Введение в цифровые гуманитарные исследования, МГУ, 2026

Расписание

31 октября, 14 ноября, 5, 12 и 19 декабря

с 10:45 до 14:00

Преподаватель

Борис Орехов @nevmenandr, nevmenandr@gmail.com

План

31 октября: лекция

Презентация к лекции

Упоминавшиеся в лекции работы

  1. Distant Reading
  2. Michel, J.-B., Liberman A., Aiden A. P., Veres A., Gray M. K., Pickett J. P., Hoiberg D., Clancy D., Norvig P., Orwan J., Nowak M., Pinker St.Quantitative Analysis of Culture Using Millions of Digitized Books // Science. 16 December 2010. 331 (6014): 176–82
  3. Бонч-Осмоловская, А. А. Культуромика в национальном корпусе русского языка, к постановке задачи: три века русских дорог / А. А. Бонч-Осмоловская // Труды Института русского языка им. В. В. Виноградова. — 2015. — № 3 (6). — С. 605–640
  4. Terras, Melissa & Baker, James & Hetherington, James & Beavan, David & Austwick, Martin & Welsh, Anne & O’Neill, Helen & Finley, Will & Duke-Williams, Oliver & Farquhar, Adam. (2017). Enabling complex analysis of large-scale digital collections: humanities research, high-performance computing, and transforming access to British Library digital collections. Digital Scholarship in the Humanities. 33. 456-466. 10.1093/llc/fqx020.
  5. Орехов Б. В. «Проблеск» Ф. И. Тютчева в ретроспективе Корпуса. Очерк корпусной поэтики // Корпусный анализ русского стиха: Сборник научных статей. Вып. 2 / Отв ред. В. А. Плунгян, Л. Л. Шестакова. — М: Издательский центр «Азбуковник», 2014. — С. 305–319
  6. Орехов Б. В., Василенко А. Г. Количественная атрибуция и «бахтинский круг»: проблема авторства в интеллектуальных сообществах // Новый филологический вестник. — 2026. — № 1. — С. 40–55. DOI: 10.54770/20729316-2026-1-40
  7. Орехов Б. В. Текст и перевод Владимира Набокова через призму стилеметрии // Новый филологический вестник. — 2021. — № 3. — С. 200–213.
  8. Быстрицкий Н.И. Исследования сетей в исторической науке // Исторический журнал: научные исследования. 2017. № 3. С. 39-51. DOI: 10.7256/2454-0609.2017.3.21919
  9. Орехов Б. В., Успенский П. Ф., Файнберг В. В. Цифровые подходы к Камер-фурьерскому журналу В. Ф. Ходасевича // Русская литература. — 2018. — № 3. — С. 19–53. DOI: 10.31860/0131-6095-2018-3-19-53
  10. Jamshid J. Tehrani The Phylogeny of Little Red Riding Hood 2013
  11. Орехов Б. В. Почему ошибался Жуковский: о внутритекстовых причинах метрических сбоев в «Одиссее» // М. Л. Гаспарову — стиховеду. In Memoriam. / Сост. Акимова М. В., Тарлинская М. Г. — М.: Языки славянской культуры, 2017. — С. 73–89
  12. Skorinkin, D. & Orekhov, B., (2025) “The Outward Turn. Geocoding the Expansion of Fictional Space in Russian 19th-Century Literature”, Journal of Computational Literary Studies 4(1). doi: https://doi.org/10.48694/jcls.4228
  13. Alexander T. J. Barron, Jenny Huang, Rebecca L. Spang, and Simon DeDeo Individuals, institutions, and innovation in the debates of the French Revolution // PNAS May 1, 2018 115 (18) 4607 – 4612
  14. Галкина Д. Р., Орехов Б. В., Староверова П. В. О чем пишут в дневниках? Тематическое моделирование на корпусе «Прожито» // Шаги/Steps. — 2026. — 12(3). — С. 278–312. EDN: TUDEOH
  15. Орехов Б. В. Индивидуальная семантика Л. Н. Толстого в свете векторных моделей // Terra Linguistica. — 2023. — Т. 14. — № 4. — С. 119–129. DOI: 10.18721/JHSS.14409
  16. Анисимова К. М. Анализ тональности русской драмы XVIII–XX вв. как инструмент моделирования художественной структуры // Цифровые гуманитарные исследования. 2025. № 2. С. 24–47

14 ноября: практическое занятие

  • voyant tools
  • НКРЯ
  • Google Ngram Viewer
  • stylo, RSD
  • Источники данных (датасеты, скрейпинг)
  • Сетевое представление данных
  • POS
  • Кластеризация

Ссылки

  1. voyant tools
  2. НКРЯ
  3. Среда Colab
  4. Запуск R в облаке
  5. Google Ngram Viewer
  6. RSD

Навыки

Способ посчитать хи-квадрат (χ²) в R

Пример: 30, 10, 15, 45.

  yes no
A 30 10
B 15 45

Расшифровка:

  • 30 — сколько объектов с признаком A имеют результат yes
  • 10 — сколько объектов с признаком A имеют результат no
  • 15 — сколько объектов с признаком B имеют результат yes
  • 45 — сколько объектов с признаком B имеют результат no

Допустим, вы опросили 100 человек: 40 из группы A и 60 из группы B, и спросили «согласны?» (yes/no):

  • Из 40 человек группы A: 30 сказали «yes», 10 — «no» → строка A: 30, 10
  • Из 60 человек группы B: 15 сказали «yes», 45 — «no» → строка B: 15, 45

Не должно быть < 5

Сумма всех четырёх чисел = общее число наблюдений n = 30 + 10 + 15 + 45 = 100. Это n и подставляется в формулу V Крамера.

Числа идут по строкам (при byrow = TRUE): сначала вся первая строка (30, 10), потом вторая (15, 45).

my_table <- matrix(c(30, 10,   # строка A: yes=30, no=10
                     15, 45),  # строка B: yes=15, no=45
                   nrow = 2, byrow = TRUE)

Если перепутать порядок и ввести по столбцам, таблица «перевернётся» — χ² и V Крамера посчитаются, но уже для другой раскладки. Поэтому byrow = TRUE важен.

# --- 1. Вводим готовые частоты (по строкам!) ---
my_table <- matrix(c(30, 10,
                     15, 45),
                   nrow = 2, byrow = TRUE)
my_table

# --- 2. Хи-квадрат ---
test <- chisq.test(my_table)
test

# --- 3. V Крамера (для 2×2 он же Phi) ---
cramers_v <- sqrt(test$statistic / sum(my_table))
cramers_v

Примерный вывод:

Pearson's Chi-squared test with Yates' continuity correction

data:  my_table
X-squared = 18.75, df = 1, p-value = 1.485e-05

V Крамера = 0.5

Значение V Крамера находится в диапазоне от 0 до 1:

0 — связи нет.

1 — максимально возможная связь (для данной размерности таблицы).

Чем ближе к 1, тем сильнее связь. Обычно значения около 0.1 считаются слабыми, 0.3 — средними, 0.5 и выше — сильными, но это зависит от контекста.

Интерпретация:

  • p-value = 1.485e-05 (≈ 0.000015) — меньше 0.05 → связь между переменными статистически значима, гипотеза о независимости отвергается.
  • V Крамера = 0.5 — величина эффекта; 0.5 для таблицы 2×2 означает сильную связь (ориентиры: 0.1 — слабая, 0.3 — средняя, 0.5+ — сильная).
  • X-squared = 18.75, df = 1 — промежуточные цифры теста; сами по себе для интерпретации не нужны, важны через p-value.

Итог: связь есть, она значима (p < 0.001) и сильная (V = 0.5).

Язык запросов Google Books Ngram Viewer

  • Поиск по n-граммам: Запрос может содержать до 7 слов. Пример.
  • Подстановочные знаки (Wildcards): Символ * заменяет одно слово и показывает топ-10 самых частых вариантов. Например, University of *.
  • Поиск по словоформам (Inflection search): Добавление _INF к слову находит все его грамматические формы. Например, book_INF найдёт book, books, booked, booking.
  • Поиск без учёта регистра: Позволяет суммировать все варианты написания слова с разным регистром (например, DuPont, Dupont, DUPONT).
  • Части речи (Part-of-speech tags): Можно указать часть речи, добавив тег через подчёркивание, например book_VERB или choice_NOUN.
  • Операторы для комбинирования запросов:
    • + (сложение): Суммирует частотность нескольких n-грамм: пример.
    • * (умножение): Масштабирует график для сравнения редких и частых слов (требует скобок): пример.

Работа со stylo

  1. Устанвить R.
  2. В командной строке выполнить установку stylo (требуется только при первом запуске): install.packages ("stylo")
  3. Подгрузить библиотеку stylo: library (stylo)
  4. Попробовать запустить графический интерфейс stylo, вызвав функцию stylo() (нажать Enter)
    • Если вы используете MacOS и на экране появилась ошибка с упоминанием XQuartz, вам потребуется установить XQuartz
  5. Должно появиться такое окно:
  1. Создайте на компьютере папку, которая называется corpus (это важно, называться она должна именно так).
  2. Укажите stylo, где находится папка с вашим корпусом: setwd("путь/к/папке"), путь должен указывать на папку, в которой находится corpus, а не на саму corpus. Например: setwd("RSD-main/author/fiction/period/19-1").
  3. В открывшемся меню в первой вкладке (Input & language) ставим язык Other.
  4. Если не трогать остальные настройки, то после нажатия «OK» тексты из папки corpus кластеризуются по своей стилеметрической близости.

Дополнительные материалы

Источники текстовых данных

  1. Репозиторий открытых данных по русской литературе и фольклору
  2. Русский стилеметрический датасет
  3. European Literary Text Collection

Скрейпинг

Собираем тексты с сайта azbyka.ru, кластеризация

Сетевой анализ

  1. Gephi
  2. Словарь русских писателей XVIII века: сеть персоналий
  3. Создать свою небольшую сеть
  4. Сетевой анализ в среде Colab

Разметка текста

5 декабря: практическое занятие

  • NER
  • Wikipedia API
  • Тематическое моделирование
  • Векторные модели
  • Анализ тональности

12 и 19 декабря

Конференция с представлением проектов

Код для тем курса

Online-инструменты

Источники данных

Литература к курсу

  1. Цифровые гуманитарные исследования: монография / А. Б. Антопольский, А. А. Бонч-­Осмоловская, Л. И. Бородкин [и др.]. Красноярск: Сиб. федер. ун-­т, 2023. 272 с.
  2. Орехов Б. В. Открытые компьютерные инструменты для решения задач оцифровки и анализа русскоязычного текста в области Digital Humanities // Цифровые гуманитарные исследования. 2025. № 2. С. 71–83.