Факультеты НГТУ НЭТИ объединили усилия для цифровизации исследований городских конфликтов
Новости
В рамках конкурса по проектной деятельности в весеннем семестре 2023 года, итоги которого подвели 1 июня, студенты ФПМИ и ИСТ представили результаты IT-проекта «Использование современных методов машинного обучения для цифровизации социологических исследований города».
Руководил проектом кандидат технических наук Илья Ступаков (ФПМИ), научным консультантом выступила доктор социологических наук Ирина Скалабан (ИСТ), в команде объединились программисты и конфликтологи.
«Наша научная группа разрабатывает геоинформационную систему для анализа городских конфликтов. Это первая в России система, которая ведет их сплошной мониторинг в пределах городской агломерации, фиксируя все публичные конфликты, а не только какую-то определенную категорию. Такой подход позволяет более глубоко понять закономерности возникновения противоречий в городах, логику их развития — и в перспективе вырабатывать эффективные способы урегулирования конфликтов. Но это требует огромного объема работы. Источником информации служат средства массовой информации и социальные сети, и каждый день нам приходится «просеивать» десятки и сотни сообщений. У нас есть специальные инструменты мониторинга, есть команда, которая умеет искать и обрабатывать новости. Но мы планируем тиражирование нашей системы в других городах, где может не оказаться специалистов. Поэтому мы обратились к представителям факультета прикладной математики и информатики с просьбой создать приложение к нашей базе данных, которое позволяло бы искать и обрабатывать сообщения о конфликтах. И мы восхищены тем, как быстро компьютер учится это делать! Нам очень повезло, что на ФПМИ НГТУ НЭТИ есть специалисты мирового уровня по машинному обучению!» — рассказала научный руководитель Лаборатории городских исследований Института социальных технологий НГТУ НЭТИ Ирина Скалабан.
Сложность в обучении искусственного интеллекта заключалась в том, что он регистрирует как конфликт любую напряженность или форс-мажор (к примеру: объявление о временном отключении горячей воды). Участники проекта выработали подходы к парсингу необходимых сайтов, сформировали данные для обучения ML-моделей и продемонстрировали прототипы обученных моделей. Работа продолжается. Результатом проекта должен стать программный продукт, реализующий поиск и классификацию новостных статей в интернет-источниках, который ускорит работу социологов по выявлению и анализу конфликтов.
«Наша научная группа разрабатывает геоинформационную систему для анализа городских конфликтов. Это первая в России система, которая ведет их сплошной мониторинг в пределах городской агломерации, фиксируя все публичные конфликты, а не только какую-то определенную категорию. Такой подход позволяет более глубоко понять закономерности возникновения противоречий в городах, логику их развития — и в перспективе вырабатывать эффективные способы урегулирования конфликтов. Но это требует огромного объема работы. Источником информации служат средства массовой информации и социальные сети, и каждый день нам приходится «просеивать» десятки и сотни сообщений. У нас есть специальные инструменты мониторинга, есть команда, которая умеет искать и обрабатывать новости. Но мы планируем тиражирование нашей системы в других городах, где может не оказаться специалистов. Поэтому мы обратились к представителям факультета прикладной математики и информатики с просьбой создать приложение к нашей базе данных, которое позволяло бы искать и обрабатывать сообщения о конфликтах. И мы восхищены тем, как быстро компьютер учится это делать! Нам очень повезло, что на ФПМИ НГТУ НЭТИ есть специалисты мирового уровня по машинному обучению!» — рассказала научный руководитель Лаборатории городских исследований Института социальных технологий НГТУ НЭТИ Ирина Скалабан.
Сложность в обучении искусственного интеллекта заключалась в том, что он регистрирует как конфликт любую напряженность или форс-мажор (к примеру: объявление о временном отключении горячей воды). Участники проекта выработали подходы к парсингу необходимых сайтов, сформировали данные для обучения ML-моделей и продемонстрировали прототипы обученных моделей. Работа продолжается. Результатом проекта должен стать программный продукт, реализующий поиск и классификацию новостных статей в интернет-источниках, который ускорит работу социологов по выявлению и анализу конфликтов.