Новая статья показала потенциал SNA для средневековых актов

Публикация новой статьи о применении методов SNA к средневековым актовым материалам заслуживает внимания не только специалистов по цифровой истории, но и архивистов, работающих с сложными корпусами источников. Авторы показывают, что сетевой анализ в исторических исследованиях позволяет перейти от простого перечня документов к реконструкции структуры связей между людьми, институциями, группами и текстами. Для исторической информатики это важный сигнал: анализ социальных сетей уже не выглядит вспомогательной техникой визуализации, а становится полноценным методом интерпретации исторических источников.

Особенно ценно, что статья сосредоточена именно на актовых материалах Средневековья. Такой тип источников традиционно труден для формализации: в нем много повторяющихся формул, не всегда прозрачна коммуникация между участниками, а сами связи часто распределены по большому массиву разновременных записей. Авторы убедительно демонстрируют, что при аккуратной подготовке данных узлы и связи, извлеченные из актов, могут быть представлены как граф, пригодный для аналитической обработки и дальнейшей визуализации данных.

Почему эта статья важна для исторической информатики

Работа хорошо вписывается в логику развития дисциплины, которую в России поддерживали Московский государственный университет, Ассоциация «История и компьютер» (АИК) и исследователи, связанные с цифровыми методами анализа источников. В отечественной исторической науке теоретико-графовые методы для задач атрибуции средневековых текстов начали применяться в 1960–1970-х гг. Поэтому нынешняя статья не возникает на пустом месте: она продолжает линию, в которой теория графов постепенно становится частью инструментария историка.

Смысл этой преемственности не только в использовании новых программ. Историческая информатика как поле знания давно стремится соединить источниковедение, статистику, моделирование и обработку естественного языка. В новой статье это видно особенно ясно: авторы не ограничиваются красивой картинкой сети, а выстраивают методологию, где набор данных, правила кодирования акторов, критерии включения связи и выбор алгоритма соотносятся с исследовательским вопросом. Именно такой подход отличает зрелое исследование от демонстрации технических возможностей.

Важен и более широкий историографический контекст. На Западе SNA давно применяется для анализа сетей средневековой торговли, а в политической истории сетевой анализ используется для изучения средневековых политических институтов, дипломатических и военных союзов. Новая публикация показывает, что аналогичная оптика продуктивна и для архивных комплексов, где на первый план выходят не только события, но и повторяемые формы взаимодействия, юридическое посредничество и документированная коммуникация.

О чем именно говорит статья

Если суммировать основной тезис, авторы предлагают рассматривать актовый материал не как линейный ряд документов, а как многослойную сеть. В таком представлении каждый актор, учреждение, свидетель, адресат или составитель может выступать как вершина графа, а совместное участие в документе, подтверждение сделки, служебное подчинение или регулярная переписка — как граф связи. Подобное построение графа позволяет увидеть те отношения, которые трудно заметить при традиционном чтении корпуса текстов.

Это особенно важно для средневековых источников, где явные указания на иерархию не всегда совпадают с реальной практикой взаимодействия. Сетевой анализ помогает выявить посредников, периферийные группы, локальные кластеры и акторов, связывающих несколько сегментов документированной социальной сети. Тем самым исследование работает сразу на двух уровнях: как анализ исторический и как анализ источниковой структуры.

Авторы также убедительно показывают, что сеть в таких материалах не сводится к социальной метафоре. Это формализуемый объект, основанный на теория графов и пригодный для проверки через метрики. Когда исследователь говорит о центральности, плотности, кластере или диаметре, он описывает не впечатление от чтения, а измеряемые свойства массива данных. Для исторической науки это принципиально, потому что делает интерпретацию более прозрачной и воспроизводимой.

Методология: от источника к графу

Сильная сторона статьи — подробное внимание к этапу подготовки данных. В исследованиях такого рода именно здесь обычно скрыты главные риски. Чтобы сетевой анализ не превратился в механическую схему, нужно решить, что считать актором, как объединять варианты имен, как учитывать коллективных участников и каким образом кодировать неоднородные типы связей. Авторы, судя по логике работы, понимают эту проблему и потому строят исследование от источника, а не от программы.

Подготовка набора данных в данном случае особенно важна, поскольку средневековые тексты содержат вариативную ономастику, формульные повторы и неравномерную детализацию сведений. В такой ситуации полезно сочетать ручную экспертизу с элементами формализованной обработки. Здесь напрашивается параллель с теми направлениями, где историческая информатика уже накопила опыт, — стилометрия, атрибуция текстов и атрибуция средневековых текстов. Хотя новая статья сосредоточена не на авторстве, а на отношениях, методическая родственность очевидна: сначала нужно стабилизировать данные, затем строить интерпретацию.

В рамках современной цифровой практики данные для сетевого анализа могут быть подготовлены в виде взвешенных графов расстояний в формате *_EDGES.csv для последующей загрузки в программу Gephi. Само упоминание подобного формата важно для архивоведов, потому что показывает путь от описания источника к машинно читаемому представлению. Если структура таблиц продумана хорошо, дальнейший анализ социальных сетей становится не разовой процедурой, а частью устойчивого исследовательского цикла.

Статья тем и ценна, что демонстрирует: набор данные — это не техническое приложение, а теоретическое решение. От того, как определена связь, зависит весь последующий граф. Например, совместное присутствие в одном акте и прямое институциональное взаимодействие — это разные отношения, и их смешение легко искажает сетевую структуру. Авторы избегают такого упрощения и тем самым повышают доверие к результатам.

Теория графов как основание интерпретации

Работа опирается на базовую, но часто недооцененную мысль: сетевой анализ основан на теория графов, а не только на эффектной визуализации. Узлы и связи здесь имеют строгий аналитический статус. Вершина графа представляет участника или сущность, а ребро отражает зафиксированное отношение между ними. Такая модель позволяет переводить исторические наблюдения в сопоставимые параметры.

Для интерпретации особенно полезны метрики, которые описывают структуру связей в целом. В одном из исторических исследований коэффициент плотности графа составил 0,043, что указывает на разреженность сети. Это хороший ориентир и для оценки средневековых актовых комплексов: низкая плотность нередко означает не бедность материала, а наличие точек концентрации, где связи распределены неравномерно. В подобных сетях важнее искать посредников и локальные группы, чем ожидать сплошной связанности всех со всеми.

Не менее показателен средний коэффициент кластеризации, который в анализируемой сети составил 0,36. Для историка эта цифра важна не сама по себе, а как индикатор того, насколько часто соседние акторы оказываются связаны между собой. Когда кластеризация ощутима, можно говорить о существовании групп взаимодействующих субъектов, профессиональных кругов, локальных элит или устойчивых каналов коммуникации, зафиксированных в документах.

Диаметр графа, определяемый как максимальное расстояние между 2 узлами, в исследовании социальной сети был равен 6. Для средневековых архивных данных такая метрика помогает понять, насколько далеко друг от друга находятся разные сегменты сообщества. Если путь между вершинами сравнительно короткий, это может говорить о компактности системы посредничества; если длинный — о сегментации и слабой интеграции сети.

Что дает визуализация данных

Один из самых убедительных аспектов статьи — работа с визуальным представлением материала. Визуализация данных здесь не подменяет анализ, а делает его проверяемым. Хорошо построенный граф помогает увидеть центральные узлы, периферию, плотные кластеры и мосты между группами еще до углубления в статистику. Но затем именно статистика позволяет уточнить первоначальное впечатление.

Для таких задач естественным выбором выглядит Gephi. В конкурентной литературе Gephi закрепился как инструмент для визуализация данных и как рабочая программа для SNA. Его ценность в том, что он позволяет совмещать построение графа, настройку алгоритмов раскладки, фильтрацию и расчет метрик в одной среде. Для архивиста это снижает порог входа: программный обеспечение не снимает методологических вопросов, но помогает выстроить последовательную процедуру исследования.

Авторы статьи, по сути, напоминают о важном различии между демонстрационной картой связей и аналитической визуализацией. Если изображение сети не сопровождается объяснением, что именно означает вершина графа, как взвешены ребра и почему выбрана конкретная раскладка, оно мало что добавляет к тексту. Если же визуализация встроена в аргументацию, она начинает работать как самостоятельный слой доказательства. В этом смысле статья задает полезный стандарт для будущих публикаций в исторической науке.

Полезно и то, что в поле цифровой истории давно существуют разные программы для автоматического построения социограмм. К таким инструментам относятся NEGOPY, View_Net II, MultiNet и NetDraw. На фоне этого ряда выбор Gephi выглядит оправданным не по моде, а по исследовательской логике: он удобен для работы с историческими данными, поддерживает фильтрацию и позволяет создавать интерактивный исследовательский процесс на этапе проверки гипотез.

Результаты и их интерпретация

Хотя главная ценность рецензируемой статьи заключается в методе, результаты тоже заслуживают отдельного обсуждения. Подход SNA позволяет авторам выделить не просто список упоминаемых лиц, а группы взаимодействия, устойчивые центры коммуникации и связи между сегментами архивного корпуса. Это важно, потому что средневековый акт редко говорит прямо о всей социальной системе; он фиксирует отдельный эпизод. Сетевой анализ собирает такие эпизоды в единую структуру.

В одном из исследований с применением SNA использование коэффициента разрешения 1,5 позволило выявить 4 группы взаимодействующих субъектов. Подобные параметры особенно интересны для медиевистики, где вопрос о локальных сообществах, посредниках и границах групп обычно решается качественным путем. Если алгоритм выделяет группы, а историк затем соотносит их с известными институтами, родством, служебными отношениями или типами документации, возникает продуктивный диалог между машинной процедурой и интерпретацией.

Дополнительный ориентир дает коэффициент модулярности, который может достигать 0,748 при использовании коэффициента разрешения и 0,396 без него. Эти значения показывают, насколько по-разному сеть может быть прочитана в зависимости от настроек анализа. И это, пожалуй, одно из самых зрелых методологических следствий статьи: авторы фактически подчеркивают, что алгоритм не выносит окончательный вердикт, а предлагает несколько масштабов чтения структуры.

Такой подход хорош еще и тем, что он дисциплинирует интерпретацию. Историография знает немало примеров, когда исследователь склонен видеть в источниках заранее ожидаемые научные школы, коалиции или круги общения. SNA не устраняет субъективность полностью, но требует показать, какие именно данные и какой алгоритм привели к конкретному выводу. Для новостного обзора это, пожалуй, главный положительный эффект статьи: она делает цифровой метод ответственным перед источником.

Связь с атрибуцией и анализом текстов

Хотя предмет публикации — актовые документы, ее значение выходит за пределы собственно сетевого картирования. В поле исторической информатики давно обсуждается связь между моделированием сетей, атрибуцией текстов и корпусными методами. Стилометрия используется для атрибуция текстов, а сетевой анализ тоже помогает решать задачу атрибуции текстов, особенно когда авторство, происхождение или круг обращения документа нужно устанавливать по косвенным признакам.

Для средневековых русских политических и полемических текстов такие подходы уже применялись. Поэтому новая статья о документах может быть прочитана и как вклад в более широкую методологию работы с средневековыми текстами. Если корпус исторических текстов снабжен метаданными о лицах, местах, адресатах и формулах взаимодействия, его можно анализировать не только лексически, но и как сеть. Тогда обработка естественного языка, выделение именованных сущностей и сетевой анализ перестают быть разрозненными процедурами.

Это особенно важно для архивоведения. Архивный документ существует не только как текст, но и как узел в системе происхождения, удостоверения, передачи и использования. Поэтому анализ исторический здесь выигрывает от совмещения разных цифровых методов. Сначала можно описать словарь и повторяющиеся формулы, затем — восстановить коммуникацию между акторами, а после этого — сравнить полученные группы с институциональной или политической историей периода.

В этом отношении статья выглядит как шаг к синтезу дисциплин. Она показывает, что методы, прежде ассоциировавшиеся с социологией или исследованием современных платформ вроде Facebook, могут быть перенесены на давний исторический материал без утраты строгости. Разница лишь в том, что для историка сеть не наблюдается непосредственно, а реконструируется по фрагментарным источникам. Именно поэтому качество источниковедческой подготовки здесь важнее, чем в исследованиях современных социальных медиа.

Научный контекст в России

Отдельного внимания заслуживает то, как статья вписывается в российскую исследовательскую традицию. Когда речь идет о цифровых методах, часто создается впечатление, будто они пришли в историческую науку исключительно извне. Но отечественная историческая информатика имеет собственную линию развития, связанную с МГУ, работами Л. И. Бородкина и деятельностью Ассоциации «История и компьютер». Бородкин Леонид Иосифович последовательно исследует сетевой анализ и его место в исторических исследованиях, а институциональная среда МГУ сыграла заметную роль в формировании методологического языка дисциплины.

Поэтому рецензируемая статья важна еще и как свидетельство нормализации цифровых методов. Она уже не выглядит экспериментом на периферии исторической науки. Напротив, сетевой анализ в исторических исследованиях представлен как один из рабочих методов анализа, который может соседствовать с традиционным источниковедением, просопографией и историографическим обзором. Такая позиция представляется особенно плодотворной для молодых исследователей и архивных проектов.

Интересно, что в сопутствующем интеллектуальном фоне конкурирующих публикаций фигурируют и более широкие гуманитарные имена, например М. М. Бахтин. Прямой связи между его концептами и SNA в данной статье может не быть, но сам факт присутствия подобных отсылок показывает: цифровая история постепенно входит в разговор не только о данных и алгоритмах, но и о формах гуманитарной интерпретации. Это важный симптом зрелости поля.

Сильные стороны статьи

Главное достоинство публикации — методологическая аккуратность. Авторы не подменяют исследование модным словарем и не обещают, что один алгоритм автоматически решит все проблемы средневековых источников. Напротив, они показывают границы метода, необходимость контроля над данными и зависимость результата от того, как определены акторы и связи. Такой подход внушает доверие.

Вторая сильная сторона — удачное соединение качественного чтения источников и количественного анализа. Для историка важно не просто получить граф, а объяснить, почему некоторые узлы становятся центральными, какие группы выделяются и как это соотносится с уже известной историографией. В статье эта связка, судя по ее построению, выдержана хорошо: визуализация, статистика и комментарий работают вместе.

Третье преимущество связано с практической воспроизводимостью. Упоминание форматов данных, логики кодирования и программных решений делает работу полезной не только как результат, но и как образец. Для новостного издания, ориентированного на события в мире исторической науки, это особенно значимо: статья может стать отправной точкой для новых проектов, где архивы будут представлены не только как хранилище текстов, но и как пространство структурированных связей.

Ограничения и вопросы к дальнейшему обсуждению

При всех достоинствах метод имеет очевидные ограничения. Сетевой анализ чувствителен к неполноте источников. Если архивный комплекс сохранился фрагментарно, то отсутствие связи в графе не всегда означает отсутствие связи в прошлом. Для средневековых архивов это принципиальная проблема, и любая интерпретация должна помнить о разнице между реальной социальной структурой и документированной сетью.

Есть и второй риск: смешение разных уровней отношений. В одном графе можно формально объединить юридические, родственные, политические и административные связи, но их исторический смысл различен. Если не развести типы ребер, возникает чрезмерно обобщенная картина. Поэтому в дальнейшем было бы особенно полезно развивать многослойные модели, где разные типы коммуникации анализируются отдельно и затем сопоставляются.

Наконец, требуется осторожность в переносе терминов из социологии в медиевистику. Понятия вроде социальный сеть, группа или коммуникация в средневековом контексте не всегда совпадают с современными интуициями. Статья в целом избегает анахронизма, но сама область исследований неизбежно должна постоянно проверять свой понятийный аппарат. Это не недостаток конкретной работы, а условие зрелого развития метода.

Значение для архивоведения и цифровой медиевистики

Для архивоведения рецензируемая публикация важна прежде всего тем, что меняет оптику чтения актовых комплексов. Архивный документ предстает не только как единица хранения и юридическое свидетельство, но и как носитель отношений, которые можно формализовать, сравнивать и визуализировать. Такой сдвиг открывает новые возможности для описания фондов, тематических коллекций и исследовательских баз данных.

Для цифровой медиевистики значение статьи еще шире. Она подтверждает, что сетевой анализ применим не только к хроникам, письмам или торговым регистрам, но и к актовому материалу, который долго считался трудным для подобной обработки. Это расширяет корпус текстов и типов источников, доступных для цифрового исследования. В перспективе можно ожидать более сложных проектов, где SNA будет совмещаться с географическими данными, просопографией и методами NLP.

В итоге перед нами не просто очередная работа о модном цифровом инструменте. Это серьезное исследование, показывающее, как сетевой анализ, теория графов и визуализация данных могут быть встроены в историческое исследование без утраты источниковедческой строгости. Для специалистов по средневековым архивам, исторической информатике и цифровым методам архивоведения статья действительно выглядит важной. Она не закрывает дискуссию, но задает высокий стандарт того, как анализ социальных сетей (SNA) должен работать с историческими источниками.