Научно-исследовательский семинар - 3

2024/2025

Учебный год

RUS

Обучение ведется на русском языке

4

Кредиты

Кто читает:

Школа коммуникаций

Статус:

Курс обязательный

Когда читается:

3-й курс, 1-4 модуль

Преподаватели

Альбицкий Павел Олегович

Бажуков Максим Олегович

Бачурина Нелли Сергеевна

Гусева Полина Дмитриевна

Долгодворова Мария Александровна

Жигадло Константин Викторович

Заболотский Александр Викторович

Казакова Татьяна Борисовна

Карташева Анна Александровна

Климов Александр Антонович

Кучерявая Мария Сергеевна

Мальков Максим Дмитриевич

Мальцева Дарья Васильевна

Масленникова Наталья Михайловна

Оганян Артём Ашотович

Павлова Ирина Анатольевна

Семенова Анна Михайловна

Семенько Дмитрий Сергеевич

Сережкина Екатерина Васильевна

Трошин Даниил Юрьевич

Программа дисциплины

Аннотация

В рамках курса НИС-3 в первом полугодии будут рассмотрены подходы к обработке естественного языка (NLP). Студенты получат представление об использовании моделей машинного обучения и нейронных сетей для задач NLP в сферах коммуникаций, рекламы, маркетинга и в исследованиях общественного мнения. Кроме того студенты изучат основные методы сетевого анализа в исследованиях коммуникации; сбора, анализа и визуализации сетевых данных с помощью программного обеспечения SNA. Во втором полугодии студенты получат углубленные знания методологии качественных исследований, в частности, будут изучены методы этнографии, кейс-стади, тематического анализа, обоснованной теории и дискурс-анализа.

Цель освоения дисциплины

• Формирование у студентов третьего курса направления «Реклама и связи с общественностью» теоретических знаний и профессиональных компетенций, связанных с проведением научных исследований.

Планируемые результаты обучения

• Отличает базовый концептуальный аппарат дискурсивного анализа. Использует теории дискурса Лакло и Муфф, распознает ограничения этого подхода. Использует критический дискурс-анализ, распознает ограничения этого подхода. Использует дискурсивную психологию, распознает ограничения этого подхода. Использует нарративный анализ, распознает ограничения этого подхода.
• Использует знания и реализовывает навыки NLP (Natural Language Processing)-технологий и компьютерной лингвистики для обработки и анализа неструктурированных данных, необходимых для исследовательских, коммуникационных и маркетинговых задач.
• Применяет теоретико-методологические основания сетевого анализа при разработке дизайна исследования.
• Использует основные понятия в области сетевого анализа при разработке дизайна исследования.
• Разрабатывает дизайн сетевого исследования с учетом цели и задач исследования.
• Производит отбор эмпирических данных для сетевого исследования.
• Производит анализ эмпирических данных для сетевого исследования.
• Реализует анализ сетевых данных в программе Pajek.
• Представляет полученные результаты сетевого исследования.
• Сравнивает, различает и объясняет особенности исследовательских стратегий/методов в качественном полевом исследовании.
• Применяет обоснованную теорию или тематический анализ при анализе результатов качественного полевого исследования.
• Представляет полученные результаты качественного полевого исследования в формате плотного описания (описание + интерпретация).
• Разрабатывает дизайн качественного полевого исследования с учетом соблюдения этических принципов.
• Реализует структурирование эмпирических данных в формате дневника наблюдения.
• Реализует сбор эмпирических данных и доступ к полю с учетом его особенностей и наличию альтернатив коммуникации с информантами (наблюдаемыми).

Содержание учебной дисциплины

• Текст-майнинг
• Сетевой анализ
  Формат реализации: смешанный – офлайн формат в классе с элементами асинхронного онлайн формата для подготовки к занятиям.
• Качественное полевое исследование
• Дискурс-анализ

Элементы контроля

• Аудиторная работа 3
  Аудиторная работа 3 оценивает активность студентов во время семинарских занятий на основе прочитанной им основной литературы к семинару. Например, преподаватель может организовать обсуждение прочитанной литературы или провести практикум, для успешного выполнения которого будут необходимы знания, полученные из литературы к семинару. Аудиторная работа студента может выражаться в применении и демонстрации знаний из прочитанной к семинару литературы в ходе выполнения какой-либо активности (например, студент выступает добровольцем в качестве участника ролевой игры, или с инициативой публичной демонстрации собственного решения задания, или при обращении преподавателя с вопросом демонстрирует глубокое овладение содержанием прочитанной литературы).
• Самостоятельная работа 3
  Самостоятельная работа 3 представляет собой тестирование овладения содержанием ОСНОВНОЙ литературы к семинару в дистанционной формате через Smart LMS (об изменении формата преподаватель сообщает заранее). Тестирование самостоятельной работы в Smart LMS будет производиться по определенным датам, которые оглашаются преподавателем не позднее чем за неделю. Тестовая сессия по определенному блоку семинаров проводится после прохождения этих семинаров всем курсом. Важно: Тестирование открывается в строго установленное время на 35 мин. Опоздание не приветствуется! Если студент приступил к тестированию с задержкой, это не дает ему оснований для компенсации времени. Студенты, не приступившие к тестированию, получают за тестовую сессию 0 баллов. О технических неполадках с системой следует информировать преподавателя в течение ДЕСЯТИ минут после официального времени начала тестовой сессии с помощью скринов экрана, если это сделано позже – претензии преподавателем не принимаются. Имеющиеся технические сложности необходимо фиксировать с помощью скринов, на которых обязательно отражается фамилия студента-владельца личного кабинета и текущее время.
• Аудиторная работа 4
  Аудиторная работа 4 представляет собой оценку активности на семинарах в 4 модуле.
• Домашнее задание 4
  Выбрать и сравнить дискурсы брендов на предмет общего и особенного в конструировании социальной реальности. Каждая группа должна выбрать тему и два бренда для сравнения. Бренды НЕ могут дублироваться в рамках одной группы. Продолжительность устной презентации – 20 минут. Число студентов в группе – 3-4. Презентации необходимо загрузить в облачную папку и отправить ссылку преподавателю к указанной дате.
• Домашнее задание 3
  Домашнее задание 3 представляет собой групповую работу – проведение качественного полевого исследования (прикладная этнография, кейс-стади, виртуальная этнография/нетнография) методом включенного наблюдения. Домашнее задание выполняется втроем.
• Тесты 1
  Предполагается 3-4 квиза. Это небольшие самостоятельные работы на одной из платформ (LMS, Google/Yandex формы, Socrative и т.д.), содержащие тестовые вопросы, а также вопросы с краткими и развернутыми ответами на 10-15 минут. Итоговая за Тест 1 представляет собой среднеарифметическую оценку.
• Домашние задания 1
  Предполагается два домашних задания. Каждое из них – написание кода на языке Python и текстовых комментариев к нему, соединение пройденных функций и подходов в единую программу, решающую небольшие практические вопросы, анализ полученных результатов. Итоговая за Домашние задания 1 представляет собой среднеарифметическую оценку.
• Проект 1
  Групповой проект – небольшое исследование, касающееся специальности, которое использует инструменты текстового анализа, освоенные в рамках курса. Техническая часть представляется в виде тетрадки с кодом и комментариями. Результаты проекта представляются на защите в формате презентации.
• Тесты 2
  Онлайн тестирование на платформе LMS в конце каждого семинара (всего – 10). Тестирование состоит из 3-6 вопросов и заданий по теме проведенного семинара.
• Домашние задания 2
  Два практических задания, выполняемых индивидуально и самостоятельно, загружаемых на платформу Smart LMS в ходе продвижения по курсу. Первая домашняя работа дается после освоения материала третьей недели, вторая – после освоения материала шестой недели.
• Финальный проект 2
  Одно практическое расширенное задание, выполняемое индивидуально и самостоятельно по итогам курса, загружаемое на платформу Smart LMS.

Промежуточная аттестация

• 2024/2025 2nd module
  0.2 * Домашние задания 1 + 0.2 * Домашние задания 2 + 0.2 * Проект 1 + 0.1 * Тесты 1 + 0.1 * Тесты 2 + 0.2 * Финальный проект 2
• 2024/2025 4th module
  0.1 * Аудиторная работа 3 + 0.3 * Аудиторная работа 4 + 0.2 * Домашнее задание 3 + 0.2 * Домашнее задание 4 + 0.2 * Самостоятельная работа 3

Список литературы

Рекомендуемая основная литература

• Croucher, S. M. (2016). Understanding Communication Theory : A Beginner’s Guide. New York: Routledge. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1055331
• Doing social network research : network-based research design for social scientists, Robins, G., 2015
• Goldberg, Y. (2017). Neural Network Methods in Natural Language Processing. [San Rafael, California]: Morgan & Claypool Publishers. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1506512
• Kurdi, M. Z. (2017). Natural Language Processing and Computational Linguistics 2 : Semantics, Discourse and Applications. London, UK: Wiley-ISTE. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1642577
• Nooy, W. de, Batagelj, V., & Mrvar, A. (2011). Exploratory Social Network Analysis with Pajek: Vol. Rev. and expanded 2nd ed. Cambridge University Press.
• The SAGE Handbook of Social Network Analysis, , 2011
• Yang Liu, & Meng Zhang. (2018). Neural Network Methods for Natural Language Processing. Computational Linguistics, (1), 193. https://doi.org/10.1162/COLI_r_00312
• Методы социологического исследования : учеб. пособие для вузов, Девятко, И. Ф., 2006

Рекомендуемая дополнительная литература

• Belk, R. W. (2006). Handbook of Qualitative Research Methods in Marketing. Edward Elgar Publishing.
• Easley, D., & Kleinberg, J. (2010). Networks, Crowds, and Markets : Reasoning About a Highly Connected World. New York: Cambridge eText. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=324125
• Taylor, S. (2013). What Is Discourse Analysis? London: Bloomsbury Academic. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=562210
• Taylor, S. J., DeVault, M. L., & Bogdan, R. (2016). Introduction to Qualitative Research Methods : A Guidebook and Resource (Vol. 4th edition). Hoboken, New Jersey: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1061324
• Wasserman, S., & Faust, K. (1994). Social Network Analysis : Methods and Applications. Cambridge: Cambridge eText. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=490515
• What is social network analysis?, Scott, J., 2012
• Сетевые измерения в социологии : учеб. пособие, Градосельская, Г. В., 2004

Авторы

• Бачурина Нелли Сергеевна
• Гусева Полина Дмитриевна