seminário - apresentação do artigo - ontologies...
TRANSCRIPT
ONTOLOGIES, METHODOLOGIES, AND NEW USES OF BIG DATA IN THE SOCIAL AND CULTURAL SCIENCESROBIN WAGNER-PACIFICI, JOHN W MOHR AND RONALD L BREIGER
ERNESTO FONSECA VEIGA
LABORATÓRIO DE POLITICAS PUBLICAS PARTICIPATIVAS – L3P
VISÃO GERAL
• Apresentação de trabalhos que refletem sobre experiências que os
autores tiveram ao trabalhar com Big Data
• Confronto de premissas implícitas sobre a natureza "do social", e
as premissas, algumas vezes contrastantes, das práticas
metodológicas das ciências computacionais
08/09/2016 2
INTRODUÇÃO
• Objetivos
• Destacar os caminhos em que Big Data tem impacto nas ciências
culturais e sociais
• Ir além dos resultados empíricos e visualizações, mas refletir sobre
questões tais como "Como Big Data está modificando os
fundamentos intelectuais das disciplinas científicas e humanísticas
sociais“
Levantar e responder questões mais profundas
08/09/2016 3
INTRODUÇÃO
• Questão de pesquisa e abordagem
• Como refletir sobre as experiências com Big Data levou estes autores
a reexaminar suas expectativas fundamentais sobre "como estudar o
social?"
08/09/2016 4
refletir
reavaliaramadurecer
reformular
INTRODUÇÃO
• Contribuições:
• Descrição dos encontros com as novas premissas computacionais de
Big Data
• Ligação das experiências observadas com a pesquisa empírica,
refletindo como novas situações metodológicas e ontológicas estão
mudando os contornos de seus campos de pesquisa
• Caminhos nos quais as premissas foram interrompidas,
transformadas ou expandidas por meio dos estudos sobre Big Data
08/09/2016 5
INTRODUÇÃO
• Resultados
• Muitos dos autores aprovam a forma como a mudança em direção ao
Big Data pode levar a transformações radicais nas áreas acadêmicas
em que trabalham
• Aprendizado
• Há diversas maneiras nas quais trabalhando com Big Data desafia as
premissas fundamentais que sustentam o trabalho acadêmico em
ciências sociais e humanas
Big Data traz uma grande mudança de paradigma08/09/2016 6
MÉTODO
• Desafio ontológico
• Nova interpretação dos conhecimentos
• Pensamento sobre ontologia
• “Sistemas de categorias, significados e identidades dentro do qual
atores e ações estão situadas"
• Muitos elementos constituintes de Big Data formam uma ontologia
complexa "do social", - entidades, agentes, atores, causas,
significados, temporalidades, e contextos.
08/09/2016 7
MÉTODO
• Este artigo
• Apresenta como as principais questões de interesse foram tratadas
nos demais artigos desta coletânea
08/09/2016 8
MÉTODO
• Questões fundamentais
• 1) envolve a natureza do relacionamento entre onde e como a vida
humana acontece e o que exatamente Big Data pode nos dizer sobre
isso
• 2) diz respeito à natureza da interpretação
• Análise dividida em 3 focos
• 1) Vida/Dados
• 2) Mente/Máquina
• 3) Indução/Dedução08/09/2016 9
MÉTODO
• Discussão sobre as categorias ontológicas
• 1) o que é uma coisa
• 2) o que é um agente
• 3) o que é tempo
• 4) o que é contexto
• 5) o que é causalidade
08/09/2016 10
BINARY #1: LIFE/DATA
• Questionamentos
• Como Big Data está para a vida social?
• Big Data oferece uma apresentação neutra da realidade social?
• Contra a sabedoria convencional, falhas para preprocessar dados
em Big Data podem ter maiores consequências negativas [Diesner,
2015]
• A maneira como opera o coração da Wikipedia pode causar
distorções na imagem do mundo social [Adams and Bruckner,
2015]08/09/2016 11
BINARY #2: MIND/MACHINE
• Questionamentos
• Como leitores humanos e técnicas computacionais de leitura
oferecem interpretações de significado?
• Que tipo de leitor um computador deveria ser?
• Ferramentas de mineração de textos
• Projetos de processamento de linguagem natural (NLP)
08/09/2016 12
BINARY #3: INDUCTION/DEDUCTION
• Questionamentos
• Como a análise social científica e humanística deve ser construída?
• Oposição entre as partes, porém com linhas turvas entre as mesmas
• Linhas de pensamento
• Little Data: número limitado de variáveis; necessariamente dedutiva
(old school)
• Big Data: aborda aprendizado por indução
08/09/2016 13
THEME #1: WHAT IS A THING?
• Problema: quanto tentamos fazer um computador reagir ao
mundo social, começam a ocorrer os mais básicos e simples
dilemas ontológicos
• Desafios
• Esforços para criar dispositivos de desambiguação
• Como decidir entre diferentes significados de palavras?
• A questão não é sobre a utilização de máquinas e ferramentas de
estatística poderosas, mas sim sobre o emprego de competências
que permitam um tipo qualitativamente diferente de análise de
texto: a Análise de conteúdo 08/09/2016 14
THEME #2: WHAT IS AN AGENT?
• Desafios
• Reconhecer quando uma entidade é um agente
• Saber se uma entidade é um indivíduo ou um grupo, um humano ou
um robô, etc.
• Desenvolvimento de estratégias para trabalho com Big Data
• Desenvolvimento de modelos de comportamento
• Análise de tendências em uma grande população de dados
08/09/2016 15
THEME #3: WHAT IS TIME?
• A compreensão e a capacidade de medir ou teorizar um processo
temporal tem sido alterada com a mudança para Big Data
• Eventos são geralmente associados a um instante no tempo. Na
análise de redes sociais, por exemplo, é importante o que
acontece em um período de tempo
• Desafio
• Repensar as concepções e modelos de relações sociais
08/09/2016 16
THEME #4: WHAT IS CONTEXT?
• Informações que contextualizam o modelo de Big Data (o que,
onde, etc.)
• Desafio
• Lacunas entre o mundo social e as formas de Big Data que se
propõem a entendê-lo
• Um ponto crítico para a utilização de Big Data é a necessidade de
contextualização
08/09/2016 17
THEME #5: WHAT IS A CAUSE?
• Causalidade: ligação entre causa e efeito
• Mudança de paradigma: mudança de convicções
• A mudança de escala para Big Data pode a natureza do que a
causalidade significa
• Quando se trabalha com Big Data o próprio significado do que é
causalidade precisa ser atualizado
08/09/2016 18
CONCLUSÕES
• Transformações significativas devem acontecer para que as
ciências humanas e sociais possam se engajar com as ciências
computacionais na busca do melhor uso de Big Data
• Trabalhos
• Estudar o social juntamente com o computacional
• Potenciais podem ser atingidos quando ambas estas partes ofereçam
suas melhores práticas e teorias para um objetivo comum: a
descoberta científica
08/09/2016 19