11.08.2026

Человекознание в эпоху цифровизации. Часть V

Аналитический обзор

Методологические сдвиги в человекознании, перспективы и рекомендации

Методологические сдвиги

Методология человекознания в традиции комплексного изучения человека (идеи Б.Г. Ананьева о многоуровневом и длительном исследовании личности в реальном жизненном контексте) сегодня существенно обогащается за счёт цифровых инструментов. Анализ цифровых следов, онлайн-этнография и междисциплинарные подходы позволяют более полно исследовать проявления качеств человека в расширенном (цифровом и гибридном) поле.

Цифровые следы — данные, автоматически фиксируемые устройствами и платформами, — открывают доступ к большим массивам поведенческой информации, отражающей реальные действия людей, а не только самоотчёты. Систематические обзоры последних лет показывают, что такие данные эффективно используются для изучения психических состояний, благополучия и личностных характеристик (1, 2). Особенно активно развивается цифровое фенотипирование — непрерывная фиксация и анализ поведенческих и физиологических маркеров через смартфоны, носимые устройства и онлайн-активность.

Онлайн-этнография и цифровая антропология позволяют сохранять глубину качественного анализа («насыщенное описание») при работе с цифровыми сообществами и гибридными практиками. Современные исследования подчёркивают необходимость сочетания традиционных этнографических принципов с новыми возможностями наблюдения в цифровой среде и подчёркивают ценность междисциплинарных подходов (7).

Междисциплинарность проявляется в соединении психологии, вычислительных методов, машинного обучения и антропологии. Это создаёт условия для более полного исследования человека в соответствии с идеями комплексного человекознания.

Формирование новых исследовательских парадигм

В последние годы формируются новые исследовательские парадигмы:

• Цифровое фенотипирование и машинное обучение. Систематические обзоры фиксируют быстрый рост исследований, в которых данные цифровых устройств обрабатываются методами машинного обучения для выявления паттернов поведения, психических состояний и личностных черт (3,4).

• Когнитивное цифровое фенотипирование и цифровые двойники. Появляются подходы, направленные на создание динамических вычислительных моделей когнитивных процессов человека — когнитивных цифровых двойников. Эти модели интегрируют мультимодальные данные (текст, речь, физиологические сигналы, поведение) и позволяют не только описывать, но и моделировать и прогнозировать когнитивные и поведенческие траектории (5,6).

• Гибридные качественно-количественные методологии. Сочетание анализа цифровых следов с этнографическими методами даёт возможность соединять масштаб данных с глубиной понимания контекста и смыслов.

Эти парадигмы требуют пересмотра традиционных критериев валидности, надёжности и этики исследования.

Долгосрочные перспективы

Перспективы развития человекознания связаны с гуманистически ориентированным использованием цифровых технологий. Главный принцип — сохранение и усиление человеческой способности к самостоятельному выбору, осознанному действию и рефлексии.

Цифровая среда может выступать инструментом углубления самопознания: через анализ собственных цифровых следов, рефлексивные практики, персонализированные образовательные траектории и инструменты, поддерживающие метакогницию. Важно развивать образовательные программы, которые помогают человеку осознавать свои качества через возможности цифровой среды, не утрачивая при этом центрального места человеческой субъектности и ответственности за выбор.

Долгосрочная перспектива видится в создании этически обоснованных систем, где цифровые технологии расширяют, а не подменяют человеческую автономию, способствуя более полному и осознанному развитию личности.

Практические рекомендации для специалистов

1. Исследователям человекознания - интегрировать анализ цифровых следов и цифровое фенотипирование в комплексные лонгитюдные дизайны. Сочетать количественные методы машинного обучения с качественными этнографическими подходами. Строго соблюдать этические стандарты работы с цифровыми данными.

2. Специалистам образования и психологической практики - разрабатывать программы, направленные на развитие цифровой осознанности, метакогнитивных навыков и агентности. Использовать цифровые инструменты (включая элементы цифровых двойников) так, чтобы они усиливали способность человека к самостоятельному выбору и рефлексии.

3. Разработчикам технологий и организаторам исследований - проектировать системы с приоритетом человекоцентричности, прозрачности алгоритмов и контроля пользователя. Поддерживать междисциплинарные исследования, связывающие психологию, вычислительные науки и антропологию.

Список литературы:

1. Exploring the digital footprint of depression: a PRISMA systematic literature review of the empirical evidence / D. Zarate, V. Stavropoulos, M. Ball, G. de Sena Collier, N. C. Jacobson. London : BioMed Central, 2022. 24 p. (BMC Psychiatry ; Vol. 22, Article 421). DOI: 10.1186/s12888-022-04013-y. URL:https://bmcpsychiatry.biomedcentral.com/articles/10.1186/s12888-022-04013-y (дата обращения: 10.08.2026).
2. Leaving traces behind: Using social media digital trace data to study adolescent wellbeing / M. Sultan, C. Scholz, W. van den Bos. Amsterdam : Elsevier, 2023. (Computers in Human Behavior Reports ; Vol. 10, Article 100281). DOI: 10.1016/j.chbr.2023.100281. URL: https://www.sciencedirect.com/science/article/pii/S2451958823000143 (дата обращения: 10.08.2026).
3. Machine learning applied to digital phenotyping: A systematic literature review and taxonomy / M. P. dos Santos, W. F. Heckler, R. S. Bavaresco, J. L. V. Barbosa. Oxford : Pergamon (Elsevier), 2024. (Computers in Human Behavior ; Vol. 161, Article 108422). DOI: 10.1016/j.chb.2024.108422. URL: https://www.sciencedirect.com/science/article/abs/pii/S0747563224002905 (дата обращения: 10.08.2026).
4. Digital footprints and personality prediction: integrating methodological innovations and ethical considerations in social media analysis / W. Maharani, P. H. Gani. London : Springer, 2025. P. 24953–24996 (Neural Computing and Applications ; Vol. 37). DOI: 10.1007/s00521- 025-11607-6. URL: https://link.springer.com/article/10.1007/s00521-025-11607-6 (дата обращения: 10.08.2026).
5. A review of the emergence of AI-driven cognitive digital phenotyping: Multimodal sensing, foundation models, and the path toward digital twins for human cognition / M. U. Ali, A. Zafar, H. Masood, J. J. Dong, S. W. Lee. Amsterdam : Elsevier, 2026. (Computer Science Review ; Vol. 61/62, Article 100994). DOI: 10.1016/j.cosrev.2026.100994. URL:https://www.sciencedirect.com/science/article/abs/pii/S1574013726001024 (дата обращения: 10.08.2026).
6. Cognitive Digital Twins: A Systematic Review of Definitions, Applications, and a Unified Definition / T. Bacnak, Y. Arayici, O. Doukari, K. Rogage, R. Laing. Basel : MDPI, 2026. (Information ; Vol. 17, no. 6, Article 556). DOI: 10.3390/info17060556. URL: https://www.mdpi.com/2078-2489/17/6/556 (дата обращения: 10.08.2026).
7. New horizons in digital anthropology: innovation for understanding humanity / UNESCO, LiiV Center for Innovating Digital Anthropology. Paris : UNESCO, 2023. 59 p. ISBN 978-92-3- 100627-2. DOI: 10.54678/BOHS9624. URL: https://unesdoc.unesco.org/ark:/48223/pf0000382647 (дата обращения: 10.08.2026).