Чтобы предсказать, кто вернется в тюрьму, нам нужны не только функции, которые сигнализируют о склонности человека к совершению преступления, но также функции, которые фиксируют полицейские и судебные процессы в отношении тех, кто может быть арестован и осужден за преступление.Например, концепция «обычных преступлений» Судноу отражает то, как повседневная работа обвинения определяет порядок обработки определенных видов дел от определенных категорий обвиняемых, в частности, кто получает какие соглашения о признании вины и рекомендуется ли тюремное заключение (Sudnow, 1965). Отсутствие признаков, отражающих как совершение преступления, так и осуждение по уголовному делу, дает плохо определенную модель, которая хорошо работает.

Автоматизированный причинно-следственный вывод в масштабе — это еще не достигнутый святой Грааль в машинном обучении.Таким образом, без теории мы не можем перечислить, какие функции мы должны включить, а какие исключить. Предварительное определение теоретической модели — единственный способ перечислить, какие функции мы должны сгенерировать (Rohrer, 2018; Pearl, 2019). Построение теоретических моделей позволяет нам определить, какие функции следует включить, и если они будут сочтены важными для модели, что они могут означать. Более конкретно, Уоллах (2018) утверждает, что мы всегда должны информировать наш выбор характеристик и понимание проблемы, имея в виду причинно-следственные модели, основанные на теории.

Этот аргумент, конечно, противоречит утверждениям о «безликих» моделях, как многие утверждают, что модели глубокого обучения. Например, если раньше нам, возможно, приходилось предоставлять модель для распознавания именованных сущностей с тегами части речи для каждого входного слова, современные архитектуры глубокого обучения не требуют этого этапа разработки функции (Goldberg, 2016). Однако даже с такими моделями мы все еще принимаем неявные решения о наших функциях, например, решая, использовать ли слова или символы в качестве входных данных для модели (Devlin et al., 2018). Кроме того, представляющие интерес причинные процессы часто выходят за рамки решений о том, использовать ли слова или символы. Например, независимо от того, какую глубокую модель НЛП мы выбираем для моделирования языка человека, выбор слов часто определяется более сложными для восприятия переменными, такими как возраст и пол (Schwartz et al., 2013).

3,5. Аннотация

Часто мы не можем идентифицировать какую-то критическую функцию, которую мы хотим смоделировать из наших данных. Например, Twitter не предоставляет данные о поле или религиозной принадлежности своих пользователей.В таких случаях мы часто просим людей, будь то мы сами или другие, просмотреть данные и вручную определить интересующий объект.

При аннотировании данных основная цель — обеспечить согласие аннотаторов. Из-за шума и внутренних различий между людьми разные люди смотрят на одни и те же данные и придумывают разные ярлыки. Наш интерес, особенно при поиске некоторой объективной базовой истины, состоит в том, чтобы, несмотря на эти различия, мы могли идентифицировать некоторое аннотированное значение, с которым большинство аннотаторов примерно согласны.Ученые в области социальных наук давно установили статистические критерии согласия в аннотациях (Krippendorff, 2004), которые легко используются в конвейере машинного обучения. Однако исследователи машинного обучения также разными способами пытались добиться согласия (Snow et al., 2008). Эти технические усилия по увеличению согласованности в значительной степени полагаются либо на попытки найти лучших аннотаторов (то есть тех, которые чаще всего соглашаются с другими (Ipeirotis et al., 2010)), либо на поиск лучших схем агрегации (Raykar et al., 2010; Passonneau and Carpenter, 2014), или просто увеличив объем помеченных данных (Snow et al., 2008).

Однако в основе многих разногласий между аннотаторами лежит то, что конструкции, которые мы пытаемся аннотировать, часто трудно определить. Например, Джозеф и др. (2016) построили классификатор для определения социальной идентичности в твитах, концепция, которая, как известно, различается по своему значению в социальных науках. Таким образом, даже эксперты расходятся во мнениях относительно того, что именно представляет собой социальная идентичность.Неудивительно, что Джозеф и др. обнаружили, что аннотаторы, не являющиеся экспертами, предоставляют ненадежные аннотации даже после периода обсуждения. Аннотации языка ненависти столкнулись с аналогичной борьбой, с ограниченным соглашением между аннотаторами (Davidson et al., 2017) и со значительными различиями между аннотаторами с разной демографией (Waseem, 2016).

В таких случаях, когда сложно определить конструкцию, технические решения, такие как добавление дополнительных аннотаторов или выполнение различных схем агрегации, вряд ли улучшат согласие.Это связано с тем, что, как и в случае с определением результата, технические решения не могут решить фундаментальную проблему — определение самой конструкции. Другими словами, технические решения не могут быть использованы для ответа на вопросы «что такое социальная идентичность?» Или «что такое язык вражды?» Вместо этого мы должны полагаться на теорию, чтобы дать определение. Например, теория контроля аффекта в социологии фокусируется не на общей идее социальной идентичности, а скорее на «ярлыках культурной идентичности», определяемых как «(1) ролевые идентичности, указывающие на позиции в социальной структуре, (2) социальные идентичности. указывает на членство в группах, и (3) членство в категории, которое происходит в результате идентификации с некоторой характеристикой, чертой или атрибутом »(Smith-Lovin, 2007, p.110). Используя это определение и аннотации теоретиков Affect Control, Джозеф и др. (2016) отметили значительное повышение качества аннотаций.

Аннотации, особенно со сложными явлениями, такими как идентичность, язык вражды или фальшивые новости (Grinberg et al., 2019), поэтому требуют начинать с теории конструкции, которую мы хотим измерить, и ее пересечения с субъективными процессами наших аннотаторов. Еще один инструмент, который стоит отметить для этой задачи, который разработали социологи, — это когнитивное интервью (Битти и Уиллис, 2007).Когнитивное собеседование включает в себя беседу с потенциальными аннотаторами о том, как они думают о конструкции, ее потенциальных метках, о том, как они будут идентифицировать эти метки, а затем заставить их фактически попытаться применить нашу задачу к некоторым тестовым данным. Хотя это похоже на идею пилотной задачи аннотации, с которой, вероятно, знакомы исследователи машинного обучения, когнитивное интервью определяет конкретные способы применения теории до, во время и после пилотного проекта, чтобы помочь сформировать определение конструкции.Наконец, хотя это выходит за рамки настоящей работы, также важно, чтобы аннотации следовали лучшим методологическим практикам анализа структурированного контента в социальных науках (Geiger et al., 2019).

3,6. Модель Строительство

При создании модели машинного обучения для социальных данных наша цель — предсказать, описать и / или объяснить какое-то социальное явление. Наша задача, таким образом, состоит в том, чтобы определить модель, которая наилучшим образом достигает этой цели, в соответствии с определением наилучшего. Наша задача — определить, какой из множества подходов к моделированию (например,g., глубокая нейронная сеть против случайного леса), которую мы можем взять, и какую конкретную модель (ы) (например, какую архитектуру модели с какими гиперпараметрами) в этом широком массиве мы будем использовать для анализа.

Иногда бывает сложно выбрать, какую модель использовать для данного анализа. Рассмотрим, например, цель понимания тем в корпусе текста. Ранняя работа по тематическому моделированию Blei et al. (2003), был процитирован более 28000 раз. Многие из этих цитат взяты из расширений исходной модели.Например, существуют тематические модели для включения характеристик автора (Rosen-Zvi et al., 2004), характеристик автора и настроения (Mukherjee, 2014), сообщества авторов (Liu et al., 2009), которые имеют дело конкретно с коротким текстом ( Yan et al., 2013), которые включают нейронные вложения слов (Card et al., 2017) и подчеркивают разреженность (Eisenstein et al., 2011). Как построить модель, которая лучше всего подходит для нашего анализа?

O’Connor et al. (2011) описывают такой выбор моделирования как происходящий по двум осям — вычислительная сложность и предположения предметной области.Вычислительная сложность используется в широком смысле, чтобы представить сложность вычислительного времени и «лошадиных сил». Допущения в предметной области варьируются от нескольких предположений, по сути предполагающих, что «модель научится всему», до случаев, когда мы явно моделируем теорию. Однако О’Коннор и др. оставьте открытым вопрос о том, где в этом пространстве, вероятно, окажется «правильная» модель для конкретной проблемы, или как определить правильные предположения в предметной области.

Вот где приходит теория. Определяя цель модели — предсказание, объяснение, описание и так далее; и обеспечивая четкие ожидания относительно предположений нашей предметной области, теория помогает нам ориентироваться в пространстве вычислений / предметной области.В контексте тематического моделирования Структурная тематическая модель (STM) (Roberts et al., 2013, 2014) обеспечивает общую основу для определения предположений нашей предметной области на основе факторов, которые, как мы ожидаем, будут важны для формирования тем, которые появляются в документ. Включая ковариаты в процесс моделирования, который, по нашему мнению, является релевантным, мы можем использовать теорию как для создания модели, которая «лучше соответствует данным», так и для получения результатов модели, которые мы можем использовать для непосредственного тестирования расширений нашей теории.Таким образом, правильная модель определяется теорией. Например, Фаррелл (2016) использует теории поляризации посредством «противоположных кампаний», которые исходят от хорошо финансируемых организаций, для определения конкретного экземпляра Структурной тематической модели, которую они используют для изучения того, как возникла поляризация по теме изменения климата.

Таким образом, STM полезен тем, что, учитывая установленный набор общих предположений моделирования и определенный уровень вычислительной сложности, мы можем использовать теорию для определения конкретной модели, которую мы строим.Аналогичные усилия были предприняты и в других областях анализа текста. Например, Hovy и Fornaciari (2018) используют концепцию гомофилии, согласно которой люди со схожим социальным статусом используют схожий язык, чтобы модифицировать свою модель встраивания слов. Это обусловленное теорией изменение позволило модели использовать новую информацию, в результате чего модель стала более производительной. Таким образом, использование теории для управления моделями обработки естественного языка может служить планом для применения теории в других областях социальных данных.

4. Теория окончена

Машинное обучение традиционно ориентировано на максимальное повышение эффективности прогнозирования. Это означает, что первые результаты, представленные в статьях по машинному обучению, а именно в «Таблице 1», часто представляют собой отчет о прогностической эффективности модели по сравнению с некоторыми базовыми показателями. Однако ученых все больше интересуют другие аспекты результатов моделирования, такие как интерпретируемость и справедливость. В прикладных исследованиях ученым важно продемонстрировать, что их модель помогает нам понять данные и объясняет, почему делаются те или иные прогнозы.Эти новые требования к выпуску моделей машинного обучения создают проблемы, для которых были предложены технические решения. В этом разделе мы утверждаем, что этого технического новшества недостаточно. Мы должны использовать соответствующие социальные теории, если мы хотим использовать наши модели для изучения социального мира.

4.1. Интерпретируемость, объяснимость и построение теории

Мало кто критиковал модели машинного обучения, кроме обвинения в том, что они не поддаются интерпретации.Хотя конкретное определение интерпретируемости было неуловимым (Lipton, 2016), общая критика заключалась в том, что модели машинного обучения часто являются «черными ящиками», выполняющими сложные и ненаблюдаемые процедуры, дающие результаты, которым мы должны доверять и использовать. Пытаясь открыть черный ящик и объяснить наши модели, три различных вопроса часто рассматриваются как взаимозаменяемые:

Чему научилась модель и насколько хорошо она усвоила? Это означает, что для конкретных входных данных, как модель преобразует их в выходные данные и насколько точно эти выходные данные соответствуют тому, что мы ожидаем? Мы называем это вопросом интерпретируемости .

Почему модель узнала об этом? Что такого в (социальном) мире привело к тому, что модель изучила эти конкретные отношения между входами и выходами? Мы будем называть это вопросом об объяснимости .

Что мы узнали о мире с помощью этой модели? Какие новые знания о социальном мире можно почерпнуть из результатов нашей модели? Мы называем это вопросом построения теории .

Интерпретируемость, объяснимость и построение теории сливаются воедино в технических решениях, которые были разработаны, чтобы открыть черный ящик. Например, механизмы, вызывающие разреженность, такие как регуляризация (Friedman et al., 2009) и внимание (в нейронных сетях; Vaswani et al., 2017), повышают интерпретируемость, сводя к минимуму количество проверяемых параметров. В свою очередь, эти технические решения помогают нам объяснить, как параметры соотносятся с процессом генерации данных (Загоруйко, Комодакис, 2016).Мы также используем моделирование на основе моделей, настраивая входные данные, чтобы показать, как они производят разные результаты (Ribeiro et al., 2016), и состязательные примеры, которые обманывают модель, чтобы исследовать ее производительность (интерпретируемость) и пределы ее понимания мира (теория- здание) (Wallace et al., 2019).

Однако, хотя есть много методологических совпадений; Интерпретация, объяснение и построение теории — это разные исследовательские вопросы, требующие различного использования социальных теорий.

При интерпретации моделей социальная теория позволяет нам выйти за рамки технического вопроса , как смотреть на модель, до , что смотреть на .Чтобы выбрать, какие части модели визуализировать, нам необходимо иметь заранее определенные ожидания относительно того, как должна работать модель , , и что должен делать , , основываясь на теориях о том, как изучаемое нами явление представлен в наших данных. Например, социальная теория, такая как модель расы Сена и Вазоу как «связка палочек» (Sen and Wasow, 2016), говорит нам, что раса состоит из множества различных измерений, помимо цвета кожи. Например, расовые предубеждения, обусловленные тоном кожи, называемые «колоризмом», отличаются от расовых предубеждений, обусловленных такими культурными кодами, как акцент и прическа (Todorov et al., 2008). Следовательно, если мы хотим понять, как раса представлена ​​в модели компьютерного зрения, мы должны обратить внимание на различные измерения, по которым построена раса. Это может помочь различить, например, являются ли смещения в модели результатом культурных норм, заложенных в популяции, составляющей данные обучения, или недостаточного представления людей с определенными оттенками кожи в данных обучения (или и тем, и другим) (Benthall and Haynes , 2019; Hanna et al., 2019).

Хорошим примером того, как теория может использоваться для руководства интерпретацией, является работа Bamman et al.(2014), которые выделяют образы литературных персонажей. Они подтверждают свою модель, проверяя конкретные параметры на соответствие ряду гипотез, основанных на теории. Эти гипотезы, выведенные из теории стилей письма авторов в течение периода исследования, приняли форму «символ X больше похож на символ Y, чем X или Y на персонажа-отвлекающего персонажа Z». Хорошими моделями были те, которые точно предсказывали теоретические сходства персонажей.

Часто мы опираемся на нашу интерпретацию поведения модели и разрабатываем объяснение того, почему модель сделала то, что она сделала, на основе этой интерпретации.Это часто служит объяснением того, что делала модель, и попыткой построить новую теорию. Однако, когда мы строим объяснения, основанные только на модели поведения, мы рискуем разработать народную теорию (d’Andrade, 1995). Народная теория предполагает опору на общее понимание, чтобы «прочитать чайные листья» (Chang et al., 2009), характеризуя человеческое поведение как просто «имеющее смысл». Однако это опасно (Kerr, 1998). Модели всегда будут выводить или , и некоторые модели всегда будут превосходить другие по некоторым показателям.Построение теории только на основе результатов модели часто служит укреплению мифов и предубеждений.

Для того, чтобы наши объяснения способствовали более широкому пониманию социального мира, нам необходимо не только найти правильное объяснение для каждой модели, но также интегрировать многие модели и объяснения в связное описание мира. Работа Нельсона по развитию феминизма второй волны — яркий тому пример. Она использовала социальные сети и теорию феминизма, чтобы построить различные модели на основе машинного обучения для структуры феминистских сообществ в Нью-Йорке и Чикаго.Затем она сравнила структуры социальных сетей и сетей идей, чтобы показать, что идеи, центральные для феминистского сообщества в Нью-Йорке, больше соответствовали тому, что мы сегодня понимаем как феминизм «второй волны», и что их сообщество было более тесно связано, чем в Чикаго. . Она утверждает, что эта плотная взаимосвязь позволила феминисткам в Нью-Йорке определить повестку дня феминизма в 1960-х и 1970-х годах.

Работа Нельсона и Баммана и др. Также дает представление о том, как машинное обучение может помочь нам пересмотреть старую или построить новую теорию с учетом эмпирических результатов модели машинного обучения.Их работа говорит нам, что для этого необходимо сначала признать существующие теоретические рамки, которые использовались для характеристики проблемы. Следуя их работе, один из способов сделать это — использовать эти теории для создания гипотез о том, как могут выглядеть эмпирические результаты, и предоставить альтернативные гипотезы о том, как результаты могут выглядеть, если новая или пересмотренная теория была верной.

Другой способ сделать это — построить модель машинного обучения, которая соответствует теоретической модели, а затем показать, что добавление дополнительных компонентов к модели, вдохновленное новой или пересмотренной теорией, улучшает производительность этой модели.Например, Джозеф и др. (2017b) показывают, что модели стереотипов, разработанной в Теории контроля над аффектами (Heise, 2007), может оказаться недостаточно, если включить дополнительные компоненты модели, основанные на когнитивных теориях стереотипов, основанных на параллельных моделях удовлетворения ограничений (Kunda and Thagard, 1996).

4.2. Обобщаемость

Обобщаемость относится к цели понимания того, насколько хорошо результаты применимы к случаям, которые не были протестированы. Например, если мы разработаем модель для прогнозирования безработицы с использованием данных мобильных телефонов в Европе (Toole et al., 2015), анализ обобщаемости может включать оценку того, будет ли тот же подход работать в Алжире, Канаде или Мексике или с другими видами данных, такими как поиск в Интернете или данные о транзите.

В машинном обучении обобщаемость часто технически решается путем повторного применения той же методологии к другим данным, чтобы увидеть, работает ли она аналогично исходной. Например, возможность обобщения тематической модели может быть проверена путем применения подобранной модели к различным типам данных.Мы также проверяем возможность обобщения конкретного аналитического подхода, повторно применяя его в различных областях. Например, Лукас и др. (2015) использовали машинный перевод на нескольких языках, чтобы изучить, были ли политики в разных странах основаны на одних и тех же проблемах, обсуждаемых одинаково. Наконец, в последнее время были предприняты усилия по обучению модели, которая изучает представления некоторых универсальных входных данных, которые затем можно настроить для применения к множеству проблем. Например, ResNet (Szegedy et al., 2017) и BERT (Devlin et al., 2018) изучают общие представления изображений и предложений, соответственно, и затем могут быть настроены для различных задач классификации.

Хотя эти технические решения могут сделать отдельные модели более универсальными, они не могут помочь нам установить, почему результат для одного набора данных может быть обобщен (или нет) для других. Для этого нам нужны теории, которые говорят нам, какие сходства и различия являются существенными. Туфекчи (2014) подчеркивает это, утверждая, что мы не можем рассматривать одну онлайн-платформу (т.е., Twitter) в качестве замены для всех остальных — как модельный организм для общества. Правила платформы, социальная динамика и численность населения, которые делают Twitter привлекательным для пользователей, также в корне отличают его от таких сервисов, как Facebook, Instagram и WhatsApp. Например, теории гомофилии предполагают, что на любой платформе люди будут общаться с такими же людьми, как они. Тем не менее, общие черты, на которых мы строим связи, зависят от самой платформы. Наши друзья, коллеги и общественные деятели находятся в Твиттере, а наша семья — в Фейсбуке.Следуя теории представления себя Гоффманом, эти различия в аудитории заставляют людей вести себя по-разному на разных платформах (Goffman, 1959).

Конечно, идеального набора данных не существует, и наука должна иметь возможность продолжать работу, несмотря на это. Социальную теорию можно использовать в продвижении вперед не как способ поиска точных данных, а скорее как способ разработки парадигм для понимания конкретных сильных и слабых сторон различных типов данных, таких как данные из разных платформ социальных сетей, и того, как модели могут быть настроенным, чтобы обобщать за пределами несовершенных данных, на которых они были обучены.

4.3. Экономия

Экономия относится к цели построения модели с минимально возможным количеством параметров при максимальной производительности. Модели машинного обучения выигрывают от экономии, поскольку они уменьшают сложность и стоимость, ограничивают опасность переобучения и упрощают визуализацию (Hastie et al., 2009).

Существует множество технических подходов к построению экономных моделей. Например, мы можем использовать регуляризацию, темы или факторинг, чтобы уменьшить размерность функции.В случае нейронных сетей мы также используем такие методы, как выпадение (Gal and Ghahramani, 2016) или пакетная нормализация (Ioffe and Szegedy, 2015).

Однако у этих технических подходов есть три общих недостатка. Во-первых, поскольку многие функции коррелированы друг с другом и с результатом, эти подходы часто произвольно выбирают одни коррелированные функции, а не другие. Этот произвольный выбор может затруднить различие между действительно нерелевантными функциями и теми, которые просто коррелируют с другими релевантными функциями.Во-вторых, решения о том, когда модель является «достаточно экономной», в значительной степени зависят от эвристических сравнений между производительностью модели на данных обучения и проверки [например, «правило 1-стандартной ошибки», используемое в популярном пакете glmnet в R (Фридман и др., 2009)]. Наконец, стандартное предположение машинного обучения о том, что нам нужно много функций, может быть неверным даже при относительно низких значениях. В задачах социальных наук часто бывает так, что небольшой набор переменных может легко объяснить большую часть дисперсии.Регуляризатор может выбрать 1000 функций из 10 000, в то время как лучшей модели может потребоваться только 50.

Социальная теория предлагает решение этих проблем, помогая нам определять небольшие наборы или «корзины» переменных, которые, как мы ожидаем, объясняют большую часть дисперсии в результате. Теории указывают нам направление наиболее важных переменных. Вместо того, чтобы начинать с множества функций и пытаться отсеять нерелевантные, мы можем использовать теорию для создания базового уровня предсказуемости, на основе которого мы можем оценить, обеспечивают ли дополнительные функции дополнительную производительность.Точно так же, поскольку теория предоставляет нам функции, которые, как мы ожидаем, будут важными, мы можем выявить случаи, когда регуляризация удаляет важные, стабильные предикторы из-за корреляции между переменными.

Идея выявления экономных, теоретически обоснованных базовых моделей для сравнения доказала свою эффективность на практике. Теории сетевой центральности и гомофильности оказались надежными предсказателями для множества задач. Например, в своем исследовании каскадов Twitter Goel et al.(2015) показывают, что простая модель, учитывающая только популярность пользователя, является чрезвычайно надежной базой для прогнозирования размера каскада ретвитов. Эти идеи согласуются с теориями достоверности источников (Hovland and Weiss, 1951) и распространения информации (Marsden and Friedkin, 1993).

Попытки раздвинуть границы предсказуемости послужили основой для развития более формальной социальной теории пределов предсказуемости социальных систем (Hofman et al., 2017), что может еще больше расширить нашу способность оценивать степень экономии, ожидаемой для конкретных проблем. .Например, в задаче «Хрупкие семьи» лучшие материалы с использованием тысяч переменных и различных моделей не очень хорошо предсказывали жизненные результаты, такие как средний балл успеваемости, материальные трудности и упорство, и были лишь незначительно лучше, чем базовые модели с использованием только четырех переменных (Salganik et al. др., 2020). Рассматривая дальнейшую экономию, нам необходимо лучше понимать случаи, когда инструменты машинного обучения существенно дополняют нашу модель мира за пределами существующей теории.

4.4. Справедливость

Как в популярных СМИ (Li, 2019), так и в академической литературе (Mitchell et al., 2018) значительное внимание было обращено на вопрос о том, как модели машинного обучения могут привести к усилению дискриминации или несправедливости по отношению к определенным социальным группам. . Основная часть работы по обеспечению справедливости была сосредоточена на том, чтобы сделать входные данные более репрезентативными или модифицировать существующие модели для обеспечения справедливых результатов (Kamishima et al., 2011; Kearns et al., 2017). Ученые также недавно сосредоточились на разработке показателей, которые учитывают такие социологически значимые явления, как интерсекциональность (Foulds and Pan, 2018), на компромиссах между существующими показателями (Kleinberg, 2018) и на лучшем понимании причинных допущений различных показателей (Glymour и Herington, 2019) среди других задач.

Однако, как утверждается в ряде недавних работ, существуют важные сложности при техническом определении справедливости (Crawford, 2016; Barocas et al., 2017; Green, 2018; Selbst et al., 2018; Hoffmann, 2019; Mitchell et al. ., 2020). Во-первых, у разных людей разные взгляды на то, что справедливо. Во-вторых, взгляды власть имущих — это те взгляды, которые будут использоваться с наибольшей вероятностью. В-третьих, модели возникают из обширного и сложного социотехнического ландшафта, где дискриминация возникает во многих других местах, помимо самих моделей.Наконец, «справедливость» может быть неправильной метрикой, по которой следует оценивать вред алгоритмов. Один из выводов заключался в том, что справедливый алгоритм не может исправить дискриминационный процесс. Например, алгоритмы прогнозирования рецидивов почти наверняка будут использоваться дискриминационным образом, независимо от того, являются ли сами модели справедливыми (Green, 2018). Нам нужна социальная теория, например теория критических рас (Hanna et al., 2019), чтобы лучше понять социальные процессы, в которые встроены эти алгоритмы и данные, на которых они основаны.Как утверждается в этой предыдущей работе, социальная теория позволяет нам отличать дискриминацию, вызванную алгоритмом, от дискриминации, происходящей в самой социальной системе.

Возможно, не менее важно, что теория также может помочь нам понять последствия несправедливых и / или предвзятых алгоритмов. Возьмем, к примеру, недавнюю работу, показывающую, что алгоритмы поиска возвращают стереотипные изображения пола и расы для различных профессий (Kay et al., 2015). Социально-психологические теории, например, Гипотеза блеска (Bian et al., 2017), акцентируя внимание на репрезентации, подчеркивают, что с раннего возраста мы усваиваем представления о занятиях и навыках, которые заставляют нас сдвигаться в сторону тех, которые стереотипны в отношении нашего собственного предполагаемого пола. Таким образом, хотя технические решения могут помочь нам выявить такие проблемы, они не могут объяснить влияние этих предубеждений и, следовательно, почему их следует решать и как.

Наконец, социальная теория помогает определить, как несправедливое машинное обучение влияет на наши знания о мире.Предвзятые алгоритмы, например те, которые определяют пол и расу для демографических сравнений (Jung et al., 2017), могут искажать результаты научных исследований. Теория точки зрения и другие критические эпистемологические теории показали, как тот, кто занимается наукой и чьи данные используются для какого анализа, влияет на то, что мы знаем о социальном мире (Haraway, 1988; Harding, 2004). Мы не хотим копировать модели исключения и стигматизации, обнаруженные в истории медицины (Martin, 1991), психологии (Foucault, 1990) и социологии (Zuberi and Bonilla-Silva, 2008), отбрасывая данные об маргинализированных людях. только изучают маргинальных людей как Других или не позволяют маргинальным людям говорить за себя о своих данных.

Недавно аналогичная критика была сделана Джейкобсом и Уоллахом (2019). Они утверждают, что теория измерения, особая область социальной теории, занимающаяся обоснованностью и надежностью различных способов измерения социальных построений, может предоставить конкретный и полезный язык, с помощью которого можно оценить различные определения справедливости и влияние алгоритмов. Их работа представляет собой важный пример того, как социальную теорию можно использовать для привнесения старых социально-теоретических взглядов в область текущих исследований машинного обучения социальных данных.

5. Заключение

Сочетание методов машинного обучения и больших социальных данных предлагает нам потрясающий набор научных возможностей. Однако работа в этой области слишком часто отдает предпочтение моделям машинного обучения, которые работают лучше, чем моделям, основанным на более глубоком понимании изучаемого общества. В лучшем случае этот компромисс ставит нас перед опасностью продвижения только информатики, а не информатики и социальных наук. В худшем случае эти усилия подталкивают использование машинного обучения для социальных данных к псевдонауке, где используются незаконно присвоенные алгоритмы для принятия дискриминационных решений и выдвигаются необоснованные социальные научные утверждения.

Однако, как показывают многочисленные положительные примеры, которые мы здесь выделили, машинное обучение и большие социальные данные могут использоваться для проведения важных новаторских исследований. Для этого в приведенных нами примерах социальная теория встроена в каждый этап конвейера машинного обучения. Эти работы не отбирают какую-то одну теорию постфактум, чтобы поддержать свои утверждения. Вместо этого они используют несколько потенциально конкурирующих теорий на каждом этапе конвейера, чтобы оправдать свои входные данные и помочь подтвердить свои результаты.Используя или, по крайней мере, признавая конкурирующие теории, мы можем выяснить, где существуют разногласия и, следовательно, какие технические компромиссы являются наиболее важными.

Положительные примеры, которые мы выделяем, наш обзор отрицательных примеров и связанные с ними работы, которые мы проводим, открывают путь для научно обоснованного и этичного применения машинного обучения к социальным данным. Но наши усилия должны выходить за рамки того, как мы проводим исследования, к тем, как мы их анализируем, потребляем и поощряем как исследовательское сообщество.Как рецензенты, например, мы должны спросить себя, оправдана ли работа, которую мы рассматриваем, не только статистической теорией, но также и социальной теорией. И как сообщество, мы должны найти способы показывать и продвигать статьи, которые могут не иметь самой яркой «Таблицы 1», но которые обеспечивают тщательное и хорошо обоснованное социологическое исследование.

Машинное обучение может и должно стать важной частью социальных наук. Решение не обязательно требует, чтобы компьютерный ученый «пошел искать социолога» или наоборот.Уже есть множество знаний, из которых можно извлечь, и мы не должны позволять себе или другим избегать вникать в них просто потому, что они «не в нашей сфере». Для тех, кто не знает, с чего начать, мы надеемся, что эта статья станет руководством для каждого, как использовать эти знания для решения конкретных вопросов исследования. Точно так же социальные науки должны становиться все более важной частью машинного обучения. Безусловно, определенные проблемы, с которыми сталкивается машинное обучение, являются вычислительными проблемами (например, как эффективно выполнять выборку из сложного распределения), для решения которых социальная теория будет мало пригодна.Но, внедряя социальную теорию в свою работу, исследователи машинного обучения не должны отказываться от производительности модели как конечной цели; мы утверждали, что вместо этого теория может помочь направить путь к еще более совершенным моделям и прогнозным характеристикам.

Авторские взносы

Все перечисленные авторы внесли существенный, прямой и интеллектуальный вклад в работу и одобрили ее к публикации.

Финансирование

кДж было поддержано грантом NSF, IIS-1939579.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Мы очень ценим помощь Лауры Нельсон, Селесты Кампос-Касильо, Стефа Шустера, Атри Рудры, Эмиля ван Мильтенбурга и Дэвида Лазера, которые предоставили неоценимые отзывы о более ранних версиях этой работы. Тем не менее, эти люди, конечно, не несут ответственности за текущий контент, все проблемы, ошибки и упущения являются виной только авторов.

Сноски

Список литературы

Эбботт А. (1995). Анализ последовательности: новые методы для старых идей. Annu. Rev. Sociol . 21, 93–113. DOI: 10.1146 / annurev.so.21.080195.000521

CrossRef Полный текст | Google Scholar

Бамман Д., Андервуд Т. и Смит Н. А. (2014). «Байесовская модель со смешанными эффектами литературного персонажа», Труды 52-го ежегодного собрания Ассоциации компьютерной лингвистики (ACL’14) (Балтимор, Мэриленд).DOI: 10.3115 / v1 / P14-1035

CrossRef Полный текст | Google Scholar

Бауэр, С., Нолас, А., Сигда, Д., Кларк, С., и Масколо, К. (2012). «Места для разговоров: моделирование и анализ лингвистического контента в foursquare», в Privacy, Security, Risk and Trust (PASSAT), 2012 International Conference on and 2012 International Confernece on Social Computing (SocialCom) (Amsterdam), 348–357. DOI: 10.1109 / SocialCom-PASSAT.2012.107

CrossRef Полный текст | Google Scholar

Битти, П.К. и Уиллис Г. Б. (2007). Синтез исследования: практика когнитивного интервьюирования. Общественное мнение. Вопрос . 71, 287–311. DOI: 10.1093 / poq / nfm006

CrossRef Полный текст | Google Scholar

Бошам, Н. (2017). Прогнозирование и интерполяция опросов на уровне штата с использованием текстовых данных Twitter. Am. J. Полит. Sci . 61, 490–503. DOI: 10.1111 / ajps.12274

CrossRef Полный текст | Google Scholar

Бентхолл, С., Хейнс, Б. Д. (2019). «Расовые категории в машинном обучении», в материалах Proceedings of the Conference on Fairness, Accountability and Transparency (New York, NY: ACM), 289–298.DOI: 10.1145 / 3287560.3287575

CrossRef Полный текст | Google Scholar

Биан, Л., Лесли, С.-Дж., и Симпиан, А. (2017). Гендерные стереотипы об интеллектуальных способностях возникают рано и влияют на интересы детей. Наука 355, 389–391. DOI: 10.1126 / science.aah6524

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Блей Д. М., Нг А. Ю. и Джордан М. И. (2003). Скрытое размещение дирихле. J. Mach. Учить. Res .3, 993–1022. DOI: 10.1162 / jmlr.2003.3.4-5.993

CrossRef Полный текст | Google Scholar

Блоджетт, С. Л., Грин, Л., и О’Коннор, Б. (2016). «Демографические диалектные вариации в социальных сетях: пример афроамериканского английского», в материалах Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing (Копенгаген). DOI: 10.18653 / v1 / D16-1120

CrossRef Полный текст | Google Scholar

Болукбаси, Т., Чанг, К.-В., Цзоу, Дж.Ю., Салиграма, В., Калаи, А. Т. (2016). «Мужчина для программиста, как женщина для домохозяйки? устранение искажений при внедрении слов », в Advances in Neural Information Processing Systems (Barcelona), 4349–4357.

Google Scholar

Кард, Д., Тан, К., и Смит, Н. А. (2017). Нейронная структура для обобщенных тематических моделей. arXiv 1705.09296.

Google Scholar

Чанг, Дж., Бойд-Грабер, Дж. Л., Герриш, С., Ван, К., и Блей, Д.М. (2009). Чтение чайных листьев: как люди интерпретируют тематические модели. NIPS Proc . 22, 288–296. Доступно в Интернете по адресу: http://dl.acm.org/citation.cfm?id=2984093.2984126

Google Scholar

Коэн, Р., Рутс, Д. (2013). «Классифицировать политическую ориентацию в Твиттере: это непросто!» in Proceedings of the Seventh International AAAI Conference on Weblogs and Social Media (Cambridge, MA).

Google Scholar

Краншоу, Дж., Шварц, Р., Хонг, Дж. И., и Садех, Н. (2012). «Проект жизнеобеспечения: использование социальных сетей для понимания динамики города», в материалах Шестой международной конференции AAAI по блогам и социальным сетям, ICWSM ’12, (Дублин: AAAI).

Google Scholar

Кроуфорд, К. (2016). Может ли алгоритм быть агонистическим? Десять сцен из жизни в расчетливой публике. Sci. Technol. Гм. Значения 41, 77–92. DOI: 10.1177 / 0162243

9635

CrossRef Полный текст | Google Scholar

Кроуфорд, К., Доббе, Р., Теодора, Д., Фрид, Г., Грин, Б., Казюнас, Э. и др. (2019). AI Now Отчет за 2019 год , Институт AI Now.

Google Scholar

д’Андраде, Р. Г. (1995). Развитие когнитивной антропологии . Бостон, Массачусетс: Издательство Кембриджского университета. DOI: 10.1017 / CBO978113

45

CrossRef Полный текст | Google Scholar

Дэвидсон, Т., Вармсли, Д., Мэйси, М., и Вебер, И. (2017). «Автоматическое обнаружение языка ненависти и проблема ненормативной лексики», , Одиннадцатая Международная конференция AAAI по Интернету и социальным сетям, (Монреаль, Квебек).

Google Scholar

Девлин, Дж., Чанг, М.-В., Ли, К., и Тутанова, К. (2018). Берт: предварительная подготовка глубоких двунаправленных преобразователей для понимания языка. arXiv 1810.04805.

Google Scholar

Доэрти, К. (2017). Ключевые выводы о растущем партийном разногласии американцев по поводу политических ценностей . Вашингтон, округ Колумбия: Исследовательский центр Пью.

Google Scholar

Эйзенштейн Дж., Ахмед А. и Син Э. П.(2011). «Редкие аддитивные генеративные модели текста», в Труды 28-й Международной конференции по машинному обучению (ICML-11), (Белвью, Вашингтон), 1041–1048.

Google Scholar

Флорини, С. (2014). Твиты, твиты и озвучивание общения и культурных мероприятий в «черном твиттере». Televis. Новые медиа 15, 223–237. DOI: 10.1177 / 1527476413480247

CrossRef Полный текст | Google Scholar

Фуко, М. (1990). История сексуальности: введение .Нью-Йорк, Нью-Йорк: Винтаж.

Google Scholar

Фоулдс, Дж., И Пан, С. (2018). Интерсекциональное определение справедливости. arXiv 1807.08362.

Google Scholar

Гал, Ю., и Гахрамани, З. (2016). «Отказ как байесовское приближение: представление неопределенности модели в глубоком обучении», в International Conference on Machine Learning (New York, NY), 1050–1059.

Google Scholar

Гейгер Р.С., Ю.К., Ян, Ю., Дай, М., Цю, Дж., Тан, Р., и др. (2019). Мусор на входе, мусор на выходе? Сообщают ли документы о применении машинного обучения в социальных сетях, откуда берутся данные обучения, помеченные людьми? arXiv 1912.08320.

Google Scholar

Генцков М., Шапиро Дж. И Тэдди М. (2016). Измерение поляризации в данных большой размерности: метод и применение к выступлению в Конгрессе . Технический отчет, eSocialSciences. DOI: 10.3386 / w22423

CrossRef Полный текст | Google Scholar

Глимур, Б., и Херингтон, Дж. (2019). «Измерение значимых предубеждений: этические и случайные основы для измерения справедливости алгоритмов», в материалах Proceedings of the Conference on Fairness, Accountability and Transparency, FAT * ’19 (New York, NY: ACM), 269– 278. DOI: 10.1145 / 3287560.3287573

CrossRef Полный текст | Google Scholar

Гоэль С., Андерсон А., Хофман Дж. И Уоттс Д. Дж. (2015). Структурная вирусность онлайн-распространения. Manag. Sci . 62, 180–196.DOI: 10.1287 / mnsc.2015.2158

CrossRef Полный текст | Google Scholar

Гоффман Э. (1959). Представление себя в повседневной жизни . Гарден-Сити, Нью-Йорк: якорь.

Google Scholar

Гольдберг, Ю. (2016). Учебник по моделям нейронных сетей для обработки естественного языка. J. Artif. Intell. Res . 57, 345–420. DOI: 10.1613 / jair.4992

CrossRef Полный текст | Google Scholar

Грин, Б. (2018). «Справедливая» оценка рисков: ненадежный подход к реформе уголовного правосудия », , 5-й семинар по справедливости, подотчетности и прозрачности в машинном обучении (Стокгольм).

Google Scholar

Гринберг, Н., Джозеф, К., Фридланд, Л., Свайр-Томпсон, Б., и Лазер, Д. (2019). Фейковые новости в Твиттере во время президентских выборов в США в 2016 году. Наука 363, 374–378. DOI: 10.1126 / science.aau2706

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Hacking, I. (1986). Придумывать людей . Пало-Альто, Калифорния: Издательство Стэнфордского университета.

Google Scholar

Ханна, А., Дентон, Э., Смарт А. и Смит-Лауд Дж. (2019). К методологии критической гонки в алгоритмической справедливости. arXiv 1912.03593.

Google Scholar

Haraway, D. (1988). Установленные знания: научный вопрос в феминизме и привилегия частичной перспективы. Femin. Шпилька . 14, 575–599. DOI: 10.2307 / 3178066

CrossRef Полный текст | Google Scholar

Хардинг, С. Г. (2004). Читатель теории феминистской точки зрения: интеллектуальные и политические споры .Лондон, Великобритания: Psychology Press.

Google Scholar

Хасти Т., Тибширани Р. и Фридман Дж. (2009). Элементы статистического обучения: интеллектуальный анализ данных, вывод и прогнозирование . Берлин: Springer Science & Business Media.

Google Scholar

Heise, D. R. (2007). Выразительный заказ . Нью-Йорк, штат Нью-Йорк: Спрингер.

Google Scholar

Хипп, Дж. Р., Фарис, Р. В., и Бессен, А. (2012). Измерение «соседства»: построение сетевых окрестностей. Soc. Сеть . 34, 128–140. DOI: 10.1016 / j.socnet.2011.05.002

CrossRef Полный текст | Google Scholar

Хоффманн, А. Л. (2019). Где справедливость терпит неудачу: на данных, алгоритмах и пределах антидискриминационного дискурса. Информ. Commun. Soc . 22, 900–915. DOI: 10.1080 / 1369118X.2019.1573912

CrossRef Полный текст | Google Scholar

Hovland, C. I., and Weiss, W. (1951). Влияние доверия к источнику на эффективность коммуникации. Общественное мнение. Вопрос . 15, 635–650. DOI: 10.1086 / 266350

CrossRef Полный текст | Google Scholar

Хови, Д., и Форначари, Т. (2018). «Повышение сходства в классе за счет модификации встраиваемых данных с использованием демографической информации», в материалах Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing (Брюссель: Ассоциация компьютерной лингвистики), 671–677. DOI: 10.18653 / v1 / D18-1070

CrossRef Полный текст | Google Scholar

Иоффе, С., и Сегеди, К. (2015). Пакетная нормализация: ускорение глубокого обучения сети за счет уменьшения внутреннего ковариантного сдвига. arXiv 1502.03167.

Google Scholar

Ипейротис, П. Г., Провост, Ф., Шэн, В., и Ван, Дж. (2010). Повторное нанесение этикеток с использованием нескольких зашумленных этикетировщиков . Нью-Йорк, штат Нью-Йорк: электронная библиотека SSRN.

Google Scholar

Джейкобс, А. З., Уоллах, Х. (2019). Оценка и справедливость .

Google Scholar

Джозеф, К., Фридланд, Л., Хоббс, В., Лазер, Д., Цур, О. (2017a). «ConStance: моделирование контекстов аннотаций для улучшения классификации позиций», в материалах Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing (Копенгаген: Ассоциация компьютерной лингвистики), 1115–1124. DOI: 10.18653 / v1 / D17-1116

CrossRef Полный текст | Google Scholar

Джозеф К., Вэй В. и Карли К. М. (2016). «Изучение моделей использования идентичности в твитах: новая проблема, решение и тематическое исследование», в материалах Proceedings of the 25th International Conference on World Wide Web (Монреаль, Квебек: Руководящий комитет международных конференций World Wide Web), 401–412.DOI: 10.1145 / 2872427.2883027

CrossRef Полный текст | Google Scholar

Джозеф К., Вэй В. и Карли К. М. (2017b). «Девочки правят, мальчики пускают слюни: извлечение семантических и аффективных стереотипов из Twitter», в 2017 ACM Conference on Computer Supported Cooperative Work (CSCW) (Сиэтл, Вашингтон). DOI: 10.1145 / 2998181.2998187

CrossRef Полный текст | Google Scholar

Юнг, С.-Г., Ан, Дж., Квак, Х., Салминен, Дж., И Янсен, Б. Дж. (2017). «Вывод демографических данных пользователей социальных сетей по фотографиям профилей: анализ лиц ++ для пользователей твиттера», Труды 17-й Международной конференции по электронному бизнесу (Дубай).

Google Scholar

Камишима Т., Акахо С. и Сакума Дж. (2011). «Обучение с учетом справедливости посредством подхода регуляризации», , 2011 IEEE 11-я Международная конференция по интеллектуальному анализу данных, семинары (Вашингтон, округ Колумбия: IEEE), 643–650. DOI: 10.1109 / ICDMW.2011.83

CrossRef Полный текст | Google Scholar

Кей М., Матушек К. и Мансон С. А. (2015). «Неравное представительство и гендерные стереотипы в результатах поиска изображений профессий», в материалах Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems (Seoul: ACM), 3819–3828.DOI: 10.1145 / 2702123.2702520

CrossRef Полный текст | Google Scholar

Кирнс М., Нил С., Рот А. и Ву З. С. (2017). Предотвращение мошенничества в отношении честности: аудит и обучение справедливости в подгруппах. arXiv 1711.05144.

Google Scholar

Клейнберг Дж. (2018). Неотъемлемые компромиссы в алгоритмической справедливости. ACM SIGMETRICS Perform. Eval. Ред. . 46:40. DOI: 10.1145 / 3219617.3219634

CrossRef Полный текст | Google Scholar

Криппендорф, К.(2004). Надежность контент-анализа. Гум. Commun. Res . 30, 411–433. DOI: 10.1111 / j.1468-2958.2004.tb00738.x

CrossRef Полный текст | Google Scholar

Кунда, З., и Тагард, П. (1996). Формирование впечатлений на основе стереотипов, черт характера и поведения: теория удовлетворения параллельных ограничений. Psychol. Ред. . 103, 284–308. DOI: 10.1037 / 0033-295X.103.2.284

CrossRef Полный текст | Google Scholar

Ларсон, Дж., И Ангвин, Дж.(2016). Как мы анализировали алгоритм рецидивов КОМПАС . Нью-Йорк, штат Нью-Йорк: ProPublica.

Google Scholar

Lazer, D., Pentland, A. S., Adamic, L., Aral, S., Barabasi, A. L., Brewer, D., et al. (2009). Вычислительная социология. Наука 323, 721. DOI: 10.1126 / science.1167742

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Лазер Д. и Рэдфорд Дж. (2017). Data ex machina: введение в большие данные. Annu.Rev. Sociol . 43, 19–39. DOI: 10.1146 / annurev-soc-060116-053457

CrossRef Полный текст | Google Scholar

Левендуски М. (2009). Партизанский вид: как либералы стали демократами, а консерваторы — республиканцами . Чикаго, Иллинойс: Издательство Чикагского университета. DOI: 10.7208 / Чикаго / 9780226473673.001.0001

CrossRef Полный текст | Google Scholar

Липтон, З. К. (2016). Мифы интерпретируемости моделей. arXiv 1606.03490.

Google Scholar

Лю Ю., Никулеску-Мизил А. и Грыц В. (2009). «LDA с тематической связью: совместные модели темы и сообщества авторов», в материалах Proceedings of the 26th Annual International Conference on Machine Learning (Montreal, QC: ACM), 665–672. DOI: 10.1145 / 1553374.1553460

CrossRef Полный текст | Google Scholar

Лукас К., Нильсен Р. А., Робертс М. Э., Стюарт Б. М., Сторер А. и Тингли Д. (2015). Компьютерный анализ текста для сравнительной политики. Полит. Анальный . 23, 254–277. DOI: 10.1093 / pan / mpu019

CrossRef Полный текст | Google Scholar

Луи М. и Болдуин Т. (2012). «Langid.py: стандартный инструмент идентификации языков», в Proceedings of the ACL 2012 System Demonstrations (Остров Чеджу: Ассоциация компьютерной лингвистики), 25–30.

Google Scholar

Лундберг И., Нараянан А., Леви К. и Салганик М. Дж. (2019). Конфиденциальность, этика и доступ к данным: тематическое исследование проблемы уязвимых семей. Socius 5: 2378023118813023. DOI: 10.1177 / 2378023118813023

CrossRef Полный текст | Google Scholar

Марсден, П. В., и Фридкин, Н. Е. (1993). Сетевые исследования социального влияния. Sociol. Методы Рез. . 22, 127–151. DOI: 10.1177 / 004

93022001006

CrossRef Полный текст | Google Scholar

Мартин, Э. (1991). Яйцеклетка и сперма: как наука построила роман, основанный на стереотипных мужских и женских ролях. Знаки J.Женский культ. Soc . 16, 485–501. DOI: 10.1086 / 494680

CrossRef Полный текст | Google Scholar

Мейсон, Л. (2015). «Я неуважительно согласен»: различное влияние партизанской сортировки на социальную и проблемную поляризацию. Am. J. Полит. Sci . 59, 128–145. DOI: 10.1111 / ajps.12089

CrossRef Полный текст | Google Scholar

Mitchell, M., Baker, D., Moorosi, N., Denton, E., Hutchinson, B., Hanna, A., et al. (2020). «Метрики разнообразия и инклюзивности при выборе подмножества», в Proceedings of the AAAI / ACM Conference on AI, Ethics, and Society (None), 117–123.DOI: 10.1145 / 3375627.3375832

CrossRef Полный текст | Google Scholar

Митчелл, С., Поташ, Э., и Барокас, С. (2018). Решения и справедливость на основе прогнозов: каталог вариантов, предположений и определений. arXiv 1811.07867.

Google Scholar

Мукерджи, С. (2014). «Совместная тематическая модель настроений авторов», на Международной конференции SIAM по интеллектуальному анализу данных (SDM 2014) (Пенсильвания, Пенсильвания). DOI: 10,1137 / 1,9781611973440.43

CrossRef Полный текст | Google Scholar

Нельсон, Л. К. (2017). Вычислительно-обоснованная теория: методологические основы. Sociol. Методы Рез. . 49: 004

17729703. DOI: 10.1177 / 004

17729703

CrossRef Полный текст | Google Scholar

О’Коннор Б., Бамман Д. и Смит Н. А. (2011). «Вычислительный анализ текста для социальных наук: допущения и сложность модели», в Семинар NIPS по вычислительным социальным наукам и мудрости толпы .

Google Scholar

Олтяну А., Кастильо К., Диас Ф. и Кичиман Э. (2016). Социальные данные: предубеждения, методологические ошибки и этические границы . Научная статья SSRN ID 2886526. Рочестер, штат Нью-Йорк: Сеть исследований в области социальных наук. DOI: 10.2139 / ssrn.2886526

CrossRef Полный текст | Google Scholar

Пассонно, Р. Дж., И Карпентер, Б. (2014). Преимущества модели аннотации. Пер. Доц. Comput. Лингвист . 2, 311–326.DOI: 10.1162 / tacl_a_00185

CrossRef Полный текст | Google Scholar

Жемчуг, Дж. (2019). Семь инструментов причинного вывода с размышлениями о машинном обучении. Commun. ACM 62, 54–60. DOI: 10.1145 / 3241036

CrossRef Полный текст | Google Scholar

Пул, К. Т., и Розенталь, Х. (1991). Образцы голосования в Конгрессе. Американский журнал политических наук . 35, 228–278. DOI: 10.2307 / 2111445

CrossRef Полный текст | Google Scholar

Райкар, В.К., Ю, С., Чжао, Л. Х., Валадез, Г. Х., Флорин, К., Богони, Л. и др. (2010). Учимся у толпы. J. Mach. Учить. Res . 11, 1297–1322. Доступно в Интернете по адресу: http://dl.acm.org/citation.cfm?id=1756006.1859894

Google Scholar

Рибейро, М. Т., Сингх, С., и Гестрин, К. (2016). «Почему я должен вам доверять?»: Объясняет прогнозы любого классификатора. arXiv 1602.04938. DOI: 10.18653 / v1 / N16-3020

CrossRef Полный текст | Google Scholar

Рикфорд, Дж.Р., и Лабов В. (1999). Афроамериканский диалект английского языка: особенности, эволюция, образовательное значение . Мальден, Массачусетс: Блэквелл.

Google Scholar

Робертс М. Э., Стюарт Б. М., Тингли Д. и Аирольди Э. М. (2013). «Структурная тематическая модель и прикладная социальная наука», в Семинар «Успехи в области систем обработки нейронной информации по тематическим моделям: вычисление, применение и оценка» (Лейк-Тахо, Юта), 1–20.

Google Scholar

Робертс, М.Е., Стюарт, Б. М., Тингли, Д., Лукас, К., Ледер-Луис, Дж., Гадарян, С. К. и др. (2014). Структурные тематические модели для открытых ответов на опросы. Am. J. Полит. Sci . 58, 1064–1082. DOI: 10.1111 / ajps.12103

CrossRef Полный текст | Google Scholar

Рорер, Дж. М. (2018). Четкое мышление о корреляциях и причинно-следственных связях: графические причинно-следственные модели для данных наблюдений. Adv. Методы Прак. Psychol. Sci . 1, 27–42. DOI: 10.1177 / 2515245

5629

CrossRef Полный текст | Google Scholar

Розен-Цви, М., Гриффитс, Т., Стейверс, М., и Смит, П. (2004). «Модель автор-тема для авторов и документов», в материалах Труды 20-й конференции по неопределенности в искусственном интеллекте (Арлингтон, Вирджиния: AUAI Press), 487–494.

Google Scholar

Салганик, М. Дж., Лундберг, И., Киндель, А. Т., Ахерн, К. Э., Аль-Гонейм, К., Альмаатук, А., и др. (2020). Измерение предсказуемости жизненных результатов с помощью массового научного сотрудничества. Proc. Natl. Акад. Sci .117, 8398–8403. DOI: 10.1073 / pnas.1

6117

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Салганик, М. Дж., Лундберг, И., Киндель, А. Т., и Макланахан, С. (2019). Знакомство со специальным сборником о проблеме уязвимых семей. Socius 5: 2378023119871580. DOI: 10.1177 / 2378023119871580

CrossRef Полный текст | Google Scholar

Шварц, Х.А., Эйхштадт, Дж. К., Керн, М. Л., Дзюржински, Л., Рамонес, С. М., Агравал, М., и другие. (2013). Личность, пол и возраст на языке социальных сетей: подход открытого словарного запаса. PLoS ONE 8: e73791. DOI: 10.1371 / journal.pone.0073791

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Селбст А. Д., Бойд Д., Фридлер С., Венкатасубраманиан С. и Вертези Дж. (2018). Справедливость и абстракция в социотехнических системах . Научная статья SSRN ID 3265913. Рочестер, штат Нью-Йорк: Сеть исследований в области социальных наук. DOI: 10.1145 / 3287560.3287598

CrossRef Полный текст | Google Scholar

Сен, М., и Вазоу, О. (2016). Гонка как связка клюшек: конструкции, которые оценивают влияние, казалось бы, неизменных характеристик. Annu. Преподобный Полит. Sci . 19, 499–522. DOI: 10.1146 / annurev-polisci-032015-010015

CrossRef Полный текст | Google Scholar

Смит-Ловин, Л. (2007). Сила слабой идентичности: социальные структурные источники личности, ситуации и эмоционального опыта. Soc. Psychol. Вопрос . 70, 106–124. DOI: 10.1177 / 0150707000203

CrossRef Полный текст | Google Scholar

Сноу Р., О’Коннор Б., Джурафски Д. и Нг А. Ю. (2008). «Дешево и быстро, но разве это хорошо ?: оценка аннотаций, не являющихся экспертами для задач естественного языка», в Proceedings of the Conference on Empirical Methods in Natural Language Processing (Гонолулу, Гавайи: Ассоциация компьютерной лингвистики), 254–263 . DOI: 10.3115 / 1613715.1613751

CrossRef Полный текст | Google Scholar

Sudnow, D.(1965). Нормальные преступления: социологические особенности уголовного кодекса в должности государственного защитника. Soc. Проблема . 12, 255–276. DOI: 10.2307 / 798932

CrossRef Полный текст | Google Scholar

Сегеди К., Иоффе С., Ванхаук В. и Алеми А. А. (2017). «Inception-v4, inception-resnet и влияние остаточных связей на обучение», в Тридцать первая конференция AAAI по искусственному интеллекту (Сан-Франциско, Калифорния).

Google Scholar

Тавори, И., и Тиммерманс, С. (2014). Абдуктивный анализ: теоретические качественные исследования . Чикаго, Иллинойс: Издательство Чикагского университета. DOI: 10.7208 / Чикаго / 9780226180458.001.0001

CrossRef Полный текст | Google Scholar

Тодоров А., Саид К. П., Энгелл А. Д. и Остерхоф Н. Н. (2008). Понимание оценки лиц по социальным параметрам. Trends Cogn. Sci . 12, 455–460. DOI: 10.1016 / j.tics.2008.10.001

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Тул, Дж.Л., Лин, Ю.-Р., Мюлеггер, Э., Шоаг, Д., Гонсалес, М. К., и Лазер, Д. (2015). Отслеживание потрясений в сфере занятости с использованием данных мобильного телефона. J. R. Soc. Интерфейс 12: 20150185. DOI: 10.1098 / rsif.2015.0185

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Цур О., Калаччи Д. и Лазер Д. (2015). «Настроение: использование статистических моделей для выявления кампаний по формированию рамок и установления повестки дня», в материалах материалов 53-го ежегодного собрания Ассоциации компьютерной лингвистики и 7-й Международной совместной конференции по обработке естественного языка (Том 1: Длинные документы) (Лиссабон), 1629–1638.DOI: 10.3115 / v1 / P15-1157

CrossRef Полный текст | Google Scholar

Tufekci, Z. (2014). «Большие вопросы для больших данных в социальных сетях: репрезентативность, достоверность и другие методологические ошибки», в ICWSM ’14: Материалы 8-й Международной конференции AAAI по блогам и социальным сетям (Анн-Арбор, Мичиган).

Google Scholar

Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., et al. (2017). «Внимание — это все, что вам нужно», в Advances in Neural Information Processing Systems (Long Beach, CA), 5998–6008.

Google Scholar

Уоллес, Э., Фенг, С., Кандпал, Н., Гарднер, М., и Сингх, С. (2019). Универсальные состязательные триггеры для нлп. arXiv 1908.07125. DOI: 10.18653 / v1 / D19-1221

CrossRef Полный текст | Google Scholar

Уоллах, Х. (2018). Вычислительные социальные науки ≠ информатика + социальные данные. Commun. ACM 61, 42–44. DOI: 10.1145 / 3132698

CrossRef Полный текст | Google Scholar

Ван, В., Ротшильд, Д., Гоэль, С., Гельман, А. (2015). Прогнозирование выборов с помощью непредставительных опросов. Внутр. J. Прогноз . 31, 980–991. DOI: 10.1016 / j.ijforecast.2014.06.001

CrossRef Полный текст | Google Scholar

Ван Ю., Косински М. (2018). Глубокие нейронные сети точнее, чем люди, определяют сексуальную ориентацию по изображениям лиц. J. Pers. Soc. Психол . 114: 246. DOI: 10.1037 / pspa0000098

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Васим, З.(2016). «Вы расист или я что-то вижу? Влияние аннотатора на обнаружение языка вражды в Твиттере », в NLP + CSS 2016, 138. Остин, Техас. DOI: 10.18653 / v1 / W16-5618

CrossRef Полный текст | Google Scholar

Ву, X., и Чжан, X. (2016). Автоматический вывод о преступности с использованием изображений лиц. arXiv 1611.04135.

Google Scholar

Янь, X., Го, Дж., Лань, Y., и Ченг, X. (2013). «Битермическая тематическая модель для коротких текстов», в материалах Труды 22-й Международной конференции по всемирной паутине (Рио-де-Жанейро: ACM), 1445–1456.DOI: 10.1145 / 2488388.2488514

CrossRef Полный текст | Google Scholar

Загоруйко, С., Комодакис, Н. (2016). Уделять больше внимания вниманию: повышение производительности сверточных нейронных сетей за счет передачи внимания. arXiv 1612.03928.

Google Scholar

Зубери, Т., и Бонилла-Силва, Э. (2008). Белая логика, белые методы: расизм и методология . Лэнхэм, Мэриленд: Rowman & Littlefield Publishers.

Google Scholar

Психо-социальная перспектива: Инкелес, Алекс: 9781560002604: Amazon.com: Книги

«Этот плодотворный сборник обширного сравнительного объема и высокой эрудиции окажется незаменимым для всех, кто интересуется этой темой».

Политические исследования

«Алекс Инкелес внес значительный вклад в три важные исследовательские темы двадцатого века. . . . Вся работа Инкелес имеет тройной знак преемственности с прошлым, теоретического и методологического воображения и бескомпромиссной строгости. Его новая книга Национальный характер отражает эти качества.. . . Алекс Инкелес особенно устойчиво и последовательно нес факел науки в области социальных наук на протяжении последних полувека, не ослабляя творчества и не уступая прихотям во времена, когда могущественные политические течения исказили науку, а иллюзия точной науки рухнула. соблазнил его своим большим эклектичным возбуждением. Национальный характер; Психо-социальная перспектива предоставляет убедительные доказательства этой оценки ».

—Габриэль Алмонд, Политический журнал

«Опираясь на более ранние работы автора о развитии характера в Советском Союзе и других странах, эта книга стремится вернуть национальному характеру респектабельность, поставив его на прочную методологическую основу.. . . Книга является здоровым признаком того, что социальные науки выходят за рамки узких дисциплинарных границ и борются с важными проблемами здравого смысла ».

—Франсис Фукуяма, Foreign Affairs

“[Инкелес] пишет ясно, хорошо понимая, какие аргументы могут быть выдвинуты против него, так что любые будущие попытки возродить исследования национального характера сочтут эту книгу интересной. бесценный ориентир ».

—Джонатан Бентхолл, Журнал Королевского антропологического института

«Сфера« национального характера »с годами росла и падала по мере того, как писатели и социологи пытались понять эту концепцию.Все мы чувствуем, что «что-то в этом роде» существует, но в любых определениях нет точности. Публикация статей Алекса Инкелеса и его коллег теперь дает нам «подсказку» по этому вопросу. Инкелес определяет «модальную личность» или устойчивые характеристики и модели, которые распространяются среди населения, и использует эмпирические исследования и материалы об установках, чтобы показать существование такой концепции в различных странах, а также соотносить «национальный характер» с социокультурными системами. Это справочная книга по данному предмету.

— Дэниел Белл, постоянный исследователь Американской академии искусств и наук

«Алекс Инкелес является ведущим специалистом в области взаимоотношений между национальностью и личностью. . . . Исследования и размышления всей жизни теперь доступны в одном томе. Текущие политические события показывают, что проблема национальных различий в мировоззрении как никогда актуальна. Работа Инкелеса будет и дальше оставаться ключевым ресурсом для кросс-культурных психологов, сравнительных социологов и антропологов, изучающих современные общества.

— Герт Хофстеде, Институт исследований межкультурного сотрудничества, Нидерланды, автор книги Culture’s Consequences

«Перефразируя Марка Твена о погоде, все верят в национальный характер и полагаются на него, но никто не думает, что вы можете его изучить. научно. По иронии судьбы, любое исследование национального характера, вероятно, вызовет одновременно согласие по поводу его сути и ворчание по поводу его методологии. За всю свою жизнь, работая над национальным характером, Алекс Инкелес преодолел эту иронию, сделав достоверной как концепцию национального характера, так и методы ее изучения.Его концепция модальной личности — прекрасный и ценный компромисс между крайностями стереотипов рангов, обнаруживаемыми в подходах «группового разума», и принципиальным отрицанием существования культурных типов. Его представления о национальном характере никогда не отделяются от их социокультурных детерминант. Его сравнительный охват огромен. И в его работе используются наиболее подходящие и лучшие социально-научные методы изучения часто неуловимого феномена группового характера. Работы профессора Инкелеса о национальном характере насчитывают пять десятилетий и разбросаны по разным литературным потокам.И обществоведы, и непрофессионалы выражают признательность автору и издателю за то, что они собрали эти замечательные достижения в одном томе ».

—Нил Дж. Смелзер, директор Центра перспективных исследований в области поведенческих наук, Стэнфорд, Калифорния

О масштабах и пределах обобщений в социальных науках

  • Адельман, Ирма и Синтия Тафт Моррис: 1967, Общество, политика и экономическое развитие: количественный подход , Johns Hopkins Press, Балтимор.

    Google Scholar

  • Брейбрук, Дэвид: 1987, Философия социальных наук , Прентис-Холл, Энглвуд-Клиффс.

    Google Scholar

  • Картрайт, Нэнси: 1983, Как лгут законы физики , Oxford University Press, Oxford.

    Google Scholar

  • Картрайт, Нэнси: 1989, Природные возможности и их измерение , Oxford University Press, Oxford.

    Google Scholar

  • Коулман, Джеймс С .: 1990, Основы социальной теории , Издательство Гарвардского университета, Кембридж.

    Google Scholar

  • Дэвидсон, Дональд: 1980, Очерки действий и событий , Oxford University Press, Oxford.

    Google Scholar

  • Эльстер, Джон: 1989, Гайки и болты для социальных наук , Cambridge University Press, Кембридж.

    Google Scholar

  • Элвин, Марк: 1973, Образец китайского прошлого , Stanford University Press, Стэнфорд.

    Google Scholar

  • Geertz, Clifford: 1983, Local Knowledge , Basic, New York.

    Google Scholar

  • Хаусман, Дэниел: 1981, «Экономическая философия Джона Стюарта Милля» Философия науки 48 , 363–85.

    Google Scholar

  • Хаусман, Даниэль: 1992, Неточная и отдельная наука об экономике , Cambridge University Press, Кембридж.

    Google Scholar

  • Хемпель, Карл: [1942] / 1965, «Функция общих законов в истории», в К. Хемпель, Аспекты научного объяснения , Free Press, Нью-Йорк, стр. 231–43.

    Google Scholar

  • Хоббс, Джесси: 1991, «Хаос и индетерминизм», Философия социальных наук 21 , 141–64.

    Google Scholar

  • Хантингтон, Сэмюэл П .: 1968, Политический порядок в меняющихся обществах , Издательство Йельского университета, Нью-Хейвен.

    Google Scholar

  • Кинг, Гэри, Сидней Верба и Роберт О. Кеохан: 1991, Научный вывод в качественных исследованиях , неопубликованная рукопись.

  • Кинкейд, Гарольд: 1986, «Редукция, объяснение и индивидуализм», Философия науки 54 , 492–513.

    Google Scholar

  • Кинкейд, Гарольд: 1990, «Защита законов в социальных науках», Философия социальных наук 20 , 56–83.

    Google Scholar

  • Китчер, Филип и Уэсли С. Салмон (ред.): 1989, Научное объяснение, Миннесотские исследования в области философии науки , Vol. 13, Университет Миннесоты, Миннеаполис.

    Google Scholar

  • Леви, Маргарет: 1988, Of Rule and Revenue , Калифорнийский университет, Беркли.

    Google Scholar

  • Little, Daniel: 1986, The Scientific Marx , University of Minnesota Press, Миннеаполис.

    Google Scholar

  • Литтл, Дэниел: 1989, Понимание крестьянского Китая: тематические исследования в философии социальных наук , Издательство Йельского университета, Нью-Хейвен.

    Google Scholar

  • Литтл, Даниэль: 1991, Разновидности социальных объяснений: Введение в философию социальных наук , Westview Press, Boulder.

    Google Scholar

  • MacIntyre, Alasdair: 1973, «Возможна ли наука сравнительной политики?», В A. Ryan (ed.), The Philosophy of Social Explanation , Oxford University Press, Oxford, pp.15–32.

    Google Scholar

  • Маки, Дж. Л .: 1974, Цемент Вселенной , Oxford University Press, Лондон.

    Google Scholar

  • Манн, Майкл: 1986, Источники социальной власти. История власти от начала до 1760 г. н.э., Vol. Один, издательство Кембриджского университета, Кембридж.

    Google Scholar

  • Макинтайр, Ли: 1991, «Проблемы философии социальных наук: на пути к защите номологического объяснения в социальных науках», доктор философии.Докторская диссертация, Мичиганский университет.

  • Милл, Джон Стюарт: 1950, Философия научного метода , Хафнер, Нью-Йорк.

    Google Scholar

  • Миллер, Ричард: 1991, «Факт и метод в социальных науках», в Р. Бойд, П. Гаспер и Дж. Д. Траут (ред.), Философия науки , MIT Press, Кембридж, стр. 743–62.

    Google Scholar

  • Нельсон, Алан: 1990, «Являются ли экономические виды естественными?», В C.У. Сэвидж (редактор), Научные теории, Миннесотские исследования в области философии науки , Vol. 14, University of Minnesota Press, Миннеаполис, стр. 102–35.

    Google Scholar

  • Putnam, Hilary: 1975a, «Аналитическое и синтетическое», в H. Putnam, Mind, Language, and Reality , Vol. 2, Cambridge University Press, Кембридж, стр. 33–69.

    Google Scholar

  • Putnam, Hilary: 1975b, «Объяснение и ссылка», в H.Патнэм, Разум, язык и реальность , Vol. 2, Cambridge University Press, Кембридж, стр. 196–214.

    Google Scholar

  • Рейлтон, Питер: 1981, «Вероятность, объяснение и информация», Synthese 48 , 233–56.

    Google Scholar

  • Рейлтон, Питер: 1989, «Объяснение и метафизическое противоречие», в Китчер и Салмон (1989), стр.220–52.

  • Ремер, Джон: 1982, «Методологический индивидуализм и дедуктивный марксизм», Теория и общество 11 , 513–20.

    Google Scholar

  • Розенберг, Александр: 1988, Философия социальных наук , Вествью, Боулдер, Колорадо.

    Google Scholar

  • Рубен, Давид-Гиллель: 1990, «Единственное объяснение и социальные науки», в Д.Ноулз (ред.), Объяснение и его пределы , Cambridge University Press, Кембридж, стр. 95–117.

    Google Scholar

  • Руднер, Ричард: 1966, Философия социальных наук , Прентис-Холл, Энглвуд-Клиффс.

    Google Scholar

  • Сахлинс, Маршалл: 1976, Культура и практические причины , Чикагский университет, Чикаго.

    Google Scholar

  • Лосось, Мерили Х.: 1989, «Объяснение в социальных науках», Китчер и Салмон (1989), стр. 384–409.

  • Лосось, Уэсли К.: 1984, Научное объяснение и причинная структура мира , Princeton University Press, Princeton.

    Google Scholar

  • Лосось, Уэсли К.: 1989, «Четыре десятилетия научного объяснения», в Китчер и Салмон (1989), стр. 3–219.

  • Skocpol, Theda: 1979, States and Social Revolutions , Cambridge University Press, Кембридж.

    Google Scholar

  • Тейлор, Чарльз: 1985, «Интерпретация и науки о человеке», в К. Тейлоре, Философия и гуманитарные науки: Философские статьи 2, Cambridge University Press, Кембридж, стр. 15–57.

    Google Scholar

  • Томас, Дэвид: 1979, Натурализм и социальные науки , Cambridge University Press, Кембридж.

    Google Scholar

  • Тернер, Виктор: 1974, Драмы, поля и метафоры: символическое действие в человеческом обществе , Cornell University Press, Итака.

  • Author: alexxlab

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *