Бакалавриат
2025/2026
Введение в прикладные методы сетевого анализа
Статус:
Курс по выбору (Политология)
Кто читает:
Департамент политики и управления
Где читается:
Факультет социальных наук
Когда читается:
4-й курс, 3 модуль
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Мальцев Артем Михайлович
Язык:
русский
Кредиты:
5
Программа дисциплины
Аннотация
Курс призван познакомить студентов с прикладными методами сетевого анализа, в настоящий момент широко применимыми в социальных науках. В рамках курса можно узнать о «сетевом» обосновании теории «шести рукопожатий», ответить на вопрос о том, почему семья Медичи была самой влиятельной во Флоренции, и решить еще много "загадок" социальной науки, которые могут быть объяснены с помощью инструментов прикладного сетевого анализа. Дисциплина познакомит студентов с такими понятиями, как сеть, сила связей, центральность, кластеры, социальный выбор и социальное влияние, а также научит работать с сетевыми данными и превращать практически любые данные в вид сетевых с помощью современных языков программирования. Курс направлен, в первую очередь, на то, чтобы студенты смогли понять логику и преимущества использования сетевых данных и методов в эмпирических исследованиях в социальных науках, а в дальнейшем смогли применить их в своих курсовых и выпускных квалификационных работах.
Цель освоения дисциплины
- Цель этого курса - дать студентам понимание основ сетевого анализа и принципов использования методологии сетевого анализа для прикладных исследований и задач.
Планируемые результаты обучения
- Определять диады, триады, давать определение топологии
- • Знает теоретическую основу и понимать принцип работы метода стохастической акторно-ориентированной модели (SAOM) • Умеет формулировать гипотезу для модели инферентного сетевого анализа, уметь выбрать наиболее релевантную модель, оценить её с помощью статистического пакета и интерпретировать результаты • Умеет работать с пакетом стохастической акторно-ориентированной модели (SAOM) в среде RStudio: Rsiena
- Формулировать ключевые понятия теории графов: структура сети, узлы, связи, социограмма
- Уметь интерпретировать ключевые концепты сетевого анализа.
- Знать основные методологические ограничения традиционных эконометрических методов при анализе данных с сетевой структурой.
- Уметь работать с основными пакетами для сетевого анализа в среде RStudio: igraph, network, btergm, xergm, Rsiena
- Знать теоретическую основу и понимать принцип работы современных методов инферентного сетевого анализа, в частности модели экспоненциальных случайных графов (ERGM)
- Уметь формулировать гипотезу для модели инферентного сетевого анализа, уметь выбрать наиболее релевантную модель, оценить её с помощью статистического пакета и интерпретировать результаты
- Знать теоретическую основу и понимать принцип работы современных методов инферентного сетевого анализа, модели ERGM, TERGM, SAOM, AMEN
- Формулировать ключевые понятия теории графов: структура сети, узлы, связи, социограмма. Уметь интерпретировать ключевые концепты сетевого анализа.
- Уметь работать с основными методами дескриптивного сетевого анализа: расчет сетевых центральностей, определение сетевых кластеров и сообществ.
Содержание учебной дисциплины
- Тема 1. Введение в работу с данными с сетевой структурой
- Тема 2. Дескриптивный сетевой анализ. Часть I.
- Тема 3. Дескриптивный сетевой анализ. Часть II.
- Тема 4. Случайные графы и топология сети
- Тема 4. Инферентный сетевой анализ: модель случайного экспоненциального графа (ERGM). Часть I.
- Тема 5. Инферентный сетевой анализ: модель случайного экспоненциального графа (ERGM). Часть II.
- Тема 6. Лонтгитюдный инферентный сетевой анализ
- Тема 8. Лонтгитюдный инферентный сетевой анализ: стохастические акторно-ориентированные модели (SAOM).
- Тема 9. Лонтгитюдный инферентный сетевой анализ: модели аддитивных и мультипликативных эффектов (AMEN)
Список литературы
Рекомендуемая основная литература
- Eric D. Kolaczyk, Gabor Csardi (2014) Statistical Analysis of Network Data with R. Springer New York Heidelberg Dordrecht London. https://link.springer.com/content/pdf/10.1007%2F978-1-4939-0983-4.pdf.
- Kolaczyk E. D., Csárdi G. Statistical analysis of network data with R. – New York : Springer, 2014. – 207 pp.
- Kolaczyk, E. D., & Csárdi, G. (2014). Statistical Analysis of Network Data with R. New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=783200
- Luke, D. A. . V. (DE-588)130032344, (DE-627)488060184, (DE-576)297960504, aut. (2015). A user’s guide to network analysis in R Douglas A. Luke. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edswao&AN=edswao.454121474
- Social network analysis, Scott, J., 2017
Рекомендуемая дополнительная литература
- Analyzing social networks, Borgatti, S. P., 2018
- Big data in complex and social networks, , 2017
- Complex social networks, Vega-Redondo, F., 2007
- Social network analysis : a handbook, Scott, J., 2000
- Social network analysis, Knoke, D., 2008