Obliczenia naukowe w naukach społecznych

obowiązkowe

Minimum podstawowa znajomość R lub Python. Znajomość podstaw algebry liniowej.

w sali

Na wykładzie omawiane są podstawowe zastosowania symulacji komputerowych w naukach społecznych. Przedstawiane są podstawowe rodzaje obliczeń takie jak analiza sieci, elementy sztucznej inteligencji, obliczenia agentowe, wnioskowanie statystyczne czy zaawansowana wizualizacja. Poszczególne rodzaje obliczeń ilustrowane są przykładowymi zastosowaniami do różnych problemów socjologicznych lub społecznych.

Wykład ma na celu wprowadzenie studentów w interdyscyplinarną dziedzinę, łączącą metody obliczeniowe z analizą zjawisk społecznych. Kurs obejmuje zarówno teoretyczne podstawy, jak i praktyczne zastosowania, w tym analizę sieci społecznych, modelowanie agentowe, teorię gier, automaty komórkowe oraz przetwarzanie języka naturalnego (NLP). Studenci poznają narzędzia analizy danych wielkoskalowych oraz techniki symulacji społecznych, a także zaawansowane metody analizy tekstu z wykorzystaniem dużych modeli językowych (LLM) i inżynierii promptów. Wykład koncentruje się również na teorii sieciowej, omawiając procesy dyfuzji, kapitał społeczny i formowanie się sieci. Całość uzupełniona jest dyskusją nad etycznymi wyzwaniami związanymi z wykorzystaniem danych oraz przykładowymi zastosowaniami omówionych metod w badaniach nad opinią publiczną, zachowaniami politycznymi, dyfuzją innowacji i strukturami społecznymi.

Tematyka zajęć:

1. Wprowadzenie do Obliczeniowych Nauk Społecznych (CSS): Definicje, historia, rozwój, kluczowe koncepcje, metody i narzędzia, wyk. 2 godz.

2.Big Data w naukach społecznych: Charakterystyka i źródła danych wielkoskalowych. Wyzwania i możliwości analizy Big Data w kontekście badań społecznych, wyk. 2 godz.

3. Metody analizy sieci społecznych (Social Network Analysis, SNA): Teoria grafów, metryki sieciowe, wizualizacja sieci społecznych, zastosowania SNA w analizie struktur społecznych, wyk. 3 godz., lab. 4 godz.

4. Teorie sieciowe w naukach społecznych: Teoria równowagi strukturalnej - analiza stabilności i konfliktów w strukturach sieciowych. Teorie kapitału społecznego i zasobów społecznych. Procesy dyfuzji w sieciach społecznych - modele rozprzestrzeniania się informacji, innowacji i zachowań. Mechanizmy tworzenia i ewolucji sieci społecznych, wyk. 3 godz.

5. Tradycyjne modele zjawisk społecznych: Teoria gier i jej zastosowania do analizy interakcji społecznych, strategii współpracy i konfliktu. Automaty komórkowe i modelowanie dynamiki procesów przestrzennych i wpływu społecznego. Modele przestrzennej teorii wyborów - analiza decyzji politycznych i preferencji wyborczych w przestrzeni politycznej, wyk. 3 godz.

6. Modelowanie agentowe (Agent-Based Modeling, ABM): Zasady tworzenia modeli agentowych. Przykłady symulacji społecznych, analiza dynamiki społecznej i zachowań zbiorowych, wyk. 3 godz.

7. Analiza tekstu i przetwarzanie języka naturalnego (NLP) w badaniach społecznych: Techniki analizy tekstu, wykrywanie nastrojów (sentiment analysis), klasyfikacja tematów (topic modeling), zastosowania NLP, wyk. 2 godz.

8. Duże modele językowe (Large Language Models, LLM): Podstawy dużych modeli językowych, architektura i trenowanie. Inżynieria promptów - tworzenie efektywnych promptów dla modeli językowych. Zastosowanie LLM w naukach społecznych: analiza narracji, generowanie tekstów, wspomaganie badań społecznych, wyk. 4 godz.

9. Eksperymenty obliczeniowe i symulacje: Projektowanie i analiza eksperymentów wirtualnych. Zastosowanie symulacji do testowania hipotez i przewidywania trendów społecznych, wyk. 2 godz.

10. Etyka i wyzwania związane z danymi: Problemy etyczne, prywatność danych, uprzedzenia algorytmiczne, odpowiedzialne korzystanie z danych w badaniach społecznych, wyk. 2 godz.

David Lazer et al. (2009). Computational Social Science. Science 323, 721-723. DOI:10.1126/science.1167742

David Lazer et al. (2020). Computational social science: Obstacles and opportunities. Science 369, 1060-1062. DOI:10.1126/science.aaz8170

Alex Pentland (2015). Social Physics: How Social Networks Can Make Us Smarter. Penguin Books

Nigel Gilbert and Klaus G. Troitzsch (2005). Simulation for the Social Scientist. Buckingham: Open University Press

Nigel Gilbert (2007). Agent-Based Models. SAGE Publications

Newman, M. E. J. (2003). The Structure and Function of Complex Networks. SIAM review 45 (2), 167-256 10.1137/S00361445034248

Ulrik Brandes and Thomas Erlebach (2005). Network Analysis: Methodological Foundations. Springer

Wiedza: student zna i rozumie

W1 - zna w sposób pogłębiony wybrane techniki pozyskiwania danych oraz modelowania struktur społecznych i procesów w nich zachodzących, a także identyfikowania rządzących nimi prawidłowości [K_W10]

Umiejętności: student potrafi

U1 - potrafi planować i przeprowadzać symulacje komputerowe, analizować ich wyniki i wyciągać wnioski [K_U10]

U2 - potrafi ocenić przydatność i możliwość wykorzystania nowych rozwiązań sprzętowych i programistycznych do rozwiązywania problemów obliczeniowych w wybranej dziedzinie zastosowań [K_U13]

U3 - potrafi dokonać analizy problemu i określić algorytmy i metody obliczeniowe przydatne do jego rozwiązania [K_U17]

Metody i kryteria oceniania opierają się na napisaniu pracy zaliczeniowej z zakresu obliczeniowych nauk społecznych. Studenci mają za zadanie przygotować pracę o objętości 10-12 stron, napisaną w języku polskim lub angielskim, która może mieć charakter przeglądowy lub empiryczny. Prace przeglądowe powinny zawierać elementy teoretyczne i przegląd literatury, natomiast prace empiryczne muszą obejmować analizę danych społecznych, opis problemu badawczego oraz wnioski z analizy. Ważne jest, aby prace były oparte na rzetelnych źródłach naukowych i zawierały spójną argumentację. Temat pracy musi być skonsultowany z prowadzącym, aby zapewnić jego odpowiednią precyzję i głębokość analizy. Ocena końcowa będzie uwzględniała jakość argumentacji, adekwatność wykorzystanych źródeł oraz stopień spełnienia wymogów formalnych.

UWAGA

1. Zwolnienie lekarskie nie zwalnia ze znajomości materiału. Uprawnia jedynie do zindywidualizowanej formy zaliczenia.

2. Osoby, które otrzymały zgodę na indywidualny tok studiów, mają obowiązek zgłosić się koordynatora przedmiotu w celu ustalenia sposobu realizacji wszystkich efektów uczenia się przypisanych do zajęć. W przypadku braku możliwości realizacji wyżej wymienionych efektów koordynator może odmówić zaliczenia przedmiotu.

3. Obecność na zajęciach jest obowiązkowa. W sytuacjach uzasadnionych nieobecności, student zobowiązany jest do niezwłocznego kontaktu z koordynatorem przedmiotu.