تحقیقات علمی و داده‌های بزرگ

اگر در تعریف و توسعه یک پروژه تحقیقاتی که با داده‌های بزرگ (Big Data) سر و کار داشته مشارکت داشتید یا در حوزه علوم داده (Data Science) کار کرده باشید حتما با پرسش‌هایی از این دست مواجه شده‌اید که دسترسی به داده‌های انبوه تا کجا می‌تواند روی طراحی و انجام آزمایش‌های علمی اثر بگذارد؟ آیا می‌توان از علم داده‌ای حرف زد که انسان را از کشف و شهود و فرضیه‌سازی بی‌نیاز کند و مسئولیتِ تولید دانش و صورت‌بندی تبیین‌های علمی را خودش عهده‌دار شود؟ آیا داده‌های بزرگ می‌توانند فرایند استخراج دانش در علوم تجربی را به کلی زیر و رو کنند؟

این‌ها پرسش‌های ستبری است که نپرداختن به آن‌ها برای پژوهشگرانی که در این حوزه‌ها فعالیت می‌کنند منشا بروز تردید و گهگاه حتی بروز تشویش‌ می‌شود. برای پاسخ به این پرسش‌ها باید بین علوم داده، فلسفه و علوم اجتماعی پل زد. تولید ادبیات مناسب برای پاسخ به این پرسش‌ها برخی گزاره‌های مرسومِ هر سه طرف را تا به چالش می‌کشد و موجب غنای آن‌ها می‌شود.

دانشنامه فلسفی استنفورد (SEP)، مدخلی دارد به نام Scientific Research and Big Data که در آن همین موضوعات پرداخته است. سابینا لیونلی (Sabina Leonelli) استاد تاریخ علم، پژوهشگر مطالعات داده و متخصص روش‌شناسی در فلسفه علم در دانشگاه اگزتر انگلستان این مدخل را نوشته و ادوارد زالتا (Edward Zalta) استاد فلسفه و پژوهشگر فلسفه ریاضی، معرفت‌شناسی و متافیزیک‌ِ محاسباتی در دانشگاه استنفورد آن را ویراسته است.

علیرضا کدیور ترجمه این مدخل را در فروردین ۱۴۰۱ آغاز کرده و هر بخش را پس از تکمیل و ویراستاری در مدرسه دقیقه منتشر می‌کند. این ترجمه در نهایت به صورت یک کتاب نیز منتشر خواهد شد.