Nodes and Links

⏰ Уже завтра, 5 августа — секция 15 на конференции «Интеракция. Интеграция. Инклюзия»! 🔗 VI Международная научная конференция «Интеракция. Интеграция. Инклюзия: на перекрёстках знаний и ценностей» Секция 15. Социальная инклюзия, границы сообществ и циркуляция знаний: возможности сетевого анализа Приглашаем послушать доклады секции! Она объединяет исследования, которые с помощью сетевого анализа изучают, как формируются границы сообществ, воспроизводятся включение и исключение, циркулируют знания, ресурсы и позиции в социальных, профессиональных и академических полях. В фокусе — механизмы поляризации, профессиональной и академической фрагментации, морального дистанцирования и методические возможности сетевого анализа. 🗓 5 августа · начало в 12:00 🗣 Рабочий язык: русский 👥 Руководители секции: Ирина Анатольевна Павлова, Наталия Николаевна Матвеева, Антон Антонович Сизов (МЛ ПСА НИУ ВШЭ) I. Персональные и научные сообщества: циркуляция знаний и ресурсов – Эго-сетевой анализ социального капитала: теория, методология, применение – Городское экологическое сообщество как источник низовых инноваций – (Не)однородность российских университетов: 1991–2024 – Практикующие психологи в системе профессий: сетевой анализ комбинирования подходов II. Сетевые исследования инклюзии, филантропии и социальной работы – От социальной идентичности к межэтнической инклюзивности: связи в поликультурных классах российских школ – Системное представление исследований здорового старения через сети соприсутствия ключевых слов – Тематическая сегментация литературы о роли частного капитала в филантропии (BERTopic + OpenAlex) – Структура рынка труда социальной работы: мультимодальный сетевой анализ вакансий Подключиться в Zoom 👉 https://us02web.zoom.us/j/9737523487?pwd=Qy96RVdtenc2NHpjUytkbEdUejBDdz09 Ознакомиться с расписанием других секций можно на сайте конференции.

От теории к практике: расследуем данные вместе Как вы думаете, где рождаются самые ценные инсайты? На стыке фундаментальной науки и реальных задач бизнеса. Именно этому посвящена наша недавняя публикация, в которой сотрудники Международной лаборатории прикладного сетевого анализа размышляют о том, как сегодня работают с данными в академии и индустрии. В статье коллеги обсуждают, почему: • Академия учит нас сомневаться и проверять гипотезы, а бизнес ждет быстрых и надежных решений. • Сетевой анализ помогает увидеть невидимые связи в организациях. • Именно на пересечении этих миров возникают самые интересные и востребованные подходы к анализу. А теперь самое главное — у вас есть шанс попробовать себя в роли настоящего «Дата-детектива» Мы приглашаем вас на практический вебинар, где теория из статьи превратится в захватывающее расследование. Вместе со спикерами магистерской программы «Аналитика данных и прикладная статистика» вы научитесь: • Находить аномалии и скрытые закономерности в данных. • Выбирать правильные метрики и не поддаваться на уловки цифр. • А в финале — провести собственное аналитическое расследование и представить свою версию событий. 🕵️ Станьте участником вебинара «Дата-детектив: следствие ведут аналитики» 4 августа в 18:00. Подробности и регистрация по ссылке. До встречи в эфире! 🚀

Что если распространение идей работает не совсем так, как мы привыкли думать? Книга Деймона Сентолы способна поставить под вопрос прописные истины сетевого подхода. Известно, что чем «слабее» и длиннее связи в сети, тем быстрее по ней разлетится что угодно. Но Сентола показывает, что так работают только простые «заражения» — то, с чем достаточно соприкоснуться единожды (новости, болезни). Сложное поведение (ЗОЖ, вакцинация, освоение технологий) требует подкрепления от нескольких источников сразу. И тут слабые связи не просто бесполезны — они тормозят диффузию! Вместо этого нужны «широкие мосты» плотных, перекрывающихся связей между кластерами сети. Сентола не ограничивается теорией. Главная изюминка его подхода – масштабные онлайн-эксперименты на тысячи участников, которые показывают, как гомофилия и «инкубаторные окрестности» помогают рискованным инновациям закрепиться и захватить всю сеть. В общем, отличная книга про то, почему один твит взлетает за ночь, а важная инновация буксует годами. Рекомендую!

Для оценки влиятельности научной литературы давно используют количество цитирований, но у такого подхода есть много минусов. Коллектив Международного центра анализа и выбора решений под руководством ординарного профессора Фуада Алескерова разработал новый инструмент для анализа научной литературы, который изначально использовали для оценки системных рисков в банковской системе. В интервью Фуад Тагиевич рассказал об опубликованной в престижном издательстве книге. В основе работы лежит сетевой анализ. Научную литературу представляют как граф, в котором журналы, статьи, авторы и организации становятся вершинами, а цитирования — направленными связями между ними. Чтобы выявить в такой сети ключевые узлы, применяют индексы центральности, которых известно более четырёхсот. Фуад Тагиевич предложил использовать индексы нового типа, которые учитывают параметры вершины и групповое влияние одних вершин на другие. Идея выросла из финансов. Несколько лет назад в Центробанке проанализировали межбанковское кредитование как сеть, что подтолкнуло исследователей к разработке новых мер. Как говорит Фуад Алескеров, невозврат крупного кредита Сберу грозит в худшем случае лишь тем, что с человеком перестанут здороваться, тогда как для небольшого банка это может стать серьезным ударом. Метод опробовали на экономических журналах, где на первое место ожидаемо вышел American Economic Review. Затем его применили в медицине и проанализировали 70 тыс. статей о болезни Паркинсона. Частое цитирование одной работы разными изданиями указывает на ее качество, а вот плотные перекрестные ссылки внутри небольшого круга журналов повышают вероятность того, что перед нами сеть хищнических изданий. Центральными оказались статьи о симптомах и диагностике, причём нередко из журналов с невысокой цитируемостью, а анализ терминов показал, что всего за семь лет центр тяжести научного сообщества сместился от хирургии к генетике. #интервью #научная_статья

Преподаватель нашей магистерской программы «Аналитика данных и прикладная статистика» Станислав Моисеев рассказал «Почему теория поколений не работает, а мы всё равно в неё верим?». В публикации описаны не только непростая судьба этого изначально научного понятия и связанные с ним методологические сложности, но и то, какие особенности человеческого мышления делают теорию поколений такой притягательной.

Андрей Герасимов, автор канала «Структура наносит ответный удар», построил на основе книжных рецензий граф связей между представителями исследований социальных и гуманитарных наук (SSSH, Studies of Social Sciences and Humanities). Данные охватывают более 300 работ с 1969-го года. Самым интересным для меня оказалось то, что все три субдисциплины довольно сильно связаны друг с другом через рецензии. Хотя я ожидал, что социологи будут читать преимущественно представителей своих школ, а историки и эпистемологи социальных наук будут существовать вообще где-то в другой интеллектуальной вселенной, оказалось, что границы гораздо более проницаемы. Особенно интересно, что Рэндалл Коллинз, Стив Фуллер и Филип Мировски лидируют сразу в двух топах: они одновременно получили больше всего рецензий на свои книги и сами написали большое количество рецензий. Редакция канала желает Андрею скорейшего выздоровления, а подписчикам советуем брать с Андрея пример – бороться со скукой с помощью сетевого анализа.

Когда «все свои»: свет и тени плотных связей в семейном бизнесе Семейный бизнес часто сравнивают с закрытым клубом — связи интенсивные, вход посторонним ограничен, а информация передается со скоростью слухов за воскресным ужином. Семейные сети отличаются высокой плотностью, замкнутостью и мультиплексностью. В этом есть свои плюсы: доверие, быстрые решения и поток tacit knowledge – того самого «непередаваемого словами» опыта. Но есть и обратная сторона. Слишком плотные сети способны завести компанию в «информационный кокон», ограничивая доступ к новым идеям и ресурсам извне, притупляют стратегическое видение, сдерживают инновации. При достижении критической плотности связей социальный капитал начинает снижать финансовые показатели. От семейных фирм требуются «мосты» во внешний мир — иначе группа рискует стать жертвой особенностей группового мышления, замкнутого только на себя. Также растут латентные риски раскола: семейные традиции и привычки мешают урегулированию рабочих конфликтов. Текст: Иван Климов

С 5 по 9 октября 2026 года в Математическом центре «Сириус» пройдёт конференция «Современные методы сетевого анализа». Её организуют три подразделения НИУ ВШЭ: Лаборатория алгоритмов и технологий анализа сетевых структур (LATNA), Международный центр анализа и выбора решений (DeCAn) и наша Международная лаборатория прикладного сетевого анализа (ANR-Lab). В программный комитет входят Фуад Алескеров (центр DeCAn, НИУ ВШЭ), Валерий Калягин (LATNA, ВШЭ – Нижний Новгород) и заведующая нашей лаборатории Дарья Мальцева. Школа-конференция адресована студентам и молодым исследователям, интересующимся современными направлениями сетевого анализа: аналитикой данных, обработкой больших данных, методами машинного обучения и data mining на основе сетевого подхода. Особое внимание будет уделено методам оптимизации, анализу неопределённости в сетевом анализе и интеграции математических моделей с прикладными задачами – с опорой на теорию графов, комбинаторику, теорию вероятностей и теорию игр. Приглашённые докладчики конференции и лекторы школы — признанные международные эксперты в этой области. Формат задуман как пространство диалога между студентами, аспирантами и ведущими учёными, где молодые исследователи смогут освоить современные теоретические подходы и практические техники сетевого анализа и анализа данных. Мы приглашаем молодых исследователей, аспирантов, магистрантов и студентов выпускных курсов бакалавриата подать заявку на выступление с докладом. Обратите внимание: участие в школе-конференции – по приглашению организаторов, программный комитет проводит отбор поданных заявок. Приглашённым участникам Международный математический центр предоставит размещение с завтраком в гостиницах федеральной территории «Сириус». 🗓 Срок подачи заявок — до 6 сентября 2026 года. Узнать подробности и подать заявку — на странице конференции: siriusmathcenter.ru/077w

▪️Pure Graphs / Структурные графы Это графы без текста (транспортные сети, электроцепи и т.п.). LLM получают список рёбер и задачи: найти циклы, связность, гамильтонов путь. Это проверка суждений без опоры на текстовые паттерны. ▪️ Text-Paired Graphs / Текстово-сопряжённые графы Текст описывает весь граф. Например, в молекуле: атомы – узлы, связи – рёбра, текст – свойства (токсичность, растворимость). Или сеть отношений между героями художественной книги. ▪️ Text-Attributed Graphs / Семантически обогащённые графы Самый массовый тип. Узлы и/или рёбра имеют текстовые описания: академические сети (статьи, цитирования), соцсети (профили, посты), e-commerce (товары, покупки). Здесь текст и структура могут расходиться: семантически близкие статьи не всегда цитируют друг друга. Задача – построить представления, учитывающие оба источника. То, как добиться наибольшей точности при анализе этих типов графов с использованием LLM, читайте в обзоре авторов.

Как LLM переписывают правила сетевого анализа В конце 2024 года в вышел фундаментальный обзор (200+ источников), систематизирующий всё, что было сделано на стыке больших языковых моделей (LLM) и графов. Авторы предлагают первую полную таксономию области, классифицируя методы по двум осям: тип графа и роль LLM. Зачем соединять LLM и графы? LLM впечатляюще работают с текстом, но реальные данные редко бывают изолированными: статьи связаны цитированиями, пользователи – дружбой, молекулы – химическими связями. Графовые нейронные сети (GNN) эффективны со структурой, но не воспринимают семантику; LLM понимают текст, но не видят связи. Задача – объединить оба подхода. Ниже мы рассмотрим три типа графов, подходы к анализу которых разбираются в статье.

Приглашаем Вас принять участие в нашей секции «Социальная инклюзия, границы сообществ и циркуляция знаний: возможности сетевого анализа» (Секция 15) в рамках VI Международной научной конференции "Интеракция. Интеграция. Инклюзия: на перекрестках знаний и ценностей". Дедлайн подачи заявок на участие с докладом: 5 июля 2026 г. Для участия необходимо заполнить онлайн-форму заявки. Конференция пройдет 5–8 августа в онлайн формате. Наша секция объединяет исследования, использующие сетевой анализ для изучения того, как формируются границы сообществ, воспроизводятся инклюзия и эксклюзия, а также циркулируют знания, ресурсы и позиции в социальных, профессиональных и академических полях. В центре внимания секции: механизмы поляризации, профессиональной и академической фрагментации, морального дистанцирования, а также методические возможности сетевого анализа в исследовании этих процессов.

Всем привет! Делимся с вами подборкой дней открытых дверей магистреской программы «Data Analytics and Social Statistics» («Аналитика данных и прикладная статистика») на июль: 🔸 2 июля в 18:00 состоится вебинар "Реализация журналистских ролей" - на вебинаре Сергей Давыдов расскажет об опыте участия в международном исследовательском проекте "Реализация журналистских ролей", включая результаты сетевого анализа массива данных, собранных в рамках исследования в 37 странах. Ссылка на регистрацию 🔹 9 июля в 18:00 ждем вас на вебинар "От данных к решениям в финансовой сфере" - на вебинаре поговорим о том, как данные становятся основой для принятия решений в финансовой сфере, какие задачи решают аналитики и почему сегодня недостаточно просто владеть инструментами обработки данных. Ссылка на регистрацию 🔸 16 июля в 18:00 мы проведем вебинар "Поиск и работа с медицинскими публикациями в базе OpenAlex, базовая работа с применением языка R" - на вебинаре Михаил Мешков расскажет про базовые возможности работы с OpenAlex, отличия от PubMed и расскажет про API и библиометрию. Ссылка на регистрацию 🔹 23 июля в 18:00 приглашаем вам на вебинар "Наука в магистратуре: от курсовой работы до статьи в ведущем журнале" - на семинаре Наталия Матевеева расскажет о научной работе, которая ожидает студентов нашей программы: программа минимум и программа максимум. Ссылка на регистрацию Ждем всех🧡

Если вы занимаетесь исследованиями, то точно слышали про «качественные» и «количественные» методы, и, скорее всего, не раз сталкивались с негласным противостоянием между ними. Элоиза Белотти в своей книге «Qualitative Networks: Mixed methods in sociological research» показывает, что в сетевом анализе это разделение теряет смысл и обедняет исследования. Для Белотти, структура и культура неразделимы: сети возникают из взаимодействий, но сами взаимодействия всегда наполнены смыслами, нормами и символическим обменом. Особенно интересно читать, как Белотти применяет смешанные методы: анализ сетей дружбы через глубинные интервью, этнография уличных группировок Милана и изучение академической коллаборации философов при помощи архивных данных. Белотти показывает как качественные методы дополняют количественный сетевой анализ и помогают не только измерять и описывать структуру отношений, но и понимать смыслы, стоящие за ней. Меня эта книга вдохновила обратиться к качественным методам в своих сетевых исследованиях.

Бесплатный семинар по сетевому подходу к анализу соцмедиа 25 июня Международная лаборатория прикладного сетевого анализа Высшей школы экономики проведет для участников Университетского консорциума исследователей больших данных семинар, продолжающий серию…

В сетевом анализе связи часто задают заранее: с кем человек общается, сотрудничает, к кому идет за советом. Но часть отношений остается в свободном тексте: интервью, открытых ответах и отчетах. Это открывает новые возможности для социального сетевого анализа. Авторы SURVEY2MLN предлагают использовать большие языковые модели (LLM) как переводчик из нарратива в граф: модель читает ответы, находит участников и типы отношений, а затем собирает многослойную сеть: по коммуникации, исследовательским темам и формальной принадлежности. Такая сеть показывает не только структуру текстов, но и скрытые связи: потенциальные коллаборации, центры коммуникации, разрывы и мосты между группами. Конечно важно понимать ограничения. LLM-аннотации интервью могут ошибаться систематически, а не случайно. Ещё, например, GPT-4o находит темы, но ошибается в цитатах, контексте и культурных нюансах. Как бы мы не надеялись на LLM, но последнее слово все равно должно оставаться за человеком.

22 июня в 15:00 состоится семинар Международной лаборатории прикладного сетевого анализа, на котором выступит Никита Образцов, магистрант вычислительной социологии ЕУ СПб, магистр религиоведения СПбГУ. Почему одни религиозные меньшинства сохраняют высокий…

Наши новые статьи 🔹В обзоре Ильи Петрова («Автоматика и телемеханика») проанализированы различные математические модели того, как окружение индивидов влияет на принятие ими решений. Выяснилось, что погоня за личной выгодой неизбежно ухудшает общий результат системы. При этом возникает парадокс: поощрять популярных участников сети выгодно не всегда ситуациях — при жёстких социальных нормах это может демотивировать остальных и серьезно пошатнуть эффективность. 🔸Наталия Матвеева в совместной с Анушкой Ферлигой и Владимиром Батагелем статье для журнала «Scientometrics» разработали метод анализа структур научного сотрудничества в университетах — построили нормализованные сети соавторства на данных библиотеки OpenAlex (2017–2019) для 30 вузов, — и выяснили, что хотя все университеты демонстрируют высокий уровень внутреннего взаимодействия, его структура заметно различается: устоявшиеся вузы имеют более разнообразные модели коллаборации, чем молодые. 🔹В работе для «Вестника Томского государственного университета. История» Наталия Матвеева и Мария Лошкарева применили сетевой анализ к средневековой валлийской хронике Brut y Tywysogyon. Исследуя социальные связи исторических фигур Уэльса, они пересматривают традиционную версию о завоевании Уэльса Англией: возможно, причина была не в раздробленности региона, а в чём-то другом. 🔸Сергей Давыдов в публикации для журнала «Мониторинг общественного мнения» изучил динамику аудитории российских соцсетей (2022–2024). Он сопоставил данные Cross Web («Медиаскоп») и «Медиалогии» с помощью двух авторских индексов и зафиксировал текущие паттерны использования ресурсов, например, рост Telegram и падение популярности заблокированных платформ. 🔹В препринте Антона Сизова и соавторов раскрываются результаты исследования факторов согласия россиян на наблюдение (surveillance). Масштабный опросный эксперимент показал, что отношение к сбору персональных данных очень контекстуально, но наиболее сенситивна для россиян интернет-слежка. Доверие к государственному надзору заметно выше, чем к частному.

🎙️«Окей, Вышка», о чем будет выпуск сегодня? Поговорим об онлайн-магистратуре «Аналитика данных и прикладная статистика»! Вместе с Ириной Павловой, её академическим руководителем. 🔹как поступить и какие вступительное испытание ожидать 🔹кто преподает на программе, есть ли среди них практики 🔹как будет проходить процесс обучения, над какими проектами будут работать студенты YouTube / ВКонтакте / Rutube / Дзен #окейвышка 👻 подписывайтесь на Вышку Онлайн в MAX

Мы привыкли (и хотим) считать свои мысли и поведение уникальными, аутентичными. Но социальные науки давно показывают, что люди регулярно поддаются влиянию окружающих, действуя удивительно согласованно. Изучение таких процессов — одна из ключевых задач сетевого анализа. Теперь исследователи не просто фиксируют влияние, а строят математические модели, позволяющие объяснять и прогнозировать его распространение. Одни модели рассматривают влияние на уровне отдельных взаимодействий. В них влияние распространяются либо как цепная реакция, где каждый участник может «заразить» соседей (модели независимого каскада), либо через накопление воздействий, когда изменение происходит лишь после достижения определённого порога (модели линейного порога), либо как результат стратегического выбора в ответ на действия окружения (теоретико-игровые модели). Другие модели описывают динамику сразу на уровне всей популяции, используя системы дифференциальных уравнений и логику, заимствованную из эпидемиологии (модели Дейли–Кендалла, SIR и SEIR). И это лишь верхушка айсберга. Сегодня область стремительно развивается благодаря глубинному обучению и большим языковым моделям, а эксперименты с ИИ-агентами, обученными на человеческих текстах, позволяют создавать всё более детальные модели коллективного поведения — иногда настолько реалистичные, что их выводы начинают выглядеть тревожно.