Osnova sekce

  • Sbalit Rozbalit

    Sbalit vše Rozbalit vše

    ESF II - projekt Západočeské univerzity v Plzni

    registrační číslo CZ.02.2.69/0.0/0.0/18_056/0013239

                                                                         Úvod do digitálních humanitních věd


                                                  Toto dílo podléhá licenci Creative Commons 4.0 ve variantě BY-SA

                                                                                     




     Pokud by tento kurz měl mít obsažnější název, tak by se jmenoval “Pozvání do digital humanities, aneb využití digitálních nástrojů v humanitně-vědním výzkumu”. Kurz je zaprvé pozváním do diskuze o tom, jak se v posledních deseti či dvaceti letech v důsledku všudypřítomnosti počítače a internetu zásadně proměnil způsob, jakým probíhá akademický výzkum, a to i v tak tradičních disciplínách, jakými jsou humanitní vědy. Těmto tématům se budeme věnovat v úvodní části kurzu. Zadruhé a především je však kurz pozváním k rozvíjení určitého typu dovedností a způsobů uvažování, které se pojí s užíváním digitálních nástrojů s potenciálem obohatit a snad i proměnit humanitně-vědní výzkum. To vyplní druhou část kurzu. Tyto nástroje zde budou vždy představeny formou příkladů jejich konkrétního použití v humanitně-vědním výzkumu. Studenti zde budou vedeni k promýšlení toho, zda by tyto nástroje neměly jisté uplatnění i v jejich vlastním odborném směřování, tj. zejména při psaní bakalářských či magisterských diplomových prací.  

            Termínem digital humanities se označuje mnoho různých aktivit (viz 21 definic in Gold, 2012, s. 67-71), a to na obou úrovních, které se zrcadlí v tématech tohoto kurzu. To nás vede k potřebě vyjasnit, co zde pod termínem digital humanities budeme rozumět my. To již ostatně naznačuje podtitul onoho alternativního názvu kurzu: Budou nás zajímat nástroje, které lze přímo vztáhnout k humanitně-vědnímu výzkumu, respektive které lze použít k zodpovídání konkrétních výzkumných otázek. Z toho vyplývá, že poněkud stranou naší pozornosti zůstanou témata, jakými jsou vydávání digitálních edic, příprava virtuálních výstav či didaktika využívající interaktivních multimediálních aplikací, které jsou jinak v rámci digital humanities bohatě zastoupena (viz např. případové studie in Burdick et al., 2012). 

    Koncepce kurzu jako “pozvání” současně naznačuje, čím není. Kurz není úvodem do informatiky, programování ani datové vědy. Ač zde tedy budou termíny z těchto oblastí hojně používány, budou vysvětlovány jen do té míry, do jaké to studentům pomůže k pochopení širšího interdisciplinárního kontextu a budoucímu rozvíjení získaných dovedností prostřednictvím samostudia či návštěvy specializovaných předmětů vyučovaných odborníky na tyto oblasti.


    Rozšiřující literatura
    • Burdick, A., Drucker, J., Lunenfeld, P., Presner, T., & Schnapp, J. (2012). Digital_Humanities. Cambridge, Mass. - London: MIT Press.
    • Gold, M. K. (Ed.). (2012). Debates in the Digital Humanities. Minneapolis - London: University of Minnesota Press.

    Síťový diagram



     

  • Sbalit Rozbalit

    Obecné informace ke kurzu



  • Sbalit Rozbalit

    Formulář projektu

  • Sbalit Rozbalit

    Úvodní hodina

  • Sbalit Rozbalit

    Digitální obrat v SSH

    Hlavním tématem této přednášky bude uvažování nad dopady takzvaného komputačního či digitálního obratu v humanitních a sociálních vědách, resp. v akademickém prostředí obecně. Tento obrat spočívá podle Berryho v tom, jak tyto disciplíny “využívají technologie k posunutí kritické oblasti svých vlastních konceptů a teorií” (viz Berry, 2011, s. 11; Berry, 2012, s. 11). S postupující digitalizací objektů studia tradičně studovaných těmito disciplínami (tj. zejména textů) dochází i ke změně náhledu a uchopení těchto objektů, na které je nyní nahlíženo jako na data hodná kvantitativní analýzy. Tento dojem je dále umocněn masovou produkcí kulturních objektů v digitální podobě na sociálních sítích (např. fotografie na instagramu), což vede některé badatele k pokusům o ustavení nové kvantitativní “science of culture” (např. Manovich, 2016) či “computational social science” (Conte et al., 2012). Pozorujeme zde, jak i do disciplín, které byly tradičně postaveny zejména na porozumění založeném na detailním studiu textů, a jejichž produkce spočívala primárně na  solitérním vytváření nových textů vycházejících z tohoto porozumění, pronikají způsoby práce původně spjaté pouze s tzv. tvrdými vědami. Díky přístupnosti digitálních kulturních dat a komputačních nástrojů pro práci s nimi se již dále nejedná o záležitost úzké skupiny expertů, ale o celkovou proměnu podoby akademického prostředí jako celku. V rámci praktické části si představíme nástroje Google Books Ngram Viewer a Google Trends.


    Rozšiřující literatura

    • Berry, D. M. (2011). The Computational Turn: Thinking About the Digital Humanities. Culture Machine, 12, 1–22.
    • Berry, D. M. (2012). Introduction: Understanding the Digital Humanities. In D. M. Berry (Ed.), Understanding Digital Humanities (pp. 1–20). London: Palgrave Macmillan.
    • Borgman, C. L. (2015). Big Data, Little Data, No Data: Scholarship in the Networked World. Cambridge - London: The MIT Press.
    • Conte, R., Gilbert, N., Bonelli, G., Cioffi-Revilla, C., Deffuant, G., Kertesz, J., … Helbing, D. (2012). Manifesto of computational social science. European Physical Journal: Special Topics, 214(1), 325–346. https://doi.org/10.1140/epjst/e2012-01697-8
    • Hey, T., Tansley, S., & Tolle, K. (Eds.). (n.d.). The Fourth Paradigm: Data-Intensive Scientific Discovery. Redmond: Microsoft Research.
    • Google Books Ngram Viewer [webová aplikace]. Dostupné z: https://books.google.com/ngrams 
    • Google Trends [webová aplikace]. Dostupné z: https://trends.google.com/trends/
    • Manovich, L. (2016). The Science of Culture? Social Computing, Digital Humanities and Cultural Analytics. Journal of Cultural Analytics, 1(1).
    • Rieder, B., & Röhle, T. (2012). Digital Methods: Five Challenges. In D. M. Berry (Ed.), Understanding Digital Humanities (pp. 67–84). London: Palgrave Macmillan.

  • Sbalit Rozbalit

    Dějiny a přehled DH

     Počátek digital humanities se “učebnicově” klade do roku 1949, kdy italský jezuita Roberto Busa navštívil Thomase J. Watsona z IBM a vyjednal u něj podporu pro svůj projekt Index Thomisticus (viz Hockey, 2005). Jednalo se o edici textů Tomáše Akvinského, včetně základních tvarů všech použitých výrazů, jejichž výskyty jsou zaznamenány v polo-automaticky generovaném indexu. Projekt po dobu třiceti let průběžně vydával “zpracovaná data” standardně knižně, v roce 1989 však byla zpřístupněna na CD-rom, později i na webu. Od svého počátku tento projekt ukazoval cestu pro další projekty podobného charakteru. V té době se pro podobné snahy užívalo označení “humanities computing”. V poslední dekádě se pak prosazuje označení “digital humanities”. V praktické části se podíváme na stránky různých zajímavých projektů a center z oblasti digital humanities.


    Rozšiřující literatura

    • Hockey, S. (2005). The History of Humanities Computing. In S. Schreibman, R. Siemens, & J. Unsworth (Eds.), A Companion to Digital Humanities (pp. 3–19). Malden: Blackwell. 
    • Kirschenbaum, M. (2012). What Is Digital Humanities and What’s It Doing in English Departments? In M. K. Gold (Ed.), Debates in Digital Humanities (pp. 3–11). Minneapolis - London: University of Minnesota Press.
    • Svensson, P. (2010). The Landscape of Digital Humanities. Digital Humanities Quarterly, 4(1), 1–31.



  • Sbalit Rozbalit

    Digitální produkce v SSH

     Komputační či digitální obrat do jisté míry proměňuje i to, co se rozumí výsledkem práce humanitního vědce. Tradičně humanitní vědec postupuje tak, že si stanoví výzkumný problém, shromažďuje literaturu, která se jej týká, mapuje dějiny bádání, na základě čehož nakonec produkuje text, který sám zaujímá určité místo v dějinách bádání. Tento postup je odlišný než v technických či přírodovědných disciplínách: Postrádá experimentální logiku, nepostupuje často ani jako hypotézami řízený výzkum, neschraňuje ani neanalyzuje data. Jádro vlastní práce spočívá v čtení primárních a sekundárních textů a jejím produktem je pak opět text, ideálně ve formě detailně opoznámkované monografie (od jednoho autora) postavené na rozsáhlé bibliografii. To se však i díky digital humanities začíná v posledních letech proměňovat. “Výzkumnou jednotkou” přestává být publikace individuálního badatele a stává se jí spíše kolaborativně řešený projekt. Badatelé z oblasti digital humanities začínají být angažováni v produkování datových sad, jejich kvantitativních analýz a interaktivních vizualizací. Současně hledají nové cesty, jak tato data a výsledky analýz a vizualizací efektivně zprostředkovat dalším badatelům i širšímu publiku. Při tom se ukazuje, že dříve jediný akceptovaný model publikace odborných textů je zoufale nedostačující. V praktické části se podíváme na to, jakých podob mohou nabývat humanitně-vědné “open-access” monografie.

     

    Rozšiřující literatura

    • Gardiner, E., & Musto, R. G. (2015). The Digital Humanities: A Primer for Students and Scholars. New York: Cambridge University Press.
    • Fitzpatrick, K. (2012). Beyond Metrics: Community Authorization and Open Peer Review. In M. K. Gold (Ed.), Debates in Digital Humanities (pp. 452–459). Minneapolis - London: University of Minnesota Press.
    • Ramsay, S., & Rockwell, G. (2012). Developing Things: Notes toward an Epistemology of Building in the Digital Humanities. In M. K. Gold (Ed.), Debates in Digital Humanities (pp. 75–84). Minneapolis - London: University of Minnesota Press.

  • Sbalit Rozbalit

    Teorie sítí

    Málokterá metodologická oblast zrcadlí tak velkou míru vzájemného ovlivňování mezi sociálními a humanitními vědami na straně jedné a přírodními vědami na straně druhé jako síťová analýza. Zhruba od 70. let se zejména na poli sociologie rozvíjela tzv. analýza sociálních sítí, SNA, postavená do značné míry na teorií grafů, avšak rozvíjející velmi záhy vlastní metody (viz Granovetter, 1973, Barnes, 1969). S inspirací v těchto přístupech se v průběhu 90. let začala ustavovat samostatná “network science”, proponovaná zejména teoretickými fyziky a počítačovými vědci (pro přehled viz např. Brandes et al. 2013). Ta pak zpětně znovu ovlivňuje humanitní a sociální vědy.

    Cílem přednášky bude vysvětlit na příkladech základní termíny síťové analýzy (co může být uzly, hranami, jejich atributy či váhami) a nastínit význam některých standardizovaných metrik. Bude zdůrazněno, že síťová data, která mohou být předmětem analýz, nelze zaměňovat s jejich vyobrazeními. Díky dlouhé tradici SNA stále platí, že když se v sociálních a humanitních vědách zmíní síťová analýza, mnozí si mylně domyslí, že se zde automaticky jedná o analýzu sociálních sítí, tj o síťovou analýzu lidských aktérů. Síťová analýza má však v humanitních a sociálních vědách mnohem širší použití. Kromě příkladů aplikací SNA tak bude např. ukázáno, jakými nástroji a k jakým účelům  je možné analyzovat geografické či transportní sítě, a to jak současné (Gallotti et al. 2015) tak historické  (Perret, 2015), či jak lze pomocí síťových metod analyzovat a vizualizovat textová data (Elwert et al., 2017; Paranyushkin, 2011). V praktické části společně vygenerujeme data jednoduché sociální sítě o několika desítkách aktérů. Tu si následně společně zanalyzujeme.

     


    Rozšiřující literatura

    • Barabási, A.-L. (2005). V pavučině sítí. (F. Slanina, Trans.). Praha: Paseka.
    • Gallotti, R., Bazzani, A., Rambaldi, S., & Barthelemy, M. (2015). How Transportation Hierarchy Shapes Human Mobility. arXiv Preprint.
    • Barnes, J. A. (1969). Graph theory and social networks: A technical comment on connectedness and connectivity. Sociology, 3(2), 215–232.
    • Brandes, U., Robins, G., Mccranie, A., & Wasserman, S. (2013). What is network science? Network Science, 1(1), 1–15. https://doi.org/10.1017/nws.2013.2
    • Buštíková, L. (1999). Analýza sociálních sítí. Sociologický Časopis, 35(2), 193–206.
    • Elwert, F., Gerhards, S., & Sellmer, S. (2017). Gods, Graves and Graphs – Social and Semantic Network Analysis Based on Ancient Egyptian and Indian Corpora. Digital Classics Online, 3(2), 124–137.
    • Granovetter, M. S. (1973). The Strength of Weak Ties. American Journal of Sociology, 78(6), 1360–1380.
    • Newman, M. E. J. (2010). Networks: An Introduction. Oxford - New York: Oxford University Press.
    • Paranyushkin, D. (2011). Identifying the Pathways for Meaning Circulation using Text Network Analysis. Nodus Labs. https://doi.org/citeulike-article-id:11684328
    • Perret, J., Gribaudi, M., & Barthelemy, M. (2015). Roads and cities of 18th century France. Scientific Data, 2.



  • Sbalit Rozbalit

    GIS & SSH

       Předměty humanitně-vědního studia jsou bohaté na prostorové informace: Historické postavy se někde narodily, někde působily a někde jinde zemřely; umělecká díla byla někde vytvořena a někde nalezena; romány, kroniky i další texty obsahují velké množství místních názvů. Pokud víme, k jakým konkrétním místům tyto informace referují (což v případě historických názvů není vůbec pravidlem), můžeme tyto informace nakódovat jako prostorová data. Každou položku tak doplníme o geografický údaj o zeměpisné šířce a délce a o libovolné množství dalších atributů. V rámci přednášky si vysvětlíme,  že v podstatě za každou moderní digitální mapou se skrývají navrstvená data z řady tabulek. Tyto tabulky pojednávají buď body, nebo čáry nebo polygony. Výsledná mapa často na sebe vrství i více datových sad stejného typu, které jsou však implementovány odděleně: můžeme tak např. mít samostatnou tabulku (tzv. shapefile) bodů v podobě měst, s atributem zachycujícím velikost jejich populace, a vedle ní tabulku bodů vojenských pevností vybavenou jinými atributy). Cílem tohoto výkladu bude nastínit analytickou sílu tohoto pojetí: nad rámec pouhé vizualizace takto nakódovaných dat se můžeme začít ptát po souvislostech mezi jednotlivými vrstvami a analyzovat tyto souvislosti statisticky. Tato logika bude přiblížena prostřednictvím ukázky práce v programu qGis. V rámci praktické ukázky se podíváme na mapové vrstvy vážící se k antickému Římu (The Digital Atlas of Roman and Medieval Civilizations).


    Rozšiřující literatura

    • Bodenhamer, D. J., Corrigan, J., & Harris, T. M. (Eds.). (2010). The Spatial Humanities: GIS and the Future of Humanities Scholarship. Bloomington - Indianapolis: Indiana University Press.
    • Elliott, T., & Gillies, S. (2009). Digital Geography and Classics. DHQ: Digital Humanities Quarterly, 3(1), 1–19.
    • Gregory, I. N., & Geddes, A. (Eds.). (2014). Toward Spatial Humanities: Historical GIS and spatial history. Bloomington: Indiana University Press.
    • Lünen, A. von, & Travis, C. (Eds.). (2013). History and GIS: Epistemologies, Considerations and Reflection. Dodrecht: Springer. https://doi.org/10.1007/978-94-007-5009-8
    • The Digital Atlas of Roman and Medieval Civilizations [webová aplikace]. Dostupné z: https://darmc.harvard.edu/
    • qGis: A Free and Open Source Geographic Information System [počítačový program]. Dostupné z: https://qgis.org/en/site/

  • Sbalit Rozbalit

    Distanční čtení

  • Sbalit Rozbalit

    Vědecké programování

  • Sbalit Rozbalit

    NLP

    NLP: příprava dat

    Jako humanitní vědci jsme často fascinováni různými vizualizacemi textů, jako jsou dnes populární tag-cloudy. Někdy však máme tendenci zapomínat, co vše se za takovými vizualizacemi skrývá, že než je možné vytvořit atraktivní vizualizaci, je potřeba textová data zpracovat. Při tom nám může pomoci rozsáhlá výzkumná oblast na pomezí lingvistiky a informatiky, která se zabývá zpracováním přirozeného jazyka (anglicky natural language processing, proto zaužívané NLP). V rámci první přednášky k tomuto tématu se zaměříme na samotné základy zpracování textových dat. Ukážeme se, co obnáší jejich normalizace. Vysvětlíme si význam procedur, jakými jsou tokenizace, lemmatizace a filtrování tzv. stop-slov, přičemž se budeme opírat o terminologii standardizovanou v rámci NLP (Jurafsky & Martin, 2017, zejména kap. 2.3; Perkins, 2014, kap. 1 a 2). V praktické části si ukážeme, jak uplatnění takových procedur vypadá, když pomocí nich zpracováváme např. textová data v klasických jazycích, jako je latina či řečtina, za využití knihovny CLTK pro Python.

    NLP: Analýza

    Máme-li textová data před-připravená, můžeme s nimi zahájit první kvantitativní analytické operace. Vysvětlíme si, jaký význam v tomto ohledu zaujímají metriky frekvenční distribuce. Představíme si model textových dat “bag-of-words”, který textová data nahlíží redukovaně jako množinu základních tvarů všech slov použitých ve vybraném textovém dokumentu doplněnou o jejich frekvenci (viz Manning, Raghavan, & Schütze, 2008, s. 107-108). Ukážeme si, jak je pomoci tohoto jednoduchého modelu možné srovnávat mezi sebou různé dokumenty, a tak usuzovat např. na autorství daných dokumentů (např. sporných děl připisovaných určitému autorovi) (viz Riddell, kap. Working with Texts). Dále si představíme některé základní podoby funkce tf-idf, které naopak umožňuje odkrýt distinktivní rysy jednotlivých dokumentů (Manning, Raghavan, & Schütze, 2008, s. 116-118; Ramsay, 2011, s. 11-17). Nakonec si nastíníme, jak vypadají dnes v rámci digital humanities stále populárnější metody modelování témat (Brett, 2012). V praktické části si vyzkoušíme webovou aplikaci Voyant Tools (Sinclair & Rockwall, 2018).


    Rozšiřující literatura

    • Blei, D. M. (2012). Topic Modeling and Digital Humanities. Journal of Digital Humanities, 2(1).
    • Bird, S., Klein, E., & Loper, E. (n.d.). Natural Language Processing with Python – Analyzing Text with the Natural Language Toolkit [online e-kniha]. Dostupné z: http://www.nltk.org/book/.
    • Brett, M. R. (2012). Topic Modeling: A Basic Introduction. Journal of Digital Humanities, 2(1). 
    • Jockers, M. L., & Mimno, D. (2013). Significant themes in 19th-century literature. Poetics, 41(6), 750–769. https://doi.org/10.1016/j.poetic.2013.08.005Jurafsky, D., & Martin, J. H. (2017). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition (Third Edition Draft).
    • Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to Information Retrieval. Cambridge: Cambridge University Press.
    • Meeks, E., & Weingart, S. B. (2012). The Digital Humanities Contribution to Topic Modeling. Journal of Digital Humanities, 2(1), 2–6. https://doi.org/10.1613/jair.301
    • Mohr, J. W., & Bogdanov, P. (2013). Introduction-Topic models: What they are and why they matter. Poetics, 41(6), 545–569. https://doi.org/10.1016/j.poetic.2013.10.001
    • Perkins, J. (2014). Python 3 Text Processing with NLTK 3 Cookbook: Over 80 practical recipes on natural language processing techniques using Python’s NLTK 3.0. Birmingham - Mumbai: Packt Publishing (open source).
    • Ramsay, S. (2011). Reading Machines: Toward and Algorithmic Criticism. Urbana - Chicago - Springfield: University of Illinois Press.
    • Riddell, A. (n.d.). Text Analysis with Topic Models for the Humanities and Social Sciences [soubor online tutoriálů]. Dostupné z:  https://de.dariah.eu/tatom/index.html#text-analysis-with-topic-models-for-the-humanities-and-social-sciences
    • Sinclair, S., & Rockwell, G. (2018). Voyant Tools [webová aplikace]. Dostupné z: https://voyant-tools.org/





  • Sbalit Rozbalit

    Sociální simulace

    Humanitní a sociální vědci často disponují velmi komplexní představou o fungování určitých sociálních jevů (např. jak dochází k šíření pověr či jak se proměňuje veřejné mínění). Mají tak v hlavě či na papíře něco, co lze nazvat “verbálním modelem” daného jevu, resp. teorií umožňující vysvětlení daného jevu  (srov. Poile & Safayeni, 2016). Takové vysvětlení zpravidla počítá s tím, že zúčastnění sociální aktéři spolu interagují podle určitých pravidel, určité podmínky je vedou k určitých rozhodnutím apod. Ty lze popsat jako mechanismy, kterými se řídí daný proces (Hedström & Ylikoski, 2010). Takovéto verbálně vyjádřené modely či teorie však nezřídka trpí tím, že stojí takzvaně na “selském rozumu”, díky němuž lidé mají přirozenou tendenci k lineárnímu uvažování a zapomínají si domýšlet, že spousta jevů (např. šíření nákazy v populaci) probíhá spíše po exponenciální křivce (viz Pelánek, 2011, s. 31-36). Počítačové sociální simulace založené na agentech přinášejí krom jiného možnost odkrýt tyto nedostatky našeho selského rozumu, aniž bychom museli být schopni popsat vše důsledně matematicky, “neboť jazyk a koncepty, které užíváme v agentovém modelování jsou mnohem blíže našemu přirozenému jazyku a přirozenému myšlení (Wilensky & Rand, 2015, s. 2). 

    V prostředí agentových sociálních simulacích vytváříme umělou populaci agentů, které necháme, aby se chovali podle předem stanovených pravidel. Na začátku si stanovíme, koho tito agenti reprezentují, na základě čehož definujeme pravidla tak, aby se v podstatných věcech podobala pravidlům, jimiž se řídí jejich vzory v reálném světě. Tak například modelujeme-li populaci lidských bytostí, vybavíme naše agenty určitou “kognicí”, která zodpovídá za jejich rozhodování. Vždy ale držíme v paměti základní poučku, že modelujeme problém (tj. např. sociální jev) a nikoli vesmír, a že je tudíž dobré vytvářet model pouze tak složitý, jak je nezbytně nutné pro vysvětlování daného jevu, a nikoli složitější.

    Agentové modely jsou často trnem v oku datově orientovaným badatelům. To, že často simulují abstraktně uchopený problém vycházející z určitých teoretických předpokladů, činí tyto modely těžko validovatelnými či verifikovatelnými ve vztahu k reálnému jevu, který modelují. Zastánci modelování proti tomu argumentují, že prostě sledují jinou výzkumnou logiku, že jejich přístup je spíše “theory-driven” než “data-driven” a že si proto s tím druhým nekonkuruje, ale spíše jej doplňuje. Někteří autoři dokonce píší o novémtypu sociální vědy (takzvaně generativním) a přístupu k vysvětlení, kdy uvádějí, že být schopen vysvětlit sociální jev může znamenat umět jej nechat při zohlednění jednoduchých principů znovu vyrůst v umělém prostředí simulace (Epstein, 2008). V praktické části si představíme program NetLogo (Wilensky, 1999), vybrané modely v něm vytvořené, a to primárně prostřednictvím výukové platformy Modelling 4 All (Kahn, 2014). 


    Rozšiřující literatura

    • Axelrod, R. M. (1997). Advancing the Art of Simulation in the Social Sciences. Compexity, 3(2), 16–22.
    • Epstein, J. M. (2008). Why Model? Journal of Artificial Societies and Social Simulation, 11(4).
    • Epstein, J. M., & Axtell, R. L. (1996). Growing Artificial Societies: Social science from the bottom up. Washington: Brookings Institution Press.
    • Hedström, P., & Ylikoski, P. (2010). Causal Mechanisms in the Social Sciences. Annual Review of Sociology, 36(1), 49–67. https://doi.org/10.1146/annurev.soc.012809.102632
    • Kahn, K. (2014). Modelling 4 All. Oxford: Oxford University Press [webová aplikace]. Dostupné z: http://m.modelling4all.org/index.html
    • Pelánek, R. (2011). Modelování a simulace komplexních systémů. Brno: Masarykova univerzita.
    • Poile, C., & Safayeni, F. (2016). Using computational modeling for building theory: A double edged sword. The Journal of Artificial Societies and Social Simulation, 19(3). https://doi.org/10.18564/jasss.3137
    • Wilensky, U. (1999). NetLogo. . Center for Connected Learning and Computer-Based Modeling. Evanston: Northwestern University [program]. Dostupný z:  http://ccl.northwestern.edu/netlogo/

  • Sbalit Rozbalit

    Závěr