Социальная сложность

Социальная сложность в социологии — это концептуальная структура, используемая при анализе общества. Современные определения сложности в науках встречаются в связи с теорией систем, в которой изучаемое явление имеет множество частей и множество возможных схем отношений между этими частями. В то же время сложное и простое относительно и может меняться со временем[1].

Современное использование термина «сложность» в области социологии обычно относится конкретно к теориям общества как сложной адаптивной системы. Однако социальная сложность и ее эмерджентные свойства являются центральными повторяющимися темами на протяжении всего исторического развития социальной мысли и изучения социальных изменений[2].

Первые основатели социологической теории, такие как Фердинанд Тённис, Эмиль Дюркгейм, Макс Вебер, Вильфредо Парето и Георг Зиммель, исследовали экспоненциальный рост и возрастающую взаимосвязанность социальных контактов и социального обмена. Этот акцент на взаимосвязанности в социальных отношениях и появлении новых свойств внутри общества обнаруживается в теории многих областей социологии. В качестве теоретического инструмента теория социальной сложности служит основой для соединения социальных явлений микро- и макроуровня, обеспечивая теоретическую платформу среднего уровня для формирования гипотез[3]. Методологически понятие социальной сложности теоретически нейтрально, что означает, что оно вмещает в себя как локальные (микро), так и глобальные (макро) явления в социологических исследованиях[2].

Теоретическая основа
Иллюстрация сложности (фрактал мозаики Пенроуза)

С конца 1970-х до начала 1990-х годов, в ряде исследований ведутся дискуссии о свойствах систем, в которых сильная корреляция подсистем приводит к наблюдаемому поведению, которое описывается как аутопоэтическое, самоорганизующееся, динамическое, турбулентное и хаотическое. Всё это формы поведения системы, возникающие из математической сложности. К началу 1990-х годов работы социальных теоретиков, таких как Никлас Луман, начали отражать эти темы сложного поведения[4].

Одно из самых ранних употреблений термина «сложность» в социальных и поведенческих науках для обозначения конкретно сложной системы встречается в исследованиях современных организаций и управления[5]. Однако, особенно в исследованиях по менеджменту, этот термин часто используется в метафорическом, а не в качественном или количественном теоретическом смысле[2]. К середине 1990-х годов в социальных науках начинается «поворот сложности», поскольку некоторые из тех же инструментов, которые обычно используются в науке о сложности, включаются в социальные науки[6]. К 1998 году было выпущено международное электронное периодическое издание «Журнал искусственных обществ и социального моделирования». За последние несколько лет во многих публикациях были представлены обзоры теории сложности в области социологии. В рамках этой работы также прослеживаются связи с другими теоретическими традициями, включая конструктивистскую эпистемологию и философские позиции феноменологии, постмодернизма и критического реализма.

Методология

Социальная сложность теоретически нейтральна, что означает, что она вмещает в себя как локальные, так и глобальные подходы к социологическим исследованиям[2]. Сама идея социальной сложности возникает из сравнительного исторического метода ранних социологов; этот метод важен в развитии, определении и уточнении теоретической конструкции социальной сложности. Поскольку сложные социальные системы имеют много частей, и существует много возможных взаимосвязей между этими частями, соответствующие методологии обычно определяются в некоторой степени исследовательским уровнем анализа, дифференцированным исследователем в соответствии с уровнем описания или объяснения, требуемым гипотезами[7]. На самом локальном уровне анализа могут использоваться этнографические, включённое или не-включённое наблюдение, контент — анализ и другие качественные методы исследования. В последнее время в социологии разрабатываются и используются весьма сложные методологии количественных исследований как на локальном, так и на глобальном уровнях анализа. Такие методы включают бифуркационные диаграммы, анализ социальных сетей, нелинейное моделирование и вычислительные модели, включая программирование клеточных автоматов, социальную кибернетику и другие методы социального моделирования.

Комплексный анализ социальных сетей

Комплексный анализ социальных сетей используется для изучения динамики больших, сложных социальных сетей. Динамический сетевой анализ объединяет традиционный анализ социальных сетей, анализ связей и многоагентные системы в рамках науки о сетях[8]. Благодаря использованию ключевых понятий и методов в анализе социальных сетей, агентном моделировании, теоретической физике и современной математике (в частности, теории графов и фрактальной геометрии) этот метод исследования позволил получить представление о динамике и структуре социальных систем. Новые вычислительные методы анализа локализованных социальных сетей появляются в работах Дункана Уоттса, Альберта-Ласло Барабаши, Николаса Христакиса, Кэтлин Карли и других[9][10].

Новые методы анализа глобальных сетей появляются на основе работ Джона Урри и социологического исследования глобализации, связанного с работами Мануэля Кастельса и более поздними работами Иммануила Валлерстайна. С конца 1990-х годов Валлерстайн все чаще использует теорию сложности, особенно работы Ильи Пригожина[11]. Динамический анализ социальных сетей связан с различными методологическими традициями, выходящими за рамки системного мышления, включая теорию графов, традиционный анализ социальных сетей в социологии и математическую социологию. Он также связан с теорией хаоса и сложной динамикой посредством работ Дункана Уоттса и Стивена Строгаца, а также с фрактальной геометрией через Альберта-Ласло Барабаши и его работу о безмасштабных сетях.

Вычислительная социология

Основными методами в этой области являются социальное моделирование и интеллектуальный анализ данных. Социальное моделирование использует компьютеры для создания искусственной лаборатории для изучения сложных социальных систем. Интеллектуальный анализ данных использует машинный интеллект для поиска нетривиальных паттернов отношений в больших, сложных базах данных. Формирующиеся методы соционики являются разновидностью вычислительной социологии[12][13].

Вычислительная социология находится под влиянием ряда микро-социологических направлений, а также традиций системной науки и системного мышления на макроуровне. Влияние теорий символического интеракционизма, социального обмена и рационального выбора на микроуровне, наряду с направленностью на микроуровень политологов, использующих вычислительные методы, таких как Роберт Аксельрод, помогло разработать восходящий, агентный подход вычислительной социологии к моделированию сложных систем. Джошуа Эпштейн в своей работе называет это генеративной наукой[13]. Другие важные области включают статистику, математическое моделирование и компьютерное моделирование.

Социальная кибернетика

Социальная кибернетика объединяет социологию с кибернетикой второго порядка и работами Никласа Лумана, а также с последними достижениями науки о сложности. С точки зрения научной работы, фокус социальной кибернетики был в основном концептуальным и лишь немного методологическим или эмпирическим[14]. Социальная кибернетика непосредственно связана с системным мышлением внутри и вне социологии, особенно в области кибернетики второго порядка.

Область применения

В первом десятилетии 21-го века разнообразие областей применения возросло по мере развития более сложных методов[15]. Теория социальной сложности применяется в исследованиях социального сотрудничества и общественных благ[16]; альтруизма[17]; избирательного поведения[18]; образования[19]; глобального гражданского общества[20] и массовых беспорядков[21]; коллективных действий и общественных движений[22]; социального неравенства; рабочей силы и безработицы[23]; экономической географии и экономической социологии; анализе политики; системах здравоохранения[24]; инноваций, социальных изменений[25] и многих других. Текущий международный научно-исследовательский проект, Seshat: Global History Databank, был специально разработан для анализа изменений социальной сложности от неолитической революции до промышленной революции.

В качестве теоретической платформы среднего уровня социальная сложность может быть применена к любому исследованию, в котором можно наблюдать социальное взаимодействие или результаты такого взаимодействия, но особенно там, где они могут быть измерены и выражены в виде непрерывных или дискретных данных. Одной из распространенных критических замечаний, часто приводимых в отношении полезности науки о сложности в социологии, является трудность получения адекватных данных[26]. Тем не менее, применение концепции социальной сложности и анализ такой сложности начали и продолжают оставаться постоянной областью исследования в социологии. От детских дружеских отношений и подростковой беременности[2] до криминологии[27] и борьбы с терроризмом[28], теории социальной сложности применяются практически во всех областях социологических исследований. Также понятие социальной сложности используется в социолингвистике, семиотике, библиометрии, наукометрии и инфометрии.

Примечания
  1. Waldrop, M. Mitchell (1992.) Complexity: The Emerging Science at the Edge of Order and Chaos. New York, NY: Simon & Schuster.
  2. Eve, Raymond, Sara Horsfall and Mary E. Lee (eds.) (1997). Chaos, Complexity and Sociology: Myths, Models, and Theories. Thousand Oaks, CA: Sage Publications.
  3. Cohen, B. P. (1989). Developing sociological knowledge: theory and method (2nd ed.). Chicago: Nelson-Hall.
  4. Luhmann, Niklas (1990.) Essays on Self-Reference, New York: Columbia University Press.
  5. Kiel, L. Douglas (1994). Managing Chaos and Complexity in Government: A New Paradigm for Managing Change, Innovation and Organizational Renewal. Jossey-Bass: San Francisco.
  6. Urry, John (2005). «The Complexity Turn.» Theory, Culture and Society, 22(5): 1-14.
  7. Luhmann, Niklas (1982). The Differentiation of Society. New York, NY: Columbia University Press.
  8. Carley, Kathleen M. (2003), «Dynamic Network Analysis.» Dynamic Social Network Modeling and Analysis: Workshop Summary and Papers, Ronald Breiger, Kathleen Carley, and Philippa Pattison (eds.), National Research Council (Committee on Human Factors): Washington, D.C.: 133—145.
  9. Barabási, Albert-László (2003). Linked: The New Science of Networks. Cambridge, MA: Perseus Publishing.
  10. Watts, Duncan J. (2004). «The New Science of Networks.» Annual Review of Sociology, 30: 243—270.
  11. Freeman, Linton C. (2004). The Development of Social Network Analysis: A Study in the Sociology of Science. Vancouver Canada: Empirical Press.
  12. Gilbert, Nigel and Klaus G. Troitzsch (2005). Simulation for Social Scientists, 2nd Edition. New York, NY: Open University Press.
  13. Epstein, Joshua M. (2007). Generative Social Science: Studies in Agent-Based Computational Modeling. Princeton, NJ: Princeton University Press.
  14. Geyer, Felix and Hans van der Zouwen (1992). «Sociocybernetics.» Handbook of Cybernetics, C.V. Negoita (ed.): 95-124. New York: Marcel Dekker.
  15. Saberi, Mohammad Karim, Alireza Isfandyari-Moghaddam and Sedigheh Mohamadesmaeil (2011). «Web Citations Analysis of the JASSS: the First Ten Years.» Journal of Artificial Societies and Social Simulation, 14:(4), 22.
  16. Nowak, Martin and Roger Highfield (2011). Super Cooperators: Altruism, Evolution, and Why We Need Each Other to Succeed. New York, NY: Free Press.
  17. Hang, Ye, Fei Tan, Mei Ding, Yongmin Jia and Yefeng Chen (2011). «Sympathy and Punishment: Evolution of Cooperation in Public Goods Game.» Journal of Artificial Societies and Social Simulation, 14(4): 20.
  18. Dan Braha, Marcus A. M. de Aguiar. Voting contagion: Modeling and analysis of a century of U.S. presidential elections (англ.) // PLOS ONE. — 2017-05-18. — Vol. 12, iss. 5. — P. e0177970. — ISSN 1932-6203. — doi:10.1371/journal.pone.0177970.
  19. Mason, Mark (2008). Complexity Theory and the Philosophy of Education. Hoboken, NJ: Wiley-Blackwell (Educational Philosophy and Theory Special Issues).
  20. Castellani, Brian. (2018). «The Defiance of Global Commitment: A Complex Social Psychology. Routledge complexity in social science series.»
  21. Dan Braha. Global Civil Unrest: Contagion, Self-Organization, and Prediction (англ.) // PLOS ONE. — 2012-10-31. — Vol. 7, iss. 10. — P. e48596. — ISSN 1932-6203. — doi:10.1371/journal.pone.0048596.
  22. Chesters, Graeme and Ian Welsh (2006). Complexity and Social Movements: Protest at the Edge of Chaos." London: Routledge (International Library of Sociology).
  23. Yilmaz, Levent (2011). «Toward Multi-Level, Multi-Theoretical Model Portfolios for Scientific Enterprise Workforce Dynamics.» Journal of Artificial Societies and Social Simulation, 14(4): 2.
  24. Brian Castellani, Rajeev Rajaram, J. Galen Buckwalter, Michael Ball and Frederic Hafferty (2012). «Place and Health as Complex Systems: A Case Study and Empirical Test». SpringerBriefs in Public Health.
  25. Lane, D.; Pumain, D.; Leeuw, S.E. van der; West, G. (eds.) (2009). Complexity Perspectives in Innovation and Social Change. New York, NY: Springer (Methodos Series, Vol. 7).
  26. Stewart, Peter (2001). «Complexity Theories, Social Theory, and the Question of Social Complexity.» Philosophy of the Social Sciences, 31(3): 323—360.
  27. Lee, Ju-Sung. (2001). «Evolving Drug Networks.» Carnegie Mellon Center for Computational Analysis of Social and Organizational Systems (CASOS). Conference Presentation.
  28. Carley, Kathleen (2003). «Destabilizing Terrorist Networks.» Proceedings of the 8th International Command and Control Research and Technology Symposium. Conference held at the National Defense War College: Washington D.C., Evidence Based Research, Track 3. Electronic Publication.
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.