پیوند ادبیات علوم اجتماعی و داده‌های فضای مجازی

«ظهور اینترنت و فضای مجازی و دیجیتال چه تأثیری بر علوم اجتماعی گذاشته است؟» این سؤال مبنای بحثی است که میثم علیزاده برای معرفی یک علم بین‌رشته‌ای به نام «علوم اجتماعی محاسباتی» مطرح کرده است.

به گزارش عطنا به نقل از صبح نو، ظهور اینترنت و فضای مجازی و دیجیتال چه تأثیری بر علوم اجتماعی گذاشته است؟ این سؤال مبنای بحثی است که آقای میثم علیزاده، دانشجوی پسادکترای علوم داده در دانشگاه ایندیانا، برای معرفی یک علم بین‌رشته‌ای به نام «علوم اجتماعی محاسباتی» مطرح کرده است. او در نشستی که چندی پیش در دانشکده فیزیک دانشگاه شریف برگزار شد، سعی کرد که میان ادبیات علوم اجتماعی و ابزارهای جدید محاسبه و اندازه‌گیری به‌ویژه فضای مجازی و دیجیتال ارتباط برقرار کند. در این گزارش ایده او را مرور می‌کنیم.

علیزاده با طرح این سؤال که «اساساً چرا باید سراغ علوم اجتماعی محاسباتی رفت؟» این نکته را مطرح می‌کند که علوم اجتماعی و سیستم‌های اجتماعی «complex» است و «complicated» نیست و معتقد است همین نکته موجب می‌شود که روش‌های سنتی علوم اجتماعی جوابگوی نیازهای ما نباشد.

او درباره تفاوت این 2 مفهوم می‌گوید: ما وقتی می‌گوییم سیستمی complicated است یعنی تعداد اجزای آن سیستم و تعداد ارتباطات آن بسیار زیاد است و اگر عضوی از آن سیستم کم شود، تغییری در ماهیت آن سیستم حاصل نمی‌شود؛ مثل خودرو که اگر چرخش خراب شود، سایر قسمت‌ها ماهیتش تغییری نمی‌کند. اما در سیستم‌های complex می‌گویند هر مؤلفه‌ای از سیستم کم شود یا اضافه شود، ممکن است ماهیت آن را تغییر دهد.

مثلاً در یک کارزار انتخاباتی یک کاندیدا حضور داشته باشد یا نه، ممکن است در فضای کلی و برنامه‌های سایر کاندیداها اثرگذار است. او با بیان این‌که مهم‌ترین مسأله در سیستم‌های complex مبحث «ظهور» است، قائل است که اتفاقات خیلی عادی در سطح بسیار پایین و بسیار خرد می‌افتد و ظهورات غیرعادی در همان سطح اتفاق می‌افتد که قابل پیش‌بینی برای ما نبوده است.

علیزاده معتقد است که مثلاً می‌توان با روش‌های کمی سنتی (نظرسنجی و آزمایش) دوست را پیدا کرد اما دوستی را نمی‌توان یافت. همچنین تأثیر مثبت یا منفی را نمی‌توان فهمید. نظرسنجی نمی‌تواند تأثیرهای افراد بر یکدیگر را مطالعه کند. آزمایش هم حجم داده‌اش کم و زمانبر است و هزینه دارد و واقعاً سخت هم هست.

او با اشاره به یافته‌های «هربرت سایمون» (که جایزه نوبل اقتصاد را برده است) مبنی بر اینکه ما می‌توانیم از ریاضیات برای علوم اجتماعی استفاده کنیم، تأکید می‌کند که زمانی این امکان فراهم نبود، چرا که ابزارش را نداشتیم اما علوم اجتماعی محاسباتی مدعی است که این ابزار را دارد. هم داده داریم و هم قدرت تحلیل داده‌ها و هم قدرت تصویرسازی داده‌ها. البته علیزاده تصریح می‌کند که علوم اجتماعی محاسباتی مکمل و نه جایگزین علوم اجتماعی سنتی است.

علیزاده مثال‌هایی را درباره این ابزار می‌زند؛ ساعت‌های الکترونیک که داده پیاده‌روی افراد را تحلیل می‌کند. این ساعت‌ها نشان می‌دهد که شما چقدر می‌دوید و چقدر کالری می‌سوزانید و دوستان شما که شما را فالو می‌کنند آیا از شما تأثیر می‌گیرند؟ این سؤال مبنای یک مقاله علمی شده است.

داده‌های مکانی جی پی اس‌ها، داده‌های اقتصادی و داده‌های حاصل از توییتر و فیس‌بوک و... از نمونه‌های ابزارهای جدید علوم اجتماعی محاسباتی است.

او طبق مقاله‌ای که 25 نفر محقق ارائه داده‌اند، علوم اجتماعی محاسباتی (computational social science) را این‌گونه تعریف می‌کند: یک رشته یا بین‌رشته‌ای نوظهور که درصدد بهره‌گیری از داده‌های جدید برای استفاده در علوم اجتماعی است.

او علوم اجتماعی محاسباتی را ترکیبی از علوم کامپیوتر، علوم اجتماعی و روش‌های کمی (آمار) می‌داند و پیشنهاد می‌دهد که بهترین راه برای ارتقای این رشته این است که عالمان علوم اجتماعی تکنیک‌های جدید این رشته را یاد بگیرند و آن را به کار ببرند.

علیزاده طبق نگاه علوم اجتماعی محاسباتی، هر کاربر اینترنت را یک سوژه تحقیقاتی می‌نامد و چهار حوزه علوم اجتماعی محاسباتی را توضیح می‌دهد.

این حوزه‌ها عبارتند از: 1- شبیه‌سازی، 2- داده بزرگ (big data)، 3- تحلیل شبکه اجتماعی، 4- آزمایش‌های مجازی. علیزاده هر کدام را تشریح می‌کند و برای آن مثال می‌زند؛

1- شبیه‌سازی کامپیوتری وقتی به کار می‌آید که امکان نظرسنجی و آزمایش نداریم. بنابراین یک فضای مصنوعی ایجاد می‌کنیم و سعی می‌کنیم شهودی به دست آوریم. اما با ظهور فیس‌بوک و امثال آن چون داده‌ها فراوان شد دیگر این روش کمرنگ شد. شبیه‌سازی راه سوم کشف علم است. تا الان استقرا و استنتاج داشتیم. شبیه‌سازی از فرضیاتی شروع می‌کند که از ادبیات علوم اجتماعی گرفته می‌شود.

2- بیگ دیتا زمانی مطرح شد که اطلاعاتی مانند جی پی اس و توییتر و اسنپ و تراکنش و مارکت و... شکل گرفت. مثلاً فیس بوک دوستان شخص را نشان می‌دهد. اینستاگرام سبک زندگی و توییتر مواضع سیاسی اشخاص را نشان می‌دهد.

علیزاده نمونه‌هایی از تحقیقات انجام شده در این زمینه را مطرح می‌کند و نقش بیگ دیتا در علوم اجتماعی را توضیح می‌دهد.به نظر او یکی از کاربردهای داده بزرگ تهیه خوراک برای محققان اجتماعی است. داده‌هایی که طبق برخی تحقیقات 10 برابر سریع‌تر و 50 برابر ارزان‌تر از نظرسنجی به دست می‌آید.

3- به عنوان مثال برای تبیین و پیش‌بینی انقلاب مصر می‌توان از داده‌های فیس بوک استفاده کرد. علیزاده یکی از مزایای استفاده از بیگ دیتا را این موضوع می‌داند که مردم نمی‌دانند که اطلاعات و اعمالشان برای انجام تحقیقات استفاده می‌شود در حالی که در نظرسنجی به این دلیل که می‌دانند درحال دادن اطلاعات برای تحقیقات هستند ممکن است عمل عادی خودشان را انجام ندهند. همچنین با این داده‌ها می‌توان روابط آدم‌ها را مشخص کرد.

همچنین از ضعف‌های داده بزرگ می‌توان به ناقص بودن آن اشاره کرد. مثلاً کسانی که اکانت فیس‌بوکشان شخصی است به راحتی قابل دسترسی نیست و داده‌های ما نماینده خوبی برای همه کلیت فیس‌بوک نیست. یا مثلاً کلیت فیس‌بوک نماینده خوبی برای جامعه ما نیست. یکی دیگر از مشکلات مربوط به کسانی است که در شبکه‌های اجتماعی خود واقعی‌شان نیستند. علیزاده مشکلات دیگر را هم برای این روش برمی‌شمارد.

4- به عنوان مثال سایتی می‌سازیم و در آن آهنگ می‌فروشیم. سپس نگاه می‌کنیم که نظراتی که درباره آهنگ‌ها نوشته می‌شود آیا در محبوبیت آهنگ‌ها تأثیر می‌گذارد یا نه. کاربرانی را که وارد سایت می‌شود به دو نسخه سایت ارجاع می‌دهیم. یک نسخه بدون نظرات کاربران و یک نسخه همراه با نظرات. در این تحقیق متوجه شدند که در نسخه همراه نظر می‌توان پیش‌بینی کرد که کدام آهنگ محبوب می‌شود اما در نسخه بدون نظر این عمل ممکن نیست. در اینجا مهمترین گروه تأثیرگذار کسانی هستند که ابتدا برای آهنگ‌ها نظر می‌گذارند.