CC BY
81А.А. Али-заде
БОЛЬШИЕ ДАННЫЕ: НОВОЕ ВРЕМЯ ДЛЯ ОБЩЕСТВЕННЫХ НАУК
DOI: 10.31249/scis/2018.00.03
Аннотация. В статье рассматривается беспрецедентный феномен «больших данных», вызванный переходом современного общества на компьютерные технологии коммуникации. Показано влияние этого феномена на общественные науки, вынужденные искать новый исследовательский (методологический / методический) инструментарий, адекватный для работы с «большими данными». Описываются связанные с этим структурные изменения в исследовательском поле общественных наук - появление так называемых когнитивных наук, - а также конкретные методолого-методические инновации, призванные открыть исследователям вход в реальность «больших данных».
Abstracts. The article deals with the unprecedented phenomenon of big data, which is obliged to the transition of modern society to computer communication technologies. It is demonstrated that under influence of this phenomenon on social sciences, they forced to look for new research (methodological) tools, adequate to work with big data. In the article there is description associated with big data structural changes in the research field of social sciences - the emergence of so-called cognitive sciences - as well as specific methodological innovations designed to open the research entrance into the reality of big data.
Ключевые слова: «большие данные»; «большие социологические данные»; общественные науки; компьютерные технологии коммуникации; информационно-коммуникационная демократия; социальные сети; компьютерная автоматика; интерфейсы; когни-
тивные науки; качественный анализ; методы качественного анализа; методологические инновации.
Keywords: big data; big sociological data; social sciences; computer technologies of communication; information and communication democracy; social networks; computer automation; interfaces; cognitive sciences; quolitative analysis; methods of quolitative analysis; methodological innovations.
«Большие данные» (big data), или «большие социологические данные» (big sociological data) (БСД), - термин, совсем недавно вошедший в словарь общественных наук и обозначивший огромные потоки эмпирического исследовательского материала. Эти потоки, созданные радикально новой социальной реальностью, называемой «информационным обществом», стали вызовом для эмпирической социологии с ее традиционным исследовательским инструментарием, мало пригодным к работе с БСД. Информационное общество - продукт глобальной социальной революции, совершенной компьютерными технологиями коммуникации, которые сделали человеческую коммуникацию глобальной, мгновенной и не требующей никаких официальных разрешений. Как известно, мотором общественной жизни выступает информационная коммуникация, в ходе которой люди, получая и осмысливая определенную информацию, принимают решения на разных социальных уровнях - от бытового уровня до уровня социального управления, - и так общество приходит в движение. Коммуникация в информационном обществе, ставшая глобальной и доступной каждому человеку, который вправе, нигде официально не оформляя это свое право, обращаться к аудитории любого охвата вплоть до глобальной аудитории, создала беспрецедентный феномен демократии нового типа - информационно-коммуникационной демократии в виде многосубъектного общества. Многосубъектное общество информационно-коммуникационной демократии - это новый тип самоорганизованного общества, уже получивший в научной литературе определение «глобального гражданского общества», общественно влиятельными субъектами которого выступают, например, блогеры, способные управлять аудиториями в сотни тысяч и миллионы своих подписчиков и составляющие реальную конкуренцию любым влиятельным официальным субъектам, в том числе субъектам государственной власти. В «глобальном гражданском обществе» - порождении компьютерных коммуникационных технологий - сам институт государственного управ-
ления становится лишь одним из субъектов многосубъектной социальной среды и вынужден искать новую нишу в этой беспрецедентной среде тотальной самоорганизации / тотального самоуправления.
Такова социальная, точнее, социально-технологическая основа возникновения, по выражению некоторых исследователей, «потопа больших данных» [25]. Этот «потоп» производят многочисленные самоорганизованные субъекты информационно-коммуникационной демократии - «пользователи социальных сетей, которые не только предоставляют исследователям БСД, но уже и сами погружены в анализ социально-сетевой информации, сами выступают аналитиками, непосредственно развивающими аналитику БСД» [25, с. 607]. То есть радикально изменившие общество компьютерные технологии коммуникации, сделавшие его глобальным гражданским обществом, в том числе и для общественных наук, создали совершенно новую ситуацию. Сегодня уже не годится традиционный исследовательский инструментарий социологов, предусматривающий замеры социальной реальности как пассивного объекта исследовательского воздействия, не годится, поскольку социальные сети, производящие не просто БСД, но и БСД-аналитику (на форумах различных интернет-платформ -«Твиттера», «Фейсбука» и т.д.), трансформировали современное общество как предмет исследования из пассивного объекта в активный субъект, «соисследователя». Общественные науки вынуждены входить в эту новую общественную парадигму, получившую в научной литературе, помимо определений глобального гражданского / информационного / многосубъектного социума, также и определение нынешней социальной среды как неолиберальной -опирающейся на социальную самоорганизацию, откуда и вытекает неолиберальное недоверие к государству [6]. Неолиберальная -многосубъектная, конкурентная - среда втягивает в себя, заставляет академическое исследовательское сообщество трансформироваться в своем исследовательском инструментарии так, чтобы адекватно реагировать на социально-сетевую реальность БСД.
То, что реальность БСД действительно трансформирует общественные науки, хорошо видно по современным общественно-научным исследованиям, которые под влиянием БСД обновляют свою тематику и свой теоретико-методологический арсенал. Обновление исследовательской тематики происходит в связи с тем, что БСД - прямое порождение социальной среды, выстраиваемой компьютерными технологиями коммуникации. То есть сегодняш-
ние исследователи имеют дело в качестве своего предмета уже не с прежней социальной, но именно социально-технической системой, в которой техническая сторона (обеспечиваемая компьютерными технологиями коммуникации) не может быть оторвана от социальной стороны. Поэтому современное общество как социально-техническая система - это общество интерфейсов, взаимодействия человека и техники, именно компьютерной техники, которая сегодня необратимо завоевывает социальную коммуникацию, превращая ее в глобальное технологическое пространство производства БСД.
Режим интерфейсов, в который благодаря компьютерным технологиям коммуникации вошло современное социальное взаимодействие, повернул исследовательское внимание к человеческим возможностям работать с информацией, производимой в интерфейсах, т.е. с информацией в формате БСД. Это привело к возникновению в области общественных наук специального исследовательского направления, изучающего в рамках так называемых когнитивных наук человеческую способность осваивать БСД как информацию нового качества - производимую через многообразные компьютерные устройства. Существуют многочисленные прикладные исследования, посвященные реальности БСД именно в аспекте изучения когнитивной адаптации человека к автоматизированной (компьютерной) информации в условиях трансформации общества в социально-техническую систему. Исследователи, работающие в этом направлении, пытаются выстраивать и тестировать различные когнитивные механизмы принятия решений в условиях крайне быстрой и высокотехнологичной коммуникационной среды, которая обрушивает БСД на когнитивный аппарат человека, находящийся в требующем принимать незамедлительные и точные решения режиме интерфейса [30]. При этом особый упор делается на исследование когнитивного механизма принятия решений (1) по критическим инцидентам и (2) в экспериментальных условиях максимальной имитации полевых условий - из-за (1) «присущей критическим инцидентам сложности, их многообразного и, вместе с тем, системного состава (они не представляют бессвязный унитарный ряд проблем), делающего вызов задаче нахождения по ним ключевых решений» и (2) поскольку «принятие решений в реальном времени характеризуется цейтнотом, неопределенностью, высокими ставками-рисками, конфликтом целей, организационными ограничениями - элементами, которые в лаборатории воспроизвести весьма нелегко» [13, с. 256].
Именно исследования в области когнитивных наук поставили на актуальную повестку дня вопрос методологии качественного анализа, характеризующего общественные науки; в отличие них естествознание характеризуется количественным анализом, математически моделирующим предмет естественно-научного познания. Собственно, сам базовый предмет когнитивных наук -человек - определяет выбор исследовательской методики в пользу методов качественного анализа при всей скептичности к ним в отношении их научной строгости. Человеческая / социальная реальность, которой занимаются общественные науки, - в принципе реальность качественная, допускающая количественную свою обработку весьма опосредованно и приблизительно, и количественные модели этой реальности представляют не более чем эмпирические данные, подлежащие интерпретации, т.е. качественному анализу. Поэтому радикально перестроенная компьютерными технологиями коммуникации социальная среда, ставшая в силу социально-сетевого / многосубъектного своего характера гораздо более неопределенной, непредсказуемой, «качественной» реальностью, чем она была до времен компьютерных коммуникационных технологий, потребовала соответствующей перестройки общественных наук как области прежде всего качественного анализа, существенно повысив его значение. Не случайно исследователи сегодня склонны пересматривать традиционное мнение о методах качественного исследования как в научном смысле «нестрогих», ассоциирующихся с путанными переменными, низким экспериментальным контролем и заключениями, не поддающимися статистической обработке. И новая исследовательская позиция в отношении качественного анализа звучит следующим образом: «...в то время как количественные подходы стараются достичь технической строгости путем точного применения предписанных методов и статистических правил, качественный анализ силен своим стремлением к достижению результатов субстанциальной важности, которые достигаются применением подходящих методологий и имеют прочную по своей глубине базу в реальности. Субстанциальная важность результатов качественного подхода вполне заменяет техническую строгость результатов количественного подхода, и, значит, если исследовательская методология задумана с прицелом на субстанциальную важность результатов, тогда проблема научной строгости для исследований по этой методологии снимается» [13, с. 260].
Приведем некоторые предлагаемые в современной методо-лого-научной литературе для исследований в области когнитив-
ных наук методы качественного анализа в новых социальных и исследовательских условиях, удовлетворяющие исследовательскому моделированию событий высокого риска. Метод моделирования микромиров (micro-world simulations) - создание сложных, компьютеризированных поведенческих моделей для исследования умений динамично принимать решения и решать комплексные проблемы. Умение динамично принимать решения - имеются в виду эффективные решения в условиях сложных взаимосвязей, ограничений предыдущими действиями, необходимости постоянной адаптации и дефицита времени. Подобным образом умение решать комплексные проблемы связано с принятием решений в условиях, характеризуемых дефицитом прозрачности (только некоторые переменные непосредственно наблюдаемы), плюрализмом целей, сложностью из-за ситуативных вызовов, взаимозависимостью (изменения в одной переменной влияют на другие переменные), динамичностью (ответы, сделанные вовремя) и эффектами отложенного времени (отложенные последствия). Метод моделирования микромиров используется для исследования процесса принятия критических решений путем помещения участников в интерактивные условия, где их решения влияют на текущую и будущую ситуацию [13, с. 261].
Другой метод - моделирование сред «погруженного» познания (МСПП) (immersive simulated learning environments) - характеризуется: (а) вовлечением экспертов; (б) признанием системной взаимосвязи проблем критического инцидента; (в) когнитивным и психологическим погружением в моделирование критического инцидента для максимального воспроизведения полевой ситуации. Метод МСПП отличается от метода моделирования микромиров только тем, что распространяет моделирование на сложности, связанные с решением командами-организациями, работающими по проблемам критических инцидентов, неспецифических, экзогенных задач [13, с. 263].
Исследователями в области когнитивных наук для изучения поведения человека в новой информационно-коммуникационной реальности - реальности БСД - предлагается также метод когнитивного анализа задачи (КАЗ), призванный исследовать развитие когнитивных навыков осмысления новой (обязанной компьютерным технологиям коммуникации) действительности именно в отношении навыка КАЗ. Иными словами, предлагаемый метод представляет некое метаисследование, поскольку нацелен на изучение эффективности самого когнитивного анализа - т.е. представляет
когнитивный анализ когнитивного анализа. По важному замечанию исследователей, КАЗ как метаанализ (когнитивный анализ когнитивного анализа) помогает вскрыть процесс сбора и изучения данных (БСД - в современных условиях). И само исследовательское внимание к КАЗ - прямое свидетельство осознания исследовательским сообществом в области общественных наук того, что современная социальная реальность (радикально трансформированная компьютерными технологиями коммуникации) предъявляет к собственному осмыслению (когнитивному аппарату человека, научному мышлению) новые требования [29].
Разработки в рамках когнитивных наук явно демонстрируют исследовательский интерес к взаимосвязи между превращением современного общества в глобальную социально-техническую систему (основанную на компьютерных технологиях коммуникации) и феноменом БСД, с которым вынуждены иметь дело операторы этого тотального интерфейса на разном операциональном уровне - на уровнях:
(1) операторов разного рода специализированных автоматизированных систем, например пилотов современных авиалайнеров;
(2) операторов - пользователей социальных сетей.
Исследователи, занимающиеся операционным уровнем (1),
собственно и пытаются понять и моделировать механизмы когнитивной работы операторов, находящихся в автоматизированной (компьютерной) информационной среде БСД. Так, исследователи из США отмечают, что с технологическим прогрессом растет ответственность людей за взаимодействие со сложными, многофункциональными механизированными системами в самых разных областях - контроля воздушных перевозок, установок ядерной энергии, медицинской практики, беспилотных механизмов и т.д., и это новое информационное давление вынуждает операторов работать на пределе их когнитивных возможностей. Значит, полагают они, в противоположность многочисленным исследованиям феномена механизации, где этот феномен анализируется как некая отчужденная от человека данность, с которой человек взаимодействует, получая какие-то выгоды и терпя какие-то убытки, необходимо исследовать механизацию в ее отношении к когнитивным ресурсам человека - механизацию со встроенным в нее когнитивным измерением [31].
Ничего нового в феномене механизации, автоматизации нет, поскольку человек по своей природе - технолог, механизатор, автоматизатор, создающий среду своего обитания именно как
технологическую, механизированную, автоматизированную среду. Однако с компьютерными технологиями коммуникации механизация социальной жизни обрела совершенно новое качество. Традиционное конструирование человеком механизированных систем предусматривает определение конструктором типа и уровня механизации на неких фиксированных, статических уровнях. Между тем «компьютерные технологии сделали механизацию компонентом человеческого сознания как информационного (когнитивного) процесса, который и призвана поддерживать механизация. Некоторые механизированные системы так и сконструированы, например система автопилотирования в самолетах, позволяющая оператору регулировать уровень механизации в любое время и тем самым выступающая системой адаптивной механизации - адаптивной в смысле адаптации механизированной системы к меняющимся потребностям оператора путем соответствующего автоматического изменения уровня механизации с целью избежать проблем, обычно возникающих в условиях статической механизации. Адаптивная модель удерживает более низкий уровень механизации в рутинные рабочие периоды, позволяя оператору сохранять контроль над механизированной системой без риска сбоя в работе системы в целом. При возрастании же требований к оператору адаптивная механизированная система будет реагировать повышением уровня механизации. Такое поведение системы ослабляет рабочую нагрузку на оператора, освобождая его когнитивные ресурсы для их сосредоточения на критических в эти периоды элементах выполняемой задачи» [31, с. 312].
Понятие «адаптивная механизация», собственно, и отражает суть общества, ставшего благодаря компьютерным технологиям коммуникации глобальной социально-технической системой, в которой человек и создаваемая им технологизированная / механизированная / автоматизированная среда слились в неразрывное целое, производящее и обрабатывающее огромные объемы информации («больших данных»), что характеризует глобальную социально-техническую систему уже как информационное («больших данных») общество. То есть исследования в области когнитивных наук и есть определенный ответ общественных наук на вызов БСД - ответ, реагирующий на тот факт, что феномен «больших данных» порожден слиянием человеческого / когнитивного и технико-технологического измерений социальной жизни, и, значит, необходимо именно это слияние сделать предметом исследования, изучать, как человек решает когнитивную задачу оперирования с БСД, по сути
дела, задачу своей адаптации к информационному обществу. Тем самым исследования, ведущиеся в области когнитивных наук, подсказывают для общественных наук нового времени новую методологическую парадигму, согласно которой с БСД следует работать, осознавая, что «большие данные» производятся, воспринимаются и анализируются в системах интерфейса - будь это интерфейсы социальных сетей или специализированных автоматизированных систем, - куда должны непосредственно вовлекаться и исследователи «больших данных», сами становясь участниками интерфейсов как процессов производства, восприятия и анализа этих данных. Иными словами, новая методологическая парадигма для общественных наук заключается в использовании самого широкого спектра методов партиципативного исследования - когда исследование проводится в режиме онлайн с привлечением в качестве соисследователей респондентов этих онлайн case studies.
Исследования в области когнитивных наук не просто подсказывают, но и сами реализуют эту новую методологию. Иллюстрирует это, например, разработка понятия «когнитивная готовность» [23], которое определяется разработчиками этого понятия как «психологическое и социологическое знание, а также умения и позиции отдельных людей и членов команд, необходимые для формирования и поддержания компетентного профессионального поведения и ментального благополучия (mental well-being) в динамичных, сложных и непредсказуемых условиях» [17, с. 96]. Ссылка в этом определении на «динамичные, сложные и непредсказуемые условия» и есть описание современной социальной среды с ее мгновенной онлайн-коммуникацией и онлайн-выплеском «больших данных», в принципе от людей (а не только от специализированных структур быстрого реагирования) требующей находиться в постоянной «когнитивной готовности», которая просто не может не исследоваться по методологии проведения соответствующего эксперимента «с акцентом на перенос компонентов когнитивной готовности в динамичные, стрессовые, непредсказуемые условия -поскольку такой перенос собственно и устанавливает средства достижения когнитивной готовности. Подобный перенос - корневой элемент, связывающий требования компетентной реализации когнитивной готовности в сложной и непредсказуемой среде с требованиями тренинга и практики когнитивной готовности. Этот тренинг нацелен на ментальную подготовку человека (сообщая ему определенные знания, умения и позиции) к выполнению сложных динамичных задач» [17, с. 99].
В современном обществе - глобальной социально-технической системе - все «большие данные» производятся в интерфейсах, представляющих взаимодействие человека и компьютерной автоматики (ВЧКА). ВЧКА - это и (1) социальные сети, производящие БСД, и (2) компьютерные системы, производящие «большие данные» в виде специализированной информации. Предмет исследований в области когнитивных наук - ВЧКА (2), когда исследователи пытаются выяснить, какие когнитивные ресурсы и как использует человек при работе с информацией, поступающей к нему через различные компьютерные устройства. Часто этот предмет исследуется на примерах ситуаций информационной работы, ведущейся пилотами современных авиалайнеров, причем именно ситуаций авиационных инцидентов. Понятно, почему исследователями выбираются такие ситуации, - они предоставляют хорошую возможность изучать поведение человека в высокорискованной операционной среде, когда операторы вынуждены мобилизовывать свои когнитивные ресурсы при анализе оперативной информации для быстрого принятия решений, цена которых крайне высока. В не стрессовых же, рутинных обстоятельствах «возмущения» когнитивной активности человека в его реакции на информацию трудно улавливаются. Так, в одном из подобных исследований на примере принятия решений пилотами авиалайнеров изучается «влияние выполняемых задач, ситуационного контекста и прогресса компьютерной автоматизации на когнитивные усилия и поведение человека в условиях ВЧКА, в которых пилоты находятся фактически в каждой фазе полета со всегдашней вероятностью неоднократного принятия пилотами ключевых для безопасности рейса решений. ВЧКА - рабочий режим в пилотской кабине, где постоянно принимаются решения, когда включить и выключить автоматику, какой выбрать режим полета, уровень надежности автоматики, степень ее контролирования и так далее» [3, с. 378].
В чем проблема получения и анализа информации / данных в условиях ВЧКА? В том, что даже новейшие компьютерные системы остаются несовершенными, что касается наблюдаемости их сигналов и возможности управлять этими сигналами со стороны операторов. Например, таким несовершенством страдает важнейшая компьютерная система, которой снабжены пилотские кабины авиалайнеров, - система управления полетом (СУП). Наблюдаемость - степень, в какой автоматика позволяет оператору понять ее логику и правильно воспринимать ее сигналы, - снижается, когда показания СУП наслаиваются друг на друга или когда под-
системы СУП настолько взаимосвязаны, что обратная связь с показаниями СУП затруднена и искажена. Низкая наблюдаемость чревата для операторов плохим осознанием ситуации, повышенной рабочей нагрузкой и выбором ошибочного полетного режима. Влияние низкой наблюдаемости усиливается, когда операторы плохо представляют, как работает автоматика, а СУП не обеспечивает достаточной информации о своем функционировании. Кроме того, когда для выполнения одной и той же задачи используется более одной автоматизированной системы, у операторов возникает неуверенность в том, лучший ли путь управления задачей выбран [3].
То, что режим ВЧКА, в который входит (и уже во многом вошло) современное общество, требует от человека иных навыков работы с информацией / данными, чем это было в обществе до компьютерных коммуникационных технологий, демонстрируют те же исследования авиационных происшествий. Например, выяснилось, что «профессиональные пилоты старшего поколения, которые начинали летать на самолетах относительно низкой технологии и чувствовали себя комфортно в таких условиях, утрачивали этот комфорт в новых условиях необходимости отслеживать показания СУП. Утрачивали, поскольку их навыки "ручного" управления самолетом плохо помогали выполнять полет в режиме ВЧКА. Поэтому некоторые современные программы обучения пилотов избегают плавного перехода от опыта "ручного" пилотирования к опыту высокотехнологичного - с использованием автоматизированных систем пилотирования и сразу готовят пилотов для современных высокотехнологичных авиалайнеров. Пилоты, получающие подобную лицензию, демонстрируют иные, вполне комфортные для себя образцы ВЧКА, чем те, кого готовили по более традиционным программам» [3, с. 384].
Вот как в рамках исследований в области когнитивных наук описывается общая исследовательская задача в отношении современного социума, представляющего глобальную информационно-коммуникационную среду ВЧКА: «.трудная исследовательская задача состоит в том, чтобы прорваться сквозь огромное количество данных к анализу "узких мест" во взаимодействии человека и компьютерной автоматики ради выхода на какие-то новые, плодотворные пути исследования этого интерфейса и развития когнитивной теории. В последние два десятилетия произошли серьезные изменения в теоретических основаниях когнитивной науки -область движется от представления о когнитивном процессе как
процессе логическом к представлению о нем как биологическом процессе. Этот сдвиг во многом обязан возрастающему пониманию, что мышление нельзя отрывать от действий, которые совершаются человеком с той же когнитивной энергией, что и "чистые" (не связанные с действиями) мыслительные процессы. Подобное теоретико-методологическое изменение в когнитивной науке открывает новые возможности изучения ВЧКА» [1, с. 355-356].
Собственно, так общественные науки (в данном случае от имени когнитивных наук) принимают вызов со стороны феномена «больших данных». Существует множество прикладных исследований, моделирующих работу людей с информацией в эпоху «больших данных» и по самому своему факту ведущих соответствующие методологические поиски, которые вносят вклад в формирование новой методологической парадигмы общественных наук. Это формирование происходит на теоретико-методологической базе, согласно которой реальная деятельность человека обычно далека от идеальной упорядоченности и несет на себе неизгладимый этнографический отпечаток, поскольку всегда встроена в определенную этнографическую культуру. Поэтому изучение социального поведения человека как реальной человеческой деятельности должно выливаться в долговременное когнитивное и этнографическое исследование, позволяющее не только интерпретировать полученные результаты, но и обеспечить исследованию более глубокое обоснование. Исследуемая этнографически реальная человеческая деятельность вовлекает множество операторов в их взаимодействии друг с другом и сложными техническими системами, т.е. объект подобного социально-технического исследования чрезвычайно сложный, системный - имеющий много аспектов и модальностей. Методологическая новизна такого рода исследований заключается в использовании ими, например, методологии «распределенных когнитивных усилий», позволяющей объяснять социальное поведение людей не в отдельности друг от друга, а в системе социального взаимодействия / социального обмена - в системе распределения когнитивных усилий и поведения между участниками социального действия [1, с. 372].
В прикладных исследованиях влияния на человека перегруженной информацией («большими данными») социальной среды специально изучается профессиональное поведение людей под сильным информационным давлением и отмечается, что «чем дольше человек находится в "информационно атакующей" его среде, требующей от него повышенной когнитивной готовности /
бдительности, тем больше он теряет в скорости и эффективности выполнения своей профессиональной задачи - эмпирически продемонстрировано, что высокая когнитивная готовность / бдительность (ВКГ/Б) не может поддерживаться более 20 минут. Чтобы у людей длительно сохранялась ВКГ/Б, требуется постоянное стимулирование ее важной целью выполняемой ими работы - внимание людей все время должно быть мобилизовано этой целью, которая устойчиво должна воспроизводиться в их сознании. Неспособность удержать ВКГ/Б на должном уровне получила в когнитивных науках специальное определение в понятии "убыль бдительности" (vigilance decrement), и эффект "убыли бдительности" особенно силен, когда о целях работы, требующей ВКГ/Б, вспоминают лишь от случая к случаю» [18, с. 84].
Информационное («больших данных») общество сделало весьма актуальными две конкурирующие, но взаимосвязанные теории, объясняющие, почему люди не способны поддерживать ВКГ/Б длительное время. Одна из этих теорий, впервые заявившая о себе в 1984 г., представляет теорию «ресурсов человека» и утверждает, что ресурс внимания человека в принципе ограничен, не выдерживая «марафона» выполнения задачи, требующей ВКГ/Б, -внимание довольно быстро «устает», и наступает «убыль бдительности». Эта теория строится на более ранней (1973) теории «возможностей внимания», утверждающей, что каждый индивид располагает уникальной конечной способностью внимания к данным стимулам. Согласно этой теории, люди с достаточно высокой способностью внимания лучше приспособлены к выполнению задач, требующих устойчивого внимания. Теория «ресурсов человека» усовершенствует теорию «возможностей внимания» тем, что минимизирует индивидуальные различия, вместо которых сосредоточивается на важности когнитивных ресурсов, требуемых для выполнения задачи, и на том, в какой степени эти ресурсы могут быть восстановлены после их использования. Ресурсы в этом смысле могут рассматриваться в качестве запасов когнитивной энергии, предназначенной для выполнения задач, при решении которых эти энергетические ресурсы исчерпываются быстрее, чем они могут быть восполнены, отчего и возникает «убыль бдительности». Согласно теории «ресурсов человека», «убыль бдительности» прямо сводима к низкой когнитивной способности в результате исчерпания ментальных ресурсов, и без некоторого внешнего «вливания» энергии индивид не способен поддерживать адекватный уровень внимания к выполняемой задаче. Есть и теория, основанная на со-
циально-психологических исследованиях феномена «выключенного разума», которая так и называется - теория «выключенного разума», согласно которой у людей, длительное время выполняющих задачи, которые требуют ВКГ/Б, в какой-то момент внимание перестает фокусироваться на этих задачах и переключается на нечто постороннее - выполнение задач переходит в автоматический («выключенного разума») режим. Понятно, что режим «выключенного разума» повышает непродуктивную рабочую нагрузку оператора, вызывая эффект «убыли бдительности» [18, с. 85].
Все эти старые теории, востребованные в новой социальной среде, и призваны формировать теоретико-методологический каркас новых общественных наук. В радикально измененном компьютерными технологиями коммуникации обществе, в котором информационно-коммуникационная демократия ломает традиционную институциональную структуру, устанавливая институты социальной самоорганизации, функционирующие в онлайн-режиме, общественные науки уже не могут оставаться прежними и вынуждены встраиваться в этот онлайн-режим, развивая адекватный ему исследовательский инструментарий - теоретико-методологический, методический. Исследователи в этих новых социальных условиях вынуждены перестраиваться на проведение онлайн-исследований, т.е. работать с «большими данными», погружаясь непосредственно в среду их производства с использованием, например, таких новых методов, как метод онлайн-наблюдения, разнообразные методы партиципативного исследования, когда исследовательский эксперимент становится практически неотличимым от «полевого» процесса производства и анализа «больших данных» - когда все участники эксперимента, и исследователи и респонденты, оказываются соисследователями, горизонтально устроенным сетевым сообществом, совместно производящим знание.
Сегодня исследователями в области общественных наук признано, что общество в целом представляет сложную социально-техническую систему, в которой техническая сторона определяется компьютерной автоматикой и которая структурирована в соответствии с разными областями общественной жизни на множество сложных социально-технических систем. И для исследования каждой такой «областной» системы предлагается методология «когнитивного анализа работы системы» (КАРС), которая призвана, например, в отношении современной системы здравоохранения «решить серьезные проблемы, связанные и с медицинскими ошибками, и с тем, что медицинское сообщество редко из-
влекает уроки из этих ошибок, воспроизводя их снова и снова. Кроме того, сама система здравоохранения чрезвычайно сложна, складывается из множества систем, когда каждый ее элемент входит в свою, иерархически выстроенную системность. Так что все эти системы в системе сложно анализировать и понять» [15, с. 3].
Выстроенная в 1970-х годах методология КАРС базируется на исследовании таких двух весьма далеких друг от друга систем, как ядерная энергетика и библиотечная наука. С тех пор эта методология получила множество приложений - от сферы контроля воздушного движения до сферы военного дела. Применение же КАРС к области здравоохранения насчитывает приблизительно 20 лет. Методология КАРС эффективна в исследовании взаимодействия людей, технологии и рабочего пространства. Это взаимодействие исследуется по четырем своим пластам. По пласту (1) средового контекста, внутри которого находится пласт (2) организационной структуры, «заселенный» пластом (3) индивидов, которые, используя стратегии, общепринятую информацию и целевые ориентиры, определенным образом взаимодействуют с пластом (4) технической системы, призванной в поддержку выполняемых задач. КАРС предусматривает пять фаз исследования этих пластов, каждый из которых должен выявлять ограничители работы социально-технической системы, и такими ограничителями выступают законы физики, регулятивные нормы, финансовые ограничения, организационные структуры, ограниченные когнитивные возможности человека. Так, первая фаза анализа в рамках КАРС связана с исследованием рабочего пространства социально-технической системы. В этой фазе анализируются общие цели системы, которую последовательно «раскладывают на части», с тем чтобы выявить более глубокие ее факторы, связанные с ее базовыми ограничителями, а также выяснить ее информационные потребности. Когда цели определены, наступает вторая фаза анализа, называемая контрольным анализом задач, необходимых для достижения целей системы. В этой фазе акцент делается скорее на том, что должно быть сделано, чем на том, как именно делать. На вопрос же «как» призвана ответить третья фаза анализа, называемая анализом стратегий и разбирающая каждое действие, с тем чтобы понять, как оно работает. Даже внутри отдельного действия может существовать множество стратегий. Например, акция решения проблемы может включать таблицы решений «если. тогда» или подход «гипотеза - проверка». За уже принятыми стратегиями и соответствующими когнитивными нагрузками следует
их практическое воплощение, которое также многовариантно. Кроме того, существует функциональное распределение, или разделение труда между человеком и технологией, призванное технически поддержать принимаемые человеком решения в ситуациях высокой когнитивной нагрузки. Рассмотрение подобного функционального распределения предваряет четвертую фазу КАРС -анализ социальной организации и кооперации. В дополнение к идентификации «деятеля» (человека или машины), который будет выполнять задачу, эта фаза идентифицирует необходимые для выполнения задачи организационные каналы координации и коммуникации. Наконец, пятая фаза КАРС идентифицирует человеческие компетенции - когнитивные способности и пределы человека в ситуациях высокой и низкой когнитивной нагрузки [15, с. 4].
Здесь важно отметить, что известная еще с 1970-х годов методология КАРС не случайно стала актуальной в современном обществе - когда оно реально вошло в динамику, определяемую компьютерными технологиями коммуникации, которые и выстроили общественную жизнь как систему интерфейсов, где человек-оператор живет уже внутри компьютерной автоматики и мало от нее отделим. Общество всегда было социально-технической системой, поскольку человек обустраивает среду своего обитания с помощью технологий. Однако компьютерные технологии - особые. Они не просто традиционно «помогают» человеку, как это делают любые другие технологии, не стирающие дистанцию между ним и техникой, но вбирают его в себя, превращают в «социально-техническое» существо - оператора социально-технической системы. И это - новый человек и новое общество, где методология КАРС востребована гораздо больше, чем в обществе 1970-х годов. Поэтому сегодня так много исследований, посвященных работе системы «человек - машина», когда эта система представляет именно социально-техническую систему - взаимодействие команды людей и автоматизированных систем, - исследований, выясняющих требования эффективного распределения функций внутри такого интерфейса. Чтобы во взаимодействии коллектива людей и машин было эффективное распределение функций, нужно правильно сконструировать этот интерфейс, и соответствующее конструкторское решение должно быть принято до начала работы интерфейса - конструкторское решение, программирующее логику взаимодействия операторов и компьютерной автоматики.
Исследователи выдвигают следующие требования к конструированию эффективных интерфейсов. Во-первых, каждый оператор этой социально-технической команды обязан выполнять любые рабочие функции системы, человеческие и машинные. Методологически указанное требование отсылает к так называемой стратегии сравнения в отношении распределения функций, когда каждая функция автономно соотносится со способностями каждого агента и предписывается тому, кто наиболее способен ее выполнять. В рамках этой стратегии иногда способности агентов (людей и машин) выясняются в отношении способностей друг друга. Эта конкуренция между способностями машины и человека собственно и делает машину равным человеку агентом, а не просто инструментом человека. Между конкурирующими так агентами устанавливаются функциональные отношения не иерархии (машина - продолжение человека или человек - придаток машины), но дополнения (равноправия). Необходимо говорить именно о взаимном дополнении машинных и человеческих способностей, поскольку те и другие - разные способности: то, что может человек, не может машина, и наоборот. Иначе есть реальная опасность принижения человека технологией. Подобная методологическая установка ведет к стратегии распределения функций во взаимодействии человека и машины не вокруг человека, а вокруг машины, - к забвению, что у человека есть свои функции, которые он должен выполнять именно как партнер, а не просто как бездумный активатор техники. Такая стратегия не помогает в нестандартных ситуациях, когда человек обязан принимать решения и управлять техникой, а не техника им [10, с. 24-25].
Во-вторых, нужно установить разделение труда между всеми участниками (людьми и машинами) рабочего процесса. Тогда чрезмерное для отдельного индивида рабочее давление системы оказывается для него как члена команды - «долевого» участника -посильным. Распределение рабочей нагрузки среди агентов системы «человек - машина» становится посильным для каждого агента-человека не только из-за долевого участия агента в выполнении всего объема системных функций, но и благодаря агенту-технике, который сам по себе снижает среднюю рабочую нагрузку оператора-человека, что равносильно возможности снижения числа операторов-людей в системе. Взаимозависимость между выполняемыми задачами подразумевает необходимость такого распределения функций, которое устанавливало бы согласованные роли внутри интерфейса. Например, возможно согласованное распреде-
ление функций «снизу вверх», когда функции и все лежащие в их основе активности, такие как сбор информации, знания и т.д., распределены демократично и прозрачно между всеми в команде, что предотвращает конфликты по поводу уровней деятельности и ресурсов, а возможно - и «сверху вниз», когда функции все вместе работают на цели системы таким образом, что они не только понятны операторам, но и могут быть направленно скоординированы и адаптированы в соответствии с требованиями контекста [10, с. 26].
В-третьих, распределение рабочих функций внутри любой команды - включающей или не включающей автоматику - требует дополнительных рабочих функций, а именно функций координации работы всех членов команды. Эти функции включают: коммуникацию «человек - человек»; взаимодействие «человек - машина»; координацию рабочих задач по времени и процессу. Поэтому должно быть рассмотрено влияние таких дополнительных функций по двум критериям: (1) способен ли каждый агент команды совершать в изоляции каждое действие любого другого агента (человека и машины) и (2) может ли каждый агент команды решать весь ряд рабочих задач и выполнять весь ряд рабочих функций. С точки зрения вопроса распределения функций в команде необходимо рассматривать автоматику как члена команды и тем самым уравнять взаимодействие «человек - машина» с взаимодействием «человек - человек». Например, следовало бы перенести на взаимодействие «человек - машина» уместные модели из общественных наук (модели доверия, ролей и т.д.). Вместе с тем автоматика не обладает такими же свойствами работы в команде, какие естественным образом присущи человеку, - чувством ответственности, заботой о последствиях, мотивацией выполнять обязательства, лояльностью, ценностным поведением. Автоматика не может функционировать сама по себе, вне обусловленных рабочих границ, в отличие от человека, обычно стремящегося и в незнакомых обстоятельствах к эффективной работе. Важно, чтобы члены команды были способны предвидеть информационные потребности друг друга и обеспечить эти потребности в нужное время. Время играет важную роль: агенты решают рабочие задачи с разной скоростью, оставляя друг друга в простое, и плохо определенное время коммуникации может помешать работе. Автоматика - не человек, и у нее нет интуиции в отношении подобных критических моментов. В командах, где взаимодействуют человек и машина, заранее определенные порядки распределения функций собственно и могут служить искомыми стратегиями координации [10, с. 27].
В-четвертых, распределение функций внутри интерфейса должно поддерживать механизм управления рабочей средой со стороны агентов - существуют области, например авиация, где выполнение рабочих функций строго регламентировано установленными процедурами, а в других рабочих средах выполнение функций не требует подобного строгого регламента. То есть распределение функций должно основываться на изучении влияния динамики рабочей среды на рабочие процедуры и соответствующим образом структурироваться. В числе не жестко предписываемых регламентов управления сложными динамичными средами существует, например, «эластичный» регламент, описывающий способность команды работать в неожиданных ситуациях, устойчиво контролировать их. Эффективность «эластичного» регламента повышается, если человек способен выбрать стратегии, подходящие к его способностям и состоянию рабочей среды [10, с. 28].
В-пятых, распределение функций в интерфейсах должно быть интегрировано в более широкую систему взаимодействия человека и машины, чтобы то или иное решение по распределению функций в данном конкретном интерфейсе могло вызвать изменения в этой более широкой системе, изменения в самом представлении об операционном поле, способные быть важными инновациями, требующими решительной перемены обычных рабочих практик - взаимосвязи рабочих задач и инструментов их выполнения [10, с. 30].
Таким образом, все перечисленные пять требований к конструированию эффективного рабочего пространства взаимодействия человека с компьютерной автоматикой представляют не что иное, как заявление новой повестки для исследований в области общественных наук в связи с признанием фактической трансформации социальной реальности в систему компьютеризированных интерфейсов, оставляющих все меньше и меньше места для социального взаимодействия / социального обмена, не затронутого компьютерными технологиями коммуникации [24]. Эту новую исследовательскую повестку для общественных наук демонстрируют, например, исследования, разрабатывающие методологию анализа адаптаций в повседневных рабочих ситуациях с главной целью создания модели управления безопасностью, которая бы прямо вытекала из изучения успешных адаптивных реакций социально-технической системы - т.е. системы организованного взаимодействия человека и технологии - на эмерджентные рабочие ситуации. Разработчики такой методологии считают, что изучение того, как практики справляются с текущими рисками и неожиданными со-
бытиями, сваливающимися на социально-техническую систему извне, когда не помогают никакие формальные инструкции и процедуры, позволяет достичь углубленного понимания сложностей рабочей ситуации, степеней прочности и уязвимости социально-технической системы. «Методология формирования стратегий адаптивного поведения социально-технической системы - инструмент, развиваемый для облегчения анализа того, как сложные системы адаптируются к текущим условиям своей работы, справляясь с изменчивыми ситуациями и компенсируя ограниченность собственных возможностей. Такую методологию следует рассматривать как необходимое и весьма весомое дополнение к исследованию инцидентов и анализу рисков - дополнение, высвечивающее не только слабости, но и силу системы. Использование этой методологии дает информацию, которую нельзя получить, используя традиционные методы анализа вопросов безопасности в работе социально-технической системы. Выявление адаптивных способностей социально-технических систем обеспечивает направление конструкционного улучшения таких систем, в том числе в отношении введения новых технологий, тренинга, процедур» [26, с. 94].
«Большие данные» - не только технократический феномен, открывший для общественных наук новую исследовательскую повестку в аспекте изучения поведения социально-технических систем как взаимодействия человека с компьютерной автоматикой. Это еще и в чистом виде информационный феномен нового типа, вызывающий исследовательский интерес к тому, как потоки информации в обществе, в котором социальное взаимодействие / социальный обмен все больше и больше безвозвратно обеспечиваются компьютерными технологиями коммуникации, формируют у людей ментальные модели / картины мира - матрицы осознания людьми текущих ситуаций. «Осознание ситуации» -одно из ключевых понятий, разрабатываемых в прикладных исследованиях социального феномена «больших данных» [5; 8; 27].
На ситуацию «больших данных» общественные науки реагируют и в том отношении, что делают предметом своего внимания онлайн-активность потребителей высокотехнологичных услуг, например изучая такое массовое явление, как онлайн-самообра-зование людей самых разных возрастов в самых разных областях знания, - изучая стратегии поведения людей при работе с «большими данными» тех или иных специализированных сайтов. Так, одно из исследований в этом ряду посвящено выстраиванию когнитивной модели поведения взрослых людей, ищущих онлайн-
информацию о своих проблемах со здоровьем. В исследовании отмечается, что «люди все больше вовлекаются в медицинское самообслуживание, имея в своем распоряжении огромное число посвященных здоровью сайтов, которые содержат информацию о болезнях, лекарственном выборе, сохранении здоровья. Хотя эта онлайн-информация и призвана помочь человеку в некотором смысле стать для себя медиком, невероятный ее объем и плюрализм может сделать и делает ее поиск и использование большой проблемой. Поскольку подобного рода онлайн-информация многообразна тематически и рассеяна по многим сайтам, пользователю необходимо проявить немалое когнитивное напряжение, чтобы из всех этих источников ее собрать и точно отфильтровать» [21, с. 211].
Упомянутое исследование важно потому, что оно, в сущности, рассматривает простых пользователей Интернета в качестве онлайн-исследователей - непрофессионалов - аналитиков нужной им информации, использующих настоящие исследовательские стратегии информационного онлайн-поиска, именно два типа стратегий, идентифицируемых академическими исследователями как:
- стратегии «снизу вверх», представляющие аналитический стиль поиска, когда поисковыми терминами становятся ключевые слова проблемы, и такого рода осознанный, систематизированный, руководимый смысловыми маркерами поиск приводит к нахождению желаемой информации;
- стратегии «сверху вниз», которые характеризуются простым «чтением подряд» любой информации по проблеме, когда у того, кто ищет, нет никакой систематизирующей поиск идеи, он не проводит селекцию информации, но вынужден читать ее всю [21, с. 212].
В силу этого обозначен принципиально новый подход в исследованиях социальной реальности, которая все больше и больше определяется компьютерными технологиями коммуникации, именно подход к ней не как к объекту исследовательского воздействия, но как к субъекту в лице субъектов реального социального процесса, идущего в онлайн-режиме, - субъектов, с которыми академический исследователь вынужден устанавливать равноправные, субъект-субъектные взаимоотношения, вовлекать их в постановку и решение исследовательских задач в качестве соисследователей, сам непосредственно вовлекаясь в изучаемый социальный процесс в качестве такого же соисследователя. Это вызванное феноменом «больших данных» формирование в общественных науках новой методологической парадигмы отчетливо демонстрируют социологические
исследования, перешедшие на методы погружения в исследуемую реальность, диалога с ней в ее же, а не в «лабораторном» контексте.
Исследователи просто не могут игнорировать появление чрезвычайно интересной для социологии области «больших данных» - огромного эмпирического материала, размещаемого в Интернете и легко доступного исследователям. И очевидно, что нужен новый инструментарий социологического исследования - инструментарий онлайн-исследования. Положение традиционного социологического исследования пошатнулось из-за возрастающей аналитической активности в отношении социологических данных со стороны коммерческих организаций. Кроме того, неуклонное возрастание сегодня значения Интернета как средства массовой коммуникации и множества мнений, комментариев и индивидуальных самопрезентаций уже радикально реформировало социальное взаимодействие / социальный обмен - базу общественной жизни, общественной динамики. Все это открывает огромные возможности для исследователей-обществоведов, которые вынуждены сейчас переоценивать не только свои методологические подходы к пониманию процессов социальной коммуникации и социального взаимодействия, но и сами теории общества. Сегодня в распоряжении социолога, даже не имеющего финансирования и раньше с борьбой добивавшегося проведения интервью с маленькой выборкой респондентов, находятся сотни, тысячи, а то и миллионы (в случае с «Твиттером») «респондентов» при явно меньших затратах усилий и времени. Также признано, что скрытое присутствие исследователя на форумах в Интернете помогает избежать проблем, связанных с тем, что респонденты знают, что они именно респонденты - участники исследования. Но и наоборот - в этой новой исследовательской реальности существует вопрос честности онлайн-респондентов, которые становятся для исследователя респондентами не по его выборке, а сами собой и поэтому вполне могут создавать ложные о себе впечатления без какого-либо исследовательского контроля. И это действительно большая проблема для работающего в виртуальном мире социолога - самоотбирающиеся группы респондентов могут формировать искаженное представление о проблемах, что сильно затруднит оценку исследовательских данных, если вообще не сделает ее невозможной. Но верно и то, что само по себе разрастание «больших данных», их многообразие и будет сводить указанные искажения к минимуму, делать эти искажения хотя и неизбежной, но несущественной статистической величиной [28, с. 4].
Исследователи отмечают, что в настоящее время в общественных науках при исследовании разного рода проблемных социальных групп растет популярность приглашения в такие исследования непрофессиональных интервьюеров, способных разговаривать с проблемными сообществами на их языке. Почему привлекаются интервьюеры - резиденты исследуемых проблемных сообществ? Потому что определенные социальные группы в силу разных причин оказываются для исследователей менее доступными, чем прочие группы. И признавая некоторые социальные группы «невидимками», исследователи используют различные методы, чтобы «достучаться» до таких сообществ, в частности метод «снежного кома» (snowball), когда каждый участник исследования обязуется привлечь еще несколько участников. В этих условиях оказывается востребованной давно принятая в этнографической науке методология «инсайдерского исследования» - исследования, проводимого членами исследуемого сообщества. Существует ряд методологий инсайдерского исследования, когда: (а) исследователи - члены исследуемых групп; (б) «контактеры» вербуют членов из целевых групп; (в) «резиденты» областей, интересующих исследователей, сообщают об образцах поведения и трендах в этих областях. Есть и методология «интервьюеров, равных интервьюируемым» (ИРИ), в которой ИРИ, определяемые как таковые по их жизненному опыту, вовлекаются в исследуемую группу для сбора качественных данных об этой группе. Извлекаемая исследователями польза от методологии ИРИ - достижение лучшего понимания социально неодобряемых групп, более высокое качество исследования, облегчение доступа в обычно малодоступные сообщества и более комфортная обстановка исследования. Корневое понятие методологии ИРИ - «экспертиза по опыту». Смысл этого понятия состоит в том, что сама по себе идентичность производит знание. Сторонники такой идеи убеждены, что идентичность того или иного индивида создает специфическое мировоззрение, а оно производит знание, рассматриваемое как аутентичное и обоснованное, поскольку базируется на жизненном опыте тех, кого исследуют. Поэтому и нужны ИРИ - инсайдеры исследуемого сообщества, -обладающие информацией, недоступной для традиционных исследователей (аутсайдеров). Одно из достоинств методологии ИРИ -демократизация производства знания. ИРИ имеют возможность добыть знание, которое окажется недоступным для академических исследователей. Более того, ИРИ способны повысить качество исследовательских данных, поскольку исследуемые будут контакти-
ровать более искренне с теми, кто хорошо знает их жизненные обстоятельства. И хотя практика привлечения ИРИ в академический исследовательский процесс может пока представляться достаточно экзотичной, и она действительно создает некоторые новые проблемы, главное в ее использовании - сама эта новая школа для исследователей, само их обучение и как методологов, и как ученых. Вот это главное - открытие нового исследовательского горизонта -и побуждает исследователей с уверенностью развивать такую практику и дальше [9, с. 3-4, 14, 16].
Исследовательская практика сбора «больших данных» осуществляется также и по широко сегодня распространенной методологии «исследовательского наблюдения в виртуальных мирах» (ИНВМ). Виртуальные миры растут экспоненциально. Например, что касается зарегистрированных аккаунтов в социальных сетях, то их число к 2013 г. достигло 200 млн, где доля юных пользователей (9-13 лет) составляет 66,4 млн. Столь же популярны у многих миллионов пользователей и виртуальные миры других профилей. Очевидно, что исследовательская практика использования методологии ИНВМ весьма далека от прямолинейности. Исследователи должны быть осторожны в отношении интерпретации данных наблюдения из-за сложностей в определении, куда направлено внимание участников виртуальных миров, какие действия предпринимают участники в данный момент и являются ли идентифицированные исследователем действия участников результатом намерения или это ненамеренные действия или просто технические ошибки. Для минимизации всех этих достаточно серьезных проблем методологии ИНВМ используется, например, стратегия мультиме-тодического исследования - сочетающая разные исследовательские методы и позволяющая создать исследовательский «объем» в отношении изучения поведения участников виртуальных миров. «Объемное» исследование получается через объединение наблюдения физической и виртуальной активности - проведение живого, «лицом к лицу» интервью с участниками виртуальных миров, которые ранее наблюдались виртуально. Мультиметодическое исследование с успехом применяется в этнографии, когда этнографы используют наблюдения и онлайн, и оффлайн вместе с формальным и неформальным интервьюированием, анализом документов, фотографий и множеством других подходов [19, с. 162, 173].
Обязанный компьютерным технологиям коммуникации феномен «больших данных» потребовал от исследователей в области общественных наук обратиться к нетрадиционным исследователь-
ским методам, часто обобщенно описываемым как парадигма исследовательского участия / партиципативного исследования - когда исследователи находятся «внутри» изучаемой ими реальности (а не смотрят на нее «со стороны»), таким образом, превращая аутсайдеров исследования в его инсайдеров, мотивированных высказывать новые идеи по важным социальным и политическим проблемам. И в рамках этой парадигмы существует имеющий, по экспертному мнению, большой потенциал так называемый Дельфийский метод. Дельфийский метод, получивший известность в конце 1960-х годов под именем конвенционального метода, призванного устанавливать согласие и используемого исследователями как инструмент принятия решений, работает особенно хорошо, когда нужно улучшить понимание проблем, возможностей, решений либо сделать прогноз, но наиболее эффективен он в отношении проблем, которые трудно исследовать с помощью точных аналитических методов, а требуется изучать субъективные суждения людей, чтобы сложить из них понимание таких проблем. Этот метод также эффективен при изучении проблемы, относительно которой существует неполное знание или отсутствует единство мнений участников исследуемого события о событии-проблеме. Исследователи находят Дельфийский метод полезным и при изучении ситуаций быстрых средовых изменений или возрастающей сложности, когда необходим пересмотр ранее достигнутого знания и перспектив развития ситуации. В исследованиях по Дельфийской методологии для успеха исследования важно произвести хорошо продуманную выборку участников - идентифицировать ключевых экспертов и/или «заинтересованных лиц». После чего следует первый исследовательский шаг - общего характера, предоставляющий широкую возможность участникам сообщить свои взгляды на проблему. Далее исследование становится более сфокусированным, поскольку аналитически разрабатывает эту начальную информацию, многократно возвращаясь к ней и таким образом выливаясь в ряд исследовательских циклов. Число этих циклов зависит от целей исследования и от того, сколько времени потребуется на достижение консенсуса участниками, обнаружение каких-то нюансов во взглядах, идентификацию оппозиционных взглядов. Защитники Дельфийского метода утверждают, что смешанное исследовательское сообщество - сочетающее экспертов и неспециалистов -вполне может работать на повышение достоверности и сложности исследовательских результатов, поскольку неспециалисты склонны видеть проблемы с неожиданных сторон, они более чувствительны
к контекстуальным проблемам и более способны менять свои представления с получением новой информации. Дельфийский метод, по экспертному утверждению, может и должен широко использоваться в областях, отличающихся прямым и сильным взаимовлиянием теории и практики, таких как медицина, социальная работа, государственная политика и т.п. Логика использования Дельфийского метода такова, что коль скоро этот метод вообще стал использоваться для лучшего понимания практического знания в областях, где теория и практика неразрывно переплетены, он распространился на все без исключения исследовательские звенья, включая и привлечение неспециалистов в качестве полноправных исследователей. И такой сдвиг произошел в последнее десятилетие [16, с. 143, 145, 147, 157].
Исследователями в области общественных наук предлагаются и другие методолого-методические инновации. Это, например:
- методология изучения проблем повседневной-рутинной социальной практики людей, призванная дать новые ответы на вопросы о том, что такое общество [20];
- методология анализа данных, опирающаяся на понятие коммуникационного напряжения - напряжения во взаимодействии людей, которые всегда, находясь на своих ментальных позициях, отстаивают их друг перед другом в дискуссиях по любым вопросам, будь то вопросы культуры, политики, экономики, социальной справедливости и т.д. «Человек - существо, которое не может не создавать напряжения во всем, что делает, и это побуждает к соответствующему исследованию» [12, с. 21];
- методология органичного для общественных наук качественного исследования, которую оно способно развивать, все более расширяя и углубляя ее, на основе освоения так называемых методов-умений, т.е. эмпирических (не опосредованных теорией) методов, методология, пересматривающая образ «человеческого», помещенного именно в цифровые контексты [14];
- методология «воплощения-овеществления» качественного исследования, сдвигающая исследовательское внимание к «телу» предмета общественных наук - к тому, что можно ощутить и почувствовать [7, с. 55];
- методология онлайн-анализа поведения разных социальных групп, прежде всего «темных» (проблемных, маргинализиро-ванных) для социологов сообществ, в цифровой среде [5];
- методология так называемой «активистской этнографии» -«входящий сегодня в исследовательскую практику умышленно
политизированный, "активистский" подход к качественному исследованию, который помогает исследователям работать с культурой и практикой современных анархистских и антиавторитарист-ских социальных тенденций» [2, с. 3];
- методология исследования социальных процессов методом визуализации данных качественного исследования - подход, позволяющий увязывать в единую систему все сущности социального процесса в их контексте [22, с. 118];
- методология изучения перфомансов в кооперированном исследовании, когда члены исследуемого сообщества становятся соисследователями, а исследователи получают доступ к культурным кодам изучаемого сообщества через обсуждение с соисследо-вателями смысла различных перфомансов сообщества, тем самым производя новые знания об изучаемой реальности и одновременно продвигая ее социальную практику [11].
Этот вызванный новой социальной реальностью (реальностью «больших данных») сдвиг в исследовательском инструментарии общественных наук привел не просто к методолого-мето-дическим инновациям, но к беспрецедентной демократизации научного метода, к свободному выбору любых методов (совсем по П. Фейерабенду с его знаменитым тезисом «все проходит»), лишь бы они работали на получение знаний об обществе, которое уже не ждет, когда социологи произведут данные для теоретической социологии, но само активно снабжает их «большими данными», заставляя академических исследователей вступать с собой в равноправный диалог, равноправное сотрудничество.
Список литературы
1. An integrative approach to understanding flight crew activity / Hutchins E., Weibel N., Emmenegger C., Fouse A. // Journal of cognitive engineering and decision making. - 2013. - Vol. 7, N 4. - P. 353-376.
2. Apoifis N. Fieldwork in a furnace: Anarchists, anti-authoritarians and militant ethnography // Qualitative research. - 2017. - Vol. 17, N 1. - P. 3-19.
3. Automation, task, and context features: Impacts on pilots' judgments of humanautomation interaction / Mosier K., Fischer U., Morrow D., Feigh K., Durso F., Sallivan K., Pop V. // Journal of cognitive engineering and decision making. -2013. - Vol. 7, N 4. - P. 377-399.
4. Barratt M., Maddox A. Active engagement with stigmatised communities through digital ethnoraphy // Qualitative research. - 2016. - Vol. 16, N 6. - P. 701-719.
5. Bass E., Baumgart L., Shepley K. The effect of information analysis automation display content on human judgment performance in noisy environments // Journal of cognitive engineering and decision making. - 2013. - Vol. 7, N 1. - P. 49-65.
6. Bell D., Pahl K. Co-production: Towards a utopian approach // International journal of social research methodology. - 2018. - Vol. 21, N 1. - P. 105-117.
7. Chadwick R. Embodied methodologies: Challenges, reflections and strategies // Qualitative research. - 2017. - Vol. 17, N 1. - P. 54-74.
8. Degani A., Barshi I., Shafto M. Information organization in the airline cockpit: Lessons from flight 236 // Journal of cognitive engineering and decision making. -2013. - Vol. 7, N 4. - P. 330-352.
9. Enriching qualitative research by engaging peer interviewers: A case study / De-votta K., Woodhall-Melnik J., Pedersen Ch., Wendaferew A., Dowbor T., Guilcher S., Hamilton-Wright S., Ferentzy P., Hwang S. // Qualitative research. - 2016. - N 3 -P. 1-20.
10. Feigh K., Pritchett A. Requirements for effective function allocation: A critical review // Journal of cognitive engineering and decision making. - 2014. - Vol. 8, N 1. - P. 23-32.
11. Godden N. A co-operative inquiry using narrative, performative and visual methods // Qualitative research. - 2017. - Vol. 17, N 1. - P. 75-94.
12. Hong X., Falter M., Fecho B. Embracing tension: Using Bakhtinian theory as a means for data analysis // Qualitative research. - 2017. - Vol. 17, N 1. - P. 20-36.
13. Immersive simulated learning environments for researching critical incidents: A knowledge synthesis of the literature and experiences of studying high-risk strategic decision making / Alison L., Heuvel van den C., Waring S., Power N., Long A., O'Hara T. // Journal of cognitive engineering and decision making. -2013. - Vol. 7, N 3. - P. 255-272.
14. Jewitt C., Price S., Sedo A. Conceptualising and researching the body in digital contexts: Towards new methodological conversations across the arts and social sciences // Qualitative research. - 2017. - Vol. 17, N 1. - P. 37-53.
15. Jiancaro T., Jamieson G., Mihailidis A. Twenty years of cognitive work analysis in health care: A scoping review // Journal of cognitive engineering and decision making. - 2014. - Vol. 8, N 1. - P. 3-22.
16. Kezar A., Maxey D. The Delphi technique: An untapped approach of participatory research // International journal of social research methodology. - 2016. - Vol. 19, N 2. - P. 143-160.
17. Kluge A., Burkolter D. Enhancing research on training for cognitive readiness: Research issues and experimental designs // Journal of cognitive engineering and decision making. - 2013. - Vol. 7, N 1. - P. 96-118.
18. Langhals B., Burgoon J., Nunamaker J. Using eye-based psychophysiological cues to enhance screener vigilance // Journal of cognitive engineering and decision making. - 2013. - Vol. 7, N 1. - P. 83-95.
19. Mawer M. Observational practice in virtual worlds: Revisiting and expanding the methodological discussion // International journal of social research methodology. -2016. - Vol. 19, N 2. - P. 161-176.
20. Michael M. Notes toward a speculative methodology of everyday life // Qualitative research. - 2016. - Vol. 16, N 6. - P. 646-660.
21. Online information search performance and search strategies in a health problemsolving scenario / Sharit J., Taya J., Berkowsky R., Czaja S. // Journal of cognitive engineering and decision making. - 2015. - Vol. 9, N 3. - P. 211-228.
22. Payne L. Visualization in analysis: Developing ANT analysis diagrams (AADs) // Qualitative research. - 2017. - Vol. 17, N 1. - P. 118-133.
23. Predicting team performance in a dynamic environment: A team psychophysiolo-gical approach to measuring cognitive readiness / Walker A., Muth E., Switzer F., Rosopa P. // Journal of cognitive engineering and decision making. - 2013. -Vol. 7, N 1. - P. 69-82.
24. Pritchett A., So Young Kim, Feigh K. Modelling human-automation function allocation // Journal of cognitive engineering and decision making. - 2014. - Vol. 8, N 1. - P. 33-51.
25. Qualitative methods and data in digital societies / Housley W., Dicks B., Hen-wood K., Smith R. // Qualitative research. - 2017. - Vol. 17, N 6. - P. 607-609.
26. Resilience in everyday operations: A framework for analyzing adaptations in high-risk work /Rankin A., Lundberg J., Woltjer R., Rollenhagen C., Hollnagel E.// Journal of cognitive engineering and decision making. - 2014. - Vol. 8, N 1. - P. 78-97.
27. Saetrevik B., Eid J. The «Similarity index» as an indicator of shared mental models and situation awareness in field studies // Journal of cognitive engineering and decision making. - 2014. - Vol. 8, N 2. - P. 119-136.
28. The social sciences and the web: From «lurking» to interdisciplinary «big data» research / Bone J., Emele Ch., Abdul A., Coghill G., Pang W. // Methodological innovations. - 2016. - Vol. 9. - P. 1-14.
29. Tofel-Grehl C., Feldon D. Cognitive task analysis-based training: A meta-analysis of studies // Journal of cognitive engineering and decision making. - 2013. - Vol. 7, N 3. - P. 293-304.
30. Ward P., Ericsson K., Williams A. Complex perceptual-cognitive expertise in a simulated task environment // Journal of cognitive engineering and decision making. -2013. - Vol. 7, N 3. - P. 231-254.
31. What to automate: Addressing the multidimensionality of cognitive resources through system design /Taylor G., Reinerman-Jones L., Szalma J., Mouloua M., Hancock P. // Journal of cognitive engineering and decision making. - 2013. - Vol. 7, N 4. -P. 311-329.
