Традиционные методы анализа качественных данных

Готлиб А. С.; Лехциер В. Л.; Ю. В. Епанова; Я. Н. Крупец

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

Новости

25 августа 2026 г.

Исследователи ВШЭ сравнили рекомендательные алгоритмы по правилам спортивного турнира

Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ разработали подход, который помогает эффективнее подбирать рекомендательные алгоритмы. В нем разные методы попарно соревнуются, а по результатам всех поединков составляется общий рейтинг. Это помогает сократить число алгоритмов, которые нужно проверять при разработке новых сервисов, и сэкономить денежные и временные ресурсы.Исследование было представлено на 32-й конференции ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026).

20 августа 2026 г.

<a>Исследователи НИУ ВШЭ и Сбера научили нейросети лучше угадывать предпочтения пользователей

Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Сбер представили новую архитектуру для рекомендательных систем: благодаря объединению двух классов моделей алгоритмы лучше угадывают интересы и потребности пользователей. Препринт работы опубликован на сайте arxiv.org и представлен на летнем фестивале «Урбан ML».

19 августа 2026 г.

Ученые ВШЭ разработали алгоритм, позволяющий производить более надежные процессоры для ЦОД

Ученые из МИЭМ ВШЭ и Самарского университета создали алгоритм LRF-3D для автоматического обхода неработающих узлов в трехмерных сетях на кристалле. Благодаря своей иерархической организации он превосходит аналоги по быстродействию и точности пути, повышая надежность процессоров для использования в ЦОД, суперкомпьютерах и ИИ-вычислениях. Исходные коды алгоритмов и тестов опубликованы в открытом доступе.

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации

?

Традиционные методы анализа качественных данных

С. 8–47.

Готлиб А. С., Лехциер В. Л., Епанова Ю. В., Крупец Я. Н.

Практикум разработан в соответствии с учебным планом специальности «Социология», представляет собой учебное издание, ориентированное на практическое освоение студентами процедур и методов качественного анализа в социологическом исследовании. Предназначен для бакалавров и магистров, обучающихся по направлениям подготовки «Социология» дневной и заочной формы обучения, а также преподавателей, специализирующихся в области преподавания качественных методов анализа данных. Практикум подготовлен на кафедре методологии социологических и маркетинговых исследований

Язык: русский

Ключевые слова: NVivo software NVivo

В книге

Процедуры и методы социологического исследования. Методы анализа данных в качественном социологическом исследовании: практикум

Бархатова Л. А., Готлиб А. С., Егорова С. В., Епанова Ю. В., Землянская И. А., Крупец Я. Н., Куликов С. П., Лехциер В. Л., Сергеева Н. М., Финкельштейн И. Е., Литвинов В. Г. Самара: Издательство Самарского университета, 2024.

Beyond Claims: CSR Reports, ESG Initiatives, and the Consequences of Impressions Management; Empirical Analysis

Badr I., Rawnaa Ibrahim, Hussainey K., , in: Opportunities and Risks in AI for Business Development* 636. Vol. 2: 546. Book Opportunities and Risks in AI for Business Development.: Springer, 2025. P. 385–399.

Добавлено: 4 июня 2025 г.