СОЦИОДИНАМИКА

Предметом исследования является использование синтетических фокус-групп (СФГ), создаваемых с помощью больших языковых моделей (LLM), в рамках цифровой трансформации социологического анализа. Объектом исследования выступают инновационные методы сбора и интерпретации качественных данных, ориентированные на моделирование групповой дискуссии без участия реальных респондентов. В статье рассматривается эвристический потенциал СФГ, возможности применения метода в условиях ограниченного доступа к респондентам, а также его релевантность для изучения отношения к искусственному интеллекту в сфере высшего образования. Особое внимание уделяется способам организации взаимодействия с языковыми моделями через систему промптов, формированию ролей участников и анализу полученных дискурсивных позиций. В статье также затрагиваются этические и методологические вызовы, возникающие при использовании синтетических участников в исследовательских целях. Методология сочетает теоретический анализ научных публикаций с практическим моделированием СФГ, реализованным с помощью последовательных промптов к языковым моделям и последующей интерпретацией генерируемых данных. Научная новизна работы заключается в апробации метода синтетических фокус-групп (СФГ) как инновационного инструмента сбора качественной информации с использованием генеративных языковых моделей (LLM), таких как Gemini, Qwen, Llama, Deepseek, и Mistral. В исследовании особое внимание уделено моделированию СФГ на основе пользовательских промптов, направленных на изучение отношения студентов и преподавателей к искусственному интеллекту в системе высшего образования. Все использованные модели подчеркивали методологические ограничения СФГ: возможность искажения данных, необходимость четко обозначать синтетическую природу участников и дополнять такие исследования традиционными методами. Подобные методы могут быть полезны в ситуациях, требующих быстрого генерирования гипотез, предварительного тестирования исследовательских сценариев, а также в образовательной и экспертной практике. Вместе с тем, подчеркивается необходимость критического подхода к использованию СФГ, особенно в контексте валидности и репрезентативности получаемых данных.

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.