Рус Eng Cn Перевести страницу на:  
Please select your language to translate the article


You can just close the window to don't translate
Библиотека
ваш профиль

Вернуться к содержанию

Исторический журнал: научные исследования
Правильная ссылка на статью:

Исследования сетей в исторической науке

Быстрицкий Николай Игоревич

научный сотрудник, Московский государственный университет им. М.В. Ломоносова (МГУ)

119991, Россия, г. Москва, Ломоносовский проспект, 27, корп. 4, оф. Б-412

Bystritskiy Nikolay Igorevich

Research Associate, Lomonosov Moscow State University

Lomonosovskiy prospekt 27, korp. 4, office B-412, Moscow 119991 Russia

nb@rusistin.ru

DOI:

10.7256/2454-0609.2017.3.21919

Дата направления статьи в редакцию:

06-02-2017


Дата публикации:

14-06-2017


Аннотация: Настоящая статья представляет собой обзор методологии исследования сетей с рассмотрением открывшихся в последнее время широких возможностей эффективного ее применения для более всестороннего изучения исторических явлений. Исследование сетей в исторической науке помогает углублению понимания механизмов формирования и развития разнообразных общественных групп и структур в исторической перспективе. Их функционирование в основном обусловлено характеристиками отношений между элементами, определяемых взаимодействиями по обмену информацией и ресурсами, социальным капиталом. Профессиональное использование аналитического аппарата и средств визуализации исследования сетей позволяют историку яснее и детальней увидеть суть сложного исторического явления и представить результаты с наглядной очевидностью. В работе рассматривается базовая методология исследования социальных сетей (SNA, Social network analysis) и даются примеры ее применения в различных отраслях современных исторических исследований. Сегодня исследования сетей приобрели значительную популярность среди специалистов в различных научных и производственных сферах по всему миру. Актуальность сетевых исследований в истории будет возрастать, поскольку эффективность ее методов получают всестороннее подтверждение во многих областях исторического знания: экономической истории, археологии, генеалогических исследованиях, нумизматике, сигиллографии, искусствоведении, лингвистике и др. Несмотря на растущий интерес исследователей, материалов по использованию методов исследования сетей в исторической науке, опубликованных на русском языке, крайне мало. Настоящая статья стремится восполнить этот недостаток.


Ключевые слова:

исторические сети, исторические сетевые исследования, анализ социальных сетей, исследования сетей, методы исторического исследования, историческая наука, инструментарий исторического исследования, научная методология, сложные сети, наука о сложности

УДК:

930.2

Abstract: This article is an overview of the research methodologies used in the study of networks with consideration of the recently opened wide possibilities for its effective application for a more wide-ranging comprehensive study of historical facts. The study of networks in historical sciences could help to deepen our understanding of the formation and development mechanisms of various social groups and structures in historical perspective. Their functioning is mainly conditioned by the relationships characteristics between the elements, which are determined by the interactions in the exchange of information and resources, and social capital. The professional use of the analytical apparatus and visualization tools in the study of networks allows a scientist to more clearly and in greater detail understand the essence of a complex historical phenomenon and to present the results with clear evidence. The article examines the general methodology of social network analysis (SNA) and offers examples of its application in various fields of modern historical studies. Today, the study of networks gained significant popularity among specialists in various scientific and industrial spheres around the world. The relevance of network studies in history will increase, as the effectiveness of its methods is already confirmed in many areas of historical knowledge: economic history, archeology, genealogical studies, numismatics, sigillography, art history, linguistics, etc. But despite the growing interest of scientists, the material for the application of the methods of network studies in historical sciences, published in Russian, are extremely few. This article aims to fill this gap.


Keywords:

science of complexity, complex networks, scientific methodology, historical research tools, historical sciences, historical research methods, study of networks, social network analysis, historical network science, historical networks

Сегодня исследования сетей приобрели значительную популярность среди специалистов в различных областях знания. Достижения теории графов вкупе с появившимися возможностями компьютерных вычислений дали толчок к развитию в последние десятилетия междисциплинарной научной дисциплины — исследованию сетей (англ. network science). Исследование сетей решает задачи изучения механизмов формирования и функционирования разнообразных сложных связей и структур, наблюдаемых в природе и различных областях человеческой деятельности, таких как: компьютерные и инженерные сети, биологические и социальные связи, семантические и контекстуальные связи, торговые и финансовые связи. В данной работе нас будут интересовать, прежде всего, направление исследования сетей, рассматривающее связи и отношения социальных объектов в исторической перспективе.

Социальные сети и их анализ

Термин «социальные сети» впервые появился еще в 1954 году в работе социолога «Манчестерской школы» Джеймса Барнса «Классы и собрания в норвежском островном приходе» [1]. Тем не менее, наиболее полно концепция социальных сетей оформилась в конце XX века. Сам же термин «социальная сеть» многозначен и обычно его формулировка зависит от каждого конкретного случая. В научном понимании социальная сеть — модель социальных явлений, отражающая совокупность социальных объектов, представленных в виде набора узлов, и социальных взаимоотношений – связей между ними. В этом смысле социальная сеть – достаточно новое понятие, которое сегодня используется при изучении таких различных социальных явлений, как организационное поведение и межорганизационные отношения, взаимная поддержка индивидов и домохозяйств, распространение информации, политические, культурные и научные связи и т.д. Следуя вышеприведенному определению, социальную сеть, рассмотренную в определенном историческом контексте, можно назвать исторической сетью.

Анализ социальных (исторических) сетей — методология изучения социальных (исторических) явлений при помощи методов исследования сетей. Логично отметить, что анализ социальных сетей (англ. Social network analysis, SNA) предполагает привнесение комплекса инструментов исследования сетей в область изучения социальных явлений. Значимость анализа социальных сетей следует из важной социологической предпосылки о том, что общество в основном обусловлено характерами отношений между ее членами, т.е. параметрами составляющих социальной сети. Исследование сетей предоставляет здесь новый набор объяснительных моделей и аналитических инструментальных средств, которые находятся вне рамок обычных количественных методов. При этом в данной области накоплен богатый математический аппарат, позволяющий строить весьма сложные модели социальных взаимодействий, описывающие практически любые социальные системы.

Социальную сеть можно описать следующими характерными утверждениями:

1. В общем случае сеть представляет собой набор объектов и связей определенного вида между ними. Набор объектов и вид связей выбираются в зависимости от задач, поставленных исследователем.

2. Расположение объектов соответствуют узлам сети и изображается точками (как вершины в графе). Узлы социальной сети принято называть акторами.

3. Характеристики актора в сетевой терминологии именуются атрибутами.

4. Совокупность всех наличествующих связей между акторами образует сетевую структуру.

5. Связи имеют собственные характеристики, которые могут отражать направленность, важность, длительность, протяженность, интенсивность, наполненность связи.

6. Наличествующие все возможные связи между всеми акторами сети образуют так называемую полную сеть.

7. Некоторые акторы могут быть связаны друг с другом сильнее, чем с другими. При переходе на более высокий уровень анализа такие «сгущения», именуемые кластерами, можно представить одним узлом.

8. Кластер, все акторы которого соединены между собой, т.е. образующие полную сеть, называют кликой.

Анализ социальных сетей фактически есть способ репрезентации данных о связях акторов. В различной литературе нередко в качестве актора фигурируют и иные понятия, используемые исследователями в зависимости от их проблематики: индивидуум может рассматриваться как «агент», если изучается социальное действие и как «партнер», если это социальное взаимодействие. В рамках анализа социальной группы, он будет выглядеть как «член группы»; а при рассмотрении экономического взаимодействия, коллективного поведения или социального перемещения, часто используется слово «участник»; при исследовании организационной структуры применяют понятие «позиция», и т.п. В большинстве случаев в качестве акторов выступают конкретные люди. Тем не менее, кроме индивидуумов, могут приниматься и различные социальные объекты: семьи, домохозяйства, группы, организации, государства, города; их структурные компоненты: подразделения, отделы, должностные позиции, роли; их производные: документы, книги, статьи в журналах, веб-страницы, компьютеры пользователей, произведения труда и творчества, артефакты, археологические объекты и пр. Сети можно строить, включая в них однотипные или различные типы акторов. Сети, образованные только одним типом акторов именуют одномодальными, двумя — двумодальными, а несколькими — многомодальными.

Ясно, что между акторами могут существовать связи различного вида, которые характеризуют контекст разнообразных взаимосвязей межу ними. В общем виде контекст связей в анализе социальных сетей принято подразделять на 4 категории [2]:

  • · сходство (similarities) — акторы имеют схожие атрибуты или предпочтения;
  • · социальные отношения (social relations) — родственные, ролевые и эмоциональные отношения;
  • · взаимоотношения (interactions) — поведенческие отношения;
  • · потоки (flows) — отношения, связанные с обменом и перераспределением ресурсов между акторами.

Несомненно, на основе одной и той же совокупности акторов можно построить различные конфигурации сетей, составляя их из связей разной природы, например, родственных, неформальных, семантических; или их комбинаций. Сети составленные на основе одного вида связей мы будем называть одноконтекстными, двух — двуконтекстными, и более — мультиконтекстными сетями.

Структура исследования сети

Поскольку, в реальности, количество акторов и связей между ними может быть достаточно велико, исследователь имеет шанс столкнуться с задачей установления границ сети и определения релевантных (значимых) подгрупп акторов. В целом, сетевые структуры могут анализироваться на уровне центральных акторов, уровне диад, триад и кластеров, а также на общесетевом уровне. Сеть, где подвергаются рассмотрению только связи определенного, в том числе центрального, актора называют эгоцентричными (персонифицированными) сетями. В них изучаемый актор помещают в центр, а все остальные связанные с ним акторы, размещают вокруг него, по сути, создавая локальная сеть, которая отражает репрезентативные образцы социального окружения данного актора. Сети кластеров характеризуются более интенсивными внутренними связями и обменом. Общесетевой уровень позволяет выявлять доминирующие акторы и кластеры.

Анализ сети включает несколько последовательных этапов. Первым этапом сетевого анализа является поиск надежных способов получения и структурирования исходных данных исследования. Первичные исходные данные получают из обзоров и опросов, данных архивных и археологических изысканий, статистических обзоров, отчетов и дневников, справочников и электронных баз данных. Основной проблемой, стоящей перед исследователем на этом этапе, является адекватное выявление структурных компонент из первичной информации источников и преобразование их в акторы и связи [3, с. 48–74]. В зависимости от целей и задач исследования производится отбор релевантных акторов, их включение в структуру сети для дальнейшего изучения. Далее следует идентификация атрибутов и характеристик связей и перевод их к количественным показателям. Этот этап, в конечном итоге, собственно и приводит к построению сети, а от качества его исполнения напрямую зависит правильность полученных результатов.

Второй этап включает выбор исследователем ключевых характеристик и методов расчета индикаторов, характеризующих сетевые свойства, и собственно сами их вычисления. Здесь применяются специальные программные инструменты, реализующие математический аппарат анализа сетей в комбинации с другими статистическими и алгоритмическими методами.

Заключительный этап — визуализация, анализ и интерпретация полученных значений индикаторов с точки зрения задач исследования.

Сетевые метрики

Наиболее важными сетевыми характеристиками (т. н. метриками), с точки зрения изучения как отдельных акторов, так и сети в целом, являются структура сети и параметры связей между акторами, расположение отдельных акторов в сети.

В общем случае понять местоположение актора относительно других акторов можно по величине ранга (степени) актора — показателя его связности с другими акторами. Чем выше ранг актора, тем с большим числом других акторов он связан и находится ближе к центру сети. Показатель центральности определяет статус, влияние и местоположение актора: в центре или на краю сети; и дает понимание его возможной роли в социальном взаимодействии: связной, эксперт, лидер, посредник, отшельник. Показатель центральности может рассчитываться по различным критериям — по рангу, близости, посредничеству, собственному вектору и пр. Кроме того, у акторов существуют другие сетевые атрибуты: средняя длина связи с другими акторами, показатели посредничества, эквивалентности, эксцентричности и др.

Основными характеристиками связи выступают ее направленность, длина и сила. В качестве силы выбираются такие показатели, которые важны для целей анализа, например, для межличностных связей это может быть продолжительность, интенсивность, близость, уровень взаимного доверия и пр.

Важными характеристиками являются общесетевые индикаторы. Показатель размера сети — число прямых связей между акторами, используется при измерениях величины исследуемых социальных групп. Сетевая плотность (сплоченность сети) показывает концентрацию связей в сети, чем их больше, тем активнее осуществляется взаимодействие в ней. Централизация сети зависит от разброса значений центральности акторов, является мерой неравенства индивидуальных показателей и демонстрирует степень иерархизированности сети.

Высокий коэффициент кластеризации говорит о том, что акторы плотно сгруппированы в сети вокруг нескольких центральных, а низкий означает, что связи в сети относительно равномерно распределены среди них. Максимальная связность показывает, что все акторы сети связаны. В сети, характеризующейся существенной степенью доминирования, большинство связей будут соединять центры с акторами в кликах. Совместный анализ доминирования и связности позволяет выявить различные типологии сетевых структур и характер взаимодействия.

В аппарате анализа сетей имеется ряд других факультативных сетевых метрик, которые описаны в литературе. В конечном итоге, выбор анализируемых сетевых метрик непосредственно зависит от стоящих перед исследователем задач.

Исследовательские проекты

Тщательное построение сетевой модели и комплексное изучение сетевых метрик позволяет исследователю с иного ракурса рассмотреть проблему, явно выявить коренные, и зачастую скрытые, факторы изучаемых исторических явлений. Достаточная результативность описываемого подхода обеспечило его популярность в среде зарубежных исследователей. Сегодня специалисты по всему миру пользуются его высоким потенциалом решения исследовательских задач во многих областях исторического знания: источниковедении, экономической истории, археологии, генеалогических исследованиях, нумизматике, сигиллографии, искусствоведении, биографике, лингвистике, этнографии и др. В качестве показательных примеров здесь следует привести множество международных исследовательских проектов, представляющих разнообразные области исторических исследований, в числе которых можно упомянуть: сетевая организация средиземноморской греческой колонизации И. Малкина; дорожная инфраструктура коммуникаций в Древнем Риме В. Шайделя и др.; торговля на российских реках в средние века Ф. Р. Питтса; недобросовестность в международной торговле на примере деятельности Британской Ост-Индской компании в 1601–1833 гг. Е. Эриксона и П. Бермана; социальные связи военной знати эпохи Юстиниана А. Парнелла; брак и социальная мобильность в позднем императорском Китае К. Кэмпбелла и Д. Ли; Влияние введения избирательной системы на систему родственных связей в политике Германии начала XIX в. К. Липп; социальная структура корреспондентов Цицерона М. С. Александра, Д. А. Дановски; пространственно-лингвистический анализ каталога судов в произведениях Гомера Б. Джаснау и К. Эванса ; персональные связи в раннем христианстве М. Гетты [4-13]. Заметное место методы исследования сетей заняли в инструментарии археологов. Критический анализ результатов археологического сетевого анализа приводятся в работах Т. Бругманса, Ф. Кауард, К. Кнаппета, А. Коллар, Б. Миллс, Р. Риверса, Т. Эванса и др. [14-17]. Продолжающийся рост числа исторических исследований с применением сетевых методов указывает на то, что это направление сейчас динамично развивается.

Расширяется успешный опыт использования методологии исследования сетей и в российской исторической науке. В этой связи хочется отметить ряд интересных проектов, выполненных отечественными исследователями: О. Б. Божковым по динамике социальной структуры на основе генеалогических деревьев, И. М. Гарсковой по сетевому анализу историографии, И. В. Забаевым и Е. В. Пруцковой по социологии религии, Р. Б. Кончаковым и Н. В. Стрекаловой по связям государственных служащих в начале ХХ в., А. Прохоровым и Н. Ларичевым — социограмма исторических личностей, В. С. Успенским о связях дворовых людей XVI в. и др. [18-23].

Таким образом, современная практика применения исследования сетей, включая упомянутые здесь проекты, с очевидностью убеждает, что рассматриваемая методология дает благоприятную возможность глубже заглянуть в суть исторической ситуации, органично дополняя дескриптивные и количественные методы. Рамки одной статьи, к сожалению, не позволяют подробно остановиться на каждом заслуживающем детального внимания проекте, тем не менее, с целью лучшей наглядности применения обсуждаемой методологии, ниже рассматриваются два характерных примера.

Пример 1. Изучение флорентийских семей Паджетта

Американский социолог Джон Паджетт изучал связи влиятельных флорентийских семей первой половины XV века. Исходный материал он черпал из исторического исследования Дэйла Кента «Возвышение Медичи: Кланы во Флоренции в 1426–1434 гг.» [24]. Данные, представленные в работе Кента были подвергнуты тщательному анализу самим Паджеттом и его коллегой К. Энселлом, а также Р. Брейгером и Ф. Паттисон [25-27]. На основе этих данных о 116 влиятельных флорентийских семьях Паджетт выделил для анализа и сформировал социальную сеть для 16 наиболее исторически важных (рис. 1). В качестве акторов он использовал семьи. Как отмечали Брейгер и Паттисон, семьи являются важным экономическим и политическим элементом: только концентрируя внимание на них, может быть лучше, чем при изучении отдельных лиц, понята история Флоренции XV в.

__1

Рис 1. Сеть 16 влиятельных флорентийских семей (J. Padgett, 1993)

В исследовании рассматривались три атрибута актора: чистое состояние семьи на 1427 год; число мест приоров в городском совете с 1182 по 1434 год; и общее число существующих деловых и брачных отношений (со всеми 116 семьями). Исследуемые связи представляли собой брачные и деловые отношения между семьями, которые использовались ими для закрепления политических и экономических альянсов. В качестве деловых связей изучались кредиты и займы, выданные или полученные у представителей других семей, либо совместные коммерческие предприятия. Таким образом, Паджетт получил одномодальную двуконтекстную сеть.

Как известно, начало 40-х годов XV века во Флоренции характеризовалось серьезной политической борьбой, главным образом, между семьями Медичи и Строцци, итогом которой явилось возвышение Медичи. Семья Медичи не выделялась среди других флорентийских семей ни по богатству или древности рода, ни по политическому влиянию. Но глава семьи Медичи — Козимо Старый (1389–1464) нашел особый стиль управления сложными взаимоотношениями классов, переплетением интересов и семейными кланами посредством налаживания широкой сети связей, и удержания в ней центрального положения. Такой стиль управления Паджетт назвал «устойчивое влияние». Его исследование наглядно показывает, как Козимо в 1427–1434 гг. мобилизует сетевые ресурсы и укрепляет свое положение за счет продуманных браков Медичи с представителями старой флорентийской знати, и одновременно ведения деловых операций исключительно с нуворишами, закрепляя альянсы с обеими группами. Становится понятным, что усиление политической мощи Медичи было достигнуто благодаря посредничеству — умелому использованию разобщенности флорентийской элиты и дельцов, которые оказывались соединены только посредством семьи Медичи. Приводимые автором расчеты многих показателей посредничества и центральности ясно характеризуют важные аспекты сетевой структуры.

Таким образом очевидно, что анализ структуры сети дает возможность значительно глубже заглянуть в суть вопроса, чем чисто политические и экономические доводы. Резюмируя, отметим, что данный пример, ставший уже классическим, наглядно демонстрирует, насколько эффективным может оказаться применение моделей исследования сетей для анализа и объяснения различных исторических явлений.

Пример 2. Сети в Византии

Активные сетевые исследования ведутся специалистами отдела византинистики Института средневековых исследований Австрийской Академии наук. Хочется подробнее остановиться на одном из последних исследований талантливого ученого Иоганнеса Прейсера-Капеллера «Политические фракции в Византии XIV века» выполняемое в рамках проекта «Отображая средневековые конфликты: цифровой подход к политической динамике в предсовременный период» [28]. Исследование изучает причины и динамику противоборства византийских элит в период 1282–1402 годов. В его ходе была построена сетевая модель византийской элиты, которая использует созданную базу данных, содержащую сведения о 2490 персонах и 336 географических объектах (местожительствах, местах путешествий, паломничества и торговли) и составленную на основе Просопографического лексикона времени Палеологов и других источников [29]. Полученная таким образом мультиконтекстная сеть отражает родственные, супружеские и дружеские связи, дипломатические контакты, а также отношения взаимопомощи, лояльности и противоборства между персонами — акторами сети.

Как известно XIV век был тяжелым периодом в истории Византии — империя страдала как от напора внешних врагов, так и от конфликтов между элитами внутри страны. Одним из сложных эпизодов стала гражданская война 1321–1328 годов между сторонниками императора Андроника II и приверженцами его внука Андроника III. В ходе исследования для анализа состава и структуры фракций Андроника II и Андроника III была создана локальная сетевая модель для 141 наиболее влиятельных представителей аристократии (динатов) и 381 связей (семейные, союзные и верноподданнические связи) между ними (рис. 2).

__2

Рис. 2. Визуализация сетевой модели византийской элиты 1321 г. (141 актор,). Заметна поляризация элиты между фракциями Андроника III (вверху) и Андроника II (J. Preiser-Kapeller, IMAFO/ÖAW, 2014).

Применение алгоритма Ньюмана для распознавания структуры сообществ в сетях, позволило обнаружить структурные «линии раскола» и выделить в сети 6 кластеров различного размера. Как и следовало ожидать, крупнейшие из них оказались сформированы окружением Андроника II и Андроника III — это свидетельствует, что еще до начала конфликта, элита начала группироваться вокруг двух противоборствующих сторон. Дальнейший анализ кластеров выявил их структурные различия и установил высокую значимость родственных групп для их формирования. Значения рассчитанных количественных сетевых параметров, таких как сетевая плотность и коэффициент кластеризации, говорят о том, что на стороне Андроника III присутствуют тесно связанные между собой под-кластеры нескольких влиятельных аристократических семей, а сплоченность между под-кластерами в кластере Андроника II выражена слабее и акторы свободно группируются вокруг представителей некоторых благородных семей. Из других четырех кластеров сети акторы группировались вокруг старой императорской семьи Палеологов, а также влиятельных семей Кабаллариев, Торников и Метохитов (рис. 3). Члены кластера Палеологов участвовали в гражданской войне на обеих сторонах, в то время как другие мелкие кластеры в основном приняли сторону Андроника II.

__3

Рис. 3. Выделенные кластеры элиты: слева-направо Андроника III, Торников, Метохитов, Палеологов (плотная в центре), Андроника II, Кабаллариев (J. Preiser-Kapeller, IMAFO/ÖAW, 2014).

Изучение структуры сети показало, что сплоченная коалиция плотных под-кластеров сторонников Андроника III в конечном итоге оказалась более эффективной, чем слабо связанная фракция Андроника II, в которой скоро стали очевидны признаки распада и где персоны и группы переходили с одной стороны на другую. Указанные различия в сплоченности представляются еще более наглядными на карте, когда удается отобразить распределение сил и их динамику в крупных городах империи, и становится понятным, что Андроник III сумел обеспечить верность центров повсеместно во всей подвластной Фракии. В то же время, преданность нескольких важных городов в регионах Андроника II в Македонии, включая второй по значимости центр империи — Салоники, оставалась нестабильной. В итоге, что и демонстрирует исследование сети, молодой Андроник III в 1328 году одержал окончательную победу над дедом.

Отделом византинистики Института средневековых исследований выполнено значительное число других интересных проектов сетевого анализа.

Литература

Существует достаточное количество материалов доступных для тех, кто заинтересован в углублении своих знаний в области исследования сетей и сетевого анализа. Это разнообразные книги и статьи, слайды и курсы (в том числе размещенные на специализированных веб-ресурсах: Academia, SlideShare, Coursera и пр.) К сожалению, большинство имеющихся материалов представлено только на иностранных языках.

Классическим учебником является книга С. Вассермана и К. Фауст «Анализ социальных сетей: методы и приложения» в котором рассмотрены все этапы анализа от сбора данных, и их обработки до анализа полученных результатов [30]. Она включает описание применяемого математического аппарата, и рекомендуется для историка, который хочет изучить все этапы анализа, чтобы прийти к пониманию его результатов на практике. Учебником по современным подходам к исследованию сетей является книга М. Ньюмана «Сети: введение», который знакомит читателя с техниками крупномасштабного исследования различного вида сетей, от биологических до социальных [31]. Он содержит много формальных и математических элементов, и рекомендуется для тех, кто хочет серьезно заниматься сетевыми исследованиями, и, возможно, создавать новые методы и инструменты анализа исторических сетей. Другим примером фундаментального курса является последняя монография известного автора А.-Л. Барабаши «Исследование сетей» [32].

Социальным аспектам исследования сетей посвящен целый спектр книг: С. Боргатти, М. Эверетт, Дж. Джонсон «Анализируя социальные сети», Ч. Кадушин «Понимание социальных сетей: теории, концепции, и выводы» , К. Прель «Анализ социальных сетей: история, теория, методология» и Г. Робинс «Проведение исследования социальных сетей: планирование исследования на основе сетей для социологов» [33-36]. Представляя собой качественные руководства по введению в тему, они понятно поясняют основные методы и лежащие в их основе социальные или психологические теории, и сосредоточены на практических вопросах проведения исследования и сбора данных.

Следует упомянуть о работах отечественных авторов. Книга Г. В. Градосельской «Сетевые измерения в социологии: Учебное пособие» описывает теоретические и практические основы анализа социальных сетей, содержит примеры решения типовых сетевых задач, контрольные задания и рекомендательный список литературы, что позволяет использовать книгу в качестве учебника [3]. Здесь же рассматриваются примеры сетей неформальной экономики и межсемейной поддержки, культурные и политические структуры в контексте современного направления в социологии - теории социального капитала. Другая книга «Социальные сети: модели информационного влияния, управления и противоборства» Д. А. Губанова, Д. А. Новикова и А. Г. Чхартишвили содержит основной математических аппарат анализа социальных сетей и сервисов [37]. В книге акцент делается на моделях сетевого информационного управления, так как онлайновые социальные сетевые сервисы стали, как показали последние исторические события, мощным инструментом информационного влияния, в том числе в целях манипулирования личностью, социальными группами и обществом в целом.

Для историков будут также интересны специализированные публикации, например, монографии М. Джексона «Социальные и экономические сети» и Д. Исли и Дж. Клейнберга «Сети, толпы, и рынки: Рассуждения о тесно взаимосвязанном мире» [38, 39]. В их числе находятся сборник «Узлы и ребра III. Анализ социальных сетей в исторических и политических исследованиях» [40]. В этих работах авторам удалось проследить взаимосвязи между абстрактными сетевыми концепциями и реальными историческими социально-экономическими явлениями, происходившими в мире. Замечено, что многие аспекты нашей жизни, регулируются социальными сетевыми структурами, и историку важно понимать, как они влияют на сознание и поведение; как сетевые структуры возникают, организуются и эволюционируют.

Также использованию методов анализа социальных сетей для целей исторических исследований посвящен объемный раздел книги «Исследуя большие исторические данные: Макроскоп историка» Ш. Грэма, И. Миллигана и С. Вайнгарта [41, с. 195–264]. Кроме этого существует целый ряд публикаций, в которых методы социального сетевого анализа рассматриваются на примерах использования определенных программных инструментов исследования сетей [42-45].

Инструменты исследования сетей

Современный информационные инструменты призваны облегчить количественный или качественный анализ сетей. Они дают возможность численно рассчитать их характеристики, и в большинстве случаев, позволяют наглядно визуализировать результаты. На текущий момент на рынке программного обеспечения представлено множество программных средств, предназначенных для сбора и ввода данных, анализа и построения сетей. Перечень наиболее популярных из них приводится ниже.

Gephi

Универсальный пакет визуализации социальных сетей всех типов способный реализовать построение сетей, содержащих миллионы узлов. Кроме того, он поддерживает все основные сетевые метрики и успешно используется для анализа.

ПО с открытым кодом. URL: https://gephi.org

GraphInsight

Инструмент, отличающийся великолепной масштабируемостью от десятков до нескольких миллионов акторов в сети.

Коммерческое ПО. URL: freecode.com/projects/graphinsight

i2 Analyst'sNotebook

Визуальный аналитический комплекс компании IBM, который позволяет оперативно обнаруживать ключевую информацию среди сложных данных и проводить актуальный анализ связей и ситуаций. Широко используется для предотвращения и расследования противоправных действий.

Коммерческое ПО. URL: www-03.ibm.com/software/products/en/analysts-notebook

NetMiner

Программное средство, решающее самый широкий круг исследовательских задач: помимо сетевых характеристик и визуализаций включает в себя набор базовых статистических функций, что позволяет сразу же подвергать сетевые данные статистической обработке.

Коммерческое ПО. URL: www.netminer.com

Network Overview Discovery Exploration for Excel (NodeXL)

Функциональный и легкий в использовании шаблон для пакета MS Excel, предназначенный для визуализации и анализа больших сетей. Обеспечивает вычисление метрик сети, построение графиков и визуализации структуры сети.

Бесплатное ПО. URL: nodexl.codeplex.com

Pajek

Инструмент обладает богатыми средствами визуализации и предназначен для исследования больших сетей, состоящих из миллионов узлов. Позволяет легко создавать визуальные представления взаимосвязей между исследуемыми объектами, конвертировать данные и файлы.

Бесплатное ПО. URL: pajek.imfm.si

Social Networks Visualizer (SocNetV)

В соответствии со своим говорящим названием, позволяет не только автоматизировать визуализацию, но и исследовать социальные и математические параметры сети, а также модифицировать ее внешний вид под собственные нужды.

Бесплатное ПО. URL: socnetv.sourceforge.net

Statnet (SNA for R)

Пакет анализа социальных сетей для среды статистических вычислений R, который реализует последние достижения в области статистического моделирования сети и включает развитые инструменты для создания модели, ее испытания и оценки, а также визуализации. Для среды R имеются и другие пакеты расширений для исследования сетей.

Свободное ПО с открытым кодом. URL: www.statnet.org

UCINET

Обеспечивает все основные методы анализа и средства конвертации данных. выявление узких мест в сети и потоков информации, проверка их целостности выявление кластеров, анализ ролей Для визуализации используется интегрированный модуль NetDraw.

Коммерческое ПО. URL: www.analytictech.com/ucinet

Приведенный перечень не является исчерпывающим, в том числе потому, что инструменты исследования социальных сетей постоянно совершенствуются и регулярно появляются новые [46].

***

Актуальность сетевых исследований в исторической науке будет возрастать, поскольку они сегодня получают всестороннее признание значительного круга историков и представителей смежных гумманитарных дисциплин. Резюмируя, хочется надеяться, что благоприятные качественные результаты, демонстрируемые методами исследования сетей, станут необходимым стимулом для их продуктивного использования отечественными учеными.

Библиография
1. Barnes J.A. Class and committees in a Norwegian island parish // Human Relations. 1954. № 7. pp. 39–58.
2. Borgatti S., Mehra A., Brass D., Labianca G. Network analysis in the social sciences // Science. 2009. № 323 (5916). pp. 892–895.
3. Градосельская Г.В. Сетевые измерения в социологии: Учебное пособие — М.: ИД "Новый учебник", 2004. 248 с.
4. Malkin I. A Small Greek World: Networks in the Ancient Mediterranean. Oxford: Oxford University Press, 2011. 308 p.
5. Scheidel W. The shape of the Roman world: modelling imperial connectivity // Journal Of Roman Archaeology. 2014. Vol. 27. pp. 7-32.
6. Pitts F.R. The medieval river trade network of Russia revisited // Social networks. 1979. Vol. 1. P. 285-292.
7. Erikson E., Bearman P. Malfeasance and the Foundations for Global Trade: The Structure of English Trade in the East Indies, 1601–1833 // American Journal of Sociology. 2006. Vol. 112(1). pp. 195–230.
8. Parnell D.A. The Social Networks of Justinian’s Generals // Journal of Late Antiquity. 2015. Vol. 8(1). pp. 114–135.
9. Campbell C., Lee J. Kin Networks, Marriage, and Social Mobility in Late Imperial China // Social Science History. 2008. Vol. 32. pp. 175–214.
10. Lipp C. Kinshipnetworks, Local Government and Elections in a Town in Southwest Germany 1800-1850 // Journal of Family History. 2005. Vol. 30(4). pp. 347–365.
11. Alexander M.C., Danowski J.A. Analysis of an Ancient Network: Personal Communication and the Study of Social Structure in a Past Society // Social Networks. 1990. Vol. 12(4). pp. 313–335.
12. Evans C., Jasnow B. Mapping Homer’s Catalogue of Ships // Lit Linguist Computing. 2014. Vol. 29(3). pp. 317-325.
13. Ghetta M. Briefe, Freundschaft und religiöse Netzwerke im frühen Christentum // Gesellschaftliche Umbrüche und religiöse Netzwerke. Analysen von der Antike bis zur Gegenwart. Bielefeld: Transcript Verlag, 2014. S. 45–64.
14. The Connected Past: Challenges to Network Studies in Archaeology and History / Ed. by T. Brughmans, A. Collar , F. Coward. Oxford: Oxford University Press, 2016. 224 p.
15. Network Analysis in Archaeology. New Approaches to Regional Interaction / Ed. by C. Knappett. Oxford: Oxford University Press, 2013. 351 p.
16. Rivers R., Knappett C., Evans T. Network Models and Archaeological Spaces // Computational Approaches to Archaeological Spaces. Walnut Creek, CA: Left Coast Press, 2013. pp. 99–126.
17. Collar A., Coward F., Brughmans T., Mills B.J. Networks in Archaeology: Phenomena, Abstraction, Representation // Journal of Archaeological Method and Theory. 2015. Vol. 22(1). pp. 1-32.
18. Божков О.Б. Родословные (генеалогические) деревья как объект социологического анализа // Социологический журнал. 1998. № 3/4. С. 117–143.
19. Гарскова И.М. Библиометрический и сетевой анализ историографии // Информационный бюллетень Ассоциации «История и компьютер». 2011. № 37. С. 39–48.
20. Забаев И.В., Пруцкова Е.В. Социальная сеть православной приходской общины: возможности применения анализа социальных сетей в социологии религии // Вестник ПСТГУ. Серия I: Богословие. Философия. 2013. № 4 (48). С. 120–136.
21. Кончаков Р.Б., Стрекалова Н.В. К проблеме изучения сетевых связей государственных служащих в провинциальном городе начала ХХ в. методами SNA. // Информационный бюллетень Ассоциации «История и компьютер». 2012. № 38. С. 111–112.
22. Прохоров А., Ларичев Н. Социальные сети в истории. [Электронный ресурс]. 2006. URL: http://www.sna-history.narod.ru/. Режим доступа свободный (дата обращения: 05.02.2017).
23. Успенский В.С. Государев двор во второй половине XVI в. как социальная сеть: предложение метода // Исторические биографии в контексте региональных и имперских границ Северной Европы. СПб.: НИУ ВШЭ, 2013. С. 27–34.
24. Kent D. The rise of the Medici: Faction in Florence, 1426—1434. — Oxford: Oxford University Press, 1978. 396 p.
25. Padgett J., Ansell C. Robust action and the rise of the Medici, 1400—1434 // American Journal of Sociology. 1993. Vol. 98(6). pp. 1259–1319.
26. Breiger R.L., Pattison P.E. Cumulated Social Roles: The Duality of Persons and Their Algebras // Social Networks. 1986. Vol. 8. pp. 215–256.
27. Padgett J.F., McLean P.D. Organizational Invention and Elite Transformation: The Birth of Partnership Systems in Renaissance Florence // American Journal of Sociology. Vol. 111. pp. 1463–1568.
28. Preiser-Kapeller J. Calculating the Middle Ages? The project “Complexities and networks in the Medieval Mediterranean and Near East” // Medieval Worlds. 2015. Vol. 2. pp. 100–127.
29. Proposographisches Lexikon der Palaiologenzeit. / Ed. Erich Trapp et al. CD-Rom Version. Vienna, 2001.
30. Wasserman S., Faust K. Social Network Analysis: Methods and Applications. — New York and Cambridge: Cambridge University Press, 1994. 857 p.
31. Newman M. Networks: An Introduction. — Oxford University Press, 2010. 720 p.
32. Barabási A.-L. Network Science. — Cambridge University Press, 2016. 474 p. Он-лайн версия курса: http://barabasi.com/networksciencebook/.
33. Borgatti S.P., Everett M.G., Johnson J.C. Analyzing Social Networks. — SAGE Publications Ltd., 2013. 304 p.
34. Kadushin С. Understanding Social Networks: Theories, Concepts, and Findings. — Oxford University Press, 2011. 252 p.
35. Prell C. Social Network Analysis: History, Theory and Methodology — SAGE Publications Ltd., 2011. 272 p.
36. Robins G. Doing Social Network Research: Network-based Research Design for Social Scientists. — SAGE Publications Ltd., 2015. 280 p.
37. Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. Социальные сети: модели информационного влияния, управления и противоборства. — М.: Издательство физико-математической литературы, 2010. 228 с.
38. Jackson M.O. Social and Economic Networks. — Princeton University Press, 2010. 520 p.
39. Easley D., Kleinberg J. Networks, Crowds, and Markets: Reasoning About a Highly Connected World. — Cambridge University Press, 2010. 727 p.
40. Knoten und Kanten III. Soziale Netzwerkanalyse in Geschichts- und Politikforschung. Bielefeld: Transcript verlag, 2015. 430 s.
41. Graham S., Milligan I., Weingart S. Exploring Big Historical Data: The Historian’s Macroscope. — World Scientific Publishing Co. Pte. Ltd., 2015. 308 p.
42. Luke D. A User's Guide to Network Analysis in R. — Springer, 2015. 238 p.
43. De Nooy W., Mrvar A., Batagelj V. Exploratory Social Network Analysis with Pajek. — Cambridge University Press, 2011. 362 p.
44. Hansen D., Shneiderman B., Smith M. Analyzing Social Media Networks with NodeXL: Insights from a Connected. — Morgan Kaufmann, 2010. 281 p.
45. Cherven K. Mastering Gephi Network Visualization. — Packt Publishing, 2015. 378 p.
46. Social network analysis software. [Электронный ресурс]. URL: https://en.wikipedia.org/wiki/Social_network_analysis_software Режим доступа свободный (дата обращения: 05.02.2017).
References
1. Barnes J.A. Class and committees in a Norwegian island parish // Human Relations. 1954. № 7. pp. 39–58.
2. Borgatti S., Mehra A., Brass D., Labianca G. Network analysis in the social sciences // Science. 2009. № 323 (5916). pp. 892–895.
3. Gradosel'skaya G.V. Setevye izmereniya v sotsiologii: Uchebnoe posobie — M.: ID "Novyi uchebnik", 2004. 248 s.
4. Malkin I. A Small Greek World: Networks in the Ancient Mediterranean. Oxford: Oxford University Press, 2011. 308 p.
5. Scheidel W. The shape of the Roman world: modelling imperial connectivity // Journal Of Roman Archaeology. 2014. Vol. 27. pp. 7-32.
6. Pitts F.R. The medieval river trade network of Russia revisited // Social networks. 1979. Vol. 1. P. 285-292.
7. Erikson E., Bearman P. Malfeasance and the Foundations for Global Trade: The Structure of English Trade in the East Indies, 1601–1833 // American Journal of Sociology. 2006. Vol. 112(1). pp. 195–230.
8. Parnell D.A. The Social Networks of Justinian’s Generals // Journal of Late Antiquity. 2015. Vol. 8(1). pp. 114–135.
9. Campbell C., Lee J. Kin Networks, Marriage, and Social Mobility in Late Imperial China // Social Science History. 2008. Vol. 32. pp. 175–214.
10. Lipp C. Kinshipnetworks, Local Government and Elections in a Town in Southwest Germany 1800-1850 // Journal of Family History. 2005. Vol. 30(4). pp. 347–365.
11. Alexander M.C., Danowski J.A. Analysis of an Ancient Network: Personal Communication and the Study of Social Structure in a Past Society // Social Networks. 1990. Vol. 12(4). pp. 313–335.
12. Evans C., Jasnow B. Mapping Homer’s Catalogue of Ships // Lit Linguist Computing. 2014. Vol. 29(3). pp. 317-325.
13. Ghetta M. Briefe, Freundschaft und religiöse Netzwerke im frühen Christentum // Gesellschaftliche Umbrüche und religiöse Netzwerke. Analysen von der Antike bis zur Gegenwart. Bielefeld: Transcript Verlag, 2014. S. 45–64.
14. The Connected Past: Challenges to Network Studies in Archaeology and History / Ed. by T. Brughmans, A. Collar , F. Coward. Oxford: Oxford University Press, 2016. 224 p.
15. Network Analysis in Archaeology. New Approaches to Regional Interaction / Ed. by C. Knappett. Oxford: Oxford University Press, 2013. 351 p.
16. Rivers R., Knappett C., Evans T. Network Models and Archaeological Spaces // Computational Approaches to Archaeological Spaces. Walnut Creek, CA: Left Coast Press, 2013. pp. 99–126.
17. Collar A., Coward F., Brughmans T., Mills B.J. Networks in Archaeology: Phenomena, Abstraction, Representation // Journal of Archaeological Method and Theory. 2015. Vol. 22(1). pp. 1-32.
18. Bozhkov O.B. Rodoslovnye (genealogicheskie) derev'ya kak ob''ekt sotsiologicheskogo analiza // Sotsiologicheskii zhurnal. 1998. № 3/4. S. 117–143.
19. Garskova I.M. Bibliometricheskii i setevoi analiz istoriografii // Informatsionnyi byulleten' Assotsiatsii «Istoriya i komp'yuter». 2011. № 37. S. 39–48.
20. Zabaev I.V., Prutskova E.V. Sotsial'naya set' pravoslavnoi prikhodskoi obshchiny: vozmozhnosti primeneniya analiza sotsial'nykh setei v sotsiologii religii // Vestnik PSTGU. Seriya I: Bogoslovie. Filosofiya. 2013. № 4 (48). S. 120–136.
21. Konchakov R.B., Strekalova N.V. K probleme izucheniya setevykh svyazei gosudarstvennykh sluzhashchikh v provintsial'nom gorode nachala KhKh v. metodami SNA. // Informatsionnyi byulleten' Assotsiatsii «Istoriya i komp'yuter». 2012. № 38. S. 111–112.
22. Prokhorov A., Larichev N. Sotsial'nye seti v istorii. [Elektronnyi resurs]. 2006. URL: http://www.sna-history.narod.ru/. Rezhim dostupa svobodnyi (data obrashcheniya: 05.02.2017).
23. Uspenskii V.S. Gosudarev dvor vo vtoroi polovine XVI v. kak sotsial'naya set': predlozhenie metoda // Istoricheskie biografii v kontekste regional'nykh i imperskikh granits Severnoi Evropy. SPb.: NIU VShE, 2013. S. 27–34.
24. Kent D. The rise of the Medici: Faction in Florence, 1426—1434. — Oxford: Oxford University Press, 1978. 396 p.
25. Padgett J., Ansell C. Robust action and the rise of the Medici, 1400—1434 // American Journal of Sociology. 1993. Vol. 98(6). pp. 1259–1319.
26. Breiger R.L., Pattison P.E. Cumulated Social Roles: The Duality of Persons and Their Algebras // Social Networks. 1986. Vol. 8. pp. 215–256.
27. Padgett J.F., McLean P.D. Organizational Invention and Elite Transformation: The Birth of Partnership Systems in Renaissance Florence // American Journal of Sociology. Vol. 111. pp. 1463–1568.
28. Preiser-Kapeller J. Calculating the Middle Ages? The project “Complexities and networks in the Medieval Mediterranean and Near East” // Medieval Worlds. 2015. Vol. 2. pp. 100–127.
29. Proposographisches Lexikon der Palaiologenzeit. / Ed. Erich Trapp et al. CD-Rom Version. Vienna, 2001.
30. Wasserman S., Faust K. Social Network Analysis: Methods and Applications. — New York and Cambridge: Cambridge University Press, 1994. 857 p.
31. Newman M. Networks: An Introduction. — Oxford University Press, 2010. 720 p.
32. Barabási A.-L. Network Science. — Cambridge University Press, 2016. 474 p. On-lain versiya kursa: http://barabasi.com/networksciencebook/.
33. Borgatti S.P., Everett M.G., Johnson J.C. Analyzing Social Networks. — SAGE Publications Ltd., 2013. 304 p.
34. Kadushin S. Understanding Social Networks: Theories, Concepts, and Findings. — Oxford University Press, 2011. 252 p.
35. Prell C. Social Network Analysis: History, Theory and Methodology — SAGE Publications Ltd., 2011. 272 p.
36. Robins G. Doing Social Network Research: Network-based Research Design for Social Scientists. — SAGE Publications Ltd., 2015. 280 p.
37. Gubanov D.A., Novikov D.A., Chkhartishvili A.G. Sotsial'nye seti: modeli informatsionnogo vliyaniya, upravleniya i protivoborstva. — M.: Izdatel'stvo fiziko-matematicheskoi literatury, 2010. 228 s.
38. Jackson M.O. Social and Economic Networks. — Princeton University Press, 2010. 520 p.
39. Easley D., Kleinberg J. Networks, Crowds, and Markets: Reasoning About a Highly Connected World. — Cambridge University Press, 2010. 727 p.
40. Knoten und Kanten III. Soziale Netzwerkanalyse in Geschichts- und Politikforschung. Bielefeld: Transcript verlag, 2015. 430 s.
41. Graham S., Milligan I., Weingart S. Exploring Big Historical Data: The Historian’s Macroscope. — World Scientific Publishing Co. Pte. Ltd., 2015. 308 p.
42. Luke D. A User's Guide to Network Analysis in R. — Springer, 2015. 238 p.
43. De Nooy W., Mrvar A., Batagelj V. Exploratory Social Network Analysis with Pajek. — Cambridge University Press, 2011. 362 p.
44. Hansen D., Shneiderman B., Smith M. Analyzing Social Media Networks with NodeXL: Insights from a Connected. — Morgan Kaufmann, 2010. 281 p.
45. Cherven K. Mastering Gephi Network Visualization. — Packt Publishing, 2015. 378 p.
46. Social network analysis software. [Elektronnyi resurs]. URL: https://en.wikipedia.org/wiki/Social_network_analysis_software Rezhim dostupa svobodnyi (data obrashcheniya: 05.02.2017).