Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://earchive.tpu.ru/handle/11683/64216
Название: Оценка качества жизни населения регионов РФ на основе цифровых данных: методологические аспекты
Другие названия: Assessment of the population life quality in Russian regions based on digital data: methodological aspects
Авторы: Щекотин, Евгений Викторович
Коварж, Галина Юрьевна
Гойко, Вячеслав Леонидович
Петров, Евгений Юрьевич
Бакулин, Вячеслав Викторович
Ключевые слова: цифровая социология; цифровые методы; качество жизни; благополучие; регионы; социальные сети; большие данные; машинное обучение; digital sociology; digital methods; quality of life; well-being; regions of the Russian Federation; social networks; big data; machine learning
Дата публикации: 2020
Издатель: Томский политехнический университет
Библиографическое описание: Оценка качества жизни населения регионов РФ на основе цифровых данных: методологические аспекты / Е. В. Щекотин, Г. Ю. Коварж, В. Л. Гойко [и др.] // Векторы благополучия: экономика и социум. — 2020. — № 3 (38). — [С. 138-156].
Аннотация: Актуальность. Углубление тенденции на цифровизацию различных аспектов социальной жизни актуализирует применение цифровых технологий в социальных науках. Такие цифровые методы исследования, как машинное обучение, интеллектуальный анализ данных, большие данные и т. д., обладают огромным потенциалом для изучения и решения многих социальных проблем. Цифровые методы исследования получили широкое применение в исследованиях благополучия, качества жизни, счастья, удовлетворенности населения. Цель исследования: оценить качество жизни населения регионов РФ на основе данных социальных сетей и с использованием цифровых методов исследования. Методология основана на изучении субъективных оценок качества жизни пользователями социальной сети "ВКонтакте" в регионе своего проживания. Для реализации данной методологии использовались технологии больших данных (извлечение большого массива данных из социальной сети «ВКонтакте») и машинного обучения (анализ полученных данных - определение тональности и темы сообщений). Результаты: предложена методология изучения качества жизни населения регионов РФ с использованием цифровых методов и данных социальных сетей. Рассмотрены преимущества и недостатки представленного метода исследования. Разработан инструмент для оценки качества жизни - Индекс субъективного (не)благополучия. Проведена оценка качества жизни для 83 из 85 регионов РФ.
Relevance. Deepening the trend towards digitalization of various aspects of social life actualizes the use of digital technologies in the social sciences. Such digital research methods as machine learning, data mining, big data, etc. open up a huge potential for studying and solving many social problems. Digital research methods are also widely used in studies of well-being, quality of life, happiness, and life satisfaction. The main aim of the study is to assess the population life quality in Russian regions based on social network data and using digital research methods. Methods. The research methodology is based on the study of subjective assessments of the quality of life by users of the social network Vkontakte in their region of residence. To implement this methodology, we used big data technologies (extracting a large array of data from a social network in Vkontakte) and machine learning (analyzing the data obtained - determining the tone and subject of messages). Results. A methodology for studying the quality of life of the population of Russian regions using digital methods and social network data is proposed. The advantages and disadvantages of the presented research method are considered. We have developed a tool for assessing the quality of life - the index of subjective (non-) well-being. The quality of life was assessed for 83 out of 85 regions of the Russian Federation.
URI: http://earchive.tpu.ru/handle/11683/64216
ISSN: 2658-4956
Располагается в коллекциях:Векторы благополучия: экономика и социум

Файлы этого ресурса:
Файл Описание РазмерФормат 
jwt-1020.pdf1,46 MBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.