discourseДискурсDiscourse2412-85622658-7777СПбГЭТУ «ЛЭТИ»10.32603/2412-8562-2025-11-1-52-70discourse-759Research ArticleСОЦИОЛОГИЯSOCIOLOGYИспользование генеративного искусственного интеллекта для социологических исследованийImplementation of Generative Artificial Intelligence in Sociological Researchhttps://orcid.org/0009-0009-6280-3160ДрачВ. Е.DrachV. E.

Драч Владимир Евгеньевич – кандидат технических наук (2005), доцент (2006), доцент кафедры информационных технологий и математики

ул. Пластунская, д. 94, г. Сочи, 354000

Vladimir E. Drach – Can. Sci. (Engineering, 2005), Docent (2006), Associate Professor at  the Department of Information Technologies and Mathematics

94 Plastunskaya str., Sochi 354000

vladimir@drach.prohttps://orcid.org/0000-0001-7642-6663ТоркуноваЮ. В.TorkunovaYu. V.

Торкунова Юлия Владимировна – доктор педагогических наук (2015), профессор кафедры информационных технологий и интеллектуальных систем;  профессор кафедры информационных технологий и математики

ул. Красносельская, д. 51, г. Казань, 420066

ул. Пластунская, д. 94, г. Сочи, 354000

Yulia V. Torkunova – Dr. Sci. (Pedagogic, 2015), Professor at the Department of Information Technologies and Intelligent Systems; Professor at the Department of Information Technologies and Mathematics

51 Krasnoselskaya str., Kazan 420066

94 Plastunskaya str., Sochi 354000

torkynova@mail.ruСочинский государственный университетSochi State UniversityСочинский государственный университет; Казанский государственный энергетический университетKazan State Power Engineering University; Sochi State University2025230220251115270Copyright © Драч В.Е., Торкунова Ю.В., 20252025Драч В.Е., Торкунова Ю.В.Drach V.E., Torkunova Y.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://discourse.elpub.ru/jour/article/view/759Введение

Введение. В статье рассматривается использование генеративного искусственного интеллекта (ГИИ) в социологических исследованиях. Актуальность темы определяется возрастанием интереса к применению новых технологий для повышения эффективности и точности исследований в области социальных наук. ГИИ предоставляет новые возможности для сбора, обработки и анализа данных, что может существенно изменить традиционные подходы в социологии.

Методология и источники

Методология и источники. Исследование базируется на анализе доступных публикаций и экспериментальных данных, полученных в ходе общения с социологами, использующими ГИИ в своих проектах. В работе рассматриваются методики генерации описаний, анализа изображений и генерации синтетических изображений с использованием алгоритмов машинного обучения. Акцент сделан на конкретных случаях применения ГИИ в социологических исследованиях, а также на примерах успешных проектов.

Результаты и обсуждение

Результаты и обсуждение. Результаты исследования показывают, что использование ГИИ позволяет значительно ускорить процесс обработки данных и повысить их качество. Выявлены новые паттерны и тенденции в социологических исследованиях, благодаря чему ученые могут получать более точные и обоснованные выводы. Об суждаются также этические аспекты, связанные с использованием ГИИ, такие как во просы конфиденциальности и алгоритмической предвзятости.

Заключение

Заключение. Генеративный искусственный интеллект представляет собой мощный инструмент, способный трансформировать социологические исследования. Несмотря на существующие вызовы, он открывает новые горизонты для сбора и анализа дан ных, способствуя более глубокому пониманию социальных процессов и явлений. Важно продолжать исследовать возможности и ограничения ГИИ для развития социо логической науки.

Introduction

Introduction. This article discusses the use of generative artificial intelligence (GAI) in sociological research. The relevance of the topic is determined by the increasing interest in applying new technologies to enhance the efficiency and accuracy of research in social sciences. GAI provides new opportunities for data collection, processing, and analysis, which can significantly change traditional approaches in sociology.

Methodology and sources

Methodology and sources. The research is based on an analysis of available publications and experimental data obtained during discussions with sociologists using GAI in their projects. The paper examines methodologies for generating surveys, processing respondents' answers, and analyzing big data using machine learning algorithms. The focus is on specific cases of GAI applications in sociological research, as well as examples of successful projects.

Results and discussion

Results and discussion. The results of the study demonstrate that the use of GAI allows for significantly accelerating the data processing process and enhancing the quality of the data. New patterns and trends in sociological research have been identified, enabling researchers to draw more accurate and justified conclusions. Ethical aspects related to the use of GAI are also discussed, such as issues of confidentiality and algorithmic bias.

Conclusion

Conclusion. Generative artificial intelligence represents a powerful tool capable of transforming sociological research. Despite existing challenges, it opens new horizons for data collection and analysis, fostering a deeper understanding of social processes and phenomena. It is important to continue exploring the possibilities and limitations of GAI for the advancement of sociological science.

генеративный искусственный интеллектсоциологические исследованияанкетымашинное обучениеэтические аспектыgenerative artificial intelligencesociological researchsurveysmachine learningethical aspectsReferencesGenerative artificial intelligence // Wikipedia. URL: https://en.wikipedia.org/wiki/Generative_ar tificial_intelligence (дата обращения: 20.08.2024).“Generative artificial intelligence”, Wikipedia, available at: https://en.wikipedia.org/wiki/Generative_artificial_intelligence (accessed 20.08.2024).Глухих В. А., Елисеев С. М., Кирсанова Н. П. Искусственный интеллект как проблема со временной социологии // Дискурс. 2022. Т. 8, № 1. С. 82–93. DOI: https://doi.org/10.32603/2412 8562-2022-8-1-82-93.Glukhikh, V.A., Eliseev, S.M. and Kirsanova, N.P. (2022), “Artificial Intelligence as a Problem of Modern Sociology”, DISCOURSE, vol. 8, no. 1, pp. 82–93. DOI: 10.32603/2412-8562-2022-8-1-82-93.Ильичев В. Ю., Драч В. Е., Чукаев К. Е. Морально-нравственные проблемы всеобщего применения нейронных сетей // Рефлексия. 2023. № 5. С. 8–13.Ilyichev, V.Yu., Drach, V.E. and Chukaev, K.E. (2023), “Moral and Ethical Problems of Universal Use of Neural Networks”, Refleksiya [Reflection], no. 5, pp. 8–13.Цифровая экономика и системная цифровая трансформация / А. С. Копырин, Е. В. Видищева, В. В. Коваленко и др. / под общ. ред. А. С. Копырина. Сочи: РИЦ ФГБОУ ВО «СГУ», 2023.Kopyrin, A.S., Vidishcheva, E.V., Kovalenko, V.V. et al. (2023), Tsifrovaya ekonomika i sistemnaya tsifrovaya transformatsiya [Digital Economy and Systemic Digital Transformation], in Kopyrin, A.S. (ed.), RIC FGBOU VO ‘SSU”, Sochi, RUS.Deepti Hajela. The American paradox of protest: Celebrated and condemned, welcomed and muzzled // The Associated Press. 05.05.2024. URL: https://apnews.com/article/american-protest-par adox-israel-hamas-war22b1325188e0808db7389c8c3f04c331 (дата обращения: 20.08.2024).Deepti Hajela (2024), “The American paradox of protest: Celebrated and condemned, welcomed and muzzled”, The Associated Press, 05.05.2024, available at: https://apnews.com/article/american-pro test-paradox-israel-hamas-war22b1325188e0808db7389c8c3f04c331 (accessed 20.08.2024).All That’s ‘Human’ Is Not Gold: Evaluating Human Evaluation of Generated Text / E. Clark, T. August, S. Serrano et al. // Proc. of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th Int. Joint Conf. on Natural Language Proc. Vol. 1. Stroudsburg, PA: Association for Computational Linguistics, 2021. P. 7282–7296. DOI: 10.48550/arXiv.2107.00061.Clark, E., August, T., Serrano, S. et al. (2021), “All That’s ‘Human’ Is Not Gold: Evaluating Human Evaluation of Generated Text”, Proc. of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th Int. Joint Conf. on Natural Language Proc., vol. 1, Stroudsburg, PA: Association for Computational Linguistics, pp. 7282–7296. DOI: 10.48550/arXiv.2107.00061.Wang Y., Wang H. A face template: improving the face generation quality of multi-stage gener ative adversarial networks using coarse-grained facial priors // Multimedia Tools and Applications. 2024. Vol. 83, no. 7. P. 21677–21693. DOI: https://doi.org/10.1007/s11042-023-16183-2.Wang, Y. and Wang, H. (2024), “A face template: improving the face generation quality of multi stage generative adversarial networks using coarse-grained facial priors”, Multimedia Tools and Applications, vol. 83, no. 7, pp. 21677–21693. DOI: https://doi.org/10.1007/s11042-023-16183-2.Buolamwini J. Unmasking AI: My Mission to Protect What Is Human in a World of Machines. NY: Random House, 2023.Buolamwini, J. (2023), Unmasking AI: My Mission to Protect What Is Human in a World of Machines, Random House, NY, USA.Easily Accessible Text-to-Image Generation Amplifies Demographic Stereotypes at Large Scale / F. Bianchi, P. Kalluri, E. Durmus et al. // FAccT ’23 Proc. of the 2023 ACM Conf. on Fairness, Accountability, and Transparency. NY: Association for Computing Machinery, 2023. P. 1493–1504. DOI: https://doi.org/10.1145/3593013.3594095.Bianchi, F., Kalluri, P., Durmus, E. et al. (2023), “Easily Accessible Text-to-Image Generation Amplifies Demographic Stereotypes at Large Scale”, FAccT ’23 Proc. of the 2023 ACM Conf. on Fairness, Accountability, and Transparency, Association for Computing Machinery, NY, USA, pp. 1493–1504. DOI: https://doi.org/10.1145/3593013.3594095.Flores R. D., Schachter A. Who Are the “Illegals”? The Social Construction of Illegality in the United States // American Sociological Review. 2018. Vol. 83, iss. 5. P. 839–868. DOI: 10.1177/0003122418794635.Flores, R.D. and Schachter, A. (2018), “Who Are the “Illegals”? The Social Construction of Ille gality in the United States”, American Sociological Review, vol. 83, iss. 5, pp. 839–868. DOI: 10.1177/0003122418794635.How Tilly’s WUNC Works: Bystander Evaluations of Social Movement Signals Lead to Mobili zation / E. R. Bailey, D. Wang, S. A. Soule, R. Hayagreeva // American J. of Sociology. 2023. Vol. 128, no. 4. P. 1206–1262. DOI: https://doi.org/10.1086/723489.Bailey, E.R., Wang, D., Soule, S.A. and Hayagreeva, R. (2023), “How Tilly’s WUNC Works: By stander Evaluations of Social Movement Signals Lead to Mobilization”, American J. of Sociology, vol. 128, no. 4, pp. 1206–1262. DOI: https://doi.org/10.1086/723489.Feinberg M., Willer R., Kovacheff Ch. The Activist’s Dilemma: Extreme Protest Actions Reduce Popular Support for Social Movements // J. of Personality and Social Psychology. 2020. Vol. 119, iss. 5. P. 1086–1111. DOI: 10.1037/pspi0000230.Feinberg, M., Willer, R. and Kovacheff, Ch. (2020), “The Activist’s Dilemma: Extreme Protest Actions Reduce Popular Support for Social Movements”, J. of Personality and Social Psychology, vol. 119, iss. 5, pp. 1086–1111. DOI: 10.1037/pspi0000230.Nelson L. K. Computational Grounded Theory: A Methodological Framework // Sociological Methods & Research. 2020. Vol. 49, iss. 1. P. 3–42. DOI: https://doi.org/10.1177/0049124117729703.Nelson, L.K. (2020), “Computational Grounded Theory: A Methodological Framework”, Sociological Methods & Research, vol. 49, iss. 1, pp. 3–42. DOI: https://doi.org/10.1177/0049124117729703.Institutionalreviewboard // Wikipedia. URL: https://en.wikipedia.org/wiki/Institutionalreviewboard (дата обращения: 20.08.2024).“Institutionalreviewboard”, Wikipedia, available at: https://en.wikipedia.org/wiki/Institutional reviewboard (дата обращения: 20.08.2024).On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? / E. M. Bender, T. Gebru, A. McMillan-Major, Sh. Shmargaret // FAccT ’21: Proc. of the 2021 ACM Conf. on Fairness, Accountability, and Transparency. NY: Association for Computing Machinery, 2021. P. 610–623. DOI: https://doi.org/10.1145/3442188.3445922.Bender, E.M., Gebru, T., McMillan-Major, A. and Shmargaret, Sh. (2021), “On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?”, FAccT ’21: Proc. of the 2021 ACM Conf. on Fairness, Accountability, and Transparency, Association for Computing Machinery, NY, USA, pp. 610–623. DOI: https://doi.org/10.1145/3442188.3445922.Abubakar A., Maheen F., Zou J. Persistent Anti-Muslim Bias in Large Language Models // Proc. of the 2021 AAAI/ACM Conf. on AI, Ethics, and Society, Virtual Event. NY: Association for Computing Machinery, 2021. P. 298–306. DOI: 10.48550/arXiv.2101.05783.Abubakar, A., Maheen, F. and Zou, J. (2021), “Persistent Anti-Muslim Bias in Large Language Models”, Proc. of the 2021 AAAI/ACM Conf. on AI, Ethics, and Society, Virtual Event, Association for Computing Machinery, NY, USA, pp. 298–306. DOI: 10.48550/arXiv.2101.05783.Out of One, Many: Using Language Models to Simulate Human Samples / L. P. Argyle, E. C. Busby, N. Fulda et al. // Political Analysis. 2023. Vol. 31, iss. 3. P. 337–351. DOI: https://doi.org/10.1017/pan.2023.2.Argyle, L.P., Busby, E.C., Fulda, N. et al. (2023), “Out of One, Many: Using Language Models to Simulate Human Samples”, Political Analysis, vol. 31, iss. 3, pp. 337–351. DOI: https://doi.org/10.1017/pan.2023.2.

The authors declare that there are no conflicts of interest present.