Obliczenia naukowe w naukach społecznych 4010-ONS

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.