عصرجدید علوم اجتماعی با کلان داده‌ها

سایبرپژوه– مهم­ترین کارکرد و تأثیر شبکه­ های اجتماعی حوزه «ارتباطات» است. شکل، نوع، کیفیت و سطح ارتباطات بین افراد یک جامعه با ظهور شبکه­های اجتماعی دچار تحولات بنیادینی شده است. علوم اجتماعی نیز با هر نوع رویکردی که دیده شود یکی از بخش­ های مهم آن ارتباطات و تعاملات افراد در حوزه اجتماع است بنابراین لزوما تحول در ارتباطات، علوم اجتماعی را از جنبه­ های مختلفی چون روش، موضوعات و اهداف دچار تحول خواهد کرد. در اینجا تحولات در حوزه روش و گردآوری داده علوم اجتماعی بررسی خواهد شد. «هیدی لدفورز» در مقاله­ ای که نشریه nature آن را به چاپ رسانده به این تحول و پرداخته است.

مقایسه دو نوع روش گردآوری داده

الیزاوتا سیوکا که استاد جامعه شناسی در روسیه است با دیدن تحلیل های مبتنی بر رصد کاربران شبکه­ های اجتماعی، به قدیمی بودن روش ­ها و کارکردهای منتخب خود پی ­برد. روش­ هایی که او به کار می ­برد مصاحبه و نظر سنجی از تعداد محدودی افراد به عنوان جامعه آماری بوده است. او می­ گوید با مشاهده این نوع جدید داده­ ها دریافته است که علوم اجتماعی برای همیشه تغییر خواهد یافت. بعد از آن سیوکا و بسیاری از دانشمندان علوم اجتماعی به این سمت رفتند که از نشانه­ های جامعه دیجیتالی استخراج معنا کند. آنها فعالیت­ های آنلاین مردم را ردیابی می­ کنند. کاوش در کتاب­ های دیجیتالی شده و اسناد تاریخی؛ تفسیر داده ­ها از ضبط کننده­ های قابل پنهان شدن که هر مرحله و تماس یک شخص را ضبط می­ کند. انجام نظرسنجی­ ها  آنلاین که میلیون­ ها نکته از داده­ ها را جمع می­ کنند؛ و جستجوی بانک­ های اطلاعاتی آنقدر زیاد است که اسرار مربوط به جامعه را فقط با کمک تجزیه و تحلیل داده­ های پیشرفته ارائه می­ دهد.

انقلاب محاسباتی در حوزه علوم اجتماعی

گری کینگ استاد دانشگاه هاروارد می­ گوید: «ما امکان بیشتر دانستن در مورد جامعه خود را به دست خواهیم آورد و نهایتا به سمت حل کردن مسائلی خواهیم رفت که می­ تواند برای بهتر زیستن بشر مفید باشد»

یک مطالعه حرکات ۱۰۰۰۰۰ کاربر تلفن همراه را طی شش ماه مورد تجزیه و تحلیل قرار داد و نشان داد که افراد با الگوهای ساده و قابل تکرار سفر می­ کنند. نویسندگان می­ توانند احتمال پیدا کردن فرد در هر مکان خاص را محاسبه کنند و اشاره کردند که شناسایی شباهت در الگوهای سفر در سراسر جامعه می­ تواند در برنامه ریزی شهری، درک شیوع بیماری یا آمادگی برای شرایط اضطراری کمک کند.

انقلاب محاسباتی و مسائل روز جامعه بشری

همواره این تغییر به سمت مسائل کوچک و کم اهمیت نخواهد رفت بلکه مسائل بنیادینی مانند تبعیض، رادیکالیسم و نابرابر را می­ توان با چنین داده­ های گسترده ­ای ریشه ­یابی کرد. برای مثال در یک تحقیقات با توجه به سوابق رفتاری بیش از ۵۰۰۰ بیمار در یک سیستم بهداشتی در آمریکا این نتیجه به دست آمد که حتی در صورت پرداخت برابر از طرف سیاه­پوستان و سفیدپوستان اما؛ در مراقبت­ های صورت گرفته بین این دو گروه تبعیض وجود دارد.

تقابل دو نوع نگاه

این تغییر بزرگی که در منابع و داده­ ها به وجود آمده است را هنوز برخی­ به صورت کامل نپذیرفته ­اند. دو نگرانی که دانشمندان علوم اجتماعی دارند عبارتند از:

۱- ممکن است دانشمندان علوم کامپیوتری با دارا بودن حجم بالایی از داده­ها و آشنایی با این فضا، همراه با یک نگاه جاه­‌طلبانه به تحلیل و تفسیر داده ­ها پرداخته درحالی که با مطالعات و اطلاعات پیشین در این زمینه آشنایی ندارند.

۲- اینکه ممکن است بعضی از محققان محاسباتی فقط الگوها را مشاهده کرده و هیچ توجهی به علت­ ها نخواهند داشت و از داده های ناقص و آشفته که از طرق غیرمعتبر کسب شده است، نتیجه­‌گیری­ های گسترده­ ای را استخراج خواهند نمود که با واقع امر فاصله دارد. جولیا آندرگتو، که به عنوان فیلسوف مشغول به تحقیق بوده است، اما هم اکنون یک دانشمند علوم محاسباتی درانستیتوی علوم و فن آوری­ های شناختی، بخشی از شورای ملی تحقیقات ایتالیادر رم است می­گوید: «محققانی که از کامپیوتر و یا فیزیک به این رشته گام نهاده ­اند صرفا به دنبال الگوها هستند به طور معمول آن ها به دنبال سازوکارهایی نیستند که از طریق آن رفتارها ایجاد شده است.» انجام فعالیت در این حوزه نیازمند مبانی نظری لازم و تحقیقات پیش­ زمینه ­ای در این حوزه است.

درمقابل دانشمندان علوم اجتماعی که از روش­های فیزیکی و محاسباتی استقبال می­ کنند دیگران را مورد نقد قرار می­ دهند که مفاهیم به اندازه ­ای گنگ و نامفهوم می­گردد که غیرقابل آزمون می­ شود.

به سمت همگرایی دونگاه

مسئله بر سر این است که کدامیک از این دونوع نگاه می­تواند برچسب علوم اجتماعی را ازآن خود کند. البته این دو جریان به سمت همگرایی پیش می­روند.

ترکیب دو نگاه سنتی و محاسباتی به روش­ های جمع ­آوری داده در علوم اجتماعی می­ تواند بسیار مفید واقع شود. برای مثال جهت انجام دادن تحقیقات در مورد فقر در یک منطقه هم داده ­های بر اساس شبکه­ های اجتماعی را مدنظر قرار داد هم روش سنتی نظرسنجی میدانی و مصاحبه­ ها راه­گشا خواهد بود.

اما عدم ارتباط این دو نوع نگاه هنوز مشهود است. جو دونووان، دانشمند علوم اجتماعی در هاروارد، به مطالعه ­ای که سال گذشته منتشر شد، اشاره می­ کند که در آن محققان شبکه­ ای از «گروه ­های نفرت» آنلاین را در شبکه­ های فیس بوک و VKontakte به دست آوردند و نشان دادند که چگونه ساختار شبکه با گذشت زمان تغییر می­کند. وی می­ گوید، فیزیکدانان و دانشمندان رایانه که این تحقیق را انجام داده­ اند، نتوانستند مطالعات کلیدی علوم اجتماعی را در تحقیقات خود به کار ببندند، و در نتیجه، تفسیر آنها از یافته­ هایشان به اندازه مورد انتظار غنی نبود.

آن ها همچنین تعداد اندکی از بسترهای رسانه­ های اجتماعی را مورد بررسی قرار دادند، هنگامی که تحقیقات گذشته نشان داده است که گروه­ های نفرت از رهبران کاریزماتیک در بسیاری از حوزه­ ها پیروی می­ کنند اما این  تیم به آنچه نتیجه­ گیری خطرناک می­ دانند، دست یافتند که: بسترهای رسانه ­های اجتماعی می­ توانند برای ایجاد موضوع در گروه های نفرت تلاش کنند، برای مثال با ایجاد حساب ­های دروغین یا مهندسی درگیری بین شبکه ­های نفرت. وی می­ گوید، این امر می‌تواند با افزایش حجم بحث در گروه و افزایش رتبه آن در الگوریتم‌های جستجو , معکوس شود.

در مقابل دانشمندان علوم اجتماعی محاسباتی و علوم کامپیوتری که وارد حوزه علوم اجتماعی شده ­اند قرار دارندکه معتقدند برخی از تئوری­ های اجتماعی به اندازه ­ای پیچیده و مبهم است که امکان سنجش آن با داده­ ها وجود ندارد پس توجیهی برای دوری گزیدن از آن ­ها وجود دارد.

فرجام سخن

به نظر می ­رسد همگرایی و نزدیک شدن این دونگاه به یکدیگر امری اجتناب ­ناپذیر و مفید باشد که نتیجه آن نه صرفا توصیف وضع موجود بلکه دانشمندانی هستند که قصد دارند جهان را تغییر دهند خواهد بود. با وجود اینکه هنوز در فاصله زیادی از یکدیگر به سر می­ برند اما به مرور زمان هر دو نگاه به مسئله گردآوری داده و پیروی از تئوری­ های علوم اجتماعی ترکیب خواهد شد و نتیجه ­ای بهتر خواهد داشت. اگر داده­ های کسب شده از طریق رصد شبکه­ های اجتماعی و داده­ های میدانی هر دو به کار گرفته شود و از تئوری­ های علوم اجتماعی نیز استفاده گردد برای حل معضلات و مسائل جامعه بشری فضای روشن‌­تری پیش­روی سیاست­گذاران خواهد بود.

منبع:

Heidi Ledforz, How data from Facebook, Twitter and other sources are revolutionizing social science, Nature, Vol 582 , 18 June 2020