Архив статей журнала
Статья посвящена анализу эпистемологических и методологических проблем интеграции цифровых следов в эмпирическую социологию. Актуальность темы определяется ростом объёма цифровых данных и необходимостью их осмысленной интеграции в социальные науки. Как показывает опыт других исследователей, на текущий момент анализ цифровых поведенческих данных вызывает скорее объект критики. Из этого напрямую вытекает цель данной статьи - проанализировать и выявить эпистемологические и методологические сложности интеграции цифровых следов в социологическую традицию, а также показать, что работа с подобного типа данными находится в гораздо более широкой историко-теоретической рамке. Кроме того, поставлена задача обосновать необходимость интерпретативного подхода на любых объемах цифровых данных и подчеркнуть необходимость контекстуализации и критической рефлексии на всех этапах исследования. Методологическую основу статьи составляют общенаучные методы - теоретико-методологический анализ, сравнение и обобщение научных источников по проблеме исследования. В результате исследования обоснована необходимость комплексного подхода, предполагающего различную основу источников цифровых поведенческих данных, сочетание количественного анализа цифровых данных с интерпретацией, учёта платформенной специфики, возможной алгоритмической селекцией при формировании выборки выгружаемых данных и необходимость проверки аутентичности данных на наличие автоматизированной активности. Сделан вывод о необходимости критического отношения на всех этапах исследования к цифровым данным и понимания их как знаков, требующих научной рефлексии, а не как готовых эмпирических фактов. Тем не менее, выявлено, что такая точка зрения прослеживается и в более ранних ключевых работах о нереактивной исследовательской стратегии в социологии. На основе проведенной работы были предложены рекомендации и примеры работ, использующих интепретативную рамку, как на уровне качественной стратегии цифровых исследований, так в масштабах, понимающихся в широком дискурсе, как Большие данные.