студент с 01.01.2024 по 01.01.2026
Краснодар, Краснодарский край, Россия
студент с 01.01.2023 по 01.01.2026
Краснодар, Краснодарский край, Россия
УДК 30 Теория, методология и методы общественных наук в целом. Социография
В статье представлены результаты комплексного дискурс-анализа корпуса из 595 научных публикаций по социологии за 2020–2025 гг., отобранных в электронной библиотеке CyberLeninka. Цель исследования – диагностика текущего состояния, структурных особенностей и динамики тематических трендов в российской социологической науке с применением количественных методов компьютерной лингвистики. Методология включает автоматический сбор данных, лингвистическую предобработку (лемматизация UDPipe), тематическое моделирование методом латентного размещения Дирихле (LDA) и анализ семантических связей на основе векторных представлений GloVe с последующей визуализацией семантических сетей. Результаты выявили устойчивое ядро дисциплинарного дискурса, сформированное теоретико-методологическими, историческими и образовательными понятиями. Динамический анализ показал значительный рост релевантности тем, связанных с управлением, цифровизацией, данными и технологиями, начиная с 2023 г. Ключевым выводом является обнаружение выраженного семантического разрыва между этим традиционным гуманитарным ядром и формирующимся кластером «Цифровизация и ИИ». Это свидетельствует о слабой концептуальной интеграции цифровых методов и проблематики в основной дискурс российской социологии, которая сохраняет преимущественно теоретико-рефлексивный характер. Исследование вносит вклад в наукометрию и социологию знания, предлагая инструментарий для объективного картирования и рефлексии траекторий развития социальных наук в условиях цифровой трансформации.
интеллектуальный анализ текста, социология науки, научные тексты, цифровизация, тематическое моделирование
1. Медведев М.М. Казачьи колыбельные песни: опыт классификации и обобщения этнографического материала методами интеллектуального анализа текста / М.М. Медведев, А.А. Сергеев // Голос минувшего. – 2024. – № 3. – С. 30–40. – EDN PBTAVZ. – URL: https://www.elibrary.ru/item.asp?id=PBTAVZ (дата обращения: 26.01.2026).
2. Николина Н.В. Дискурс-анализ как рефлексивная практика в социологии научного знания / Н.В. Николина // Философия науки. – 2022. – № 3. – С. 12-20. – URL: http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:000999554 (дата обращения: 26.01.2026).
3. Рунаев Т.А. Интеллектуальный анализ текста в социальных науках: учебное пособие / Т.А. Рунаев; Министерство науки и высшего образования Российской Федерации, Кубанский государственный университет. – Краснодар: Кубанский гос. ун-т, 2024. – 127 с. EDN: https://elibrary.ru/YJLRWJ
4. Blei D.M. Latent dirichlet allocation / D.M. Blei, A.Y. Ng, M.I. Jordan // Journal of Machine Learning Research. – 2003. – Vol. 3. – P. 993–1022. – URL: https://www.jmlr.org/papers/volume3/blei03a/blei03a.pdf (дата обращения: 26.01.2026).
5. Grimmer J. Text as Data: The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts / J. Grimmer, B.M. Stewart // Political Analysis. – 2013. – Vol. 21, № 3. – P. 267–297. – DOI: https://doi.org/10.1093/pan/mps028. – URL: https://web.stanford.edu/~jgrimmer/tad2.pdf (дата обращения: 26.01.2026).
6. Pennington J. GloVe: Global Vectors for Word Representation / J. Pennington, R. Socher, C.D. Manning // Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP). – 2014. – P. 1532–1543. – URL: https://aclanthology.org/D14-1162/ (дата обращения: 26.01.2026). DOI: https://doi.org/10.3115/v1/D14-1162
7. Straka M. UDPipe: Trainable Pipeline for Processing CoNLL-U Files Performing Tokenization, Morphological Analysis, POS Tagging and Parsing / M. Straka, J. Hajic, J. Strakova // Proceedings of the Tenth International Conference on Language Resources and Evaluation (LREC 2016). – Portoroz, Slovenia, 2016. – P. 4290–4297. – URL: https://ufal.mff.cuni.cz/biblio/attachments/2016-straka-p4247732638960608255.pdf (дата обращения: 26.01.2026).
