Типологизация профессиональных траекторий одаренных личностей с помощью нейросетевого анализа
Научная статья
Для цитирования
Чепьюк О.Р., Ангелова О.Ю., Сочков А.Л., Подольская Т.О. Типологизация профессиональных траекторий одаренных личностей с помощью нейросетевого анализа // Социология: методология, методы, математическое моделирование (Социология:4М). 2024. № 56. С. 173-204. DOI: https://doi.org/10.19181/4m.2023.32.1.5 EDN: CKAHLQ
Аннотация
На основе массива данных (100 биографий), сформированного авторами по результатам контент-анализа биографического материала о выдающихся ученых XIX и ХХ вв. в гуманитарной и естественно-научных сферах, проведена кластеризация профессиональных траекторий одаренных личностей. Методом кластеризации стал нейросетевой анализ на основе самоорганизующихся карт Кохонена. Сами траектории были сформированы в рамках поведенческой модели линейно-стадиального подхода в исследовании жизненных циклов. В рамках этого подхода карьера и профессиональная самореализация человека понимаются как последовательность этапов эволюции человека, фиксированных в порядке наступления. Каждый из этапов был закодирован, а биографии преобразованы в систему векторов. В свою очередь задача кластеризации заключалась в разбиении массива объектов из сотни векторов на типовые группы, имеющие несколько вещественных интервальных координат. Критериями качества кластеризации стали показатели минимальной суммы ошибок квантования, а также коэффициент силуэта. По итогам исследования были выделены и интерпретированы семь профессиональных траекторий одаренных личностей. Анализ траекторий проводился с точки зрения скорости достижения успеха (среднего возраста успеха) и тех факторов и условий жизненного пути, которые могли повлиять на более быстрое или медленное достижение профессиональных целей и самореализацию. На этом примере были показаны возможности и ограничения использования нейросетевого анализа для решения сходных исследовательских задач, в особенности когда требуется работать со сложными формами кластеров и находить их оптимальное число.
Ключевые слова:
нейросетевой анализ, одаренность, одаренная личность, профессиональная траектория, машинное обучение, нейронная сеть, социальный лифт, карты Кохонена
Литература
Mayer K., Pfeffer J. Computational Social Science // Schlüsselwerke der Netzwerkforschung / Ed. by B. Holzer, C. Stegbauer. Wiesbaden: Springer VS, 2019. P. 721–723. DOI: 10.1007/978-3-658-21742-6_77.
Beytía P., Schobin J. Networked pantheon: a relational database of globally famous people: Social and behavioural sciences // Research Data Journal for the Humanities and Social Sciences. 2020. Vol. 5, № 1. P. 50–65. DOI: 10.17632/ twvsjygw3m.1.
Chisholm A., Radford W., Hachey B. Learning to generate one-sentence biographies from Wikidata // Cornwall University [site]. 21.02.2017. URL: https://arxiv.org/abs/1702.06235. (date of access: 01.02.2023).
Reznik I., Shatalov V. Hidden revolution of human priorities: An analysis of biographical data from Wikipedia // Journal of Informetrics. 2016. Vol. 10, № 1. P. 124–131. DOI: 10.1016/j.joi.2015.12.002.
Samoilenko A., Yasseri T. The distorted mirror of Wikipedia: a quantitative analysis of Wikipedia coverage of academics // EPJ Data Science. 2014. Vol. 3, № 1. P. 1–11. DOI: 10.1140/epjds20.
Beyond One-Dimensional Portraits: A Synoptic Approach to the Visual Analysis of Biography Data / F. Windhager, M. Schlögl, M. Kaiser [et al.] // Conference: Biographical Data in a Digital World 2017 (BD 2017). Volume: CEUR Vol-2119. Linz, Austria, 2017. P. 67–75.
Collison P., Nielsen M. Science is getting less bang for its buck // The Atlantic [site]. 16.11.2018. URL: https://www.theatlantic.com/science/archive/2018/11/diminishing-returns-science/575665/ (date of access: 19.01.2023).
Sternberg R.J. Identification for utilization, not merely possession, of gifts: What matters is not gifts but rather deployment of gifts // Gifted Education International. 2022. Vol. 38, № 3. P. 354–361. DOI: 10.1177/02614294211013345.
Леонтьев Д.А., Лебедева А.А., Костенко В.Ю. Траектории личностного развития: реконструкция взглядов Л.С. Выготского // Вопросы образования. 2017. № 2. С. 98–112. DOI: 10.17323/1814-9545-2017-2-98-112. EDN: YUPYIX.
Шадриков В.Д. Отношение понятий «жизнь», «поведение», «деятель¬ность» // Мир психологии. 2020. № 2(102). С. 57–65. EDN: BCDJMW.
Galenson D.W. Old Masters and Young Geniuses: The Two Life Cycles of Human Creativity // Journal of Applied Economics. 2009. Vol. 12, № 1. P. 1–9. DOI: 10.1016/S1514-0326(09)60002-7.
Weinberg B.A., Galenson D.W. Correction to: Creative Careers: The Life Cycles of Nobel Laureates in Economics // De Economist. 2019. Vol. 167, № 3. P. 241–241. DOI: 10.1007/s10645-019-09342-0.
Кольцова О.Ю., Маслинский К.А. Выявление тематической структуры российской блогосферы: автоматические методы анализа текстов // Социология: методология, методы, математическое моделирование (Социология: 4М). 2013. № 36. С. 113–139. EDN: RCFOWJ.
Ким А.В., Мальцева Д.В., Щеглова Т.Е. Блокмоделинг для анализа социаль¬ных структур: пример изучения структуры сообщества петербургских социологов // Социология: методология, методы, математическое моделирование (Социология: 4М). 2021. № 53. С. 7–38. DOI: 10.19181/4m.2021.53.1. EDN: HYNUSK.
The effects of outliers’ data on neural network performance / A. Khamis, Z. Ismail, K. Haron, A. Tarmizi // Journal of Applied Sciences. 2005. Vol. 5, № 8. P. 1394–1398. DOI: 10.3923/jas.2005.1394.1398.
Mijwel M.M. Artificial neural networks advantages and disadvantages // Mesopotamian Journal of Big Data. 2021. Vol. 2021. P. 29–31. DOI: 10.58496/mjbd/2021/006.
Schlagberger E.M., Bornmann L., Bauer J. At what institutions did Nobel laureates do their prize-winning work? An analysis of biographical information on Nobel laureates from 1994 to 2014 // Scientometrics. 2016. Vol. 109, № 2. P. 723–767. DOI: 10.1007/s11192-016-2059-2.
Lucchini L., Tonelli S., Lepri B. Following the footsteps of giants: modeling the mobility of historically notable individuals using Wikipedia // EPJ Data Science. 2019. № 8. Р. 36. DOI: 10.1140/epjds/s13688-019-0215-7.
Cui H., Wu L., Evans J.A. Aging Scientists and Slowed Advance // Cornwall University [site]. 08.02.2022. URL: https://arxiv.org/abs/2202.04044 (date of access: 20.02.2023).
Jones B.F., Reedy E.J., Weinberg B.A. Age and scientific genius // The Wiley handbook of genius / Ed. by D. K. Simonton. Hoboken: John Wiley & Sons, Ltd, 2014. P. 422–450. DOI: 10.1002/9781118367377.ch20.
Developmental biographies of Olympic super-elite and elite athletes: A multidisciplinary pattern recognition analysis / A. Güllich, L. Hardy, L. Kuncheva [et al.] // Journal of Expertise. 2019. Vol. 2 (1). P. 23–46.
Letiagina E., Perova V., Orlova E. Neural network analysis of the development of physical education and sports in Russia as an economic factor of country security // Proceedings of the 4th International Conference on Innovations in Sports, Tourism and Instructional Science (ICISTIS 2019). Atlantis Press. 2019. № 11. P. 138–142. DOI: 10.2991/icistis-19.2019.37.
Subotnik R.F., Olszewski-Kubilius P., Worrell F.C. Environmental factors and personal characteristics interact to yield high performance in domains // Frontiers in Psychology. 2019. № 10:2804. P. 1–8. DOI: 10.3389/fpsyg.2019.02804.
Трифонов Ю.В., Сочков А.Л., Соловьев А.Е. Оценка экономического потенциала регионов РФ на основе методологии нейросетевого кластерного анализа // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2021. № 3(63). С. 38–47. DOI: 10.52452/18115942_2021_3_38. EDN: SIQALB.
Трифонов Ю.В., Сочков А.Л., Куликова А.В. Построение и реализация моделей интеллектуальных цифровых коммуникаций в социально-политических сферах // Экономика и предпринимательство. 2021. № 8(133). С. 1087–1095. DOI: 10.34925/EIP.2021.133.8.209. EDN: UGMSUS.
Carboni O.A., Russu P. Assessing Regional Wellbeing in Italy: An Application of Malmquist–DEA and Self-organizing Map Neural Clustering // Social Indicators Research. 2015. Vol. 122, № 3. P. 677–700. DOI: 10.1007/s11205-014-0722-7.
Regional disaster risk assessment of China based on self-organizing map: Clustering, visualization and ranking / N. Chen, L. Chen, Y. Ma, A. Chen // International Journal of Disaster Risk Reduction. 2019. № 33. P. 196–206. DOI: 10.1016/j.ijdrr.2019.101085.
Абдурахманова Э.М. Исследование структур обобщенных групп, вы¬деляемых разными методами, на примере результатов исследования СТАРТ // Социология: методология, методы, математическое моделирование (Социология: 4М). 2020. № 50–51. С. 37–63. EDN: MEPMGD.
Gülagiz F.K., Sahin S. Comparison of hierarchical and non-hierarchical clustering algorithms // International Journal of Computer Engineering and Information Technology. 2017. Vol. 9, № 1. P. 6–14.
Musdholifah A., Hashim S.Z.M., Zaiton S. Cluster analysis on high-dimensional data: A comparison of density-based clustering algorithms // Australian Journal of Basic and Applied Sciences. 2013. Vol. 7, № 2. P. 380–389.
Research of the innovative development of the Russian Federation regions and its impact on the eco-friendliness of the economy based on neural network cluster analysis for the purpose of economic security / S. Yashin, Y. Trifonov, A. Sochkov [et al.] // E3S Web of Conferences. 2021. Vol. 291. P. 1–10. DOI: 10.1051/ e3sconf/202129103008.
Kohonen T. The self-organizing map // Proceedings of the IEEE. Vol. 78, № 9. P. 1464–1480. DOI: 10.1109/5.58325.
Engineering applications of the self-organizing map / T. Kohonen, E. Oja, O. Simula [et al.] // Proceedings of the IEEE. Vol. 84, № 10. P. 1358–1384. DOI:10.1109/5.537105.
Beytía P., Schobin J. Networked pantheon: a relational database of globally famous people: Social and behavioural sciences // Research Data Journal for the Humanities and Social Sciences. 2020. Vol. 5, № 1. P. 50–65. DOI: 10.17632/ twvsjygw3m.1.
Chisholm A., Radford W., Hachey B. Learning to generate one-sentence biographies from Wikidata // Cornwall University [site]. 21.02.2017. URL: https://arxiv.org/abs/1702.06235. (date of access: 01.02.2023).
Reznik I., Shatalov V. Hidden revolution of human priorities: An analysis of biographical data from Wikipedia // Journal of Informetrics. 2016. Vol. 10, № 1. P. 124–131. DOI: 10.1016/j.joi.2015.12.002.
Samoilenko A., Yasseri T. The distorted mirror of Wikipedia: a quantitative analysis of Wikipedia coverage of academics // EPJ Data Science. 2014. Vol. 3, № 1. P. 1–11. DOI: 10.1140/epjds20.
Beyond One-Dimensional Portraits: A Synoptic Approach to the Visual Analysis of Biography Data / F. Windhager, M. Schlögl, M. Kaiser [et al.] // Conference: Biographical Data in a Digital World 2017 (BD 2017). Volume: CEUR Vol-2119. Linz, Austria, 2017. P. 67–75.
Collison P., Nielsen M. Science is getting less bang for its buck // The Atlantic [site]. 16.11.2018. URL: https://www.theatlantic.com/science/archive/2018/11/diminishing-returns-science/575665/ (date of access: 19.01.2023).
Sternberg R.J. Identification for utilization, not merely possession, of gifts: What matters is not gifts but rather deployment of gifts // Gifted Education International. 2022. Vol. 38, № 3. P. 354–361. DOI: 10.1177/02614294211013345.
Леонтьев Д.А., Лебедева А.А., Костенко В.Ю. Траектории личностного развития: реконструкция взглядов Л.С. Выготского // Вопросы образования. 2017. № 2. С. 98–112. DOI: 10.17323/1814-9545-2017-2-98-112. EDN: YUPYIX.
Шадриков В.Д. Отношение понятий «жизнь», «поведение», «деятель¬ность» // Мир психологии. 2020. № 2(102). С. 57–65. EDN: BCDJMW.
Galenson D.W. Old Masters and Young Geniuses: The Two Life Cycles of Human Creativity // Journal of Applied Economics. 2009. Vol. 12, № 1. P. 1–9. DOI: 10.1016/S1514-0326(09)60002-7.
Weinberg B.A., Galenson D.W. Correction to: Creative Careers: The Life Cycles of Nobel Laureates in Economics // De Economist. 2019. Vol. 167, № 3. P. 241–241. DOI: 10.1007/s10645-019-09342-0.
Кольцова О.Ю., Маслинский К.А. Выявление тематической структуры российской блогосферы: автоматические методы анализа текстов // Социология: методология, методы, математическое моделирование (Социология: 4М). 2013. № 36. С. 113–139. EDN: RCFOWJ.
Ким А.В., Мальцева Д.В., Щеглова Т.Е. Блокмоделинг для анализа социаль¬ных структур: пример изучения структуры сообщества петербургских социологов // Социология: методология, методы, математическое моделирование (Социология: 4М). 2021. № 53. С. 7–38. DOI: 10.19181/4m.2021.53.1. EDN: HYNUSK.
The effects of outliers’ data on neural network performance / A. Khamis, Z. Ismail, K. Haron, A. Tarmizi // Journal of Applied Sciences. 2005. Vol. 5, № 8. P. 1394–1398. DOI: 10.3923/jas.2005.1394.1398.
Mijwel M.M. Artificial neural networks advantages and disadvantages // Mesopotamian Journal of Big Data. 2021. Vol. 2021. P. 29–31. DOI: 10.58496/mjbd/2021/006.
Schlagberger E.M., Bornmann L., Bauer J. At what institutions did Nobel laureates do their prize-winning work? An analysis of biographical information on Nobel laureates from 1994 to 2014 // Scientometrics. 2016. Vol. 109, № 2. P. 723–767. DOI: 10.1007/s11192-016-2059-2.
Lucchini L., Tonelli S., Lepri B. Following the footsteps of giants: modeling the mobility of historically notable individuals using Wikipedia // EPJ Data Science. 2019. № 8. Р. 36. DOI: 10.1140/epjds/s13688-019-0215-7.
Cui H., Wu L., Evans J.A. Aging Scientists and Slowed Advance // Cornwall University [site]. 08.02.2022. URL: https://arxiv.org/abs/2202.04044 (date of access: 20.02.2023).
Jones B.F., Reedy E.J., Weinberg B.A. Age and scientific genius // The Wiley handbook of genius / Ed. by D. K. Simonton. Hoboken: John Wiley & Sons, Ltd, 2014. P. 422–450. DOI: 10.1002/9781118367377.ch20.
Developmental biographies of Olympic super-elite and elite athletes: A multidisciplinary pattern recognition analysis / A. Güllich, L. Hardy, L. Kuncheva [et al.] // Journal of Expertise. 2019. Vol. 2 (1). P. 23–46.
Letiagina E., Perova V., Orlova E. Neural network analysis of the development of physical education and sports in Russia as an economic factor of country security // Proceedings of the 4th International Conference on Innovations in Sports, Tourism and Instructional Science (ICISTIS 2019). Atlantis Press. 2019. № 11. P. 138–142. DOI: 10.2991/icistis-19.2019.37.
Subotnik R.F., Olszewski-Kubilius P., Worrell F.C. Environmental factors and personal characteristics interact to yield high performance in domains // Frontiers in Psychology. 2019. № 10:2804. P. 1–8. DOI: 10.3389/fpsyg.2019.02804.
Трифонов Ю.В., Сочков А.Л., Соловьев А.Е. Оценка экономического потенциала регионов РФ на основе методологии нейросетевого кластерного анализа // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2021. № 3(63). С. 38–47. DOI: 10.52452/18115942_2021_3_38. EDN: SIQALB.
Трифонов Ю.В., Сочков А.Л., Куликова А.В. Построение и реализация моделей интеллектуальных цифровых коммуникаций в социально-политических сферах // Экономика и предпринимательство. 2021. № 8(133). С. 1087–1095. DOI: 10.34925/EIP.2021.133.8.209. EDN: UGMSUS.
Carboni O.A., Russu P. Assessing Regional Wellbeing in Italy: An Application of Malmquist–DEA and Self-organizing Map Neural Clustering // Social Indicators Research. 2015. Vol. 122, № 3. P. 677–700. DOI: 10.1007/s11205-014-0722-7.
Regional disaster risk assessment of China based on self-organizing map: Clustering, visualization and ranking / N. Chen, L. Chen, Y. Ma, A. Chen // International Journal of Disaster Risk Reduction. 2019. № 33. P. 196–206. DOI: 10.1016/j.ijdrr.2019.101085.
Абдурахманова Э.М. Исследование структур обобщенных групп, вы¬деляемых разными методами, на примере результатов исследования СТАРТ // Социология: методология, методы, математическое моделирование (Социология: 4М). 2020. № 50–51. С. 37–63. EDN: MEPMGD.
Gülagiz F.K., Sahin S. Comparison of hierarchical and non-hierarchical clustering algorithms // International Journal of Computer Engineering and Information Technology. 2017. Vol. 9, № 1. P. 6–14.
Musdholifah A., Hashim S.Z.M., Zaiton S. Cluster analysis on high-dimensional data: A comparison of density-based clustering algorithms // Australian Journal of Basic and Applied Sciences. 2013. Vol. 7, № 2. P. 380–389.
Research of the innovative development of the Russian Federation regions and its impact on the eco-friendliness of the economy based on neural network cluster analysis for the purpose of economic security / S. Yashin, Y. Trifonov, A. Sochkov [et al.] // E3S Web of Conferences. 2021. Vol. 291. P. 1–10. DOI: 10.1051/ e3sconf/202129103008.
Kohonen T. The self-organizing map // Proceedings of the IEEE. Vol. 78, № 9. P. 1464–1480. DOI: 10.1109/5.58325.
Engineering applications of the self-organizing map / T. Kohonen, E. Oja, O. Simula [et al.] // Proceedings of the IEEE. Vol. 84, № 10. P. 1358–1384. DOI:10.1109/5.537105.
Статья
Поступила: 19.02.2023
Опубликована: 21.07.2024
Форматы цитирования
Другие форматы цитирования:
APA
Чепьюк, О. Р., Ангелова, О. Ю., Сочков, А. Л., & Подольская, Т. О. (2024). Типологизация профессиональных траекторий одаренных личностей с помощью нейросетевого анализа. Социология: методология, методы, математическое моделирование (Социология:4М), (56), 173-204. https://doi.org/10.19181/4m.2023.32.1.5
Раздел
ОПЫТ ПРАКТИЧЕСКОГО ПРИМЕНЕНИЯ СЕТЕВОГО АНАЛИЗА
