Цифровой мониторинг социально-экономического положения населения города

Полякова Александра Григорьевна доктор экономических наук профессор, кафедра экономики и организации производства, ФГБОУ ВО "Тюменский индустриальный университет" 301800, Россия, г. Тюмень, ул. Володарского, 38 Polyakova Aleksandra Grigorievna Doctor of Economics Professor, the department of Economics and Production Engineering, Tyumen Industrial University 301800, Russia, g. Tyumen', ul. Volodarskogo, 38 agpolyakova@mail.ru Другие публикации этого автора

Ахметшин Эльвир Мунирович старший преподаватель, кафедра экономики и менеджмента, Федеральное государственное автономное образовательное учреждение ВО “Казанский (Приволжский) федеральный университет”, Елабужский институт 423603, Россия, республика Татарстан, г. Елабуга, ул. Казанская, 89 Akhmetshin Elvir Munirovich Senior Educator, the department of Economics and Management, Kazan (Volga Region) Federal University, Yelabuga Institute 423603, Russia, respublika Tatarstan, g. Elabuga, ul. Kazanskaya, 89 elvir@mail.ru

Исследование выполнено при финансовой поддержке РФФИ и Курганской области в рамках научного проекта № 19-411-450001/19

The study was funded by RFBR and Kurgan oblast under research project № 19-411-450001/19

На сегодняшний день следует отметить недостаточную эффективность в функционировании каналов обратной связи, существующих между органами власти и населением города – носителем власти, в силу чего возможно возникновение ситуаций, когда принимаемые управленческие решения в социально-экономической сфере не только не вызывают одобрение, но и создают общественный резонанс. В условиях развития информационно-коммуникационных технологий увеличиваются возможности идентификации реакций различных социальных групп на разворачивающиеся в городской среде процессы, принимаемые муниципальными органами власти управленческие решения, что актуализирует роль исследования потенциала, заложенного в цифровой социологии и процессах мониторинга, реализуемых с ее применением.

Постановка проблемы и цель исследования

Массивы данных самого различного плана, включая текстовые данные, изображения, видео, звуки и геолокации могут быть сформированы на основе социальных сетей. В силу этого возрастает потребность в моделировании систем, дающих возможность диагностики и выявления реакций населения города за счет формирования и обработки массивов больших данных, извлеченных из цифровой среды, представленной социальными медиа (микроблогами, социальными сетями, веб-сервисами, социальными новостями, обзорами и мнениями и пр.) ^[1].

Значительный рост использования социальных сетей привел к накоплению большего объема данных. Многие усматривают возможность разрешения проблемы эффективности мониторинга городской среды в применении инструментария цифровой социологии и операционализации больших данных ^[2] – массивов структурированных и неструктурированных данных, обработка которых с использованием традиционных методов затруднительна. Они обладают значительным потенциалом, позволяя в режиме онлайн получать оперативные результаты диагностики, подвергать анализу всю совокупность данных, а не выборку, применять различные машинные алгоритмы, идентифицирующие неявные связи.

Таким образом, в ходе исследования была сформулирована цель, предполагающая обоснование процедуры создания в среднесрочной перспективе современного алгоритма поддержки управленческих решений, основанного на комплексном информационном обеспечении за счет сбора и обработки массивов больших данных социально-экономического характера о состоянии городской среды.

Анализ научной литературы

При переходе общества на новый технологический уклад повышается роль цифровой социологии и экономики, положений Индустрии 4.0. К числу новых, нерешенных в современной науке задач, относятся вопросы инновационного развития городских социально-экономических систем, тесно переплетенные с проблематикой динамического неравновесия и псевдо-устойчивости систем ^{[3; 4]}, а также управления ими.

Цифровая социология, в частности, применительно к городской среде представляет собой достаточно новое междисциплинарное направление исследований. Прологом к концептуализации изначально цифровой экономики и, в дальнейшем, социологии, стали работы Н. Винера и А. Тьюринга, а собственно концепт стал возможен в результате обобщения достижений Д. Бэлла, Э. Тоффлера и Дж. Гэлбрейта, дополненных теорией информационных сетей.

На сегодняшний день понятие «цифровая социология» находится в стадии становления и, как правило, рассматривается в контексте применения цифровых средств массовой информации в жизнедеятельности городских поселений, их влияния на социальные отношения и поведения индивида.

Если понятие «цифровая экономика» встречается достаточно часто, то термин «цифровая социология» пока не получил широкого распространения и только начинает появляться в научном обороте. Впервые он встречается в статье, опубликованной в 2009 году Д. Винном ^[5], и в дальнейшем был описан Р. Нилом ^[6] в 2010 году. В последующем были опубликованы работы, раскрывающие предмет цифровой социологии ^[7] и определяющие её как направление, изучающее использование цифровых средств массовой информации в повседневной жизнедеятельности. Социальный мониторинг был включен в предметную область цифровой социологии во многом благодаря работе Н. Марес ^[8], обеспечившей инкорпорирование возможностей цифровых технологий в исследование и корректировку социальной динамики.

Сегодня цифровая социология имеет теоретический каркас, подкрепленный теориями постиндустриализма, информационного общества, цифровизации и т.д. Многие исследователи предлагают новые прочтения прежних социологических концепций с учетом появления и развития цифровой реальности ^[9]. Вместе с тем предстоит значительная работа по расширению методического базиса и включению новых алгоритмов и технологий в исследование социальных процессов ^[10], равно как и по разработке механизмов их применения для управления социально-экономическими процессами, имеющими место в городской среде.

Основные результаты исследования

В рамках механизма построения инновационной информационной системы для мониторинга социально-экономического положения городского населения и его настроений, собирающей в себе принципы цифровой социологии, синергетических явлений публичной городской власти и населения, предполагается описание структуры имеющихся данных, порядка их цензурирования и манипуляций с ними, особенностей поддержания их в целостности. К составляющим такого механизма, его построения и функционирования как информационно-аналитической системы больших данных относятся:

1. Прием данных. Поставщиками данных могут выступать различные источники, в том числе интерфейсы доступа устройств и датчиков, контент социальных сетей и сайтов, корпоративных и общегородских информационных систем, а также данные, импортированные из других систем.

2. Сбор данных. Сбор данных предполагает непосредственное взаимодействие с системами хранения. Сбор и ранняя обработка неструктурированных данных осуществляются при помощи технологических решений многопоточного непрерывного сбора и параллельной обработки массивов в режиме «онлайн».

3. Оперативный и интеллектуальный анализ данных. Такой анализ позволяет оператору выявить ключевые описательные показатели, такие как частота и контекст упоминаний события или индивида в разрезе качеств или процессов, ключевых акторов, участвующих в обсуждении индивида или события, коннотацию отзывов, данные индивидов, входящих в целевую аудиторию (возраст, локацию и пр.). Интеллектуальный анализ обладает более широким спектром возможностей, так как ориентирован на применение инновационных методик, позволяя тем самым включать механизмы поведенческой психологии в её системной связи с методами, надежными с точки зрения статистики.

4. Представление результатов.

Анализ процессов, явлений и реакций подчинен определенному алгоритму, реализуемому на базе конкретных программных продуктов, таких как алгоритмы сбора и обработки информации, представленные в виде пользовательского интерфейса. Функционал разработанных программных решений должен обеспечивать автоматизированное выполнение следующих действий:

1. Сбор данных социальных сетей Twitter, Facebook, Instagram и пр.

2. Связывание входных данных (акторов из различных источников в одну базу данных).

3. Отображение, фильтрация полученной базы данных.

4. Выгрузка полученных данных в XML/JSON/CSV форматах для последующего анализа.

Результатом данных процедур должна стать база данных, работа с которой реализуется с использованием специализированных программных продуктов ^[11], обеспечивающих формирование отчетных форм и визуализацию результатов мониторинга, адаптацию массива информации для последующей обработки системами статистического анализа данных и применения в публичной городской политике.

Выводы и перспективные направления исследования

Разработка информационно-аналитической системы требует решения таких перспективных задач, как создание высокопроизводительной системы хранения данных, систем сбора данных из социальных сетей, приспособление существующих решений расчета показателей, оценивающих мнение конкретных городских групп или отдельных индивидов, к значимым объектам или субъектам.

При разработке алгоритмов сбора, обработки, фильтрации и анализа массивов больших данных, характеризующих социально-экономическое положение горожан, задействуются технологии, включающие в себя идентификацию неявных связей, а также анализ текстовой, визуальной и картографической информации с последующим распознаванием смыслов, образов и концептов ^{[12; 13]}. Обработка данных в таком случае реализуется различными методами, задействующими предиктивную аналитику, инструментарий исторических и математических аналогий и другие средства реконструирования характеристик социальных процессов и явлений. Анализом могут быть охвачены не только текстовые данные, характеризующие человеческую речь, но и аудиовизуальная информация, а также географические координаты или числовые данные.

Наряду с набором традиционных аналитических инструментов и процедур могут быть задействованы алгоритмы глубокого машинного обучения, позволяющие дополнить аналитический потенциал специалиста мощностями самообучающейся нейросети. Набор средств здесь простирается от генетических алгоритмов и многомерной классификации данных до построения деревьев ассоциаций, распознавания паттернов и распознавания смыслов, эмоций, тональности спикеров и т.д. Дальнейшая углубленная обработка данных может способствовать созданию моделей на основе искусственного интеллекта и нейронных сетей, позволяющих также строить и достоверные прогнозы относительно разных показателей, в частности, в контексте настроений, имеющих место в городской среде.