Виды конкуренции таблица обществознание: Конкуренция. Шпаргалка для подготовки к ЕГЭ по Обществознанию

Содержание

Виды рыночной конкуренции | Презентация к уроку по обществознанию (10, 11 класс):

Слайд 1

Тема урока: Экономическая конкуренция План урока : 1.Понятие конкуренции 2.Типы конкуренции 3.Положительное и отрицательное влияние конкуренции 4.Закрепление пройденного материала 5.Домашнее задание

Слайд 2

Вопрос 1. В каких сферах жизни общества проявляется конкуренция. Приведите примеры. Правильный ответ : Во всех существующих сферах жизни общества: политической, социальной, духовной и экономической.

Слайд 3

Конкуренция (от лат concurrere – столкновение) Конкуренция – это экономическое соперничество субъектов хозяйственной деятельности за лучшие условия производства и купли-продажи товаров и услуг.

Слайд 4

Вопрос 2. Какими неценовыми способами производители (продавцы) могут привлечь к себе внимание покупателей?

Слайд 5

Заполните таблицу характерных черт рынка по типу конкуренции Характерная черта Тип конкуренции совершенная конкуренция монополия олигополия Монополисти — — ческая конкуренция Число фирм Тип продукта Контроль над ценой Условия вступления в отрасль (рынок) Примеры

Слайд 6

Структура рынка по типу конкуренции 1.Совершенная (чистая) конкуренция Признаки рынка совершенной конкуренции: 1.Множество мелких фирм 2.Продукция однородная 3.Отсутствуют барьеры для входа на рынок 4.Отсутствие контроля над ценой 5.Полная информированность всех участников рынка. Совершенная конкуренция – это рынок, на котором, на котором множество мелких фирм производят однородную продукцию и не имеют возможности кон­тролировать цены на неё.

Слайд 7

2.Несовершенная конкуренция 2.1.Монополия От греч. « mono » – «один» и « poleo » – «продаю » Признаки монополистического рынка 1.Единственный продавец 2.Высокие барьеры для входа на рынок 3.Уникальный продукт 4.Полный контроль цены за своим продуктом Монополия – это тип несовершенной конкуренции, который характеризуется единственным продавцом уникальной продукции, с высоким барьером вхождения на рынок новых фирм и полным контролем цены над своим продуктом. Вопрос 3. В чем недостатки монополии?

Слайд 8

2.2.Олигополия От греч. oligos ( несколько, немного) и poleo (продаю) Олигополия – это тип несовершенной конкуренции, где большая доля производства и продажи принадлежит нескольким крупным фирмам (от 3-5) и при этом каждая из них может оказывать влияние на рыночную стоимость товара. Признаки олигополии: Небольшое число фирм, которое господствует на рынке Наличие барьеров при вступлении в отрасль Ценовой сговор производителей (контроль над ценой) Товары могут производить как однородные, так и дифференцированные Вопрос 4. Приведите пример олигополии

Слайд 9

2.3. Монополистическая конкуренция Монополистическая конкуренция – тип несовершенной конкуренции, при котором множество мелких фирм предлагают дифференцированные товары, конкурируют за объем продаж. Признаки монополистической конкуренции: Большое количество производителей Относительно свободный вход на рынок Фирмы могут влиять на цену своих товаров и услуг ( в узких рамках) Дифференцированные товары Жесткая неценовая конкуренция Высокая информированность продавцов и покупателей о ситуации на рынке

Слайд 10

Монопсония – тип конкуренции, когда на рынке существует только одни покупатель и множество продавцов.

Слайд 11

Положительное влияние конкуренции: Совершенствование техники и технологий Стимулирование повышения качества товаров Снижение затрат (издержек) производителей Негативное влияние конкуренции: Банкротство, разорение фирм Нерациональное использование природных и человеческих ресурсов Использование нечестных методов конкурентной борьбы (например «черный пиар»

Слайд 12

Характерные черты Совершенная, чистая конкуренция Виды несовершенной конкуренции монополия Олигополия Монополистическая конкуренция Число фирм Очень большое Одна Несколько Много Тип продукта Стандартизированная Уникальный Однородный или дифференцированный Дифференцированный Контроль над ценой Отсутствует Значительный существенный В узких рамках Условия вступления в отрасль Очень лёгкие (свободный доступ) Рынок блокирован Много препятствий Сравнительно лёгкие Примеры С/хозяйство, биржа, драгоценные металлы Электрические и газовые, местные телефонные компании и т.д. (могут быть приведены и другие примеры) Автомобилестроение, авиационная, химическая, нефтяная, электронная промышленность и т.д. Розничная торговля, производство одежды, обуви, косметики, мебели и т.д.

Слайд 13

Вопрос 5. Какой тип рыночной конкуренции на следующих рынках? 1.Рынок косметики 2.Рынок сотовой связи

Слайд 14

3.Метрополитен 4.Фондовая биржа

Слайд 15

Выберите верные суждения о видах конкуренции и запишите цифры, под которыми они указаны. Монопсония — это такой вид монополии, когда монополистом является не продавец, а покупатель. Олигополией называют рыночную структуру, при которой рынок поделен между несколькими крупными фирмами. Монополист самостоятельно устанавливает и контролирует цены на производимую продукцию с учетом рыночного спроса. В условиях олигополии отсутствуют барьеры входа на рынок новых участников. Ситуация на рынке, когда множество фирм производят однотипную продукцию и не имеют возможности контролировать цены на нее, называется совершенной конкуренцией.

ЕГЭ по обществознанию, подготовка к ЕГЭ по обществознанию 2021 в Москве, темы экзамена, перевод баллов — Учёба.ру

Что требуется

Альтернативное задание, где надо написать мини-сочинение по одной из пяти предлагаемых тем. Темы заданы в виде кратких высказываний общественных и политических деятелей, а также деятелей науки и культуры. Иногда встречаются и афоризмы. Каждая тема-высказывание условно соотносится с одной из базовых наук курса; темы по социологии и социальной психологии входят в один блок.

Особенности

Это, пожалуй, самое сложное задание экзамена. В этом году серьезно изменились критерии его оценки. Теперь при написании сочинения необходимо выполнить следующие требования:

Обозначьте по своему усмотрению одну или несколько основных идей затронутой автором темы и раскройте ее (их).

При раскрытии обозначенной(-ых) вами основной(-ых) идеи(-й) в рассуждениях и выводах используйте обществоведческие знания (соответствующие понятия, теоретические положения). Проиллюстрируйте их фактами и примерами из общественной жизни и личного социального опыта, примерами из других предметов.

Для иллюстрации сформулированных вами теоретических положений, рассуждений и выводов приведите не менее двух фактов или примеров из различных источников. Каждый факт или пример должен быть сформулирован развернуто и явно связан с иллюстрируемым положением, рассуждением или выводом.

Советы

Выберите раздел обществознания, в котором вы чувствуете себя увереннее всего: знаете основные понятия, можете их пояснить и корректно употребить в тексте, готовы привести примеры из разных областей знания. Пишите сочинения в течение года — эти заготовки обязательно вам пригодятся. В противном случае на экзамене вам может просто не хватить времени. По сути, вся подготовка к выполнению предыдущих заданий части 2 — это подготовка к написанию сочинения. Вы можете выстроить его план с опорой на задание № 28, использовать основные понятия курса благодаря заданию № 25, проиллюстрировать заявленные теоретические положения (это обязательное требование) с помощью примеров благодаря заданию № 26 (особенно если вы искали примеры в истории, современной практике, литературе). Вы можете привести контрпример — это задание № 27.

Примеры приводите по ходу рассуждений и к каждому заявленному тезису формулируйте мини-выводы. Не уходите от темы, но и не «замыкайтесь» на авторской фразе. Посмотрите, с какими другими социальными объектами и процессами связаны ключевые позиции предложенного высказывания.

Если вы не уверены в теории или примере, лучше не пишите о них. Ошибки снижают балл в теоретической аргументации и «обнуляют» пример (ошибка в примере — пример не засчитывается). Следите за логикой. Ваши суждения должны быть связанными, а не отрывочными. Не превращайте сочинение в глоссарий — термины, не связанные между собой и с темой, не принесут вам баллов.

Не бойтесь быть оригинальными, но и не сводите ваши рассуждения к абсурду. Ваш искренний интерес к теме и ее нетривиальная подача, несомненно, вызовут интерес у эксперта. Однако если вы не готовы написать оригинальную работу, лучше не экспериментировать. Выполняйте работу по критериям: интерпретация высказывания, собственный тезис, его теоретические доказательства и примеры. Напишите больше двух примеров — это может стать гарантией того, что хотя бы два из них попадут в цель и будут засчитаны.

Типы экономических систем и их характеристики — обществознание

Понятие экономической системы

Экономическая система ― это действующая совокупность принципов, правил и связей, которые определяют форму и содержание основных экономических отношений, возникающих в процессе производства, обмена и потребления экономического продукта.

Цель экономической системы — организовать социально-экономические отношения между производителем и потребителем с максимальной эффективностью.

Тип экономической системы характеризует:

  • формы собственности;
  • способы распределения ограниченных ресурсов;
  • способы регулирования экономики.

Перечислим основные типы экономических систем, которые рассматривают в школе на уроках обществознания.

Основные типы экономических систем

В современной экономической теории выделяют 4 вида экономических систем:

  1. Традиционная экономика — самая ранняя экономическая система, в которой главную роль в создании, обмене и распределении играют традиции и обычаи. В ней же широко распространен ручной труд.

    Примеры стран с традиционной экономикой: Бурунди, Бангладеш, Афганистан.

  2. Командно-административная (плановая, командная, государственная, директивная) экономика — система, в которой почти все экономические ресурсы находятся в собственности государства, а руководство экономикой происходит через государственный план.

    Примеры стран с командно-административной экономикой: Куба, Вьетнам, Северная Корея, СССР.

  3. Рыночная экономика — система, которая основана на принципах свободного предпринимательства, конкуренции, а также на договорных отношениях между хозяйствующими субъектами. В рыночной экономике ограничено вмешательство государства в хозяйственную деятельность.

    Отметим, что в современном мире нет примеров с чисто выраженной рыночной экономикой, в современных государствах чаще всего преобладает смешанная экономическая система.

  4. Смешанная экономика — система, в которой совмещены элементы из разных экономических систем. В ней государство и частный сектор играют важную роль в производстве, распределении, обмене и потреблении всех ресурсов и материальных благ.

    Примеры стран со смешанной экономикой: Россия, Китай, Франция, Япония.

Факторы, влияющие на развитие всех типов экономических систем

К факторам, которые влияют на экономическое развитие, относят:

  1. Месторасположение. Географическое положение, погодные условия и то, насколько местность обеспечена природными ресурсами, влияет на хозяйственную деятельность.

  2. Взаимоотношения с соседними странами. Этот фактор тоже определяется географическим положением. С граничащим государством можно установить дружеские и/или торговые отношения или же, наоборот, конфликтовать, что повлияет на способ ведения хозяйственной деятельности.

  3. Уровень развития экономики. Переход от одной системы к другой требует серьезных изменений во всех сферах деятельности. Если экономика не способна справиться с текущими проблемами, ее нужно реформировать.

  4. Культурные особенности. Народности отличаются друг от друга укладом, традициями, менталитетом, религией. Эти различия влияют на отношение населения к трудовым обязанностям, распорядку дня и пониманию конечного результата.

Узнаем отличительные черты каждого вида экономических систем.

Отличительные черты экономических систем

Черты традиционной экономики

  • Ручной труд преобладает во всех отраслях экономики.
  • Характерно натуральное хозяйство.
  • Медленное развитие техники и технологий производства или их отсутствие из-за противоречий с действующим укладом и традиционными религиозными и культурными особенностями.
  • Широкое развитие обмена товарами и услугами (бартер).
  • Незначительная роль предпринимательства.
  • Преобладание традиций и обычаев. При этом главные экономические вопросы решаются в соответствии с ними.
  • Активная роль государства.
  • Объединенность членов экономических отношений.
  • Религиозные и культурные особенности имеют первостепенную важность в экономической деятельности.

Особенности командно-административной экономики

  • Все экономические решения принимают государственные органы через централизованное (директивное) планирование. То есть на каждом предприятии есть производственный план и исходя из него принимается решение, что и в каком объеме производить.
  • Производители не могут решать, что им производить.
  • У производителя нет интереса в повышении эффективности производства.
  • Преобладает государственная форма собственности практически на все ресурсы.
  • Управление всеми предприятиями из единого центра.
  • Государство полностью контролирует производство и распределение продукции.

Черты рыночной экономики

  • Свободное решение основных экономических вопросов на основе механизма спроса-предложения.
  • Рынок ориентируется на покупателя.
  • Экономические субъекты реализуют деятельность в соответствии с личными экономическими интересами.
  • Государство почти не играет роли в распределении ресурсов, в том числе не производит общественные блага, не борется с безработицей и др.
  • Преобладание частной собственности.
  • Свободная конкуренция.
  • Самостоятельный выбор поставщиков сырья и покупателей продукции.
  • Рыночная экономика развивается, при этом является крайне нестабильной.
  • Ограниченное вмешательство государства в хозяйственную деятельность.

Характерные черты смешанной экономики

У смешанной экономики нет уникальных отличительных черт, так как в ней присутствуют элементы других экономических систем. Вот что характерно для этой экономической системы:

  • Сочетание двух механизмов регулирования: рыночного и государственного.
  • Наличие частного и государственного сектора экономики.
  • Сочетание мотиваций частных предпринимателей с социально-значимыми задачами в экономике. То есть участие государства в предоставлении социальных благ.
  • Развитая инфраструктура.
  • Роль государства в смешанной экономике: обеспечивает правовую базу экономики, поощряет конкуренцию, перераспределяет доходы, уменьшает безработицу, сокращает инфляцию, стимулирует развитие экономики, поддержка предприятий государственного сектора экономики, инвестирования в сферы образования, здравоохранения, науки, культуры и другие.

Таблица с различиями видов экономических систем

Эссе по обществознанию ЕГЭ 2021 — Блог Тетрики

Рассказываем, как справиться с самым «дорогим» заданием второй части экзамена. А в конце статьи читателей ждёт приятный бонус!

Эссе — это письменная работа, в которой ученик демонстрирует свой навык изложения мыслей.

Чтобы написать эссе на высокий балл, нужно иметь теоретическую базу по предмету и обширную эрудицию. Задание обычно содержит пять высказываний из различных сфер общественной жизни:

  • философия;
  • экономика;
  • социология;
  • политология;
  • правоведение.

Поэтому ваша задача — раскрыть смысл утверждения и привести примеры, чтобы доказать или опровергнуть точку зрения автора.

Эссе может принести ценные баллы в копилку ЕГЭ, оно оценивается шестью первичными баллами. Узнайте всё о структуре и получите ценные советы по подготовке к экзамену по обществознанию на максимум.

Структура эссе по обществознанию

Заглянем в структуру эссе по обществознанию ЕГЭ 2021. Каждый пункт — новый абзац:

  1. Раскрытие проблемы, поиск идеи автора и её обоснование;
  2. Аргументация теоретическая;
  3. Аргументация фактическая;
  4. Вывод.

Чтобы получить максимум, важно подробно раскрыть каждый абзац в соответствии с критериями. Шкалу перевода баллов ЕГЭ по обществознанию и другим предметам вы найдёте здесь.

Раскрытие проблемы

Итак, первый абзац — формулировка основной идеи высказывания. То, как вы понимаете суть мысли автора. Допустим, французский писатель Андре Моруа однажды сказал, что «бизнес — это сочетание войны и спорта». Вам нужно объяснить любопытному проверяющему, что он имел в виду.

Проверяющие наверняка будут искать в этой части такие ключевые слова как «конкуренция», «рынок», «предприниматели», «покупательский спрос» и т.д. Важно, чтобы вы использовали только те термины, значения которых хорошо знаете. Чем лучше вы ими владеете, тем легче будет раскрыть второй пункт.

Аргументация теоретическая

В этой части эссе вам нужно показать знание обществоведческих понятий, обозначить их прямую либо косвенную связь с идеей высказывания. Это и заставляют делать нас на уроках обществознания — учить наизусть определения элементов всех сфер жизни. В социологии чаще всего встречаются понятия: «общество», «личность», «социализация», «потребности», «биологическое» и «социальное» в человеке и др.

Данную часть эссе можно построить в форме вопросов и ответов. Вернёмся к высказыванию А. Моруа и приведём пример:

«Для продолжения рассуждения о данной идее необходимо обратиться к теории. В первую очередь, в бизнесе, как и в спорте, производители нацелены на достижение результата (прибыли). А что же такое бизнес? Бизнес — это инициативная экономическая деятельность, осуществляемая за счёт собственных или заёмных средств на свой риск и под свою ответственность, ставящая главными целями получение дохода и развитие собственного дела. Бизнес, как и спорт — площадка конкурентов. Конкуренция бывает разных видов, необходимо выделить…»

Аргументация фактическая

Примеров для фактической аргументации может быть больше двух.

В официальном требовании ФИПИ к выполнению 29-ого задания выделены три основные группы источников

  • из общественной жизни современного общества, т.е. это реальные факты и модели социальных ситуацийГражданин К. стал предпринимателем, но не смог реализовать сбыт своей продукции…»), включая СМИ, интернет-ресурсы социологических служб;
  • из личного социального опыта, в том числе события из вашей жизни или жизни ваших родственников; также сюда относят прочитанные книги, просмотренные фильмы и т.д.;
  • из истории, включая историю науки и техники, литературы и искусства.

Лучше писать каждый аргумент в отдельном абзаце. Так текст будет более логичным и структурированным. Кроме того, они должны быть из разных источников. Например, если вы решили рассказать о предпринимательском опыте отца, следующий пример лучше взять из СМИ или истории. 

Вывод

Заключительный этап эссе — вывод. Стоит написать о том, что приведенные примеры и аргументы помогают постичь суть высказывания того или иного мыслителя. Также важно отметить актуальность поднятой им проблемы, её значение в современном мире.

В последнем абзаце вы подводите итог всему, о чём говорили ранее, но более сжато:

«В заключение мне хотелось бы подчеркнуть, что приведённые мной примеры и термины заставляют нас убедиться в точности и правильности слов автора. Ведь, действительно, … (здесь снова перифраз цитаты)»

Суперполезные советы по написанию эссе

  1. Информация о просмотренных фильмах и прочитанных книгах относится к личному социальному опыту. Даже если вы посмотрели фильм или прочитали книгу в рамках образовательного процесса.
  2. Будьте аккуратны при использовании фактических примеров. Например, если вы перепутали и написали, что гора Эльбрус находится в Китае, а Северная Корея — демократическое государство с рыночной экономической системой, вам не засчитают фактическую аргументацию.
  3. Количество слов в эссе по обществознанию, к счастью, не ограничено. Пишите столько, сколько душе угодно. Главное — не уходите далеко от темы.
  4. В начале и в конце упомяните актуальность идеи, почему вас затронуло именно это высказывание. 
  5. Используйте вводные слова: «во-первых», «во-вторых», «не менее важно то, что …» и т.д.
  6. Не бойтесь придумывать модели-иллюстрации для фактической аргументации. В 2019 году составители экзамена упростили задачу сдающим. Стало возможным самим «подгонять» пример для проблем. 
  7. Выучите клише. В условиях ограниченного времени лучше думать об аргументах и терминах, чем о том, с каких слов лучше начать писать эссе. 
  8. Пишите сразу в чистовик. Черновик на ЕГЭ нужен только для заметок и небольшого плана письменного задания.

Для самых вовлечённых читателей подарок — промокод blog20 на +1 занятие при покупке пакета. Активировать его можно по ссылке. Очень пригодится после бесплатного урока!

Вам подойдут репетиторы

Шейла Бахтияровна У.

Предмет: обществознание

Ольга Борисовна М.

Предмет: обществознание

Молодой, целеустремленный и компетентный специалист, который точно приведет к результату!

Пробное занятие

Амаяк Варданович В.

Предмет: обществознание

22 года, родился и проживаю в городе Москва, закончил в прошлом году РУДН, по образованию экономист, направление проектный анализ. Вот уже второй год преподаю обществознание и мате…

Пробное занятие

Справочник по типам рыночных структур

Рыночные структуры служат отправной точкой для оценки экономической среды в бизнесе. Понимание того, как работают компании и рынки, позволяет бизнес-профессионалам и руководителям точно судить об отраслевых и рыночных новостях, изменениях в политике и законодательстве, а также о том, как экономика принимает важные решения.

Что такое рыночные структуры?

«Рыночные структуры» относятся к различным характеристикам рынка, которые определяют отношения продавцов друг к другу, продавцов к покупателям и т. Д.Существует несколько основных определяющих характеристик рыночной структуры, например:

  • Товар или предмет, который продается, и степень дифференциации производства.
  • Легкость или сложность входа на рынок и выхода из него.
  • Распределение доли рынка для крупнейших фирм.
  • Количество компаний на рынке.
  • Количество покупателей и то, как они работают с продавцами или против них, чтобы диктовать цену и количество.
  • Отношения между продавцами.

Типы рыночных структур

Существует четыре основных типа рыночных структур.

Чистая конкуренция

Чистая или совершенная конкуренция — это рыночная структура, определяемая большим количеством мелких фирм, конкурирующих друг с другом. Отдельная фирма не обладает значительной рыночной властью, и в результате отрасль производит оптимальный уровень продукции, поскольку фирмы не имеют возможности влиять на рыночные цены. Спрос и предложение определяют количество производимых товаров и услуг, а также рыночные цены, устанавливаемые компаниями на рынке.Продукты идентичны продуктам конкурентов, и нет никаких существенных препятствий для входа на рынок и выхода из него.

Рыночная структура чистой конкуренции редко встречается в реальном мире. Это теоретическая модель, которая полезна при рассмотрении отраслей со схожими характеристиками. Другими словами, это хороший ориентир для других рыночных структур. Лучшими примерами рыночных структур чистой конкуренции являются фондовые, сельскохозяйственные и ремесленные рынки.

Продвиньте свой бизнес Карьера

Распознавание и применение рыночных структур в бизнесе требует глубокого понимания теории и практики.Онлайн-программа MBA Университета Авроры помогает студентам развивать знания и навыки, необходимые для продвижения по карьерной лестнице.

Узнать о степени

Монополистическая конкуренция

Как и чистая конкуренция, монополистическая конкуренция — это рыночная структура, в которой большое количество небольших фирм конкурируют друг с другом. Однако фирмы, находящиеся в условиях монополистической конкуренции, продают похожие, но сильно дифференцированные продукты. Производство с наименьшими возможными затратами, которое приводит к оптимальному выпуску в чистой конкурентной структуре рынка, не предполагается.

Эти факторы дают фирмам на рынке монополистической конкуренции возможность устанавливать более высокие цены в определенном диапазоне. Продукты удивительно похожи, но небольшие различия становятся основой маркетинга и рекламы фирм. Дифференциация может включать стиль, торговую марку, местоположение, упаковку, рекламу, стратегии ценообразования и многое другое.

Примеры включают рестораны быстрого питания, магазины одежды, компании по производству сухих завтраков, рынки обслуживания и ремонта, репетиторские компании, салоны красоты и спа.Продукты и услуги салона красоты очень похожи, но эти компании будут использовать определенные ценностные предложения, такие как качество услуг и привлекательные цены, чтобы привлечь больше клиентов. Они могут даже рекламировать фирменные косметические продукты, которые сами находятся в монополистической конкуренции — косметику и продукты для волос мало что разделяет в том, что составляет эти продукты и их использование.

Производители свободно выходят на рынок при привлекательной прибыли. В монополистической конкуренции есть легкий вход и выход.

Олигополия

В олигополии доминируют несколько фирм, что приводит к ограниченной конкуренции. Они могут сотрудничать или конкурировать друг с другом, чтобы использовать свою коллективную рыночную власть для повышения цен и получения большей прибыли.

Стать олигополистом сложно. Самые влиятельные компании контролируют сырье, патенты, финансовые и физические ресурсы, которые создают препятствия для потенциального выхода на рынок. Это то, что помогает устанавливать высокие цены. Однако, если цены будут слишком высокими, покупатели направятся к заменителям продуктов на рынке.

Продукты могут быть однородными или дифференцированными. Обычно доминируют от трех до пяти фирм, но это число может варьироваться в зависимости от рынка. Например, игровые приставки — это олигополия, на рынке доминируют три компании — Microsoft, Sony и Nintendo. Другими примерами олигополий являются автомобильная и бензиновая промышленность.

Цены, прибыль и объем производства меняются по мере изменения динамических отношений между продавцами и покупателями.

Чистая монополия

Монополия существует, когда существует единственная фирма, которая контролирует весь рынок.Фирма и отрасль — синонимы. Эта фирма является единственным производителем продукта, и у него нет близких заменителей. Поскольку альтернативы нет, у фирмы самый высокий уровень рыночной власти. Следовательно, монополисты часто сокращают объем производства, повышают цены и получают больше прибыли.

Вход или выход заблокирован в рамках чистой монополии. Это может происходить по нескольким причинам, как видно из двух лучших примеров чистой монополии: коммунальных предприятий и профессиональных спортивных лиг.

Коммунальные предприятия считаются естественными монополиями, потому что они обладают значительной экономией за счет масштаба — фирма получает определенные преимущества в стоимости из-за своего размера.Новые фирмы не могут открыться, потому что достижение масштаба за короткий промежуток времени будет невероятно дорогостоящим. Построение лабиринта из труб и проводов, чтобы иметь возможность конкурировать с фирмой, потребует большого капитала, и возникнут юридические барьеры для входа. Вот почему обычно существуют государственные монополии (или правительственные постановления) для естественных монополий.

Профессиональные спортивные лиги контролируют контракты с игроками и арендуют крупные городские стадионы и арены. Потребуется значительный капитал, чтобы переманить лучшие таланты и обеспечить достаточно большое место для демонстрации этого таланта, если кто-то захочет создать профессиональную спортивную лигу.Кроме того, есть права на трансляцию и многое другое. Например, в сезоне 2017–2018 годов 37 игроков НБА получат только зарплату в 20 миллионов долларов и более. Новые арены в лиге стоят около 500 миллионов долларов. В феврале 2016 года телевизионные права НБА были продлены ESPN и TNT на сумму около 2,66 миллиарда долларов в год.

Карьера в бизнесе

Признание и применение рыночных структур в бизнесе требует глубокого понимания теории и практики.Онлайн-программы бакалавриата по бизнес-администрированию и онлайн-MBA Университета Аврора помогают студентам развивать знания и навыки, необходимые для продвижения по карьерной лестнице. Студенты получают инструкции по текущей деловой практике от преподавателей с реальным опытом. Каждая программа проходит в полностью интерактивной обучающей среде.

Типы социальных групп: первичная, вторичная и контрольная группы — видео и стенограмма урока

Первичные группы

Нет двух одинаковых групп.У каждого обычно своя цель, культура, нормы и т. Д. Социологи различают несколько различных типов социальных групп. В этом уроке мы обсудим первичные группы, вторичные группы и контрольные группы. Первичные группы — это сплоченные группы. Обычно они небольшие, включают интимные отношения и обычно длятся долго. Члены первичных групп чувствуют сильную личную идентичность с группой.

Нуклеарная семья — это пример первичной социальной группы.
нуклеарная семья

Хотя нуклеарная семья считается некоторыми социологами идеальной первичной группой, это не единственный пример. Многие люди также входят в группу близких друзей. Эта группа обычно небольшая, и отношения по-прежнему крепкие и прочные, поэтому это также основная группа. Термин «первичные» используется с этими группами, потому что они являются первичным источником взаимоотношений и социализации.Отношения в наших основных группах дают нам любовь, безопасность и товарищеские отношения. Мы также узнаем ценности и нормы от нашей семьи и друзей, которые остаются с нами большую часть, если не всю нашу жизнь.

Вторичные группы

Вторичные группы — это еще один тип социальной группы. У них есть характеристики, противоположные первичным группам. Они могут быть маленькими или большими, в основном безличными и обычно краткосрочными. Эти группы обычно встречаются на работе и в школе. Примером вторичной группы является комитет, организованный для планирования праздничной вечеринки на работе.Члены комитета встречаются нечасто и непродолжительное время. Хотя у членов группы могут быть схожие интересы, цель группы заключается в задаче, а не во взаимоотношениях. Иногда второстепенные группы становятся довольно неформальными, и участники довольно хорошо узнают друг друга. Даже в этом случае их дружба существует в ограниченном контексте; они не обязательно останутся рядом после праздничной вечеринки.

Классная проектная группа является примером вторичной социальной группы.

Контрольные группы

Последний тип группы, который мы обсудим в этом уроке, — это контрольная группа . Референтные группы — это группы, к которым мы обращаемся за руководством, чтобы оценить наше поведение и отношения. По сути, это обобщенные версии ролевых моделей. Вы можете принадлежать или не принадлежать к группе, но вы используете ее стандарты измерения в качестве ориентира. Например, если подросток хочет узнать, достаточно ли стройен, он может использовать супермодели в качестве ориентира.Или, если недавний выпускник колледжа не уверен, справедлива ли предлагаемая зарплата, он может использовать в качестве справки среднюю начальную зарплату выпускников своей школы.

Часто люди надеются, что их отождествят со своими референтными группами (особенно, если они не являются их членами), поэтому они пытаются вести себя так, как они думают, типичными для этих групп. Если ваша контрольная группа — это конкретная спортивная команда, вы будете одеваться, говорить и действовать совершенно иначе, чем если бы ваша контрольная группа — местный винный клуб.Таким образом, референтная группа помогает формировать не только ожидания и мировоззрение человека, но также его внешний вид и стиль.

Краткое содержание урока

Социальная группа состоит из двух или более людей, которые регулярно взаимодействуют и считают себя частью группы. Социологи различают несколько разных типов социальных групп. Первичные группы — это сплоченные, близкие и, как правило, небольшие группы. Большинство наших основных групп состоят из семьи и близких друзей.Ядерная семья , состоящая из пары взрослых и их детей, считается идеальной первичной группой. Вторичные группы — это те, которые более безличны и временны. Большинство наших средних групп приходят с работы и учебы. Наконец, референтные группы — это те, к которым мы обращаемся за руководством при оценке собственного поведения и отношения. Они служат образцом для подражания, с которым мы можем сравнивать себя.

Результаты обучения

Когда вы закончите это видео, вы сможете:

  • Определить, что составляет социальную группу
  • Объясните, что такое основная группа
  • Опишите, что такое второстепенные группы
  • Обсудите референтные группы и их влияние на людей

Причинно-следственная связь в социальных науках

Эбботт, А.1983 г. Последовательности светских мероприятий. Исторические методы , 16: 129–47. Найдите этот ресурс:

——1992. От причин к событиям. Социологические методы и исследования , 20: 428–55. Найдите этот ресурс:

——1995. Анализ последовательности: новые методы для старых идей. Годовой обзор социологии , 21: 93–113. Найдите этот ресурс:

Achen, C.H. 1983. К теориям данных: состояние политической методологии.В Политический Наука: Состояние дисциплины , изд. А. Финифтер. Вашингтон: Американская ассоциация политических наук. Найдите этот ресурс:

Bartels, L. and Brady, H.E. 1993. Состояние количественной политической методологии. В Политология: Состояние дисциплины , 2-е изд., Изд. А. Финифтер. Вашингтон: Американская ассоциация политических наук. Найдите этот ресурс:

Beauchamp, T.Л. и Розенберг, A. 1981. Юм и проблема причинно-следственной связи . Нью-Йорк: Оксфорд University Press. Найдите этот ресурс:

Bennett, J. 1988. События и их названия . Индианаполис: Hackett. Найдите этот ресурс:

Berger, P. L. and Luckmann, T. 1966. Социальное конструирование реальности: трактат по социологии Знание .Garden City, NY: Anchor. Найдите этот ресурс:

Brady, H. E. and Кольер, Д. 2004. Переосмысление социального запроса: разнообразные инструменты, общие стандарты . Нью-Йорк: Роуман и Литтлфилд. Найдите этот ресурс:

——Herron, M. К., Мебане, W. R., Sekhon, J. S., Shotts, W. S., and Wand, J. 2001. Закон и данные: эпизод с бабочкой. PS: Политология и политика , 34: 59–69.Найдите этот ресурс:

Кэмпбелл, Д. Т. и Стэнли, Дж. К. 1966. Экспериментальные и квазиэкспериментальные схемы для исследований . Чикаго: Рэнд McNally. Найдите этот ресурс:

Cartwright, N. 1989. Возможности природы и их измерение . Нью-Йорк: Оксфорд University Press, найдите этот ресурс:

Cook, T. D. and Campbell, D. T. 1979. Квази-экспериментирование: вопросы проектирования и анализа для полевых условий .Бостон: Houghton Mifflin. Найдите этот ресурс:

———— 1986. Причинная предположения квазиэкспериментальной практики. Синтез , 68: 141–180. Найдите этот ресурс:

Cox, D. R. 1958. Планирование экспериментов . Нью-Йорк: Wiley. Найдите этот ресурс:

——1992. Причинность: некоторые статистические аспекты. Журнал Королевского статистического общества, серия A (Статистика в Общество) , 155: 291–301.Найдите этот ресурс:

(стр. 1105) Cox, G. W. 1997. Подсчет голосов: стратегическая координация в World’s Electoral Systems , Нью-Йорк: Cambridge University Press. Найдите этот ресурс:

Davidson, D. 2001. Очерки действий и событий , 2-е изд. Оксфорд: Clarendon Press. Найдите этот ресурс:

Dessler, D. 1991. Вне корреляций: к причинной теории войны. Международные исследования Quarterly , 35: 337–355. Найдите этот ресурс:

Dilthey, W. 1961. Pattern and Значение в истории: мысли об истории и обществе . Нью-Йорк: Харпер. Найдите этот ресурс:

Дюркгейм, E. 1982 [1895]. Правила социологического метода . Нью-Йорк: Free Press. Найдите этот ресурс:

Elster, J. 1998. Призыв к механизмы.В Социальные механизмы , изд. П. Хедстрём и Р. Сведберг. Кембридж: Кембридж University Press. Найдите этот ресурс:

Ehring, D. 1997. Причинность и Стойкость: теория причинно-следственной связи . Нью-Йорк: Оксфордский университет Press. Найдите этот ресурс:

Fearon, J. D. 1991. Противоречия и проверка гипотез в политологии. Мир Политика , 43: 169–95.Найдите этот ресурс:

Fisher, R.A., Sir 1925. Статистические методы для научных работников . Эдинбург: Оливер и Бойд. Найдите этот ресурс:

——1926. Организация натурных экспериментов. Журнал Министерство сельского хозяйства , 33: 503–13. Найдите этот ресурс:

——1935. План экспериментов . Эдинбург: Оливер и Бойд. Найдите этот ресурс:

Freedman, D.А. 1987. Как нас видят другие: пример анализа путей. Журнал of Educational Statistics , 12: 101–223, с обсуждением. Найдите этот ресурс:

——1991. Статистические модели и обувная кожа. Социологическая методология , 21: 291–313. Найдите этот ресурс:

——1997. От ассоциации к причинно-следственной связи через регрессию. Стр. 113–61 в Причинно-следственная связь в кризисе? изд. В.Р. МакКим и С. П. Тернер, Нотр-Дам, штат Индиана: University of Notre Dame Press. Найдите этот ресурс:

——1999. Из связь с причинно-следственной связью: несколько замечаний по истории статистики. Statistical Science , 14: 243–58. Найдите этот ресурс:

Gasking, D. 1955. Причинно-следственная связь и рецепты. Mind , 64: 479–87. Найдите этот ресурс:

Glennan, S. S. 1996. Механизмы и природа причинно-следственной связи. Erkenntnis , 44: 49–71. Найдите этот ресурс:

Goldthorpe, J. Х. 2001. Причинно-следственная связь, статистика и социология. Европейский Sociological Review , 17: 1–20. Найдите этот ресурс:

Goodman, N. 1947. The проблема контрфактических условностей. Философский журнал , 44: 113–28. Найдите этот ресурс:

Harré, R. and Madden, E.H. c 1975. Причинные силы: теория естественной необходимости . Оксфорд: Б. Блэквелл. Найдите этот ресурс:

Хаусман Д. М. 1998. Причинно-следственные связи. Асимметрии . Нью-Йорк: Издательство Кембриджского университета. Найдите этот ресурс:

Хекман, Дж. Дж. 1979. Смещение выборки как ошибка спецификации. Econometrica , 47: 153–62. Найдите этот ресурс:

Hedström, P. and Сведберг, Р. (ред.) 1998. Социальные механизмы: аналитический подход к социальной теории . Нью-Йорк: Издательство Кембриджского университета. Найдите этот ресурс:

Хемпель, К. Г. 1965. Аспекты научных Объяснение . Нью-Йорк: Free Press. Найдите этот ресурс:

Hill, A. Б. 1965. Окружающая среда и болезнь: связь или причинно-следственная связь? Proceedings of the Royal Society of Medicine , 58: 295–300. Найдите этот ресурс:

Holland, П.W. 1986. Статистика и причинный вывод (в теории и методах). Журнал Американской статистической ассоциации , 81: 945–60. Найдите этот ресурс:

Hume, D. 1739. A Treatise of Human Nature , изд. Л. А. Селби-Бигге и П. Х. Ниддич. Oxford: Clarendon Press. Найдите этот ресурс:

——1748. An Исследование относительно человеческого понимания , изд. T. L. Beauchamp. Нью-Йорк: Издательство Оксфордского университета.Найдите этот ресурс:

Китчер, П. и Лосось, W. 1987. Ван Фраассен о объяснении. Философский журнал , 84: 315–30. Найдите этот ресурс:

(стр. 1106) Лакофф Г. и Джонсон М. 1980, и . Концептуальная метафора в повседневный язык. Journal of Philosophy , 77 (8): 453–86. Найдите этот ресурс:

———— 1980 b . Метафоры Мы живем по .Чикаго: University of Chicago Press. Найдите этот ресурс:

———— 1999. Философия в Плоть: воплощенный разум и его вызов западной мысли . Нью-Йорк: Базовые книги. Найдите этот ресурс:

Lewis, D. 1973 a . Противоречия . Кембридж, Массачусетс: издательство Гарвардского университета. Найдите этот ресурс:

——1973 b . Причинная связь. Философский журнал , 70: 556–67.Найдите этот ресурс:

——1979. Контрфактический зависимость и стрелка времени. , Специальный выпуск о контрфактах и Laws, 13: 455–76. Найдите этот ресурс:

——1986. Philosophical Papers , vol. II. Нью-Йорк: Оксфорд University Press. Найдите этот ресурс:

Machamber, P., Darden, L., and Craver, C.F.2000. Thinking about механизмы. Философия науки , 67: 1–25.Найдите этот ресурс:

Mackie, J. Л. 1965. Причины и условия. Американский философский Quarterly , 2: 245–64. Найдите этот ресурс:

Marini, M., and Singer, B. 1988. Причинно-следственная связь в социальные науки. Sociological Methodology , 18: 347–409. Найдите этот ресурс:

Mauldon, J., Malvin, J., Stiles, J., Nicosia, N., and Сето, Э. 2000. Влияние демонстрационного проекта Cal-Learn в Калифорнии: окончательный отчет.ДАННЫЕ UC Архив и техническая помощь. Найдите этот ресурс:

Mellors, D. H. 1995. The Facts of Causation . Лондон: Routledge. Найдите этот ресурс:

Menzies, П. и Прайс, Х. 1993. Причинность как вторичное качество. Британский журнал для Философия науки , 44: 187–203. Найдите этот ресурс:

Mill, J. S. 1888. A System of Logic, Ratiocinative and Inductive , 8-е изд.Нью-Йорк: Харпер и Братья. Найдите этот ресурс:

Neyman, J. 1990. On применение теории вероятностей к сельскохозяйственным экспериментам: очерк о принципы, пер. D. M. Dabrowska и T. P. Speed. Статистическая наука , 5: 463–80; первый паб. на польском языке 1923 г. Найдите этот ресурс:

Papineau, Д. 1985. Причинная асимметрия. Британский журнал философии Science , 36: 273–89.Найдите этот ресурс:

Pearl, J. 2000. Причинно-следственная связь: модели, Рассуждения и выводы 90 148. Кембридж: Издательство Кембриджского университета. Найдите этот ресурс:

Pearson, K. 1911. The Grammar of Science , 3 edn. rev. и увеличенный, Часть 1: Физический . Лондон: Адам и Чарльз Блэк. Найдите этот ресурс:

Pierson, P. 2004. Политика во времени: история, институты и социальный анализ .Принстон, Нью-Джерси: Princeton University Press. Найдите этот ресурс:

Ragin, C.C.1987. Сравнительный метод: выход за рамки качественного и количественного Стратегии . Беркли: University of California Press. Найдите этот ресурс:

Riker, W. H. 1957. События и ситуации. Journal of Philosophy , 54: 57–70. Найдите этот ресурс:

Рубин, Д. B. 1974. Оценка причинных эффектов лечения в рандомизированных и нерандомизированные исследования. Журнал педагогической психологии , 66: 688–701. Найдите этот ресурс:

——1978. Байесовский вывод для причинных эффектов: роль рандомизации. Летопись Статистика , 6: 34–58. Найдите этот ресурс:

——1986. Статистика и случайный вывод: комментарий: какие если есть случайные ответы. Журнал Американской статистической ассоциации , 81: 945–70. Найдите этот ресурс:

——1990.Комментарий: Нейман (1923) и причинный вывод в экспериментах и ​​наблюдениях. исследования. Статистическая наука , 5: 472–80. Найдите этот ресурс:

Russell, B. 1918. О понятии причины. В Мистицизм, логика и другие очерки . Нью-Йорк: Лонгманс, Зеленый. Найдите этот ресурс:

Salmon, W. C. 1990. Четыре десятилетия научного объяснения . Миннеаполис: Университет Миннесота Пресс.Найдите этот ресурс:

(стр. 1107) Searle, J. R. 1969. Speech Acts: An Essay in the Философия языка 90 148. Лондон: Cambridge University Press. Найдите этот ресурс:

——1997. Строительство социального Реальность . Нью-Йорк: Free Press. Найдите этот ресурс:

Shafer, G. 1996. The Art of Casual Гипотеза . Кембридж, Массачусетс: MIT Press. Найдите этот ресурс:

Simon, H.А. 1952 г. определение причинной связи. Философский журнал , 49: 517–28. Найдите этот ресурс:

——и Ивасаки, Ю. 1988. Причинно-следственная связь, сравнительная статика и почти разложимость. Journal of Econometrics , 39: 149–73. Найдите этот ресурс:

Sobel, M. E. 1995. Причинно-следственный вывод в социальных и поведенческих науках. В Справочнике по статистическому моделированию для Социальные и поведенческие науки , изд.Г. Армингер, К. К. Клогг и М. Э. Собель. Новый York: Plenum. Найдите этот ресурс:

Sorenson, A. B. 1998. Теоретические механизмы и эмпирическое исследование социальных процессов. В социальных сетях Механизмы , изд. П. Хедстрём и Р. Сведберг. Кембридж: Издательство Кембриджского университета. Найдите этот ресурс:

Sosa, E. and Tooley, M. 1993. Причинность . Оксфорд: Издательство Оксфордского университета.Найдите этот ресурс:

Спеллман, Б. А. и Мандель, Д. Р. 1999. Когда возможность сообщает реальность: контрфактическое мышление как указание на причинность. Текущие направления в Психологическая наука , 8: 120–3. Найдите этот ресурс:

Sprinzak, E. 1972. Тезис Вебера как историческое объяснение. История и теория , 11: 294–320. Найдите этот ресурс:

Tetlock, P. E. and Белкин, А.(ред.) 1996. Контрфактические мысленные эксперименты в мировой политике: логика, Методологические и психологические перспективы . Принстон, Нью-Джерси: Принстон University Press. Найдите этот ресурс:

Tilly, C. 1984. Big Structures, Большие процессы, огромное сравнение . Нью-Йорк: Рассел Сейдж Foundation. Найдите этот ресурс:

van Fraassen, B. 1980. The Scientific Изображение .Oxford: Clarendon Press. Найдите этот ресурс:

von Wright, G. Х. 1971. Объяснение и понимание . Итака, Нью-Йорк: Корнелл University Press. Найдите этот ресурс:

——1974. Причинно-следственная связь и Детерминизм . Нью-Йорк: Columbia University Press. Найдите этот ресурс:

Wand, J. N., Шоттс, К. В., Сехон, Дж. С., Мебане, В. Р., Херрон, М.К., Брэди, Х. Э. 1991. Бабочка. сделал это: ошибочное голосование за Бьюкенена в округе Палм-Бич, Флорида. Американский Обзор политических наук , 95: 793–810. Найдите этот ресурс:

Wawro, G. 1996. The Австро-прусская война: война Австрии с Пруссией и Италией в 1866 г. . Нью-Йорк: Cambridge University Press. Найдите этот ресурс:

Weber, M. 1906 [1978]. Выборы в переводе , изд.W. G. Runciman, пер. Э. Мэтьюз. Кембридж: Cambridge University Press. Найдите этот ресурс:

Wendt, A. 1999. Social Theory of Международная политика 90 148. Кембридж: Издательство Кембриджского университета. Найдите этот ресурс:

Карьера в области социальных наук | BestColleges

ОТ HEATHER MULLINIX

Опубликовано 7 октября 2020 г.

Социальные науки исследуют, как люди взаимодействуют с другими людьми и их окружением.Общий термин охватывает различные области, включая психологию, социологию и экономику. Во время программ социальных наук студенты приобретают обширные навыки, применимые к карьере во многих областях.

Это руководство предлагает обзор некоторых профессий, доступных для получения степени в области социальных наук. Читайте дальше, чтобы узнать о требованиях к образованию, ожидаемой заработной плате и лицензировании для различных профессий.

Зачем делать карьеру в области социальных наук?

Программы

на получение степени в области социальных наук развивают аналитические, критические и исследовательские навыки.Студенты могут работать по разным направлениям со степенью в области социальных наук, большая часть из которых связана с работой с другими. Следовательно, навыки межличностного общения, презентации и письма приводят к успеху в этой области.

Например, социальные работники используют навыки собеседования и активного слушания, чтобы оценить потребности своих клиентов. Им нужны хорошие организационные навыки, чтобы отслеживать истории болезни и составлять отчеты. Они должны понимать человеческое поведение, чтобы принимать решения.

Экономисты изучают, как общество использует ресурсы, в том числе финансовые.Они сочетают свои знания в области социальных наук с математикой, чтобы понять экономическую политику. Им нужны хорошие навыки рассуждения и умение использовать логику при принятии решений.

Изучите каждую карьеру в области социальных наук, чтобы определить навыки и компетенции, наиболее важные для каждой области.

Перспективы карьеры в области социальных наук

Карьера в области социальных наук включает здравоохранение и социальные услуги, юриспруденцию и политику, а также консультирование. Бюро труда и статистики (BLS) прогнозирует рост во многих областях социальных наук в период с 2019 по 2029 год.Например, BLS прогнозирует рост рабочих мест на 13% для социальных работников и на 17% для социальных и социальных работников.

BLS прогнозирует рост рабочих мест на 14% для экономистов. Однако в этой небольшой профессиональной сфере к 2029 году появится только около 2 900 новых рабочих мест. Большинству экономистов требуется степень магистра, чтобы работать в своей области.

В следующей таблице сравниваются зарплаты для популярных профессий студентов, изучающих общественные науки. Потенциал заработной платы зависит от образования, опыта, отрасли и местоположения.

Средняя годовая зарплата специалистов по социальным наукам
Должность Начальный уровень
(0-12 месяцев)
Начало карьеры
(1-4 года)
Средний возраст
(5-9 лет)
Опытный
(10-19 лет)
Социолог 40 700 долл. США 54 000 долл. США $ 51 920 73 000 долл. США
Экономист $ 57 980 $ 68 390 93 150 долл. США 99 000 долл. США
Политолог $ 49 530 $ 51 800 70 000 долл. США 70 000 долл. США

Источник: PayScale

Навыки, полученные со степенью в области социальных наук

При получении степени по обществоведению студенты изучают человеческое общество и социальные институты.В зависимости от своей дисциплины, специалисты по общественным наукам могут анализировать прошлые общества, изучать индивидуальные мотивации и анализировать поведение.

Специалисты по общественным наукам укрепляют свои аналитические способности, критическое мышление и исследовательские способности. Они также развивают сильные коммуникативные навыки и навыки решения проблем. Навыки, которые изучающие общественные науки получают в ходе курсовых работ, стажировок и исследовательских работ, используются во многих профессиях после окончания учебы.

Расширить все

Анализ

Специалисты по общественным наукам приобретают сильные аналитические навыки.Возможность анализировать различные источники и типы данных, делать выводы из данных и давать рекомендации на основе этого анализа приносит пользу профессионалам в различных областях.

Критическое мышление

Студенты, изучающие общественные науки, исследуют и анализируют данные и информацию, чтобы прийти к заключениям и решениям, которые направлены на решение социальных проблем. Навыки критического мышления приносят пользу профессионалам практически во всех сферах деятельности.

Исследования

Студенты-обществоведы проводят исследования в рамках своей степени. Учащиеся узнают, как сформулировать вопрос исследования, найти информацию, чтобы ответить на этот вопрос, и проанализировать свои выводы. Исследовательские навыки помогают выпускникам социальных наук работать аналитиками и исследователями.

Связь

Студенты-обществоведы укрепляют коммуникативные навыки, выполняя такие задания, как исследовательские работы, групповые проекты и презентации.Умение общаться в различных форматах помогает выпускникам добиться успеха во многих областях.

Решение проблем

Специалисты в области социальных наук должны обладать сильными исследовательскими навыками и навыками решения проблем, чтобы понимать общество и делать выводы на основе данных. Способность решать проблемы приносит пользу многим специалистам в области социальных наук, в том числе педагогам, бизнес-профессионалам и государственным служащим.

Карьера в области социальных наук

ученых степеней в области социальных наук, как правило, посвящены определенной области в данной области. Следующие вакансии предлагают образцы имеющихся возможностей. При выборе карьеры в области социальных наук учитывайте свои интересы и цели, а затем исследуйте образовательные требования для каждого пути.

Расширить все

Социолог

Социологи изучают, как люди взаимодействуют в обществе.Они разрабатывают исследовательские проекты и собирают данные с помощью опросов, наблюдений и интервью. Затем они анализируют эти данные, чтобы сделать выводы, которые могут повлиять на политические решения или реакцию сообщества на социальные проблемы, включая здоровье, преступность и бедность. Связанная карьера включает исследователя, статистика и демографа. В этой области может потребоваться степень магистра или доктора.

Специалист в области уголовного правосудия

Специализация в области уголовного правосудия готовит учащихся к нескольким карьерам в системе правосудия и исправительных учреждений.Например, сотрудники службы пробации работают с правонарушителями, чтобы начать новую жизнь после освобождения из заключения. Они проводят выборочные тесты на наркотики, предлагают консультации по злоупотреблению психоактивными веществами и дают свидетельские показания в суде о плане лечения и прогрессе испытуемого.

Экономист

Экономисты анализируют данные о занятости, производительности труда и заработной плате. Их работа помогает правительственным учреждениям и законодателям оценивать экономические последствия поведения и политики.Эти профессионалы могут помочь компаниям определить потребительский спрос и установить цены на услуги. Большинство экономистов должны иметь степень магистра или доктора.

Социальный работник

Социальные работники помогают своим клиентам преодолевать трудности. Они выявляют потребности и связывают людей с организациями и агентствами, которые удовлетворяют эти потребности. Социальные работники могут работать в государственных учреждениях, больницах и некоммерческих организациях.В большинстве штатов требуется государственная лицензия и как минимум степень бакалавра.

Некоторые социальные работники предлагают консультационные услуги и лечение психических заболеваний. Эти рабочие места требуют степени магистра и контролируемой практики, чтобы претендовать на лицензию.

Политолог

Политологи используют количественные и качественные методы исследования для анализа национальной политики, сравнительной политики и политической теории.Они следят за текущими событиями и политическими решениями. Их работа помогает прогнозировать политические, социальные и экономические тенденции. Федеральное правительство нанимает больше всего политологов.

Как начать свою карьеру в области социальных наук

Получение степени в области социальных наук — первый шаг к достижению ваших карьерных целей. Учебная программа часто включает общеобразовательные курсы, такие как английский язык и математика. Базовые курсы в вашей области специализации знакомят с теориями и концепциями, которые составляют основу для более сложного обучения и исследований.

Карьера в области социальных наук обычно требует понимания статистики и статистического анализа. В результате программы социальных наук часто требуют нескольких курсов по анализу и использованию статистических данных.

Школы также предлагают факультативные или второстепенные занятия, которые дополняют основной курс. При планировании курсов учитывайте доступные варианты. Возможно, вы захотите добавить иностранный язык в свое резюме или изучить антропологию или уголовное правосудие.

Прочтите, чтобы узнать о карьере в области социальных наук, доступной на каждом уровне степени.

Ассоциированная степень в области социальных наук

Степени младшего специалиста укрепляют критическое мышление и аналитические навыки, готовя выпускников к работе начального уровня во многих отраслях. Имея степень младшего специалиста в области социальных наук, выпускники могут работать помощником юриста, помощниками по административным вопросам и помощниками по социальным вопросам.

Возможная карьера зависит от степени специализации. Например, получение степени младшего специалиста в сфере социальных услуг готовит выпускников к работе на начальном уровне в социальных и социальных организациях.Степень младшего специалиста по экономике может открыть новые возможности в качестве бухгалтера или финансового клерка. Многие степени младшего специалиста по общественным наукам также могут быть переведены в четырехлетние учебные заведения.

Что вы можете сделать с младшим специалистом в области социальных наук?

Расширить все

Административный помощник

Административные помощники выполняют канцелярские и административные обязанности в организациях.Они организуют файлы, назначают встречи, готовят документы и поддерживают сотрудников. Они работают в таких отраслях, как бизнес, образование, здравоохранение и право.

Заработная плата: $ 39 850

Паралегал

Paralegals поддерживают юристов, поддерживая и систематизируя файлы, проводя юридические исследования и собирая доказательства для проверки адвокатами. Они могут расследовать обстоятельства дела, изучать законы и постановления и разрабатывать юридические документы.Параюристы часто общаются с клиентами и свидетелями, чтобы назначить интервью или дачи показаний.

Заработная плата: 51 740 долларов США

Помощник по социальным и социальным вопросам

Ассистенты социальных и социальных служб предлагают клиентам услуги в таких областях, как психология и социальная работа. Они помогают клиентам определить преимущества и общественные услуги. Помощники по социальным службам также могут помочь в разработке планов лечения, исследовательских ресурсов и координации услуг.

Заработная плата: $ 35 060

Степень бакалавра социальных наук

Специалисты со степенью бакалавра социальных наук могут продолжить карьеру в качестве исследователей, аналитиков и преподавателей. Например, выпускники, заинтересованные в образовании, могут стать учителями средней школы по многим предметам социальных наук, таким как обществознание, география и история.

Во время обучения по программам бакалавриата по общественным наукам студенты приобретают аналитические, коммуникативные и исследовательские навыки.Потенциальные изучающие социальные науки могут щелкнуть следующую ссылку, чтобы узнать больше о лучших онлайн-программах по социальным наукам.

Что можно сделать со степенью бакалавра социальных наук?

Расширить все

Аналитик данных

Аналитики данных разрабатывают и проводят опросы, интерпретируют данные, делают выводы и создают отчеты и рекомендации на основе своих выводов.Аналитики данных работают в самых разных отраслях, помогая организациям принимать решения. Опыт работы в области социальных наук готовит аналитиков данных к проведению исследований и интерпретации результатов.

Заработная плата: $ 60710

Учитель средней школы

Учителя средней школы проводят занятия по своей предметной области. Они разрабатывают планы уроков, соответствующие государственным стандартам, управляют своим классом, сотрудничают с коллегами и оценивают обучение учащихся.Дипломы в области социальных наук готовят этих специалистов к преподаванию таких предметов, как обществоведение, география, история, государственное управление и обществоведение.

Заработная плата: $ 61 660

Менеджер социальных и общественных служб

Менеджеры социальных и общественных служб контролируют программы социальных служб и общественные организации. Они наблюдают за сотрудниками, анализируют эффективность программ и предлагают улучшения для программ и услуг.Программы бакалавриата в области социальных исследований обучают начинающих менеджеров социальных и общественных служб аналитическим, исследовательским и коммуникативным навыкам.

Заработная плата: 67 150 долларов США

Аналитик по маркетинговым исследованиям

Аналитики исследования рынка изучают рыночные условия и анализируют данные, чтобы помочь организации определить потребительский спрос на продукты и услуги. Они собирают данные о потребностях клиентов, оценивают эффективность маркетинговых стратегий и прогнозируют тенденции на рынке своей организации.Опыт работы в области социальных наук помогает аналитикам маркетинговых исследований проводить исследования и делать выводы на основе данных.

Заработная плата: 63 790 долларов США

Техник музея

Также называемые специалистами по коллекциям, музейные техники охраняют предметы в коллекции музея. Они контролируют приобретение, управление рисками и предоставление объектов в аренду, ведя подробный учет состояния и местоположения объектов.Музейные техники могут также помочь публике и ученым работать с коллекциями. Для большинства должностей требуется степень бакалавра в таких областях, как история или археология.

Заработная плата: $ 49 850

Магистр социальных наук

Имея степень магистра социальных наук, выпускники могут выполнять специализированные роли, недоступные для профессионалов со степенью бакалавра, таких как экономист, историк и политолог. В рамках этой карьеры выпускники социальных наук проводят исследования, анализируют данные и представляют выводы.Они могут публиковать свои выводы в рецензируемых журналах, создавать отчеты и писать книги.

Во время программ магистратуры студенты, изучающие общественные науки, проходят специальную подготовку, часто сдают магистерский экзамен и диссертацию, чтобы продемонстрировать свой опыт.

Что вы можете сделать со степенью магистра социальных наук?

Расширить все

Экономист

Экономисты изучают производство и распределение товаров, услуг и ресурсов.Они анализируют экономические данные, изучают тенденции и оценивают экономические проблемы, представляя свои выводы в публикациях и отчетах. Экономисты консультируют предприятия, частных лиц и правительственные учреждения по экономическим проблемам и рекомендуют решения. Для большинства должностей требуется ученая степень.

Заработная плата: 105020 долларов США

Историк

Историки изучают прошлое, просматривая исторические документы и источники.Они проводят исследования, анализируют документы и материальные объекты и интерпретируют исторические записи. Часто работают с архивными источниками, книгами и материальными ценностями. Большинство историков пишут отчеты, статьи и книги, в которых подробно описывают свои открытия.

Заработная плата: 63 680 долларов США

Политолог

Политологи исследуют происхождение, развитие и функционирование политических систем.Они анализируют государственные институты, политику и политические тенденции. Политологи также собирают и анализируют данные и прогнозируют политические тенденции. Для большинства должностей требуется ученая степень в области политологии.

Заработная плата: $ 122 220

Социолог

Социологи изучают социальное поведение и общество, исследуя группы, культуры, социальные институты и процессы, которые развиваются во время человеческих взаимодействий.Они проводят исследовательские проекты для проверки социальных теорий, собирают данные из интервью и опросов и представляют свои выводы в отчетах и ​​публикациях.

Заработная плата: 83420 долларов

Докторантура социальных наук

Получение степени доктора философии в области социальных наук готовит выпускников к работе на высоком уровне, включая академические и исследовательские должности. Во время получения докторской степени по общественным наукам. докторанты выполняют продвинутые курсовые работы, комплексные экзамены и создают оригинальную диссертацию на основе своих исследований.

Докторанты получают экспертное представление о своей специализации, часто публикуют научные работы во время своей программы. Многие академические должности требуют наличия докторской степени, включая штатных профессоров и академических деканов.

Что вы можете сделать со степенью доктора социальных наук?

Расширить все

Профессор

Профессора социальных наук ведут занятия по экономике, социологии, психологии или истории.Они разрабатывают учебные программы, оценивают обучение студентов и наставляют студентов и аспирантов. Многие профессора также проводят исследования и публикуют свои выводы в научных журналах. Они могут работать в общественных колледжах, а также в четырехлетних колледжах и университетах.

Заработная плата: 79 540 долларов

Провост или декан

Провосты и академические деканы помогают колледжам и университетам работать без сбоев.Провосты помогают президентам колледжей, разрабатывая академическую политику, управляя бюджетами и наблюдая за назначениями преподавателей и продвижением по службе. Академические деканы руководят деятельностью колледжа или школы, наблюдая за преподавателями и операциями. Обе должности обычно требуют докторской степени. и опыт работы профессором.

Заработная плата: 95 410 долларов

Ученый-исследователь

Ученые-исследователи со степенью доктора философии.D. в области социальных наук проводить и интерпретировать исследования. Они часто создают отчеты и статьи на основе своих выводов, которые могут отправлять в рецензируемые журналы. В психологии ученые-исследователи могут работать в лабораторных условиях. Другие ученые-исследователи часто работают в академической или деловой среде.

Заработная плата: 80 180 долларов США

Как сделать карьеру в социальных науках

Чтобы начать карьеру в области социальных наук, воспользуйтесь возможностями стажировки, доступными в вашем колледже или организациях, в которых вы, возможно, захотите работать.Стажировки дают практический опыт работы в вашей сфере и могут улучшить ваше резюме. Волонтерская работа в области социальных наук также подкрепляет ваше заявление при поиске работы на конкурентном рынке труда.

Начав свою карьеру в области социальных наук, вы должны сохранять свои навыки и знания актуальными. Ищите профессионального наставника, который даст рекомендации по программам обучения и повышения квалификации.

Вы также можете присоединиться к профессиональным организациям в своей области.Эти организации обеспечивают доступ к последней информации в области социальных наук; ресурсы для карьерного роста, эксклюзивные списки вакансий и ярмарки вакансий; и профессиональное развитие. Некоторые организации также выдают профессиональные сертификаты.

Дополнительное образование

Непрерывное образование гарантирует, что вы будете в курсе новых исследований, новых теорий и последних разработок. Многие работодатели поощряют определенный объем непрерывного образования каждый год. Если ваша карьера требует государственной лицензии или у вас есть профессиональная сертификация, вы должны документально оформить и заполнить необходимые кредиты для продолжения образования.

Часто можно найти программы повышения квалификации в профессиональных организациях. Эти группы часто предлагают обучение по запросу на своих веб-сайтах и ​​личное обучение на семинарах и конференциях. Докладчики часто адаптируют свои занятия к новым исследованиям, изменениям в политике или обучению в соответствии с требованиями штата.

Некоторые школы предлагают сертификаты по методам исследования в области социальных наук, аналитике в области социальных наук и управлению общественными организациями. Для получения этих сертификатов часто требуется 3-6 курсов, и они могут давать зачет для получения степени магистра.Сертификат может продемонстрировать определенные навыки в области управления или лидерства.

Некоторые профессии требуют возвращения в класс. Профессии, ориентированные на исследования, или назначения на должность преподавателя после окончания средней школы часто требуют ученой степени. Для получения большинства степеней магистра требуется 2–3 года, а для получения докторской степени — 3–7 лет.

Следующие шаги

Когда вы начнете свою карьеру в области социальных наук, следующие шаги помогут вам сохранить свои навыки и продвинуться на новые должности.

  • Сеть: Найдите время для общения с другими профессионалами в области социальных наук. Вы можете поучиться на их опыте и создать профессиональную систему поддержки. Нетворкинг также может помочь вам найти наставника, который поможет вам принять решение о карьере.
  • Присоединяйтесь к профессиональной организации: Членство в профессиональной организации может помочь вам построить вашу профессиональную сеть. Вы также получаете доступ к интеллектуальному лидерству в области социальных наук, исследовательским ресурсам и специализированным советам по вопросам карьеры.Многие организации предоставляют возможности для волонтеров и руководителей.
  • Продолжайте образование: Подумайте, как получение диплома об окончании или ученой степени может улучшить ваши навыки. Ученая степень может открыть новые возможности для карьерного роста в вашей области. Ищите возможности для продолжения образования, которые соответствуют вашим карьерным целям, навыкам и интересам.

Где вы можете работать специалистом в области социальных наук?

Специалисты в области социальных наук работают во многих отраслях, в том числе в образовательных учреждениях, государственных учреждениях, предприятиях и некоммерческих организациях.Навыки критического мышления, исследования и письма, которым уделяется особое внимание в программах социальных наук, служат профессионалам различного профиля. Например, политологи могут работать в федеральной исполнительной власти, заниматься социологическими исследованиями и высшим образованием.

Отрасли промышленности

Расширить все

Федеральное агентство исполнительной власти

Федеральная исполнительная власть включает в себя множество правительственных агентств, включая ФБР, Государственный департамент и Агентство по охране окружающей среды.Выпускники социальных наук проводят исследования, анализируют информацию и готовят отчеты для федерального правительства.

Услуги в области научных исследований и разработок

выпускников социальных наук, работающих в этой области, проводят исследования в области социальных и гуманитарных наук, применяя полученное образование для ответа на социальные вопросы.

Управленческие, научные и технические консультации

В этой отрасли выпускники социальных наук предлагают услуги экологического, управленческого и политического консалтинга.Консультанты предоставляют своим клиентам идеи, советы, анализ и потенциальные решения. Специалистам в этой области необходимы сильные исследовательские и коммуникативные навыки.

Колледжи, университеты и профессиональные школы

Имея ученую степень в области социальных наук, выпускники имеют право на преподавательские должности в колледжах, университетах и ​​профессиональных школах. Сектор высшего образования также нанимает выпускников социальных наук на административные должности.

Социальные правозащитные организации

Выпускники социальных наук могут работать в организациях социальной защиты, которые продвигают конкретные дела или политические цели. Например, специалисты по социологии могут применить свои знания для достижения целей и результатов для маргинализированных сообществ.

Интервью со специалистом в области социальных наук

Лиза Доренфест

Руководитель программы по управлению


Лиза Доренфест получила степень бакалавра социологии, обучаясь в Университете Западного Кентукки, Софийском университете в Японии и Чикагском университете.Десять лет спустя она получила степень магистра делового администрирования в Университете ДеПола по специальности экономика. На протяжении большей части карьеры Лиза содействовала осуществлению крупномасштабных программ трансформации в индустрии финансовых услуг, опираясь на свою способность управлять сложной групповой динамикой.

Расширить все

Почему вы решили сделать карьеру в области социальных наук?

Мой интерес к мировым культурам, организационной динамике, коммуникациям, отношениям и социальным взаимодействиям привлек меня к этому курсу обучения, в результате чего возможности карьерного роста безграничны.

Что делает карьеру в социальных науках уникальной?

Все дело в людях, самом ценном активе мира.

Каким был поиск работы после получения степени?

Изначально это был настоящий вызов. Я начал поиск работы в разгар глубокой рецессии.Работы было мало. У меня была степень, но я понятия не имел, что хочу с ней делать. Я подумывал о том, чтобы сразу поступить в магистратуру, но прежде чем сделать это, я хотел заработать немного денег и получить опыт вне академических кругов.

Как человек, которого учили рассматривать проблемы как возможности, я начал поиск работы с большего количества исследований, на этот раз используя книгу Ричарда Боллеса «Какой цвет твой парашют» в качестве текста для курса по развитию карьеры.

Я узнал о резюме, поиске вакансий, нетворкинге и прохождении собеседований.Но в основном я узнал о себе и о том, какие отрасли и роли могут быть подходящими для кого-то с моим интересом к мировым культурам, организационной динамике и коммуникациям.

Я получил свою первую роль, позвонив в агентство по найму и впечатлив ее своей историей, учебой и упорством.

Какие качества необходимы человеку, который делает карьеру в области социальных наук?
  • Увлечен культурой, отношениями и групповой динамикой
  • Любопытный
  • Чуткий
  • Честный
  • Восприимчивый
  • цепкий *
  • Объектив *
  • Творческий, новаторский и коллективный подход к анализу и решению проблем *
  • Сильные коммуникативные навыки, организаторские способности и навыки учебы *

* Эти навыки можно развивать со временем

Какой совет вы бы дали студентам, рассматривающим возможность получения ученой степени и карьеры в области социальных наук?

Изучай то, что любишь!

Следуя по стопам отца, я поступил в бакалавриат по специальности бухгалтерский учет, и мне это не понравилось.Набравшись смелости, я поделился своим беспокойством с отцом, что, если я продолжу идти по этому пути, я, возможно, не смогу получить степень.

Его мудрый совет заключался в том, чтобы «изучать то, что любишь». Так что я переключился на социологию и никогда не оглядывался назад.

Поработайте несколько лет в интересующей вас области, прежде чем получить ученую степень!

Мне нравилось изучать социологию, но я плохо разбирался в практических приложениях, пока не пошел на работу. Если бы я продолжил прямо в аспирантуре, я бы не полностью понял свои карьерные предпочтения и, возможно, выбрал бы неправильную область обучения (например,g., став учителем, а не руководителем программы, что мне не подошло бы).

Через десять лет после получения степени бакалавра социологии я получил степень MBA со специализацией в экономике. И снова я сосредоточился на том, чтобы «изучать то, что любите», и смог пройти академическую программу, работая полный рабочий день.

Думайте широко, используя возможности карьерного роста!

Диплом в области социальных наук обеспечивает отличную основу для многих рабочих мест. Не имея особого представления о работе, которой я хотел заниматься изначально со степенью социологии, я искал возможности, которые позволили мне усилить свой интерес к культурам, организациям и социальным взаимодействиям.

Я начинал с продаж отелей, меня привлекала возможность путешествовать и общаться с людьми со всего мира. Впоследствии я работал на различных должностях в Чикагской бирже опционов, привязанный к очень уникальной культуре места прямо у меня на заднем дворе.

В конце концов, я стал менеджером программы финансовых услуг, опираясь на свою способность управлять сложной групповой динамикой. Мое образование в качестве социолога позволило мне выступать в качестве переводчика и своего рода культурного атташе, помогая различным культурам (например,g., торговля, операции, бухгалтерский учет, юридические вопросы и комплаенс) понимают друг друга и общаются друг с другом для согласованного достижения целей фирмы.

Что-нибудь напоследок?

Как специалист по найму, я обнаружил, что специалисты по социальным наукам очень хорошо умеют придумывать творческие решения проблем и доводить их до реализации.

Ресурсы для специальностей социальных наук

Студенты-обществоведы могут получить доступ ко многим образовательным и профессиональным ресурсам.В приведенных ниже списках представлены примеры профессиональных организаций, открытых курсов и отраслевых публикаций, которые могут помочь вам развить важные карьерные навыки в области социальных наук.

Расширить все

Профессиональные организации

Национальная ассоциация социальных наук : Междисциплинарная ассоциация, посвященная социальным наукам, NSSA проводит конференции и семинары с возможностями сетевого взаимодействия.Ассоциация также издает Национальный журнал социальных наук и предлагает доску по трудоустройству, ориентированную на академические должности.


Американская ассоциация политических наук : Профессиональная организация политологов, APSA, существует с 1903 года. Ассоциация проводит ежегодные собрания, а также конференцию по обучению и обучению. APSA также издает несколько научных журналов и ведет доску вакансий, которая связывает кандидатов с работодателями.


Американская экономическая ассоциация : Основанная в 1885 году, AEA представляет область экономики.Ассоциация предлагает ежегодные встречи, на которых обсуждаются возможности установления контактов, ресурсы для студентов-экономистов и преподавателей, а также доска объявлений. AEA также издает журналы, чтобы экономисты были в курсе своей области.


Ассоциация учителей социальных наук : Часть Объединенной федерации учителей, ATSS / UFT объединяет преподавателей социальных наук. Ассоциация предлагает семинары, публикации и конференции с возможностью поделиться опытом и стратегиями.


Национальный совет по социальным исследованиям : Основанный в 1921 году, NCSS представляет преподавателей социальных наук, в том числе школьных учителей K-12, преподавателей колледжей и университетов, а также разработчиков учебных программ.Совет предлагает ресурсы для профессионального обучения, публикует исследования и проводит ежегодные конференции с возможностями установления контактов.


Американская историческая ассоциация : Профессиональная организация историков, AHA обеспечивает карьерную поддержку историкам и специалистам по истории, включая центр карьеры, ресурсы для профессионального развития, а также гранты и стипендии. AHA также предоставляет ресурсы для преподавания и обучения.


H-Net : Эта сеть предоставляет ресурсы для студентов и специалистов, изучающих общественные науки, включая дискуссионные форумы, обзоры и руководство по работе.H-Net также предлагает библиографии, возможности профессионального развития и медиа-архивы.


Ассоциация истории социальных наук : Междисциплинарная организация, специализирующаяся на использовании социальных наук для понимания прошлого, SSHA проводит ежегодную конференцию, присуждает призы за книги и предлагает гранты на поездки на конференцию для аспирантов. Ассоциация издает научный журнал «История социальных наук» и поддерживает тематические сети, которые объединяют студентов, молодых ученых и старших преподавателей в этой области.


Американская ассоциация географов : Основанная в 1904 году как научно-образовательное общество, AAG способствует изучению географии. Ассоциация издает несколько научных журналов, проводит ежегодные встречи с возможностями установления контактов и предоставляет новости через свой информационный бюллетень. AAG также способствует междисциплинарному сотрудничеству и предлагает более 60 специализированных групп.


Консорциум ассоциаций социальных наук : Некоммерческая организация COSSA продвигает исследования в области социальных наук и выступает за федеральное финансирование социальных наук.COSSA публикует годовые отчеты, проводит мероприятия и предоставляет ресурсы для защиты интересов.


Открытое программное обеспечение

Введение в сравнительную политику — Массачусетский технологический институт : Этот курс исследует демократию как политическую систему и причины ее успеха в одних странах и неудач в других. Студенты исследуют влияние политических институтов на экономическое развитие и сравнение американской политической системы с системами других стран.Курс представляет собой введение для студентов-политологов и обзор для людей, желающих лучше понять текущие события.


Как работает культура — Массачусетский технологический институт : Этот курс для студентов знакомит студентов с концепцией культуры. Антропологические тексты обсуждают структуру семьи, личность, отношения с животными и духами, а также этнографию. Курс посвящен тому, как антропологи изучали и анализировали культуру в своей работе, даже если они расходятся во мнениях о том, что такое культура.


Теория игр — Стэнфордский университет : Теория игр применяет математическое моделирование к конфликтам между нациями, политическими противниками, корпорациями и рыночными торговцами. Модели теории игр учитывают принятие логических решений. Ключевые концепции включают игры и стратегии, деревья игр, байесовские игры, повторяющиеся и стохастические игры.


Социальные нормы, социальные изменения — Пенсильванский университет : Социальные нормы, такие как обычаи или социальные условности, объединяют общество.В этом курсе изучается, как измерить социальные нормы и как социологи определяют, вызывают ли они определенное поведение. Понимание роли социальных норм может повлиять на успех политических мер. Университет Пенсильвании предлагает этот курс в партнерстве с ЮНИСЕФ.


Публикации

Американский журнал социологии : этот научный журнал, издаваемый издательством Чикагского университета, посвящен построению теорий и инновационным методам социологических исследований.Издание, выпущенное в 1895 году, содержит материалы по различным дисциплинам социальных наук, включая историю, антропологию и статистику. Журнал использует процесс рецензирования для представленных материалов.


Современная социология : Американская социологическая ассоциация запустила этот академический журнал в 1972 году. Журнал публикует рецензии на книги и рецензируемые статьи исследователей социальных наук.


Журнал здоровья и социального поведения : Это ежеквартальное издание Американской социологической ассоциации посвящено исследованиям и теориям, связанным со здоровьем и болезнями.Редакционный центр отдает предпочтение статьям, которые обсуждают медицинскую социологию или социологию психического здоровья.


The Economic Journal : этот международный журнал предлагает академические и общественные статьи по теоретическим и прикладным экономическим исследованиям. Королевское экономическое общество, базирующееся в Лондоне, Англия, начало издавать журнал в 1891 году. Охватываемые темы включают экономическую историю, развитие и инновации, экономику природных ресурсов, а также экономику труда и демографию.


The Economist : Это международное издание предоставляет новости со всего мира, уделяя особое внимание бизнесу, финансам и экономике с точки зрения журналистики. The Economist выходит еженедельно. Независимое издание, основанное в 1843 году, поддерживает свободную торговлю и политику, благоприятствующую личным свободам.


Журнал антропологических исследований : издается издательством Чикагского университета. Этот академический журнал служит антропологам в Соединенных Штатах и ​​за рубежом посредством тщательного анализа полевых исследований.Журнал публикует рецензируемые статьи по проблемным темам, а также около 100 рецензий на книги каждый год.


The Journal of American History : Это академическое издание, считающееся рекордным в истории Америки, содержит интерпретирующие эссе по американской истории, обзоры книг, музейные экспонаты и справочники. Журнал издает Организация американских историков, крупнейшая профессиональная организация, занимающаяся изучением американской истории.


Часто задаваемые вопросы

Расширить все

Насколько хорошо обществознание?

Если вам нравится изучать человеческое поведение и то, как люди взаимодействуют с обществом, общественные науки являются хорошей специальностью. Социальные науки охватывают множество дисциплин и тем. Вы можете специализироваться в различных областях обучения, включая географию, историю и психологию.

Какие семь социальных наук?

Семь социальных наук: антропология, экономика, география, история, политология, психология и социология.

На какую работу вы можете получить степень в области социальных наук?

Карьера в области социальных наук включает юриспруденцию, правительство, агентства социальных услуг и некоммерческие организации.Многие выпускники продолжают работать в сфере образования или научных исследований.

Какая самая высокооплачиваемая работа в социальных науках?

У политологов самая высокая зарплата среди специалистов в области социальных наук. По данным BLS, среднегодовая зарплата политологов составляет 122 220 долларов США.

Подробнее о социальных науках на сайте BestColleges

Карьера в гуманитарных и социальных науках Лучшая онлайн-программа бакалавриата по социальным наукам Руководство по программе бакалавриата социальных наук НАЗАД В начало Экономическое определение

: обзор, типы и индикаторы

Что такое экономика?

Экономика — это социальная наука, занимающаяся производством, распределением и потреблением товаров и услуг.Он изучает, как люди, предприятия, правительства и страны делают выбор в отношении распределения ресурсов. Экономика фокусируется на действиях людей, основываясь на предположении, что люди действуют рационально, стремясь к наиболее оптимальному уровню выгоды или полезности. Строительными блоками экономики являются исследования труда и торговли. Поскольку существует множество возможных применений человеческого труда и множество различных способов приобретения ресурсов, задача экономики состоит в том, чтобы определить, какие методы дают наилучшие результаты.

Экономику обычно можно разбить на макроэкономику, которая концентрируется на поведении экономики в целом, и микроэкономику, которая сосредотачивается на отдельных людях и предприятиях.

Ключевые выводы

  • Экономика — это исследование того, как люди распределяют ограниченные ресурсы для производства, распределения и потребления как индивидуально, так и коллективно.
  • Два основных типа экономики: микроэкономика , которая фокусируется на поведении отдельных потребителей и производителей, и макроэкономика , которая исследует экономику в целом в региональном, национальном или международном масштабе.
  • Экономика особенно озабочена эффективностью производства и обмена и использует модели и допущения, чтобы понять, как создавать стимулы и политику, которые будут максимизировать эффективность.
  • Экономисты формулируют и публикуют множество экономических показателей, таких как валовой внутренний продукт (ВВП) и индекс потребительских цен (ИПЦ).
  • Капитализм, социализм и коммунизм — это типы экономических систем.

Понимание экономики

Одним из первых записанных экономических мыслителей был VIII век до н. Э.C. Греческий фермер / поэт Гесиод, который писал, что для преодоления дефицита необходимо эффективно распределять труд, материалы и время. Но основание современной западной экономической теории произошло намного позже, обычно это связано с публикацией в 1776 году книги шотландского философа Адама Смита « Исследование природы и причин богатства народов» .

Принцип (и проблема) экономики состоит в том, что люди имеют неограниченные потребности и живут в мире ограниченных средств. По этой причине экономисты считают, что концепции эффективности и производительности имеют первостепенное значение.Они утверждают, что повышение производительности и более эффективное использование ресурсов может привести к повышению уровня жизни.

Несмотря на это мнение, экономика была уничижительно известна как «мрачная наука» — термин, придуманный шотландским историком Томасом Карлайлом в 1849 году. Он использовал его для критики либеральных взглядов на расу и социальное равенство современных экономистов, таких как Джон Стюарт Милль. хотя некоторые комментаторы предполагают, что Карлайл на самом деле описывал мрачные предсказания Томаса Роберта Мальтуса о том, что рост населения всегда будет опережать поставки продовольствия.

Виды экономики

Изучение экономики обычно делится на две дисциплины.

Микроэкономика фокусируется на том, как отдельные потребители и фирмы принимают решения; эти отдельные единицы, принимающие решения, могут быть отдельным лицом, домохозяйством, бизнесом / организацией или государственным учреждением. Анализируя определенные аспекты человеческого поведения, микроэкономика пытается объяснить, как они реагируют на изменения цен и почему они требуют того, что они делают при определенных уровнях цен.Микроэкономика пытается объяснить, как и почему разные товары оцениваются по-разному, как люди принимают финансовые решения и как люди лучше всего торгуют, координируют и сотрудничают друг с другом. Темы микроэкономики варьируются от динамики спроса и предложения до эффективности и затрат, связанных с производством товаров и услуг; они также включают в себя то, как разделен и распределяется труд; как организованы и функционируют коммерческие фирмы; и как люди подходят к теории неопределенности, риска и стратегических игр.

Макроэкономика изучает экономику в целом как на национальном, так и на международном уровне, используя сильно агрегированные экономические данные и переменные для моделирования экономики. Его фокус может включать отдельный географический регион, страну, континент или даже весь мир. Его основные области изучения — повторяющиеся экономические циклы и широкий экономический рост и развитие. Изучаемые темы включают внешнюю торговлю, государственную фискальную и денежно-кредитную политику, уровень безработицы, уровень инфляции и процентных ставок, рост общего объема производства, отражаемый изменениями в валовом внутреннем продукте (ВВП), и бизнес-циклы, которые приводят к расширению подъемы, спады и депрессии.

Микро- и макроэкономика взаимосвязаны. Совокупные макроэкономические явления, очевидно и буквально, представляют собой всего лишь совокупность микроэкономических явлений. Однако эти две отрасли экономики используют очень разные теории, модели и методы исследования, которые иногда кажутся противоречащими друг другу. Интеграция основ микроэкономики в макроэкономическую теорию и исследования сама по себе является важной областью исследований для многих экономистов.

Школы экономической теории

В экономической науке существует множество конкурирующих, конфликтующих или иногда дополняющих друг друга теорий и школ мысли.

Экономисты используют множество различных методов исследования от логического вывода до чистого интеллектуального анализа данных. Экономическая теория часто развивается посредством дедуктивных процессов, в том числе математической логики, где последствия конкретной человеческой деятельности рассматриваются в рамках «средств-целей». Этот тип экономики делает вывод, например, что для отдельных лиц или компаний более эффективно специализироваться на определенных видах труда, а затем торговать для удовлетворения своих других потребностей или желаний, а не пытаться производить все, что им нужно или нужно самостоятельно.Это также демонстрирует, что торговля наиболее эффективна, когда она координируется посредством обмена или денег. Выведенные таким образом экономические законы, как правило, носят очень общий характер и не дают конкретных результатов: они могут сказать, что прибыль побуждает новых конкурентов выходить на рынок, но не обязательно, сколько их будет делать. Тем не менее, они предоставляют ключевые идеи для понимания поведения финансовых рынков, правительств, экономики и решений, принимаемых людьми за этими организациями.

Другие отрасли экономической мысли делают упор на эмпиризме, а не на формальной логике — в частности, на методах логического позитивизма, которые пытаются использовать процедурные наблюдения и фальсифицируемые тесты, связанные с естественными науками.Некоторые экономисты даже используют прямые экспериментальные методы в своих исследованиях, когда испытуемых просят принять смоделированные экономические решения в контролируемой среде. Поскольку истинные эксперименты могут быть трудными, невозможными или неэтичными для использования в экономике, экономисты-эмпирики в основном полагаются на упрощающие предположения и анализ ретроактивных данных. Однако некоторые экономисты утверждают, что экономика не очень хорошо подходит для эмпирического тестирования и что такие методы часто дают неправильные или непоследовательные ответы.

Два из наиболее распространенных в макроэкономике — монетаристский и кейнсианский.Монетаристы — это ветвь кейнсианской экономики, которая утверждает, что стабильная денежно-кредитная политика является лучшим курсом для управления экономикой, и в остальном часто в целом благоприятно относятся к свободным рынкам как лучшему способу распределения ресурсов. Напротив, другие кейнсианские подходы отдают предпочтение налогово-бюджетной политике, проводимой активным правительством, чтобы управлять нерациональными рыночными колебаниями и рецессиями, и считают, что рынки часто плохо справляются с распределением ресурсов сами по себе.

Экономические показатели

Экономические показатели — это отчеты, в которых подробно описаны экономические показатели страны в определенной области.Эти отчеты обычно публикуются периодически правительственными агентствами или частными организациями, и они часто оказывают значительное влияние на рынки акций, фиксированного дохода и форекс, когда они публикуются. Они также могут быть очень полезны инвесторам для оценки того, как экономические условия будут двигать рынки, и для принятия инвестиционных решений.

Ниже приведены некоторые из основных экономических отчетов и индикаторов США, используемых для фундаментального анализа.

Валовой внутренний продукт (ВВП)

Валовой внутренний продукт (ВВП) многими считается самым широким показателем экономических показателей страны.Он представляет собой общую рыночную стоимость всех готовых товаров и услуг, произведенных в стране в конкретный год или другой период (Бюро экономического анализа выпускает регулярный отчет во второй половине каждого месяца). Многие инвесторы, аналитики и На самом деле трейдеры сосредотачиваются не на окончательном годовом отчете по ВВП, а скорее на двух отчетах, выпущенных за несколько месяцев до этого: предварительном отчете по ВВП и предварительном отчете. Это связано с тем, что окончательный показатель ВВП часто считается запаздывающим индикатором, что означает, что он может подтвердить тенденцию, но не может предсказать тенденцию.По сравнению с фондовым рынком, отчет по ВВП несколько похож на отчет о прибылях и убытках публичной компании на конец года.

Розничные продажи

Отчет о розничных продажах, составляемый Министерством торговли в середине каждого месяца, очень внимательно отслеживается и измеряет общие поступления или долларовую стоимость всех товаров, проданных в магазинах. В отчете оценивается общий объем проданных товаров на основе выборки данные розничных продавцов по всей стране — цифра, которая служит индикатором уровня потребительских расходов.Поскольку потребительские расходы составляют более двух третей ВВП, этот отчет очень полезен для определения общего направления экономики. Кроме того, поскольку данные отчета основаны на продажах за предыдущий месяц, это своевременный индикатор. Содержание отчета о розничных продажах может вызвать нестабильность на рынке выше нормальной, и информация в отчете также может использоваться для измерения инфляционного давления, влияющего на ставки ФРС.

Промышленное производство

Отчет о промышленном производстве, ежемесячно публикуемый Федеральной резервной системой, сообщает об изменениях в производстве на фабриках, шахтах и ​​коммунальных предприятиях США.S. Одной из тщательно отслеживаемых мер, включенных в этот отчет, является коэффициент использования производственных мощностей, который оценивает долю производственных мощностей, которая используется, а не простаивает в экономике. Для страны предпочтительно, чтобы значения производство и загрузка производственных мощностей на высоком уровне. Как правило, загрузка производственных мощностей в диапазоне 82–85% считается «ограниченной» и может повысить вероятность роста цен или дефицита предложения в ближайшем будущем. Уровни ниже 80% обычно интерпретируются как «вялость» в экономике, которая может увеличить вероятность рецессии.

Данные о занятости

В первую пятницу каждого месяца Бюро статистики труда (BLS) публикует данные о занятости в отчете, который называется «Несельскохозяйственная занятость». Как правило, резкий рост занятости свидетельствует о благополучном экономическом росте. Точно так же потенциальные сокращения могут быть неизбежными, если произойдет значительное снижение. Хотя это общие тенденции, важно учитывать текущее положение экономики. Например, сильные данные о занятости могут вызвать повышение курса валюты, если страна недавно переживала экономические проблемы, потому что рост может быть признаком экономического здоровья и восстановления.И наоборот, в перегретой экономике высокая занятость также может привести к инфляции, которая в этой ситуации может сдвинуть валюту вниз.

Индекс потребительских цен (ИПЦ)

Индекс потребительских цен (ИПЦ), также выпускаемый BLS, измеряет уровень изменений розничных цен (затраты, которые платят потребители) и является эталоном для измерения инфляции. Используя корзину, представляющую товары и услуги в экономике, ИПЦ сравнивает изменения цен месяц за месяцем и год за годом.Этот отчет является одним из наиболее важных доступных экономических индикаторов, и его публикация может повысить волатильность на рынках акций, фиксированного дохода и форекс. Более высокий, чем ожидалось, рост цен считается признаком инфляции, которая, вероятно, приведет к обесценению базовой валюты.

Типы экономических систем

На протяжении истории общества организовывали свои ресурсы множеством различных способов, решая, как использовать доступные средства для достижения индивидуальных и общих целей.

Примитивизм

В примитивных аграрных обществах люди, как правило, сами удовлетворяют все свои потребности и желания на уровне семьи или племени. Семьи и племена будут строить свои собственные жилища, выращивать свой урожай, охотиться на свою дичь, шить себе одежду, печь свой хлеб и т. Д. Эта экономическая система определяется очень слабым разделением труда и, как следствие, низкой производительностью, высокой степенью вертикальной интеграции производственных процессов внутри домохозяйства или деревни для производства товаров и взаимного обмена, основанного на отношениях внутри и между семьями или племенами, а не на рыночных сделках.В таком примитивном обществе концепции частной собственности и принятия решений в отношении ресурсов часто применяются на более коллективном уровне семейной или племенной собственности на производственные ресурсы и общее богатство.

Феодализм

Позже, по мере развития цивилизаций, возникли экономики, основанные на производстве социальными классами, такие как феодализм и рабство. Рабство связано с производством порабощенных людей, лишенных личной свободы или прав и считающихся собственностью их владельцев.Феодализм был системой, в которой класс дворянства, известный как лорды, владел всеми землями и сдавал в аренду небольшие участки крестьянам для ведения сельского хозяйства, при этом крестьяне передавали большую часть своей продукции лорду. Взамен лорд предлагал крестьянам относительную безопасность, в том числе жилье и пищу.

Капитализм

Капитализм возник с наступлением индустриализации. Капитализм определяется как система производства, при которой владельцы бизнеса (предприниматели или капиталисты) организуют производственные ресурсы, включая инструменты, рабочих и сырье, для производства товаров для продажи с целью получения прибыли, а не для личного потребления.При капитализме рабочих нанимают в обмен на заработную плату, владельцам земли и природных ресурсов выплачивается рента или роялти за использование ресурсов, а владельцам ранее созданного богатства выплачиваются проценты за отказ от использования части своего богатства, чтобы предприниматели могут брать их в долг для выплаты заработной платы и арендной платы, а также для покупки инструментов для использования наемными работниками. Предприниматели наилучшим образом оценивают будущие экономические условия, чтобы решить, какие товары производить, и получают прибыль, если решают хорошо, или терпят убытки, если судят плохо.Эта система рыночных цен, прибыли и убытков в качестве механизма выбора того, кто будет решать, как распределять ресурсы для производства, и определяет капиталистическую экономику.

Эти роли (рабочие, владельцы ресурсов, капиталисты и предприниматели) представляют функции в капиталистической экономике, а не отдельные или взаимоисключающие классы людей. Люди обычно выполняют разные роли по отношению к различным экономическим операциям, отношениям, организациям и контрактам, сторонами которых они являются.Это может даже происходить в одном контексте, например, в кооперативе, принадлежащем сотрудникам, где работники также являются предпринимателями, или владельцем малого бизнеса, который самофинансирует свою фирму из личных сбережений и работает вне домашнего офиса, и таким образом действует одновременно как предприниматель, капиталист, землевладелец и рабочий.

Сегодня Соединенные Штаты и большую часть развитого мира можно охарактеризовать как в целом капиталистические страны с рыночной экономикой .

Социализм

Социализм — это форма кооперативного производственного хозяйства.Экономический социализм — это система производства, в которой существует ограниченная или гибридная частная собственность на средства производства (или другие виды производственной собственности), а система цен, прибылей и убытков не является единственным определяющим фактором, определяющим, кто занимается производством. , что производить и как производить. Сегменты общества объединяются, чтобы разделить эти функции

Производственные решения принимаются в процессе коллективного принятия решений, и в экономике некоторые, но не все экономические функции разделяются всеми.Сюда могут входить любые стратегические экономические функции, затрагивающие всех граждан. К ним относятся общественная безопасность (полиция, пожарная служба, EMS), национальная оборона, распределение ресурсов (коммунальные услуги, например, вода и электричество), образование и многое другое. Они часто оплачиваются за счет подоходного налога или налога на использование, взимаемого с оставшихся тактически независимых экономических функций (отдельных граждан, независимых предприятий, внешнеторговых партнеров и т. Д.).

Современный социализм содержит определенные элементы капитализма, такие как рыночный механизм, а также некоторый централизованный контроль над некоторыми ресурсами.Если все больше и больше будет централизоваться экономический контроль, он может в конечном итоге стать более похожим на коммунизм. Обратите внимание, что социализм как экономическая система может существовать и действительно существует при различных формах правления, от демократического социализма в странах Северной Европы до более авторитарных течений, существующих в других странах.

Коммунизм

Коммунизм — это форма командной экономики, при которой почти вся экономическая деятельность централизована и осуществляется через координацию финансируемых государством центральных плановиков.Теоретическая экономическая мощь общества может быть направлена ​​на благо общества в целом. Выполнить это в реальности намного сложнее, чем в теории, поскольку для этого не требуется конфликтующих или конкурирующих субъектов внутри общества, которые могли бы оспаривать распределение ресурсов. Обратите внимание, что примеры экономического коммунизма в современную эпоху также сочетались с авторитарной формой правления, хотя теоретически это не обязательно.

1.3 Теоретические перспективы в социологии — Введение в социологию 3e

Цели обучения

К концу этого раздела вы должны уметь:

  • Описывать способы использования социологических теорий для объяснения социальных институтов.
  • Различайте функционализм, теорию конфликта и символический интеракционизм.

Рисунок 1.7 Социологи разрабатывают теории для объяснения социальных явлений, таких как митинги протеста. (Источник: Дэвид Шанкбоун / flickr)

Социологи изучают социальные события, взаимодействия и закономерности и разрабатывают теории, объясняющие, почему все работает именно так. В социологии теория — это способ объяснить различные аспекты социальных взаимодействий и создать проверяемое суждение, называемое гипотезой, об обществе (Allan 2006).

Например, хотя самоубийство обычно считается индивидуальным явлением, Эмиль Дюркгейм интересовался изучением социальных факторов, которые на него влияют. Он изучал социальную солидарность, социальные связи внутри группы и предположил, что различия в уровне самоубийств могут быть объяснены религиозными различиями. Дюркгейм собрал большое количество данных о европейцах и обнаружил, что протестанты более склонны к самоубийству, чем католики. Его работа подтверждает полезность теории в социологических исследованиях.

Теории различаются по охвату в зависимости от масштаба проблем, которые они призваны объяснить. Теории на макроуровне относятся к крупномасштабным проблемам и большим группам людей, в то время как теории на микроуровне рассматривают очень специфические отношения между отдельными людьми или небольшими группами. Великие теории пытаются объяснить крупномасштабные отношения и ответить на фундаментальные вопросы, например, почему общества формируются и почему они меняются. Социологическая теория постоянно развивается, и ее нельзя считать законченной.Классические социологические теории по-прежнему считаются важными и актуальными, но новые социологические теории основываются на работах своих предшественников и дополняют их (Calhoun, 2002).

В социологии несколько теорий предоставляют широкие перспективы, которые помогают объяснить многие различные аспекты социальной жизни, и они называются парадигмами. Парадигмы — это философские и теоретические основы, используемые в рамках дисциплины для формулирования теорий, обобщений и экспериментов, проводимых в их поддержку.Три парадигмы стали доминировать в социологическом мышлении, потому что они дают полезные объяснения: структурный функционализм, теория конфликтов и символический интеракционизм.

Социологические теории / парадигмы Уровень анализа Фокус Аналоги Вопросы, которые можно задать
Структурный функционализм Макро или середина Способ, которым каждая часть общества функционирует вместе, чтобы внести свой вклад в функционирование целого. Как работает каждый орган, чтобы ваше тело оставалось здоровым (или нет). Как образование передает культуру?
Теория конфликтов Макрос Как неравенство и неравенство способствуют социальным, политическим и властным различиям и как они сохраняют власть. Выигрывает тот, у кого больше всего игрушек, и они изменят правила игры, чтобы продолжать выигрывать. Передает ли образование только доминирующие определенные культуры?
Символический интеракционизм Микро Как происходит индивидуальное общение и общение. Что значит быть X? Как ученики реагируют на культурные послания в школе?

Таблица 1.1 Социологические теории или перспективы Различные социологические точки зрения позволяют социологам рассматривать социальные проблемы через множество полезных линз.

Функционализм

Функционализм, также называемый структурно-функциональной теорией, рассматривает общество как структуру с взаимосвязанными частями, предназначенную для удовлетворения биологических и социальных потребностей людей в этом обществе.Функционализм вырос из работ английского философа и биолога Герберта Спенсера, который видел сходство между обществом и человеческим телом. Он утверждал, что так же, как различные органы тела работают вместе, чтобы поддерживать функционирование тела, различные части общества работают вместе, чтобы поддерживать его функционирование (Spencer, 1898). Части общества, о которых говорил Спенсер, были социальными институтами или образцами убеждений и поведения, ориентированными на удовлетворение социальных потребностей, таких как правительство, образование, семья, здравоохранение, религия и экономика.

Эмиль Дюркгейм применил теорию Спенсера, чтобы объяснить, как общества меняются и выживают с течением времени. Дюркгейм считал, что общество представляет собой сложную систему взаимосвязанных и взаимозависимых частей, которые работают вместе для поддержания стабильности (Durkheim, 1893), и что общество держится вместе общими ценностями, языками и символами. Он считал, что для изучения общества социолог должен смотреть не только на людей, но и на социальные факты, такие как законы, мораль, ценности, религиозные верования, обычаи, мода и ритуалы, которые все служат для управления социальной жизнью (Durkheim, 1895).Альфред Рэдклифф-Браун (1881–1955) определил функцию любой повторяющейся деятельности как ту роль, которую она играет в социальной жизни в целом, и, следовательно, ее вклад в социальную стабильность и непрерывность (Radcliff-Brown 1952). В здоровом обществе все части работают вместе, чтобы поддерживать стабильность, состояние, названное более поздними социологами, такими как Парсонс (1961), динамическим равновесием.

Дюркгейм считал, что люди могут составлять общество, но для изучения общества социологи должны смотреть не только на людей, но и на социальные факты.. Каждый из этих социальных фактов выполняет одну или несколько функций в обществе. Например, одна функция законов общества может заключаться в защите общества от насилия, другая — в наказании за преступное поведение, а другая — в сохранении здоровья населения.

Другой известный структурный функционалист Роберт Мертон (1910–2003) указал, что социальные процессы часто имеют множество функций. Проявленные функции — это следствия социального процесса, которые ожидаются или ожидаются, в то время как скрытые функции — это нежелательные последствия социального процесса.Явная функция образования в колледже, например, включает в себя получение знаний, подготовку к карьере и поиск хорошей работы, в которой используется это образование. Скрытые функции вашего учебы в колледже включают знакомство с новыми людьми, участие во внеклассных мероприятиях или даже поиск супруга или партнера. Еще одна скрытая функция образования — это создание иерархии занятости, основанной на достигнутом уровне образования. Скрытые функции могут быть полезными, нейтральными или вредными. Социальные процессы, которые имеют нежелательные последствия для функционирования общества, называются дисфункциями.В сфере образования примерами дисфункции являются плохие оценки, прогулы, отсев, неуниверситет и отсутствие подходящей работы.

Критика

Одна из критик структурно-функциональной теории состоит в том, что она не может адекватно объяснить социальные изменения, даже если функции являются процессами. Также проблематичным является несколько замкнутый характер этой теории: предполагается, что повторяющиеся модели поведения имеют функцию, но мы заявляем, что знаем, что они имеют функцию только потому, что они повторяются.Более того, дисфункции могут продолжаться, даже если они не выполняют функции, что, по-видимому, противоречит основной посылке теории. Многие социологи теперь считают, что функционализм больше не полезен как теория макроуровня, но что он действительно служит полезной цели в некоторых анализах среднего уровня.

Большое изображение

Глобальная культура?

Рис. 1.8 Некоторые социологи считают, что онлайн-мир вносит вклад в создание зарождающейся глобальной культуры. Вы являетесь частью каких-либо глобальных сообществ? Этот раввин из Индианы участвует в том, что было признано самым продолжительным собранием Zoom, которое началось в Австралии после субботы и проходило во всех часовых поясах мира, фактически продолжаясь намного дольше одного дня.(Источник: Хабад Любавич / flickr)

Социологи всего мира внимательно следят за признаками беспрецедентного события: возникновения глобальной культуры. В прошлом империи, подобные тем, что существовали в Китае, Европе, Африке, Центральной и Южной Америке, объединяли людей из разных стран, но эти люди редко становились частью общей культуры. Они жили слишком далеко друг от друга, говорили на разных языках, исповедовали разные религии и торговали небольшими товарами. Сегодня рост общения, путешествий и торговли сделал мир намного меньше.Все больше и больше людей могут мгновенно общаться друг с другом — где бы они ни находились — по телефону, видео и тексту. Они делятся фильмами, телешоу, музыкой, играми и информацией через Интернет. Студенты могут учиться с учителями и учениками с другой стороны земного шара. Правительствам труднее скрыть условия внутри своих стран от остального мира.

Социологи исследуют множество различных аспектов этой потенциальной глобальной культуры. Некоторые изучают динамику социальных взаимодействий глобальных онлайн-сообществ, например, когда участники чувствуют более близкое родство с другими членами группы, чем с людьми, проживающими в их собственных странах.Другие социологи изучают влияние этой растущей международной культуры на меньшие, менее влиятельные местные культуры. Однако другие исследователи исследуют, как международные рынки и аутсорсинг рабочей силы влияют на социальное неравенство. Социология может сыграть ключевую роль в способности людей понять природу этой зарождающейся глобальной культуры и то, как на нее реагировать.

Теория конфликтов

Теория конфликта рассматривает общество как соревнование за ограниченные ресурсы. Эта перспектива представляет собой макроуровневый подход, наиболее отождествляемый с работами немецкого философа и социолога Карла Маркса, который рассматривал общество как состоящее из людей, принадлежащих к разным социальным классам, которые должны конкурировать за социальные, материальные и политические ресурсы, такие как еда и жилье. , занятость, образование и досуг.Социальные институты, такие как правительство, образование и религия, отражают эту конкуренцию в присущем им неравенстве и помогают поддерживать неравноправную социальную структуру. Некоторые люди и организации могут получить и сохранить больше ресурсов, чем другие, и эти «победители» используют свою власть и влияние для поддержания социальных институтов. Сохранение власти ведет к увековечиванию угнетения.

Несколько теоретиков предлагали варианты этой основной темы, например, польско-австрийский социолог Людвиг Гумплович (1838–1909), который развил идеи Маркса, утверждая, что война и завоевание являются основами цивилизаций.Он считал, что культурные и этнические конфликты приводят к тому, что государства идентифицируются и определяются доминирующей группой, которая имеет власть над другими группами (Irving, 2007).

Немецкий социолог Макс Вебер соглашался с Марксом, но также считал, что, помимо экономического неравенства, неравенство политической власти и социальной структуры вызывает конфликт. Вебер отметил, что разные группы пострадали по-разному в зависимости от образования, расы и пола, и что реакция людей на неравенство сдерживалась классовыми различиями и уровнем социальной мобильности, а также представлениями о легитимности власть имущих.Читатель Маркса, Георг Зиммель считал, что конфликт может помочь интегрировать и стабилизировать общество. Он сказал, что интенсивность конфликта варьируется в зависимости от эмоциональной вовлеченности сторон, степени солидарности внутри противостоящих групп, а также ясности и ограниченного характера целей. Зиммель также показал, что группы работают для создания внутренней солидарности, централизации власти и уменьшения разногласий. Чем сильнее связь, тем слабее разлад. Урегулирование конфликтов может снизить напряженность и враждебность и может открыть путь к будущим соглашениям.

В 1930-х и 1940-х годах немецкие философы, известные как Франкфуртская школа, разработали критическую теорию как развитие марксистских принципов. Критическая теория является расширением теории конфликта и шире, чем просто социология, включая другие социальные науки и философию. Критическая теория — это целостная теория, которая пытается решить структурные проблемы, вызывающие неравенство. Он должен объяснить, что не так в нынешней социальной реальности, определить людей, которые могут вносить изменения, и поставить практические цели для социальных преобразований (Horkeimer, 1982).

Совсем недавно неравенство по признаку пола или расы объяснялось аналогичным образом и выявляли институциональные структуры власти, которые помогают поддерживать неравенство между группами. Джанет Зальцман Чафец (1941–2006) представила модель феминистской теории, которая пытается объяснить силы, поддерживающие гендерное неравенство, а также теорию того, как такую ​​систему можно изменить (Turner, 2003). Точно так же критическая расовая теория выросла из критического анализа расы и расизма с юридической точки зрения.Теория критических рас рассматривает структурное неравенство, основанное на привилегиях белых и связанных с ними богатстве, власти и престиже.

Социология в реальном мире

Фермерство и местные растения: как социологические перспективы могут отражать потребление продуктов питания

Потребление продуктов питания — обычное, повседневное явление. Тем не менее, это также может быть связано с важными моментами в нашей жизни. Еда может быть индивидуальной или групповой, а привычки и обычаи в еде находятся под влиянием наших культур.В контексте общества продовольственная система нашей страны находится в центре многочисленных социальных движений, политических проблем и экономических дискуссий. Любой из этих факторов может стать предметом социологического исследования.

Структурно-функциональный подход к теме потребления продуктов питания мог бы проанализировать роль сельского хозяйства в национальной экономике и то, как она изменилась с первых дней ручного земледелия до современного механизированного производства. Другой может изучать различные функции процессов в производстве продуктов питания, от земледелия и сбора урожая до яркой упаковки и массового потребления.

Теоретика конфликта могут заинтересовать различия во власти, присутствующие в регулировании пищевых продуктов, исследуя, где право людей на информацию пересекается с стремлением корпораций к прибыли и как правительство выступает посредником в этих интересах. Или теоретик конфликта мог бы исследовать силу и бессилие, испытываемые местными фермерами, по сравнению с крупными сельскохозяйственными конгломератами, такими как документальный фильм Food Inc., который изображен как результат патентования Monsanto технологии семян. Еще одна тема исследования может заключаться в том, как питание различается между разными социальными классами.

Социолога, рассматривающего потребление пищи через призму символического интеракционизма, больше интересовали бы темы на микроуровне, такие как символическое использование еды в религиозных ритуалах или роль, которую она играет в социальном взаимодействии за семейным ужином. Эта точка зрения может также исследовать взаимодействия между членами группы, которые идентифицируют себя на основании того, что они придерживаются определенной диеты, например, вегетарианцы (люди, которые не едят мясо) или locavores (люди, которые стремятся есть продукты местного производства).

Критика

Подобно тому, как структурный функционализм подвергался критике за то, что слишком много внимания уделял стабильности обществ, теория конфликта подвергалась критике за то, что она имеет тенденцию сосредотачиваться на конфликте, исключая признание стабильности. Многие социальные структуры чрезвычайно стабильны или постепенно развиваются с течением времени, а не резко меняются, как предполагает теория конфликта.

Символическая интеракционистская теория

Символический интеракционизм — это теория на микроуровне, которая фокусируется на отношениях между людьми в обществе.Коммуникация — обмен смыслами с помощью языка и символов — считается способом, с помощью которого люди осмысливают свой социальный мир. Теоретики Герман и Рейнольдс (1994) отмечают, что с этой точки зрения люди принимают активное участие в формировании социального мира, а не просто подвергаются действию.

Джордж Герберт Мид считается основателем символического интеракционизма, хотя он никогда не публиковал свои работы по этому поводу (LaRossa and Reitzes, 1993). Ученик Мида, Герберт Блумер (1900–1987) ввел термин «символический интеракционизм» и обрисовал в общих чертах следующие основные предпосылки: люди взаимодействуют с вещами на основе значений, приписываемых этим вещам; приписываемое значение вещей происходит из нашего взаимодействия с другими людьми и обществом; значения вещей интерпретируются человеком, когда он имеет дело с вещами в конкретных обстоятельствах (Blumer 1969).Например, если вы любите книги, специалист по символическому взаимодействию может предположить, что вы узнали, что книги хороши или важны для вашего взаимодействия с семьей, друзьями, школой или церковью. Возможно, у вашей семьи было особое время для чтения каждую неделю, получение читательского билета считалось особым событием или сказки на ночь ассоциировались с теплом и комфортом.

Социологи, применяющие символически-интеракционистское мышление, ищут модели взаимодействия между людьми. Их исследования часто включают наблюдение за общением один на один.Например, в то время как теоретик конфликта, изучающий политический протест, может сосредоточиться на классовых различиях, символического интеракциониста будет больше интересовать, как люди в протестующей группе взаимодействуют, а также знаки и символы, которые протестующие используют для передачи своего сообщения.

Акцент на важности символов в построении общества побудил социологов, таких как Эрвинг Гоффман (1922–1982), разработать метод, называемый драматургическим анализом. Гоффман использовал театр как аналогию социального взаимодействия и признал, что взаимодействия людей отражают шаблоны культурных «сценариев».Он утверждал, что отдельные лица были актерами в пьесе. Мы менялись ролями, иногда ежеминутно, например, от ученицы или дочери к собачнику. Поскольку может быть неясно, какую роль человек может играть в данной ситуации, он или она должны импровизировать свою роль по мере развития ситуации (Goffman, 1958).

Исследования, использующие символическую интеракционистскую перспективу, с большей вероятностью будут использовать качественные методы исследования, такие как глубинные интервью или включенное наблюдение, потому что они стремятся понять символические миры, в которых живут испытуемые.

Конструктивизм — это расширение теории символического взаимодействия, которая предполагает, что реальность — это то, чем ее когнитивно конструируют люди. Мы разрабатываем социальные конструкции, основанные на взаимодействии с другими, и те конструкции, которые сохраняются в течение долгого времени, имеют значения, которые широко согласованы или общеприняты большинством в обществе. Этот подход часто используется для изучения того, что в обществе считается девиантным. Абсолютного определения девиации не существует, и разные общества придумали разные значения для девиантности, а также связали различное поведение с девиантностью.

Одна ситуация, которая иллюстрирует это, — это то, что, по вашему мнению, вы должны делать, если найдете бумажник на улице. В Соединенных Штатах передача бумажника местным властям будет считаться надлежащим действием, а сохранение бумажника — отклонением от нормы. Напротив, многие восточные общества сочли бы более подходящим оставить кошелек и искать владельца самостоятельно. Передача его кому-то другому, даже властям, будет считаться девиантным поведением.

Критика

Исследования, проведенные с этой точки зрения, часто подвергаются тщательной проверке из-за сложности сохранения объективности.Другие критикуют чрезвычайно узкую направленность символического взаимодействия. Сторонники, конечно, считают это одной из самых сильных сторон.

Социологическая теория сегодня

Эти три подхода по-прежнему составляют основу современной социологической теории, хотя и претерпели эволюцию. Структурно-функционализм был доминирующей силой после Второй мировой войны и до 1960-х и 1970-х годов. В то время социологи начали чувствовать, что структурно-функционализм недостаточно объясняет быстрые социальные изменения, происходившие в Соединенных Штатах в то время.Женское движение и движение за гражданские права заставили ученых разработать подходы к изучению этих новых социальных практик.

Затем известность приобрела теория конфликта с упором на институционализированное социальное неравенство. Критическая теория и отдельные аспекты феминистской теории и критической теории расы были сосредоточены на создании социальных изменений посредством применения социологических принципов. В этой области был вновь сделан акцент на оказании помощи обычным людям в понимании принципов социологии в форме публичной социологии.

Получив известность после работ Мида в 1920-х и 1930-х годах, символический интеракционизм упал в влиянии в течение 1960-х и 1970-х годов, но на рубеже XXI века он возродился (Stryker, 1987). Постмодернистская социальная теория, разработанная в 1980-х годах, чтобы взглянуть на общество через совершенно новую линзу, отвергая предыдущие попытки объяснить социальные явления на макроуровне. Его рост популярности совпадает с ростом конструктивистских взглядов на символический интеракционизм.

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, исследование с использованием подходов машинного обучения на больших наборах социальных данных позволило 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 утверждали, 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 прогнозировать рецидив 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. Каждое поле 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 каждый подраздел посвящен уникальному элементу 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 последовательностей (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 прогноза по сравнению с объяснением приводит к моделям, которые работают хорошо по неизвестным причинам, что приводит к специальным обоснованиям для модельных решений и производительности.Приоритет прогнозу над 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, чтобы сказать нам, чего ожидать. Следовательно, нам нужно создавать новую теорию по мере разработки и применения методов.Такой подход помогает нам понять, почему модели машинного обучения могут давать результаты, которые на первый взгляд кажутся неинтуитивными, но которые действительно 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 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, превышающие универсальное социальное поведение 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 в используемых нами данных и методах скрывается бесчисленное множество предубеждений, и что эти методы могут привести к дискриминационным результатам с системным причины — имеет решающее значение для того, чтобы подтолкнуть нас к лучшему 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 пост-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 выполнения 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 неверным 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 на самом деле служат главным образом упражнением в предсказании, 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 того, почему эта 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 одну часть данных — знание того, кто является действующим президентом. Однако теория также говорит нам, что в номинально конкурентных гонках опрос 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 партийности, 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 подразумеваем 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 фиксации 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 партийной приверженности стали ассоциироваться 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 из желания 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 расчет на удобство или 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 систематические 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. Технические характеристики

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. Переоснащение шумом — это один из способов, которым необдуманный выбор функций может повысить производительность. Другой — включить функции, которые ложно связаны с нашим интересующим 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 трудными 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 основной 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 агрегирования, 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 над аффектом в социологии фокусируется не на общей идее социальной идентичности, а скорее на «ярлыках культурной идентичности», определяемых как «(1) ролевые идентичности, указывающие 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 начала с теории конструкции, которую мы хотим измерить, и ее пересечения с субъективными процессами наших аннотаторов. Еще один инструмент, который стоит отметить для решения этой задачи, который разработали социологи, — это когнитивное интервью , (Beatty and Willis, 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 Конструкция

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 предметной области варьируются от нескольких предположений, по сути предполагающих, что «модель все узнает», до случаев, когда мы явно моделируем теорию. Однако О’Коннор и др. оставьте открытым вопрос о том, где именно в этом пространстве, вероятно, окажется «правильная» модель для конкретной проблемы, или как определить правильные допущения 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 наших допущений в 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 предположению, 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 с одинаковым социальным статусом используют аналогичный 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 руководства 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, 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 больше, чем обвинение 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 нашим ожиданиям? 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 различных применений социальных теорий.

При интерпретации моделей социальная теория позволяет нам выйти за пределы 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 предположительно будет работать 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 того и другого) (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 «прочесть 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 нужно 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 для построения различных моделей 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.Для этого, как говорится в их работе, 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.

Еще один 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 вопросах, 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 результата. 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 для количественной оценки вреда 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 последствий 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), уделяя особое внимание 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 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 о 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 выбирают 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 проверить 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 богатство 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, исследователям машинного обучения не нужно 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 же, 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). «Говорящие места: моделирование и анализ лингвистического контента в Foursquare», в журнале Privacy, Security, Risk and Trust (PASSAT), Международная конференция 2012 г. и Международная конференция 2012 г. по социальным вычислениям (SocialCom) (Амстердам), 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 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. Протокол НИПС . 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 веб-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). Отчет AI Now 2019 , 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 вражды 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 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), (Бельвью, 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

Фулдс, 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). Придумывая 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 демографической информацией», 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 ковариатного сдвига. arXiv 1502.03167.

Google Scholar

Ипейротис, П. Г., Провост, Ф., Шэн, В., и Ван, Дж. (2010). Повторное нанесение этикеток с использованием нескольких этикетировщиков с шумом . 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 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 шаблонов использования идентичности в твитах: новая проблема, решение и тематическое исследование», в 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», Конференция ACM 2017 по совместной работе с компьютерной поддержкой (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 11th International Conference on Data Mining Workshops (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 для профессий», Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing System (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. Hum. 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 проанализировали 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). Партизаны: 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). «Тема-ссылка LDA: совместные модели темы и сообщества авторов», в 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. Анал . 23, 254–277. DOI: 10.1093 / pan / mpu019

CrossRef Полный текст | Google Scholar

Луи М. и Болдуин Т. (2012). «Langid.py: стандартный инструмент идентификации языка», 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», Международная конференция 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 NIPS Workshop on Computational Social Science and the Wisdom of Crowds .

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., 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 «Достижения в области нейронных систем обработки информации» Семинар 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», 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.16117

PubMed Аннотация | CrossRef Полный текст | Google Scholar

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

CrossRef Полный текст | Google Scholar

Schwartz, H.A., Eichstaedt, J.C., Kern, M. L., Dziurzynski, L., Ramones, S.M., Agrawal, M., 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., Гоэл, 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 людей 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 ненависти в Twitter », 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», 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-Сильва, Э. (2008). Белая логика, белые методы: расизм и методология . Лэнхэм, Мэриленд: Rowman & Littlefield Publishers.

Google Scholar

.