АННОТАЦИЯ 3
ОГЛАВЛЕНИЕ 2
ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ И ТЕРМИНОВ 3
ВВЕДЕНИЕ 4
1 Обзор литературы 6
2 Теоретическая часть САОМ 9
2.1 Постановка задачи приводящей к САОМ 9
2.2 Описание САОМ 10
2.3 Оценка параметров модели 18
3 Применение модели на реальных данных 20
3.1 Объект исследования 20
3.2 Применимость САОМ в исследовании научных групп 20
3.3 Формирование гипотез о динамике рассматриваемой сети 22
3.4 Описание модели 23
3.5 Оценка сформированных гипотез 24
3.5.1 Оцененные параметры при эффектах 24
3.5.2 Интерпретация полученных оценок параметров 25
4 Построение имитационной модели 29
4.1 Описание модели 29
4.2 Допущения 30
4.3 Описание работы имитационной модели 30
4.4 Оценка работы имитационной модели 31
ЗАКЛЮЧЕНИЕ 35
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ . . 37
В современном мире изучение социальных сетей приобретает всё большую значимость. Это связано с необходимостью анализа и оптимизации различных социальных процессов, будь то в науке, экономике или политике. С развитием сети интернет появилась возможность собирать и анализировать объективные данные о социальных сетях, и их структурах. Это вызвало развитие такой дисциплины, как сетевой анализ. В рамках сетевого анализа существует класс акторно-ориентированных моделей. Стохастическое акторно-ориентированное моделирование является мощным инструментом для анализа и предсказания сетевой динамики.
Объектом данного исследования является класс стохастических акторно-ориентированных моделей, а именно построение этих моделей, их применимость на реальных данных и построение имитационной модели. Предметом исследования выступают факторы, влияющие на динамику сети соавторства в Томском государственном университете.
Целью данной работы является построение и анализ стохастических акторно-ориентированных моделей на реальных данных и симуляция сетевой динамики. Для достижения поставленной цели можно выделить 2 глобальные задачи: Анализ реальных данных на примере сети научного соавторства Томского государственного университета и построение имитационной модели.
Подробнее про задачи данного исследования
1. Применение стохастической акторно-ориентированной модели (САОМ, SAOM) на реальных данных
a. Выгрузка данных о авторах и их научных публикациях из Тгу. Сотрудники.
b. Предварительная обработка данных. Выделение 3 снимков сети и векторов стажа, обработка некорректных данных и ошибок при загрузке.
c. Построение модели на основе социологических предположений и проверка гипотез
d. Анализ результатов
2. Построение имитационной модели САОМ
a. Описание модели
b. Разработка алгоритма
c. Построение модели
d. Анализ корректности работы модели
Изучение социальных сетей, особенно в контексте научного сотрудничества, позволяет понять ключевые механизмы, влияющие на формирование и эволюцию научных коллективов. В данном исследовании на примере сети соавторства в ТГУ будут изучены динамические процессы, влияющие на формирование научных связей. Использование стохастических акторно-ориентированных моделей позволяет не только описывать существующие структуры, но и предсказывать их будущее развитие, что является важным инструментом для управления научными коллективами и проектами. Написание же имитационной модели является начальным шагом для дальнейших исследований динамики разных социальных сетей, потому как это является необходимым этапом для проверки корректности при написании собственных реализация моделей САОМ, не описанных ранее.
В рамках этой работы был изучен класс стохастических акторно ориентированных моделей. Поставленная цель, а именно построение и анализ стохастических акторно-ориентированных моделей на реальных данных и симуляция сетевой динамики была достигнута. Каждая из поставленных задач была выполнена.
Была исследована динамика сети научного сообщества ТГУ, и выявлены факторы влияющие на динамику сети. Так же была построена имитационная модель,
САОМ, является новым математическим методом, использующий методы и подходи из дисциплин ставших уже классическими. В САОМ используется теория потоков, но применение классических методов теории массового обслуживания или теории потоков затруднительно. Это связано с тем, что процесс, который моделируется, представляет собой сеть, и при переходе от одного состояния сети к другому одним из основных факторов является именно структура самой сети. Это требует использования инструментов теории графов. Также использование сетевых эффектов напоминает использование линейной регрессии, однако вместо предикторов используется поток принятий решений. Это усложняет анализ сетевых данных как задачи линейной регрессии. Сетевые структуры хранят в себе большое количество информации, а динамика этих сетевых структур позволяет узнать многое о виде сети, о акторах, и о том как внешние факторы влияют на рассматриваемую сеть.
Результаты, полученные в ходе анализа социальной сети научного соавторства Томского государственного университета, могут быть положены в основу дальнейшего исследования данной сети, а также создания новых социологических гипотез в отношении сети соавторства ТГУ. Данные исследования могут быть использованы для оптимизации научного сообщества. В наши дни все большую популярность набирают междисциплинарные исследования, и в результате текущего исследования видно, что с увеличением стажа у авторов увеличивается вероятность междисциплинарной связи. Однако для дальнейшего исследования сети необходима разработка социологической теории о динамике сети и анализ поставленной теории. Полученные модели могут послужить не только для оптимизации взаимодействия научного сообщества, но и для оптимизации академического процесса студентов.
В дальнейшем планируется провести углубленное изучение сети научного сообщества ТГУ, включая проведение кластерного анализа и выделение существующих научных групп. Также предполагается рассмотреть динамику связных сетей, включая как динамику внутри каждой из научных групп, так и их влияние на остальные научные группы. Интерес представляет влияние научных конференций на степень кластеризации сети и их влияние на междисциплинарные исследования.
