CC BY
22
УДК 1(091) https://doi.org/10.25198/2077-7175-2022-4-160
СОЦИАЛЬНЫЕ ЗНАНИЯ И СОЦИАЛЬНЫЕ ИЗМЕНЕНИЯ В КОНТЕКСТЕ БОЛЬШИХ ДАННЫХ
С. И. Платонова
Ижевская государственная сельскохозяйственная академия, Ижевск, Россия e-mail: platon-s@bk.ru
Аннотация. Актуальность статьи связана с необходимостью анализа влияния цифровых технологий и больших данных на общество и теоретическое социальное знание. Цифровизация науки, в том числе использование больших данных в социально-гуманитарных исследованиях, создает беспрецедентные возможности для изучения общества, меняя как эпистемологические и методологические стратегии, так и модели социальной реальности. Цель статьи: исследовать, как большие данные трансформируют социальную реальность и теоретическое социальное знание. В исследовании используются такие логико-философские методы, как анализ и синтез, сравнение, обобщение, элементы индукции и дедукции.
В статье утверждается, что основное отличие больших данных в естественных и социальных науках заключается не столько в количестве данных, сколько в их качестве. Рассмотрены классическая, неклассическая, постнеклассическая парадигмы социального знания, обоснована новая «социотехническая» парадигма социального знания. Эта парадигма «снимает» дихотомию макро- и микро- уровней социальной реальности, подчеркивает незавершенность и одномерность общества, взаимовлияние индивидов и технических объектов, предлагает «текучий» образ человека. В статье показано, что большие данные создают новые возможности для трансформации общества, связанные с изменением структур повседневности и социальной коммуникации. Делается вывод о том, что с помощью больших данных возможно усиление социального контроля, который становится более тонким и латентным. Социальный контроль предполагает формирование смыслов и ценностей, социальных практик и правил. Он может осуществляться как со стороны государственных институтов, так и со стороны крупных платформенных компаний.
Практическая значимость исследования заключается, в том, что, во-первых, в статье анализируются особенности социального контроля, а также этические аспекты применения больших данных в цифровом обществе; во-вторых, статья задает ряд векторов для дальнейших исследований, связанных как с развитием социальной теории, так и с изменением социальной реальности.
Ключевые слова: big data, социальная теория, парадигма, общество, социальная коммуникация, контроль.
Для цитирования: Платонова С. И. Социальные знания и социальные изменения в контексте больших данных // Интеллект. Инновации. Инвестиции. - 2022. - № 4. - С. 160-168, https://doi.org/10.25198/2077-7175-2022-4-160.
SOCIAL KNOWLEDGE AND SOCIAL CHANGE IN THE CONTEXT OF BIG DATA
S. I. Platonova
Izhevsk State Agricultural Academy, Izhevsk, Russia e-mail: platon-s@bk.ru
Abstract. The relevance of the article is related to the need to analyze the impact of digital technologies and big data on society and theoretical social knowledge. The digitalization of science, including the use of big data in social and humanitarian research, creates unprecedented opportunities for studying society, changing both epistemological and methodological strategies and models of social reality. The purpose of the article is to investigate how big data transforms social reality and theoretical social knowledge. The study uses such logical and philosophical methods as analysis and synthesis, comparison, generalization, elements of induction and deduction.
The article shows that the main difference between big data in the natural and social sciences is not so much in the amount of data as in their quality. The article considers models of classical, non-classical, post-non-classical social knowledge, substantiates a new "sociotechnical" paradigm of social knowledge. This paradigm "removes" the dichotomy of macro- and micro-levels of social reality, emphasizes the incompleteness and one-dimensionality of society, the mutual influence of individuals and technical objects, offers a "fluid" image of a person. The article shows that big data creates new opportunities for the transformation of society associated with changing structures
Контент доступен под лицензией Creative Commons Attribution 4.0 International License. ' ' This work is licensed under a Creative Commons Attribution 4.0 International License.
© С. II. Платонова. 2022
of everyday life and social communication. It is concluded that with the help of big data, it is possible to strengthen social control, which becomes more subtle and latent. Social control involves the formation of meanings and values, social practices and rules. Social control can be carried out both by state institutions and by large platform companies.
The practical significance lies in the fact that, firstly, the article analyzes the features of social control, as well as the ethical aspects of the use of big data in a digital society; secondly, the article sets a number of vectors for further research related to both the development of social theory and the change in social reality.
Key words: big data, social theory, paradigm, society, social communication, control.
Cite as: Platonova S. I. (2022) [Social knowledge and social change in the context of big data]. Intellekt. Innovacii. Investicii [Intellect. Innovations. Investments]. Vol. 4, pp. 160-168, https://doi.org/10.25198/2077-7175-2022-4-160.
Введение
Важной характеристикой современного общества является активное использование информационных, цифровых технологий, в том числе больших данных и их аналитики. Большие данные становятся неотъемлемой частью современной научно-исследовательской деятельности, включая социально-гуманитарные науки. Некоторые ученые полагают, что наука сейчас переживает даннологический поворот, идущий на смену лингвистическому и вычислительному поворотам в рамках философии.
Вместе с тем понятие «большие данные» является нечетко определенным, размытым. Поэтому актуальным является вопрос, связанный с исследованием природы и особенностей больших данных. Вызовы, исходящие от больших данных, заключаются в том, что они меняют существующие концептуальные схемы, теоретические объяснения социального мира и порядка, требуют новых исследовательских стратегий и методологических программ.
В социально-гуманитарных науках актуальным остается вопрос: «Являются ли большие данные тем инструментом, с помощью которого возможно более глубокое и полное изучение общества?» На этот вопрос нет однозначного ответа. Р. Китчин (Д. КйсЫп), например, полагает, что «в гуманитарных и социальных науках большие данные вряд ли могут привести к формированию новых парадигм. Большие данные скорее увеличат спектр данных, доступных для анализа, и создадут возможность развития новых подходов и методик анализа, чем полностью заменят традиционные исследования на ограниченных объемах данных» [14, р. 10].
По нашему мнению, большие данные обладают значительным эвристическим потенциалом и вполне могут привести к пересмотру социальной онтологии и к формулированию новой социальной парадигмы. При этом большие данные не только трансформируют социальную онтологию, но и изменяют само общество. Это два взаимосвязанных процесса, которые невозможно отделить друг от друга. Как отмечает В. В. Миронов, «процессы технологического развития не просто являются чем-то внешним, но пронизывают всю жизнь общества и индивида, в ряде случаев модифицируя ее под данные технологии» [2, с. 4].
В свете тенденции все более активного применения больших данных в социально-гуманитарных науках актуальным представляется вопрос, связанный с исследованием трансформации теоретических моделей социальной реальности и непосредственно самой социальной реальности. Поэтому сначала мы рассмотрим природу и особенности больших данных, затем проанализируем, как под влиянием больших данных меняются теоретические представления об обществе и социальном акторе, в завершение проанализируем трансформацию самого общества.
Большие данные: сущность и основные характеристики
Понятие «большие данные» стало предметом пристального анализа ученых относительно недавно, с конца XX века. Несмотря на довольно большое количество статей, в которых рассматриваются сущностные характеристики больших данных, это понятие до сих пор остается довольно размытым и неточно сформулированным [6; 11]. Прежде всего, большие данные стали производиться и анализироваться в естественных науках, таких, как генетика, метеорология, астрономия, биология и другие. В социально-гуманитарных науках большие данные появились несколько позже и были встречены положительно целым рядом обществоведов. Например, об успешном применении больших данных в ходе массового социологического опроса населения Великобритании пишут Р. Берроуз (R. Burrows) и Дж. Севидж (M. Savage) [9, p. 3].
Через некоторое время к оптимистичным оценкам использования больших данных стали добавляться критические высказывания, так как методы получения и аналитика больших данных вызывали много вопросов. Главное отличие больших данных в естественных и социальных науках заключается не столько в количестве данных, сколько в их качестве. Многими учеными было отмечено, что большие данные не всегда являются лучшими данными [8; 16]. Необходимо учитывать контекст производства данных; также необходимо принимать во внимание наличие «скрытых меньшинств», малых групп, информация о которых может быть проигнорирована, пропущена в ходе массовых социологических исследований.
Большие данные в разных науках объединяет общий показатель: их чрезвычайно большой объем, который необходимо анализировать и интерпретировать. Однако, если определять большие данные только через объем информации, то в каждый последующий момент эта информация будет возрастать, поэтому критерий объема больших данных остается относительным и «плавающим». С этой точки зрения, большие данные - это понятие, которое необходимо рассматривать в историческом контексте, а свойство «быть большим» является историческим контекстуализированным качеством, имеющим место в отношении технологий, доступных в определенный период развития человечества. Например, 17000 табличек, на которых были записаны административные данные, изготовленные в древнем городе Эбла между III и II тыс. до н. э., также могли рассматриваться как большие данные для своего времени [6, p. 5]. Информационные и компьютерные технологии постоянно совершенствуются и обрабатывают с каждым годом все больше информации.
В последнее время большие данные описываются через пять характеристик (модель 5V): скорость получения данных (velocity), объем данных (volume), вариативность (variety), ценность полученных данных (value), достоверность (veracity). К этим характеристикам можно добавить и ряд других. Например, Р. Китчин (R. Kitchin) и Г. Макардл (G. McArdle) сравнили 26 наборов данных, отмеченных как «большие данные» по объему, скорости, разнообразию, полноте, разрешающей способности и индексичности, реляционности, расширяемости и масштабируемости. Однако ни один из этих признаков не присутствовал во всех наборах данных. Поскольку у больших данных нет общих черт, а есть только преобладающие, следовательно, большие данные не составляют род, а принадлежат к разным видам [15].
Большие данные являются не только результатом научных наблюдений и исследований. Зачастую большие данные производятся спонтанно, стихийно социальными акторами в процессе онлайн-коммуникации. Это миллионы лайков, твитов, ретвитов, блогов, данные онлайн-продаж и т. п. Эти данные непреднамеренны, они не являются результатом большого социологического исследования или опроса. Не надо прилагать больших интеллектуальных и финансовых усилий для получения больших данных: данные «идут» сами к ученым. Этот факт, в частности, объясняет, почему большие данные были встречены более чем оптимистично целым рядом специалистов. Д. Бласкес (D. Blazques) и Дж. Доменеч (J. Domenech) провели классификацию нетрадиционных источников социальных и экономических данных, с помощью которых можно изучать социальные и экономиче-
ские показатели общества. К таким источникам исследователи отнесли поисковые системы (например, Google), социальные сети и блоги, веб-сайты и приложения, городские и мобильные сенсоры и датчики. Например, Facebook занимает третье место в мире по посещаемости с 1 млрд 650 млн активных пользователей и поэтому является мощным источником данных для изучения социального и экономического поведения [7, р. 101].
Очевидно, что исследователи получают беспрецедентные возможности изучать общество с помощью больших данных. Парадигма больших данных предполагает изменение традиционной методологии, ориентирует на союз обществоведов и специалистов компьютерных наук, на междисциплинар-ность исследований. Если раньше социологи с трудом добивались финансирования социологического опроса небольшой группы респондентов, то сейчас в распоряжении социологов - огромные массивы информации. Кроме того, в традиционном исследовании существовала опасность неверных ответов из-за факта присутствия самого социолога-исследователя. Сейчас прямое отсутствие социолога позволяет более свободно и открыто формулировать свои позиции. Но при этом возникает другая опасность: это нечестность респондентов, решающих зачастую вопросы саморепрезентации. Существует определенная «витринизация» жизни, некий социальный нарциссизм, когда пользователи создают ложные представления о себе. Также необходимо отметить демографический крен использования информационных технологий, в основном, более молодыми поколениями. В Интернете представлены не все социальные группы: пожилые, меньшинства, индивиды, проживающие на территориях, где отсутствует Интернет, «выпадают» из поля зрения аналитиков больших данных.
Следовательно, нельзя абсолютизировать ни он-лайн-опросы, ни офлайн-опросы, так как каждый из них имеет положительные и отрицательные стороны. Онлайн-опросы и офлайн-опросы различаются и по методам, и по результатам. Субъекты в ходе онлайн и офлайн-опросов могут давать разные ответы. При этом причины некорректных ответов различны. Необходимо также учитывать и оценивать исходный набор данных, что зачастую ни социологи, ни представители крупных компаний не делают. Можно говорить о непрозрачности алгоритмов производства больших данных, о необходимости интерпретации данных.
Как отмечает Л. Флориди (L. Floridi), с 2007 г. мир стал производить больше данных, чем имеется возможностей для их хранения. «Человечество сместилось от проблемы "что сохранять" к проблеме "что стирать"» [11, р. 437]. Обществоведы могут попасться в «методологическую и эпистемологическую ловушку», смысл которой заключается
в следующем: «чем больше данных - тем больше знаний». Иными словами, чем больше данных наука будет получать, тем полнее и точнее будут сформулированные знания. Однако данный тезис отнюдь не является бесспорным, а подлежит критике [17]. Проблема заключается не в больших данных, имеющих тенденцию к постоянному росту, а в маленьких небольших паттернах, которые можно пропустить, анализируя большие данные [11, р. 436]. Результаты, полученные при проведении массовых социологических опросов, могут содержать существенные погрешности, показывать ложные паттерны. Поэтому возрастает интерес исследователей к небольшим малым паттернам, которые легко могут затеряться в массиве данных [7].
Необходимо подчеркнуть, что аналитику больших данных осуществляют не только исследователи, но и государственные структуры, крупные платформенные компании. Например, с помощью сканеров, используемых в розничной торговле, можно прогнозировать и даже формировать потребительское поведение, объем продаж, моделировать рыночные тенденции [7, рр. 101-103]. Однако если обществоведы анализируют большие данные с целью более глубокого познания общества, его структуры, функционирования, динамики, то коммерческие компании - с целью извлечения прибыли и формирования потребительского спроса и поведения. Цели исследователей отличаются от целей корпораций: первые хотят исследовать и объяснять мир, а вторые - прогнозировать и контролировать, управлять, формировать потребительское поведение, получать прибыль.
Большие данные и социальные знания
Исследование современного общества имеет, как нами было уже отмечено, два взаимосвязанных аспекта. Первый аспект связан с изменением социальной теории, моделей социальной реальности в связи с активным применением больших данных. Второй аспект изучает процессы трансформации общества под влиянием больших данных и цифровых технологий. Действительно, меняются как знания об обществе, так и само общество. Рассмотрим вначале первый аспект этой двуединой проблемы, связанный с тем, как большие данные меняют социальные знания. Затем перейдем к рассмотрению второго аспекта, изучающего изменение общества вследствие процессов цифровизации и больших данных.
Большие данные ставят перед социальными науками, прежде всего, перед социальной теорией, ряд трудных вопросов, связанных как с методологией социального исследования, так и с изменением социальной онтологии. В конечном счете, эти вопросы могут быть сведены к самому главному вопросу: можно ли с помощью больших данных получить более полное знание об обществе или это
знание окажется всего лишь искаженной картиной социальной реальности?
Критическое отношение к большим данным в социальной теории возможно с нескольких позиций:
- со стороны информационных технологий и процедур получения больших данных;
- со стороны акторов, производящих эти данные;
- со стороны обществоведов, анализирующих и интерпретирующих эти данные.
Важно не только получить данные с помощью определенных алгоритмов, но и правильно их интерпретировать. Большие данные кажутся естественными и неизбежными, однако за этой естественностью могут скрываться как частные интересы крупных компаний, так и саморепрезентация пользователей, социальных акторов. Как меняется концептуальное понимание общества под влиянием аналитики больших данных?
В социальной теории XIX века общество понималось как некая социальная реальность sui generis, контролирующая и детерминирующая поведение индивидов (О. Конт, Г. Спенсер, Э. Дюркгейм). Социальные теории XIX века принято относить к классическому социальному знанию, классической социальной парадигме. С начала XX века основным предметом изучения социальной теории становятся социальные действия и взаимодействия индивидов, а общество понимается как совокупность, результат этих взаимодействий (М. Вебер, П. Бергер, Дж. Мид). Подобные социальные теории относят к неклассическому социальному знанию, неклассической социальной парадигме [3]. В классической и в неклассической социальной теории существует деление общества на два уровня: макроуровень и микроуровень, в которые включаются соответственно крупномасштабные социальные структуры и социальные практики индивидов. Задача заключалась в изучении этих уровней и обосновании тезиса, какой из этих уровней является доминирующим и детерминирующим социальную структуру, функционирование и динамику общества.
С середины XX века возникает еще одно направление социального знания, представленное взглядами П. Бурдье, Э. Гидденса, Ю. Хабермаса, утверждавшее, что общество - это результат взаимодействия микро- и макро- уровней, социального действия и социальной структуры. Это направление относится к постнеклассической социальной парадигме [3, с. 38]. Несмотря на то, что в постнеклассическом социальном знании дихотомия двух основных уровней социальной реальности снимается, тем не менее, само деление общества на эти уровни представляется очевидным и не оспаривается.
Большие данные приводят к пересмотру моделей социальной реальности. Например, акторно-сетевая
теория говорит об исчезновении границ между фундаментальными дихотомиями, такими, как природа/ культура, материальное/нематериальное, структура/ действие. Новую социальную реальность, складывающуюся под воздействием цифровых технологий и цифровизации общества, некоторые исследователи называют постгуманистической реальностью. П. Тернберг (Р. ТбгпЬещ) и А. Тернберг (А. ТбгпЬещ) подчеркивают незавершенность социальной онтологии, так как социальная жизнь представляет собой процесс, а не фиксированную целую социальную реальность как сумму частей [18]. Общество принципиально незавершено.
Эти ученые обосновывают появление цифровой социальной парадигмы. Цифровая парадигма упрощает понимание общества, сближая общество с природными объектами и возрождая тем самым натурализм [18]. С точки зрения этих мыслителей, разница между социальными онтологиями, использующими старые и новые данные, соответствует различию между сложными и комплексными системами. Сложная система состоит из больших компонентов с простыми связями, в то время как комплексная система состоит из простых компонентов, взаимодействующих сложным образом. Если структура компонентов автомобиля - пример сложной системы, то организация стаи птиц - пример комплексной системы. Сложная система состоит из частей, и характеристики системы отличаются от характеристик отдельных компонентов системы. Именно так понималось общество как социальная система в социальной теории XIX века.
Однако с появлением больших данных общество все чаще представляется именно комплексной системой. Комплексные системы являются более гибкими и адаптивными, чем их сложные аналоги, поскольку изменение функциональности не требует перепроектирования всей системы, но часто может быть выполнено путем самоорганизации. Общество становится сетевым, одноуровневым, с множеством одноуровневых взаимодействий. Большие данные анализируют взаимодействия на микроуровне, которые часто приводят к формированию моделей более высокого социального уровня. Следовательно, в центре социальной онтологии оказывается не общество как социальная система, а коммуникации между индивидами, сетевые взаимодействия. Не случайно большое количество публикаций последних лет в отечественной философской литературе посвящено именно изучению социальных коммуникаций индивидов, включая онлайн-коммуникации [2].
Примером самоорганизующейся сетевой системы является Википедия, которая изначально задумывалась как проект, опирающийся на экспертное мнение и доходы от рекламы, но стала популярной только после того, как стала некоммерческой и пред-
ложила всем пользователям редактировать или добавлять новый текст [19]. К настоящему времени свой вклад в 5,5 млн статей на одном только английском языке внесли более 30 млн википедистов, то есть скорость создания составляла 650 статей в день, к тому же было создано более 1 млн статей на 11 других языках, включая вьетнамский [5, с. 234].
Изменения в социальной онтологии относятся также к пониманию социальных акторов, индивидов. Предлагается текучий образ человека, человеческого, подчеркивается взаимосвязь человека и цифровой среды, от которой человек становится неотделимым [13]. Для концептуализации нового социального явления, где индивиды взаимодействуют с искусственным интеллектом, а средой для взаимодействия является Интернет, ряд авторов предложил понятие «искусственная социальность». «Искусственная социальность представляет собой эмпирический факт участия агентов искусственного интеллекта в социальных взаимодействиях в качестве активных посредников или участников этих взаимодействий» [4, с. 4]. Авторы задаются вопросом, «не является ли вероятным, что машины (нечеловеческие агенты), наделенные искусственным интеллектом, будут все больше проникать в повседневную жизнь и определять человеческую социальность»? [4, с. 10]. Утверждается, что не-социальные феномены не могут быть описаны в терминах социальных отношений. Поэтому предлагается перейти от классической социологии, изучающей социальные процессы, к атипичной социологии, предметом которой будут, в частности, не-социальные феномены, автономные агенты, «способные действовать, принимать решения и достигать цели с логикой, отличной от человеческой и «непрозрачной» для человека» [4, с. 10]. Мы полагаем, что задача заключается не в формировании атипичной социологии и антидисциплинарной науки, а, напротив, в дальнейшем развитии социального знания.
Индивиды начинают взаимодействовать с Интернетом, техническими инструментами, что ведет к появлению социотехнических систем, где полноправным участником социального взаимодействия может быть техническая система, машина, робот. Общество рассматривается как одноуровневая реальность, как социальная сеть, в которой взаимодействуют два фактора - человеческое поведение и техническая составляющая. Такое общество, по нашему мнению, может быть названо со-циотехническим. Можно утверждать, что формируется новая парадигма социального знания, которая условно может быть названа «социотехнической». Эта парадигма «снимает» дихотомию макро- и микро-уровней социальной реальности, подчеркивает незавершенность и одномерность общества, его текучесть, особое внимание уделяет взаимодействию индивидов и технических объектов, приводящему
к трансформации социальной среды, ценностно-целевых установок.
Революция больших данных и социальные изменения
Фундаментом современного общества является цифровая коммуникация. Цифровые технологии, Интернет, большие данные приводят к изменению социальной реальности. Прежде всего, они трансформируют социальную коммуникацию, условия, возможности и цели коммуникации, структуры повседневности. Здесь можно выделить три момента. Во-первых, социальная жизнь становится более кодированной, просчитываемой, так как можно легко увидеть количество лайков, смайликов за тот или иной пост. Поскольку социальная жизнь кажется более просчитываемой, это мотивирует применять естественнонаучный подход к большим данным и к пониманию общества. В контексте избыточности информации К. Джонсон (C. Johnson) использует метафору «цифровое ожирение», описывающую склонность цифровых потребителей справляться с изобилием информации не за счет регулярной выборки из всего спектра доступных данных, а путем потребления одних и тех же источников, подкрепляющих их мнение. Эта склонность поощряется поисковыми машинами, которые становятся все более чувствительными к паттернам цифрового потребления [5, с. 192].
Во-вторых, поведение людей становится реактивным, используются символы, картинки, не требующие длительных раздумий и рефлексии. В-третьих, цифровая коммуникация ведет к смешению реальной и виртуальной жизни, подчас выдавая виртуальное общение за подлинное, виртуальную реальность за подлинную реальность, а имитацию, квазисобытие, за подлинное событие. Не случайно В. В. Миронов, говоря о современной культуре и коммуникации, приводит образ Платоновской пещеры из седьмой книги «Государства». Если у Платона человек, прикованный к пещере, видит только тени от огня, то современный человек «видит ... созданные современными технологиями образы, которые трудно отличить от реальности. ... Условием такой виртуальной ... прикованности выступают большие данные, посредством которых человек ныне существует в мире и от которых все в большей степени зависит» [2, с. 14].
Цифровизация общества и активное использование больших данных могут стать поводом и причиной для усиления контроля над пользователями со стороны крупных платформенных компаний, формирования этими компаниями потребительского поведения, спроса, определенной системы ценностей, введения системы тотального учета и контроля. Пользователи зачастую сами предоставляют такую возможность контроля, размещая в Интернете при-
ватную информацию, которая может быть использована против них. «Интернет поощряет ситуацию, когда привлечение новых членов той или иной группы вознаграждается; большинство онлайн-пространств ориентировано на вознаграждение. Наибольшее напряжение в США вызывает то, что все современные платформы мегакорпораций монополизируют, идеологизируют и используют свою "рыночную" силу для внедрения в личную жизнь» [4, с. 5-6]. С одной стороны, можно говорить об асо-циальности, формировании герметичных позиций и делении пользователей на «свой-чужой», с другой стороны, мы наблюдаем формирование институционально-принудительной «сверхсоциальности» [4, с. 6]. Таким образом, индивид одновременно недо-социализирован и сверхсоциализирован.
Цифровые платформы - это мощные технологии для формирования субъективности пользователей. Цифровые платформы предоставляют определенные возможности и интерфейсы, устанавливают ограничения на то, как пользователь понимает мир и относится к миру. Контроль осуществляется не сверху-вниз, от власти и социальных институтов, а снизу-вверх, более тонко и латентно, как бы подталкивая миллионы пользователей к определенной модели поведения и создавая при этом иллюзию индивидуальной свободы и выбора. Ученые обращают внимание на тот факт, что фирмы могут пытаться манипулировать онлайн-обзорами продуктов для увеличения их продаж. В одном из исследований было обнаружено, что около 10,3% продуктов подвергаются манипуляциям с онлайн-отзывами [12]. Поэтому потребителям не рекомендуется полагаться только на онлайн-обзоры книг при совершении покупок, чтобы не быть обманутыми мошенническими манипуляциями.
Например, в Китае с 2014 г. («План 2014 года») внедряется система социального кредита (Social Credit System - SCS), основанная на данных мониторинга и оценки поведения всех граждан и предприятий. Согласно принятому документу, система будет функционировать как общенациональный механизм стимулирования, собирая информацию о социальном кредите от каждого человека и предприятия, чтобы поощрять сохранение доверия и наказывать поведение, нарушающее доверие. В основе данной системы лежит беспрецедентная возможность больших данных собирать и обрабатывать информацию в режиме реального времени. Если человек совершает действия, подрывающие доверие, имя и код социального кредита человека будут опубликованы в онлайн «черном списке» вместе с подробностями о содеянном и следующими юридическими санкциями [10].
Если сравнить модели человеческого существования И. Бентама и современную модель, то между ними есть как существенные различия, так и общие
черты. У И. Бентама власть и контроль представлены в форме паноптикума, в котором единственной объединяющей чертой является универсальное человеческое предпочтение удовольствия перед болью [1, с. 36]. В этой модели, как справедливо отмечает З. Бауман, отсутствуют черты морального воспитания, культурной интеграции, пакет ценностей. Паноптикум Бентама - это сконструированный проект, изобретенный политиками и интеллектуалами, выполняющими функции экспертов-планировщиков. Как только постройка завершена, ни интеллектуал-архитектор, ни политики уже не нужны [1, с. 42-43]. В модели современного общества функции архитекторов контроля, норм и ценностей выполняют крупные корпорации, осторожно формируя смыслы и культурные коды, как бы подталкивая потребителя к определенной модели поведения и образу жизни. Если в античности ценностные ориентиры формировали мыслители-философы, в Средние века - богословы-теологи, в Новое время -ученые-интеллектуалы, то в цифровом обществе эту функцию зачастую выполняют инженеры крупных платформенных компаний в интересах получения прибыли.
Объединяет эти две модели человеческого существования тот факт, что системы ценностей, мораль, культура имеют, в основном, утилитарную направленность и созданы для решения проблем власти и контроля. Однако способ, каким оказывается социальное давление, претерпевает существенные перемены. Если паноптикум И. Бентама состоит из взаимосвязанных контекстов взаимодействия, то в современном обществе власть осуществляется латентно, незаметно, создавая у индивидов ощущение свободы выбора, передвижений, полноты информации, выстраивания жизненных стратегий. Однако эти ощущения обманчивы, а индивиды еще больше подпадают под власть и контроль государства, крупных корпораций и компаний. Свобода становится еще более иллюзорной, хотя у индивидов есть иллюзия этой ценности.
Заключение
Большие данные предоставляют ученым широкие возможности использования значительных объемов данных для исследования самых разнообразных тем и вопросов. Едва ли можно сомневаться в том, что большие данные трансформируют эпис-
темологические стратегии, онтологические модели и саму социальную реальность. Однако не следует абсолютизировать значение больших данных. Большие данные кажутся естественными и неизбежными, но за этой естественностью скрываются не только научные интересы, но и государственные интересы, а также частные интересы крупных компаний. Поэтому важен учет контекста производства данных; понимание того, как, с какой целью были получены эти данные.
Уже сейчас очевидно, что большие данные меняют наше представление об обществе. Новая социальная парадигма, названная нами «социотехни-ческой», снимает крайности классической, неклассической и постнеклассической социальных парадигм. Действительно, эти парадигмы предполагали двухуровневую структуру социальной реальности, подразумевающую деление общества на макро-и микро- уровень. «Социотехническая» парадигма более гибко и тонко концептуализирует общество и социального актора, подчеркивая сетевой, одноуровневый, незавершенный характер общества, про-блематизирует взаимодействие индивидов с нематериальными, техническими объектами.
В статье мы также попытались обозначить основные моменты, связанные с изменением самого общества под влиянием больших данных. Большие данные меняют структуры повседневности и социальную коммуникацию, актуализируют проблемы власти, контроля и свободы. Тревогу вызывает усиление социального контроля и возможности прогнозирования и формирования поведения индивидов. Цифровой тотальный контроль может привести к тому, что в обществе разовьются элементы паноптизма. Поэтому важной задачей является осмысление уже существующих и потенциальных угроз. Данная задача носит междисциплинарный характер и должна выполняться во взаимодействии представителей социально-гуманитарных наук со специалистами информационно-компьютерной отрасли, государственной власти и крупных платформенных компаний. Нам представляется, что вопросы цифровизации общества, проблематика больших данных и их значения для науки и общества являются далеко не решенными и требующими дальнейшего анализа и обсуждения.
Литература
1. Бауман З. Свобода: Пер. с англ. Г. М. Дашевского, предисл. Ю. А. Левады. - М.: Новое издательство, 2006. - 132 с.
2. Миронов В. В. Платон и современная пещера big-data // Вестник Санкт-Петербургского университета. Философия и конфликтология. - 2019. - Т. 35. - Вып. 1. - С. 4-24. - DOI: https://doi.org/10.21638/ spbu17.2019.101.
3. Платонова С. И. Наука, парадигма, теория в социальном знании // Дискуссия. - 2014. - № 3(44). -С. 35- 40.
4. Резаев А. В., Стариков В. С., Трегубова Н. Д. Социология в эпоху «искусственной социальности»:
поиск новых оснований // Социологические исследования. - 2020. - № 2. - С. 3-12. - D01:10.31857/ S013216250008489-0
5. Фуллер С. Постправда: Знание как борьба за власть: Пер. с англ. Д. Кралечкина; под науч. ред. А. Смирнова. - М.: Изд. дом Высшей школы экономики, 2021. - 368 с.
6. Balazka D., Rodighiero D. (2020) Big Data and the Little Big Bang: An Epistemological (R)evolution. Frontiers in Big Data. Vol. 3. Is. 31, pp. 1-13. DOI: https://doi.org/10.3389/fdata.2020.00031. (In Eng.).
7. Blazquez D., Domenech J. (2018) Big Data sources and methods for social and economic analyses. Technological Forecasting and Social Change. Vol. 130, рр. 99-113. DOI: http://dx.doi.org/10.1016/j. techfore.2017.07.027 (In Eng.).
8. Boyd D., Crawford K. (2012) Critical questions for big data: Provocations for a cultural, technological, and scholarly phenomenon. Information, Communication & Society. Vol. 15. Is. 5, рр. 662-679. DOI: https:// www.tandfonline.com/doi/abs/10.1080/1369118X.2012.678878 (In Eng.).
9. Burrows R., Savage M. (2014) After the crisis? Big data and the methodological challenges of empirical sociology. Big Data & Society. Vol. 1. Is. 1, pp. 1-6. DOI: https://doi.org/10.1177%2F2053951714540280 (In Eng.).
10. Cho E. (2020) The social credit system: Not just another Chinese Idiosyncrasy. Journal of public & International affairs. DOI: https://jpia.princeton.edu/news/social-credit-system-not-just-another-chinese-idiosyncrasy (In Eng.).
11. Floridi L. (2012) Big Data and Their Epistemological Challenge. Philosophy & Technology. Vol. 25, pp. 435-437. DOI: https://doi.org/10.1007/s13347-012-0093-4. (In Eng.).
12. Hu N., Bose I., Koh, N., Liu L. (2012) Manipulation of Online Reviews: An Analysis of Ratings, Readability, and Sentiments. Decision Support Systems. Vol. 52. Is. 3, pp. 674-684. DOI: https://doi.org/10.1016/j. dss.2011.11.002 (In Eng.).
13. Jewitt C., Price S., Sedo A. (2017) Conceptualizing and researching the body in digital contexts: Towards new methodological conversations across the arts and social sciences. Qualitative research. Vol. 17. Is. 1, pp. 37-53. DOI: https://doi.org/10.1177/1468794116656036 (In Eng.).
14. Kitchin R. (2014) Big Data, New Epistemologies and Paradigm Shifts. Big Data & Society. Vol. 1. No. 1, pp. 1-12. DOI: https://doi.org/10.1177/2053951714528481 (In Eng.).
15. Kitchin R., McArdle G. (2016) What makes Big Data, Big Data? Exploring the ontological characteristics of 26 datasets. Big Data & Society. Vol. 3. No. 1, pp. 1-10. DOI: https://doi.org/10.1177/2053951716631130 (In Eng.).
16. Resnyansky L. (2019) Conceptual frameworks for social and cultural Big Data analytics: Answering the epistemological challenges. Big Data & Society. Vol. 6. Is. 1, pp. 1-12. DOI: https://doi. org/10.1177/2053951718823815 (In Eng.).
17. Symons J., Alvarado R. (2016) Can we trust big data? Applying philosophy of science to software. Big Data & Society. Vol. 3. Is. 2, pp. 1-17. DOI: https://doi.org/10.1177/2053951716664747 (In Eng.).
18. Tornberg P., Tornberg A. (2018) The limits of computation: A philosophical critique of contemporary Big Data research. Big Data & Society. Vol. 5. Is. 2, pp. 1-12. DOI: https://doi.org/10.1177/2053951718811843 (In Eng.).
19. Tornberg P., Uitermark J. (2020) Complex Control and the Governmentality of Digital Platforms. Frontiers in Sustainable Cities. Vol. 2. Article 6. DOI: https://doi.org/10.3389/frsc.2020.00006 (In Eng.).
References
1. Bauman, Z. (2006) Svoboda [Freedom]. Moscow: New Publ., 132 p. (In Russ., transl.from Engl.).
2. Mironov, V V (2019) [Plato and the modern cave of big data]. VestnikSankt-Peterburgskogo universiteta. Filosofiya i konfliktologiya [Bulletin of Saint Petersburg University. Philosophy and Conflict Studies]. Vol. 35. Vol. 1, pp. 4-24. DOI: https://doi.org/10.21638/spbu17.2019.101. (In Russ.).
3. Platonova, S. I. (2014) [Science, paradigm and theory in social knowledge] Diskussiya [Discussion]. Vol. 3 (44), pp. 35-40. (In Russ.).
4. Rezaev, A. V, Starikov, V. S., Tregubova, N. D. (2020) [Sociology in the age of 'Artificial Sociality': search of new bases]. Sociologicheskie issledovaniya [Sociology research]. Vol. 2, pp. 3-12. DOI: 10.31857/ S013216250008489-0 (In Russ.).
5. Fuller, S. (2021) Postpravda: Znanie kak bor 'ba za vlast' [Post-Truth: Knowledge as a Power Game]. Moscow: High school of Economics Publ., 368 p. (In Russ., transl.from Engl.).
6. Balazka, D., Rodighiero, D. (2020) Big Data and the Little Big Bang: An Epistemological (R)evolution. Frontiers in Big Data. Vol. 3. Is. 31, pp. 1-13. Available at: https://doi.org/10.3389/fdata.2020.00031 (accessed: 03.03.2022). (In Eng.).
7. Blazquez, D., Domenech, J. (2018) Big Data sources and methods for social and economic analyses. Technological Forecasting and Social Change. Vol. 130, pp. 99-113. Available at: http://dx.doi.org/10.1016/j. techfore.2017.07.027 (accessed: 03.03.2022). (In Eng.).
8. Boyd, D., Crawford, K. (2012) Critical questions for big data: Provocations for a cultural, technological, and scholarly phenomenon. Information, Communication & Society. Vol. 15. Is. 5, pp. 662-679. Available at: https://www.tandfonline.com/doi/abs/10.1080/1369118X.2012.678878 (accessed: 03.03.2022). (In Eng.).
9. Burrows, R., Savage, M. (2014) After the crisis? Big data and the methodological challenges of empirical sociology. Big Data & Society. Vol. 1. Is. 1, pp. 1-6. Available at: https://doi.org/10.1177%2F2053951714540280 (accessed: 03.03.2022). (In Eng.).
10. Cho, E. (2020) The social credit system: Not just another Chinese Idiosyncrasy. Journal of public & International affairs. Available at: https://jpia.princeton.edu/news/social-credit-system-not-just-another-chinese-idiosyncrasy (accessed: 03.03. 2022). (In Eng.).
11. Floridi, L. (2012) Big Data and Their Epistemological Challenge. Philosophy & Technology. Vol. 25, pp. 435-437. Available at: https://doi.org/10.1007/s13347-012-0093-4 (accessed: 03.03.2022). (In Eng.).
12. Hu, N. et al. (2012) Manipulation of Online Reviews: An Analysis of Ratings, Readability, and Sentiments. Decision Support Systems. Vol. 52. Is. 3, pp. 674-684. Available at: https://doi.org/10.1016/j.dss.2011.11.002 (accessed: 03.03. 2022). (In Eng.).
13. Jewitt, C., Price, S., Sedo, A. (2017) Conceptualising and researching the body in digital contexts: Towards new methodological conversations across the arts and social sciences. Qualitative research. Vol. 17. Is. 1, pp. 37-53. Available at: https://doi.org/10.1177/1468794116656036 (accessed: 03.03.2022). (In Eng.).
14. Kitchin, R. (2014) Big Data, New Epistemologies and Paradigm Shifts. Big Data & Society. Vol. 1. No 1, pp. 1-12. Available at: https://doi.org/10.1177/2053951714528481 (accessed: 03.03.2022). (In Eng.).
15. Kitchin, R., McArdle, G. (2016) What makes Big Data, Big Data? Exploring the ontological characteristics of 26 datasets. Big Data & Society. Vol. 3. No 1, pp. 1-10. Available at: https://doi.org/10.1177/2053951716631130 (accessed: 03.03.2022). (In Eng.).
16. Resnyansky, L. (2019) Conceptual frameworks for social and cultural Big Data analytics: Answering the epistemological challenges. Big Data & Society, Vol. 6. Is. 1, pp. 1-12. Available at: https://doi. org/10.1177/2053951718823815 (accessed: 03.03.2022). (In Eng.).
17. Symons, J., Alvarado, R. (2016) Can we trust big data? Applying philosophy of science to software. Big Data & Society. Vol. 3. Is. 2, pp. 1-17. Available at: https://doi.org/10.1177/2053951716664747 (accessed: 03.03.2022). (In Eng.).
18. Tornberg, P., Tornberg, A. (2018) The limits of computation: A philosophical critique of contemporary Big Data research. Big Data & Society. Vol. 5. Is. 2, pp. 1-12. Available at: https://doi.org/10.1177/2053951718811843 (accessed: 03.03.2022). (In Eng.).
19. Tornberg, P., Uitermark, J. (2020) Complex Control and the Governmentality of Digital Platforms. Frontiers in Sustainable Cities, pp. 2-6. Available at: https://doi.org/10.3389/frsc.2020.00006 (accessed: 03.03. 2022). (In Eng.).
Информация об авторе:
Светлана Ипатовна Платонова, доктор философских наук, профессор, Ижевская государственная сельскохозяйственная академия, Ижевск, Россия
ORCID ID: 0000-0003-2145-2041
e-mail: platon-s@bk.ru
Статья поступила в редакцию: 12.03.2022; принята в печать: 15.06.2022.
Автор прочитал и одобрил окончательный вариант рукописи.
Information about the author:
Svetlana Ipatovna Platonova, Doctor of Philosophy, Professor, Izhevsk State Agricultural Academy, Izhevsk, Russia
ORCID ID: 0000-0003-2145-2041
e-mail: platon-s@bk.ru
The paper was submitted: 12.03.2022.
Accepted for publication: 15.06.2022.
The author has read and approved the final manuscript.
