Социальные исследования

Дисциплина «Исследования науки и технологий как историография» предлагает обзор ключевых подходов к осмыслению мира, формируемого цифровыми технологиями, сквозь призму STS-исследований. Мы рассмотрим, как классическое поле STS взаимодействует с медиаисследованиями и изучением коммуникации, как классические этнографии труда дополняются исследованиями human-computer interaction. Критическому анализу будут подвергнуты также цифровая гуманитаристика и цифровая социология.

В рамках курса обучающиеся освоят ключевые цифровые методы исследования, включая анализ социальных сетей и цифровые этнографии. Проведут «археологию» цифровых инструментов, раскрыв их принципы работы, методы и роль в производстве знания. Изучат практическую, локальную и сетевую природу цифровой работы, концепцию «сетевой агентности» и ее влияние на коллективное действие. Увидят «гибридность» и «изменчивость» цифровых объектов, их способность приобретать новые значения в разных контекстах. Рассмотрят, как цифровые технологии влияют на процессы включения/исключения и формируют новые формы (не)видимости в контексте технополитики. Познакомятся с основными моральными проблемами, возникающими как в поле цифровых исследований, так и в мире создаваемым новыми технологиями.

Преподаватель: Роман Гильминтинов, кандидат исторических наук

Количество часов: 56

Курс представляет собой введение в проблематику хозяйственной деятельности человека в окружающей среде. Будут рассмотрены три темы: (1) экономика окружающей среды (environmental economics), развивающаяся в рамках ортодоксальной неоклассической экономической дисциплины; (2) экологическая экономика (ecological economics), представляющая собой междисциплинарное поле, в рамках которого точкой отсчета становятся биофизические границы планеты; (3) политическая экономия окружающей среды, которая подразумевает внимание к «внеэкономическим» факторам, определяющим доступ к природным благам и распределение экологических издержек и рисков.

Также будет рассмотрена экономика природопользования – отечественная
дисциплина, уходящая корнями в советскую политэкономию – и ее связь с марксизмом. Используя эти перспективы, мы обсудим, почему природа оказывается «вне» сферы экономического и что с этим делать, может ли экономика расти бесконечно в ограниченном пространстве планеты, что такое экологическая справедливость и равенство, как придавать ценность природе и нужно ли это делать, а также как на эти процессы влияет неопределенность.

Преподаватель: Роман Гильминтинов, кандидат исторических наук

Количество часов: 56

Вводный курс, посвященный основным понятиям причинно-следственного вывода и подходам к определению и измерению каузальности. В ходе курса студенты ознакомятся с основными разделами каузального анализа (дизайн исследований, постановка исследовательских вопросов, отличие от предсказательного подхода, методы каузального вывода, каузальные диаграммы и DAG), будут читать актуальные статьи, чтобы понять, как разные подходы применяются в эмпирических исследованиях и с какими ограничениями сталкиваются авторы. Отдельное внимание будет уделено роли теории в причинно-следственного выводе.

Преподаватель: Дмитрий Аркатов, кандидат политических наук, доцент Школы вычислительных социальных наук

Количество часов: 56

Курс посвящен работе с теорией в вычислительной социологии. Студентов познакомят с одним из ключевых для вычислительной социологии подходов — аналитической социологией. Студенты разберут, как строится объяснение в социальных науках, какие концепты можно рассматривать в качестве основополагающих и как их можно использовать для объяснения поведения и для генерации новых теорий. Ключевые темы: объяснение в социальных науках; теория среднего уровня; модель DBO: desires, beliefs, opportunities; нормы; коллективное принятие решений и коллективное поведение; эмоции.

Преподаватель: Ксения Тенишева, кандидат социологических наук, доцент Школы вычислительных социальных наук

Количество часов: 28

Базовый курс представляет собой введение в количественный анализ данных. При этом он будет интересен как новичкам, так и тем, кто уже знает основы анализа данных: мы сразу разберем принципы симуляции данных для оценки неуверенности (uncertainty) и внедрим этот подход в анализ данных. Также мы уделим большое внимание power analysis и тому, для каких целей можно использовать предельные эффекты. Ключевые навыки, которым будут обучаться студенты, помимо собственно методов анализа, включают способность определять уместность и необходимость изученных методов для решения конкретных задач, а также умение давать содержательную интерпретацию результатов анализа. Ключевые темы: распределения; типы гипотезы и простые тесты; симуляция данных для проверки гипотез; линейная регрессия; логистическая регрессия; методы снижения размерности (факторный анализ, кластерный анализ).

Преподаватель: Ксения Тенишева, кандидат социологических наук, доцент Школы вычислительных социальных наук

Количество часов: 56