Технология анализа больших данных для выявления организационных связей: возможности системы iFORA

Научная статья
  • Ирина Владимировна Логинова Национальный исследовательский университет «Высшая школа экономики», Москва, Россия iloginova@hse.ru ORCID ID https://orcid.org/0000-0002-3376-2728
    SPIN 2221-7707
    ResearchID J-6034-2015
  • Анна Сергеевна Пиекалнитс Национальный исследовательский университет «Высшая школа экономики», Москва, Россия apiekalnits@hse.ru ORCID ID https://orcid.org/0000-0003-0585-5350
  • Фёдор Михайлович Грозовский Национальный исследовательский университет «Высшая школа экономики», Москва, Россия fgrozovskiy@hse.ru ORCID ID https://orcid.org/0009-0000-4342-7942
Выражение признательности
Статья подготовлена в рамках Программы фундаментальных исследований Национального исследовательского университета «Высшая школа экономики».
Для цитирования
Логинова И.В., Пиекалнитс А.С., Грозовский Ф.М. Технология анализа больших данных для выявления организационных связей: возможности системы iFORA // Социология: методология, методы, математическое моделирование (Социология:4М). 2025. № 60. С. 36-88. DOI: https://doi.org/10.19181/4m.2025.34.1.2 EDN: RBNLBE

Аннотация

Цель настоящей статьи заключается в демонстрации подходов по анализу связей центров компетенций с использованием системы интеллектуального анализа больших текстово-документных данных iFORA на примере картирования области «Промышленные информационно-управляющие и телекоммуникационные системы». Результаты исследования включают апробацию реализованных в системе iFORA подходов и методов к задачам, которые традиционно решаются в рамках организационного сетевого анализа. Основной результат проведенного анализа – граф связей потенциальных центров компетенций в области «Промышленные информационно-управляющие и телекоммуникационные системы», выявленных из научных публикаций с использованием инструментов семантического анализа, с отражением связей между ними и их интерпретацией – формированием перечней гипотез по существующим кооперациям, фиксируемым на основе этих связей. Приводятся предложения по направлениям использования исследования связей центров компетенций на основе данных семантического анализа больших текстовых массивов информации.
Ключевые слова:
анализ данных, большие данные, семантический анализ, интеллектуальный анализ данных, текст-майнинг, организационный сетевой анализ, выявление коопераций

Биографии авторов

Ирина Владимировна Логинова, Национальный исследовательский университет «Высшая школа экономики», Москва, Россия
Заведующая отделом исследований больших данных Центра стратегической аналитики и больших данных Института статистических исследований и экономики знаний
Анна Сергеевна Пиекалнитс, Национальный исследовательский университет «Высшая школа экономики», Москва, Россия
Ведущий эксперт отдела исследований больших данных Центра стратегической аналитики и больших данных Института статистических исследований и экономики знаний
Фёдор Михайлович Грозовский, Национальный исследовательский университет «Высшая школа экономики», Москва, Россия
Стажер-исследователь отдела исследований больших данных Центра стратегической аналитики и больших данных Института статистических исследований и экономики знаний

Литература

1. Hanneman R., Riddle M. Introduction to Social Network Methods // Network. University of California. 2005. Vol. 46, № 7. 322 p.

2. Морено Я. Л. Кто останется в живых? Основы социометрии, групповой психотерапии и социодрамы / Пер. с англ. О. Шиловой. СПб.: Питер, 2024. 448 с. ISBN 978-5-4461-3936-1.

3. Полякова А. Г., Колмаков В. В., Мирзабекова М. Ю. Сетевой анализ организации социально-экономических процессов // Научно-технические ведомости СПбГПУ. Экономические науки. 2019, т. 12, № 3. С. 60–73. DOI: 10.18721/JE.12305. EDN: ZNXJVS.

4. Wasserman S., Faust K. Social Network Analysis: Methods and Applications. Cambridge: Cambridge University Press, 1994. 857 p. ISBN 9781139788618.

5. Zhang M. Social Network Analysis: History, Concepts, and Research // Handbook of Social Network Technologies and Applications. Springer: Boston, MA, 2010. P. 3-21. ISBN 978-1-4419-7141-8. DOI: 10.1007/978-1-4419-7142-5_1.

6. Freeman L. The Development of Social Network Analysis // A Study in the Sociology of Science. 2004, № 1(687). P. 159-167. ISBN 9781594577147.

7. Methot J.R., Zaman N., Shim H. Social Network Analysis in Organizations // Oxford Research Encyclopedia of Business and Management, 2022. DOI: 10.1093/acrefore/9780190224851.013.228.

8. Ramos V., Franco-Crespo A., González-Pérez L., Guerra Y., Ramos-Galarza C., Pazmiño P., Tejera E. Analysis of Organizational Power Networks Through a Holistic Approach Using Consensus Strategies // Heliyon. 2019. № 5(2). P. 1-23. DOI: 10.1016/j.heliyon.2019.e01172.

9. Allee V. Value Network Analysis and Value Conversion of Tangible and Intangible Assets // Journal of Intellectual Capital. 2008. Vol. 9, № 1. P. 5-24. DOI: 10.1108/14691930810845777.

10. Vogelsang J., Townsend M., Minahan M., Jamieson D., Vogel J., Viets A., Royal C., Valek L. Handbook for Strategic HR: Best Practices in Organization Development from the OD Network. Amacom, 2012. 672 p. ISBN 9780814432495.

11. Gursakal N., Oguzlar A., Berna Aydın Z., Tuzunturk S. Measuring Trust in an Intra-Organisational Context Using Social Network Analysis // International Journal of Management and Enterprise Development, 2009. № 6(4). P. 494-512. DOI: 10.1504/IJMED.2009.024238.

12. Tichy N., Fombrun Ch. Network Analysis in Organizational Settings // Human relations. 1979. Vol. 32, № 11. P. 923-965. DOI: 10.1177/001872677903201103. EDN JMJIHJ.

13. Lock Lee L., Sica R. Providing New Maps for Governance: Social and Organisational Network Analysis in Practice // Social Business Manifesto: [сайт]. 20.09.2012. URL: https://sociallearning.it/category/organisational-network-analysis/ (дата обращения: 03.06.2025).

14. Киселева Е. В, Крутцова М. Н., Приятелева Л. Г., Рудко А. М., Скворцова Л. И., Старцева С. Г. Методы организационной диагностики в управлении персоналом: Учебно-методическое пособие. Вологда: Вологодский филиал РАНХиГС, 2016. 422 с. ISBN 978-5-906850-20-1. EDN: XITDEH.

15. McDowell T., Horn H., Witkowski D. Organizational Network Analysis Gain Insight, Drive Smart // Deloitte Touche Tohmatsu Limited. 2016. P. 2-4.

16. Cross R. Introduction to Organizational Network Analysis. 2004. URL: https://gates.comm.virginia.edu/rlc3w/sna.htm (дата обращения: 03.06.2025).

17. Cross R. Interpreting a Network Diagram. 2004. URL: https://gates.comm.virginia.edu/rlc3w/sna03.htm (дата обращения: 03.06.2025).

18. Johnson D.D., Pittelman S.D., Heimlich J.E. Semantic Mapping // The Reading Teacher. 1986. Vol. 39, № 8. P. 778-783.

19. Haspelmath M. The Geometry of Grammatical Meaning: Semantic Maps and Crosslinguistic Comparison // The New Psychology of Language. 2003. Vol. 2. P. 211–242.

20. Georgakopoulos T. Semantic Maps // Linguistics. 2019. P. 1-23. DOI: 10.1093/OBO/9780199772810-0229.

21. Mrvar A., Batagelj V. Analysis and Visualization of Large Networks With Program Package Pajek // Complex Adaptive Systems Modeling. 2016. Vol. 4, № 1. P. 1-8. DOI: 10.1186/s40294-016-0017-8. EDN NFUCXD.

22. Сайт разработчика Pajek A. Mrvar: [сайт]. URL: http://mrvar.fdv.uni-lj.si/pajek/Symbols/symbols-examples.htm (дата обращения: 03.06.2025).

23. Gephi: [сайт]. URL: https://gephi.org/ (дата обращения: 03.06.2025).

24. Bastian M., Heymann S., Jacomy M. Gephi: an Open Source Software for Exploring and Manipulating Networks // Proceedings of the International AAAI Conference on Web and Social Media. 2009. № 3(1). P. 361-362. DOI:10.1609/icwsm.v3i1.13937.

25. Combe D., Largeron C., Egyed-Zsigmond E., Géry M. A Comparative Study of Social Network Analysis Tools // Web Intelligence & Virtual Enterprises. 2010. Vol. 2.

26. Carley K.M. ORA: A Toolkit for Dynamic Network Analysis and Visualization // Encyclopedia of Social Network Analysis and Mining. Springer: New York, 2018. P. 1693-1702. DOI: 10.1007/978-1-4939-7131-2_309.

27. ORA-Lite: [сайт]. URL: http://www.casos.cs.cmu.edu/projects/ora/software.php (дата обращения: 03.06.2025).

28. Alhajj R., Rokne J. Encyclopedia of Social Network Analysis and Mining. Springer Publishing Company, Incorporated, 2014. 2437 p. ISBN 978-1-4614-6169-2. DOI: 10.1007/978-1-4614-6170-8.

29. NetMiner: [сайт]. URL: http://www.netminer.com/product/features.do (дата обращения: 03.06.2025).

30. Smith M.A., Shneiderman B., ilic-Frayling N., Rodrigues E.M., Barash V., Dunne C., Capone T., Perer A., Gleave E. Analyzing (Social Media) Networks with NodeX // Proceedings of the Fourth International Conference on Communities and Technologies. 2009. P. 255-264. DOI:10.1145/1556460.1556497.

31. Social Media Research Foundation: [сайт]. URL: https://www.smrfoundation.org/ (дата обращения: 03.06.2025).

32. NodeXL: [сайт]. URL: https://nodexl.com/ (дата обращения: 03.06.2025).

33. The Social Media Research Foundation: [сайт]. URL: https://www.smrfoundation.org/nodexl/faq/ (дата обращения: 03.06.2025).

34. Jolly Good and Harvard University Hospital Collaborate on Medical VR - Full-scale Entry Into the U.S. Market // PR Newswire: [сайт]. 22.03.2023. URL: https://www.prnewswire.com/news-releases/jolly-good-and-harvard-university-hospital-collaborate-on-medical-vr---full-scale-entry-into-the-us-market-301774703.html (дата обращения: 03.06.2025).

35. USTC Achieves Thousand-Kilometer Quantum Key Distribution // EurekAlert: [сайт]. 13.01.2023. URL: https://www.eurekalert.org/news-releases/992170 (дата обращения: 03.06.2025).

36. SNAP Wins NASA Support for Joint Dark Energy Mission // SPACENEWS: [сайт]. 09.08.2006. URL: https://spaceref.com/press-release/snap-wins-nasa-support-for-joint-dark-energy-mission/ (дата обращения: 03.06.2025).

37. MIT & Harvard’s FAn System Reveal a Revolutionizing Real-Time Object Tracking // Cryptopolitan: [сайт]. URL: https://www.cryptopolitan.com/mit-reveal-real-time-object-tracking/ (дата обращения: 03.06.2025).

38. Mapping Cities in Motion // Massachusetts Institute of Technology: [сайт]. 13.06.2023. URL: https://news.mit.edu/2023/mapping-cities-motion-book-0613 (дата обращения: 03.06.2025).

39. China's Self-Developed MRI Machine Enters Mass Production // CGTN: [сайт]. 24.07.2023. URL: https://news.cgtn.com/news/2023-07-24/China-s-self-developed-MRI-machine-enters-mass-production-1lH76Ep3zck/index.html (дата обращения: 03.06.2025).
RBNLBE
Статья

Поступила: 12.06.2023

Опубликована: 20.08.2025

Форматы цитирования
Другие форматы цитирования:

APA
Логинова, И. В., Пиекалнитс, А. С., & Грозовский, Ф. М. (2025). Технология анализа больших данных для выявления организационных связей: возможности системы iFORA. Социология: методология, методы, математическое моделирование (Социология:4М), (60), 36-88. https://doi.org/10.19181/4m.2025.34.1.2
Раздел
ПРАКТИКА СБОРА И АНАЛИЗА ДАННЫХ