Nodes and Links

▪️Pure Graphs / Структурные графы Это графы без текста (транспортные сети, электроцепи и т.п.). LLM получают список рёбер и задачи: найти циклы, связность, гамильтонов путь. Это проверка суждений без опоры на текстовые паттерны. ▪️ Text-Paired Graphs / Текстово-сопряжённые графы Текст описывает весь граф. Например, в молекуле: атомы – узлы, связи – рёбра, текст – свойства (токсичность, растворимость). Или сеть отношений между героями художественной книги. ▪️ Text-Attributed Graphs / Семантически обогащённые графы Самый массовый тип. Узлы и/или рёбра имеют текстовые описания: академические сети (статьи, цитирования), соцсети (профили, посты), e-commerce (товары, покупки). Здесь текст и структура могут расходиться: семантически близкие статьи не всегда цитируют друг друга. Задача – построить представления, учитывающие оба источника. То, как добиться наибольшей точности при анализе этих типов графов с использованием LLM читайте в обзоре авторов.

Как LLM переписывают правила сетевого анализа В конце 2024 года в вышел фундаментальный обзор (200+ источников), систематизирующий всё, что было сделано на стыке больших языковых моделей (LLM) и графов. Авторы предлагают первую полную таксономию области, классифицируя методы по двум осям: тип графа и роль LLM. Зачем соединять LLM и графы? LLM впечатляюще работают с текстом, но реальные данные редко бывают изолированными: статьи связаны цитированиями, пользователи – дружбой, молекулы – химическими связями. Графовые нейронные сети (GNN) эффективны со структурой, но не воспринимают семантику; LLM понимают текст, но не видят связи. Задача – объединить оба подхода. Ниже мы рассмотрим три типа графов, подходы к анализу которых разбираются в статье.

Как LLM переписывают правила сетевого анализа В конце 2024 года в IEEE TKDE вышел фундаментальный обзор, систематизирующий всё, что было сделано на стыке LLM и графов. Авторы предлагают первую полную таксономию области, классифицируя методы по двум осям: тип графа и роль LLM. Работа охватывает 200+ источников. Зачем соединять LLM и графы? LLM впечатляюще работают с текстом, но реальные данные редко бывают изолированными: статьи связаны цитированиями, пользователи – дружбой, молекулы – химическими связями. GNN эффективны со структурой, но не воспринимают семантику; LLM понимают текст, но не видят связи. Задача – объединить оба подхода.

Три типа графов 1. Pure Graphs (Структурные графы) Это графы без текста (транспортные сети, электроцепи и тд). LLM получают список рёбер и задачи: найти циклы, связность, гамильтонов путь. Это проверка рассуждений без опоры на текстовые паттерны. - Результаты: на простых задачах (подсчёт узлов) точность выше 90% на графах до 10 узлов. На средних (кратчайший путь) точность падает: GPT-4 на 10–20 узлах даёт 60–70%, на 50 – ниже 40%. Chain-of-Thought помогает на простых задачах, но на сложных прирост нестабилен. Сложные задачи (гамильтонов путь) практически не решаются. - Что помогает: Build-a-Graph prompting – модель реконструирует релевантный подграф. Наиболее надёжно – вызов внешних алгоритмов (Graph-ToolFormer): LLM генерирует API-запрос и получает точный результат. - Вывод: LLM не заменяют алгоритмы, но могут быть интерфейсом к ним.

Приглашаем Вас принять участие в нашей секции «Социальная инклюзия, границы сообществ и циркуляция знаний: возможности сетевого анализа» (Секция 15) в рамках VI Международной научной конференции "Интеракция. Интеграция. Инклюзия: на перекрестках знаний и ценностей". Дедлайн подачи заявок на участие с докладом: 5 июля 2026 г. Для участия необходимо заполнить онлайн-форму заявки. Конференция проходит онлайн. Наша секция объединяет исследования, использующие сетевой анализ для изучения того, как формируются границы сообществ, воспроизводятся инклюзия и эксклюзия, а также циркулируют знания, ресурсы и позиции в социальных, профессиональных и академических полях. В центре внимания секции: механизмы поляризации, профессиональной и академической фрагментации, морального дистанцирования, а также методические возможности сетевого анализа в исследовании этих процессов.

Всем привет! Делимся с вами подборкой дней открытых дверей магистреской программы «Data Analytics and Social Statistics» («Аналитика данных и прикладная статистика») на июль: 🔸 2 июля в 18:00 состоится вебинар "Реализация журналистских ролей" - на вебинаре Сергей Давыдов расскажет об опыте участия в международном исследовательском проекте "Реализация журналистских ролей", включая результаты сетевого анализа массива данных, собранных в рамках исследования в 37 странах. Ссылка на регистрацию 🔹 9 июля в 18:00 ждем вас на вебинар "От данных к решениям в финансовой сфере" - на вебинаре поговорим о том, как данные становятся основой для принятия решений в финансовой сфере, какие задачи решают аналитики и почему сегодня недостаточно просто владеть инструментами обработки данных. Ссылка на регистрацию 🔸 16 июля в 18:00 мы проведем вебинар "Поиск и работа с медицинскими публикациями в базе OpenAlex, базовая работа с применением языка R" - на вебинаре Михаил Мешков расскажет про базовые возможности работы с OpenAlex, отличия от PubMed и расскажет про API и библиометрию. Ссылка на регистрацию 🔹 23 июля в 18:00 приглашаем вам на вебинар "Наука в магистратуре: от курсовой работы до статьи в ведущем журнале" - на семинаре Наталия Матевеева расскажет о научной работе, которая ожидает студентов нашей программы: программа минимум и программа максимум. Ссылка на регистрацию Ждем всех🧡

Если вы занимаетесь исследованиями, то точно слышали про «качественные» и «количественные» методы, и, скорее всего, не раз сталкивались с негласным противостоянием между ними. Элоиза Белотти в своей книге «Qualitative Networks: Mixed methods in sociological research» показывает, что в сетевом анализе это разделение теряет смысл и обедняет исследования. Для Белотти, структура и культура неразделимы: сети возникают из взаимодействий, но сами взаимодействия всегда наполнены смыслами, нормами и символическим обменом. Особенно интересно читать, как Белотти применяет смешанные методы: анализ сетей дружбы через глубинные интервью, этнография уличных группировок Милана и изучение академической коллаборации философов при помощи архивных данных. Белотти показывает как качественные методы дополняют количественный сетевой анализ и помогают не только измерять и описывать структуру отношений, но и понимать смыслы, стоящие за ней. Меня эта книга вдохновила обратиться к качественным методам в своих сетевых исследованиях.

Напоминаем про семинар «Социальные медиа сквозь призму сетевого анализа: от данных до инсайтов», который состоится уже сегодня в 15:00! Всех ждем💻 Регистрация

В сетевом анализе связи часто задают заранее: с кем человек общается, сотрудничает, к кому идет за советом. Но часть отношений остается в свободном тексте: интервью, открытых ответах и отчетах. Это открывает новые возможности для социального сетевого анализа. Авторы SURVEY2MLN предлагают использовать большие языковые модели (LLM) как переводчик из нарратива в граф: модель читает ответы, находит участников и типы отношений, а затем собирает многослойную сеть: по коммуникации, исследовательским темам и формальной принадлежности. Такая сеть показывает не только структуру текстов, но и скрытые связи: потенциальные коллаборации, центры коммуникации, разрывы и мосты между группами. Конечно важно понимать ограничения. LLM-аннотации интервью могут ошибаться систематически, а не случайно. Ещё, например, GPT-4o находит темы, но ошибается в цитатах, контексте и культурных нюансах. Как бы мы не надеялись на LLM, но последнее слово все равно должно оставаться за человеком.

Друзья, напоминаем про наш семинар «Межгрупповая связность и религиозная устойчивость: опыт построения агентной модели ортодоксального религиозного сообщества» сегодня в 15:00! Всех ждем🧡 Регистрация по ссылке

Наши новые статьи 🔹В обзоре Ильи Петрова («Автоматика и телемеханика») проанализированы различные математические модели того, как окружение индивидов влияет на принятие ими решений. Выяснилось, что погоня за личной выгодой неизбежно ухудшает общий результат системы. При этом возникает парадокс: поощрять популярных участников сети выгодно не всегда ситуациях — при жёстких социальных нормах это может демотивировать остальных и серьезно пошатнуть эффективность. 🔸Наталия Матвеева в совместной с Анушкой Ферлигой и Владимиром Батагелем статье для журнала «Scientometrics» разработали метод анализа структур научного сотрудничества в университетах — построили нормализованные сети соавторства на данных библиотеки OpenAlex (2017–2019) для 30 вузов, — и выяснили, что хотя все университеты демонстрируют высокий уровень внутреннего взаимодействия, его структура заметно различается: устоявшиеся вузы имеют более разнообразные модели коллаборации, чем молодые. 🔹В работе для «Вестника Томского государственного университета. История» Наталия Матвеева и Мария Лошкарева применили сетевой анализ к средневековой валлийской хронике Brut y Tywysogyon. Исследуя социальные связи исторических фигур Уэльса, они пересматривают традиционную версию о завоевании Уэльса Англией: возможно, причина была не в раздробленности региона, а в чём-то другом. 🔸Сергей Давыдов в публикации для журнала «Мониторинг общественного мнения» изучил динамику аудитории российских соцсетей (2022–2024). Он сопоставил данные Cross Web («Медиаскоп») и «Медиалогии» с помощью двух авторских индексов и зафиксировал текущие паттерны использования ресурсов, например, рост Telegram и падение популярности заблокированных платформ. 🔹В препринте Антона Сизова и соавторов раскрываются результаты исследования факторов согласия россиян на наблюдение (surveillance). Масштабный опросный эксперимент показал, что отношение к сбору персональных данных очень контекстуально, но наиболее сенситивна для россиян интернет-слежка. Доверие к государственному надзору заметно выше, чем к частному.

🎙️«Окей, Вышка», о чем будет выпуск сегодня?

Поговорим об онлайн-магистратуре «Аналитика данных и прикладная статистика»! Вместе с Ириной Павловой, её академическим руководителем. 🔹как поступить и какие вступительное испытание ожидать 🔹кто преподает на программе, есть ли среди них практики 🔹как будет проходить процесс обучения, над какими проектами будут работать студенты YouTube / ВКонтакте / Rutube / Дзен #окейвышка 👻 подписывайтесь на Вышку Онлайн в MAX

Мы привыкли (и хотим) считать свои мысли и поведение уникальными, аутентичными. Но социальные науки давно показывают, что люди регулярно поддаются влиянию окружающих, действуя удивительно согласованно. Изучение таких процессов — одна из ключевых задач сетевого анализа. Теперь исследователи не просто фиксируют влияние, а строят математические модели, позволяющие объяснять и прогнозировать его распространение. Одни модели рассматривают влияние на уровне отдельных взаимодействий. В них влияние распространяются либо как цепная реакция, где каждый участник может «заразить» соседей (модели независимого каскада), либо через накопление воздействий, когда изменение происходит лишь после достижения определённого порога (модели линейного порога), либо как результат стратегического выбора в ответ на действия окружения (теоретико-игровые модели). Другие модели описывают динамику сразу на уровне всей популяции, используя системы дифференциальных уравнений и логику, заимствованную из эпидемиологии (модели Дейли–Кендалла, SIR и SEIR). И это лишь верхушка айсберга. Сегодня область стремительно развивается благодаря глубинному обучению и большим языковым моделям, а эксперименты с ИИ-агентами, обученными на человеческих текстах, позволяют создавать всё более детальные модели коллективного поведения — иногда настолько реалистичные, что их выводы начинают выглядеть тревожно.

22 июня в 15:00 состоится семинар Международной лаборатории прикладного сетевого анализа, на котором выступит Никита Образцов, магистрант вычислительной социологии ЕУ СПб, магистр религиоведения СПбГУ. Почему одни религиозные меньшинства сохраняют высокий уровень практикуемой религиозности в условиях модернизации, тогда как другие секуляризуются быстро? В докладе предлагается структурный ответ: уровень межгрупповой связности религиозного сообщества с окружающей светской средой функционирует как буфер, определяющий темп и глубину секуляризации независимо от теологических и культурных характеристик. Для проверки этой гипотезы разработана агент-ориентированная модель на основе стохастической блок-модели, позволяющая варьировать единственный структурный параметр, P_cross, при фиксации всех прочих условий. Регистрация по ссылке

Напоминаем про семинар "Оценка безопасности обращения к большим языковым моделям за психологической поддержкой в кризисной ситуации" сегодня в 17:00! Всех ждем🧡 Регистрация по ссылке

Бесплатный семинар по сетевому подходу к анализу соцмедиа 25 июня Международная лаборатория прикладного сетевого анализа Высшей школы экономики проведет для участников Университетского консорциума исследователей больших данных семинар, продолжающий серию мероприятий "Сетевой анализ для исследовательских и бизнес-задач". Младший научный сотрудник лаборатории Тамара Щеглова расскажет про сетевой подход к анализу социальных медиа. "Каждое взаимодействие в социальных медиа — репост, подписка, упоминание — оставляет след, который в совокупности складывается в сложную карту связей. Умение читать эту карту открывает доступ к тому, что остается невидимым при традиционных подходах: как формируются информационные пузыри, кто реально управляет распространением идей, где проходят границы между сообществами и как они меняются во времени", - комментируют эксперты лаборатории. Организаторы семинара предлагают взгляд на социальные медиа как на среду, устроенную по сетевому принципу — и на то, что это означает для исследователя. Эксперты объяснят природу данных, которые производит эта среда, покажут, какие аналитические возможности открывает работа со структурой связей, разберут конкретные кейсы. Семинар будет полезен всем, кто изучает коммуникацию, общественное мнение, информационные процессы или поведение людей в цифровой среде — вне зависимости от дисциплины и используемого инструментария. Участие бесплатное, но нужна регистрация: https://anr.hse.ru/polls/1165993951.html Университетский консорциум исследователей больших данных Остаёмся на связи: 💬Telegram, 💬МАХ, 🌐Сайт, 👈Яндекс.Дзен

Исследователи взяли 130 тыс. статей по политическим наукам за 2003–2023гг. и проанализировали раздел благодарностей (acknowledgments). В нем отмечают людей, которые не стали соавторами, но повлияли на работу: прочитали черновик, помогли с аргументацией, подсказали литературу. Сеть благодарностей оказалась крупнее и плотнее сети соавторства. Ученые, которые не включены в такие неформальные сети, в среднем имеют более низкое публикационное влияние. Обычно научную продуктивность измеряет через количество публикаций и цитирований. Но за этими показателями стоит невидимая инфраструктура — профессиональные круги, внутреннее рецензирование, наставничество – «невидимый колледж» (invisible college). Это сеть научных коммуникаций, через которую ученые обмениваются идеями и продвигают знание, получают поддержку, обратную связь и профессиональные возможности. Если не поддерживать эту среду, усиление контроля публикационных показателей не приведет к повышенияю качества научной работы.

Друзья, приглашаем вас на семинар "Оценка безопасности обращения к большим языковым моделям за психологической поддержкой в кризисной ситуации"🤖 15 июня в 17:00 Лариса Валерьевна Марарица, заведующая лабораторией доказательной психологии здоровья и благополучия (НИУ ВШЭ Санкт-Петербург), представит результаты симуляционного исследования, в котором 5 больших языковых моделей (LLM) играли роль консультанта для человека в кризисном психологическом состоянии. Обсудим дизайн и результаты: какая LLM лучше справилась, как оценивалось качество диалога, проявляли ли модели предвзятость и на каком языке лучше справлялись (английский или русский). Слушатели смогут познакомиться с разработанным фреймворком оценки качества диалога и опытом организации исследований, где LLM используется сразу в 3-х ролях: симулированный пользователь и консультант, а также как оценщик качества диалога. Регистрируйтесь по ссылке

В конце мая журнал «Социологические исследования» (СОЦИС), входящий в Q2 рейтинга Scimago, опубликовал список лучших работ 2025 г. 🏆 В номинации «Новые подходы в социологических исследованиях» редакция отметила публикацию заведующего лаборатории Дарьи Мальцевой, младшего научного сотрудника Арюны Ким и стажера-исследователя Лики Капустиной о паттернах коллаборации российских социологов. Мы поздравляем коллег с такой высокой оценкой, а вас, друзья, приглашаем прочитать это замечательное исследование! https://www.socis.isras.ru/files/File/2025/12/Maltseva.pdf