استفاده از توان پردازش کامپیوتر برای پژوهشگران علوم اجتماعی مانند استفاده از تلسکوپ برای منجِّمان است. چهارصد سال پیش از این، وقتی گالیله تلسکوپ را به عنوان ابزاری جدید برای شناخت ستارگان به کار گرفت علم نجوم دستخوش تحولاتی عمیق شد و بسیاری از گزاره‌های نادرست برای همیشه از آن رخت بر بست.
پژوهشگران علوم اجتماعی تلاش می‌کنند تا پدیده‌ها و رخدادهای اجتماعی مانند انقلاب، فقر، تغییرات جمعیتی، شکاف‌های طبقاتی و پیامدهای هر یک از آن‌ها را تبیین کنند. در روزگار حاضر، داده‌های زیادی در ارتباط با هر یک از این پدیده‌ها وجود دارد یا قابل تولید است و پژوهشگران می‌توانند با گردآوری و تحلیل آن‌ها توانایی موضوعات مورد علاقه در علوم اجتماعی را با تکیه بر مستندات بسیار بررسی کنند بر نقاط تاریک آن نور بتابانند.
آمار چه جایگاهی در علوم اجتماعی دارد؟
پیدایش رشته جامعه‌شناسی به چند صد سال قبل از اختراع کامپیوترهای امروزی بر می‌گردد یعنی زمانی که متفکرین عمدتا فرانسوی مانند آگوست کنت و امیل دورکیم تلاش کردند دریافتی از علوم طبیعی را برای درک در نظام‌های اجتماعی به کار بگیرند. این تلاش‌ها منجر به ورود روش‌های مبتنی بر آمار و مدلسازی ریاضی برای همراهی با روش‌های پیشین مطالعه جوامع مانند بررسی‌های تاریخی و فلسفی شد. از آن زمان به بعد، متفکرین و پژوهشگران علوم انسانی روش‌های کمّی فراوانی برای شناخت رفتار انسان‌ها و جوامع در ابعاد مختلف به وجود آوردند و تحلیل‌های کمّی را به بخش جدایی‌ناپذیر علوم اجتماعی در کنار نظریات جامعه‌شناسی بدل کردند.
با داده‌نگاری[1] گسترده در زندگی اجتماعی امروز و همینطور افزایش توان پردازش کامپیوتر امکانات جدیدی برای طراحی و اجرای پژوهش‌های کمّی در علوم اجتماعی پدید آمده که بعضاً از آن با عنوان علوم اجتماعی محاسباتی[2] یاد می‌کنند.
علوم اجتماعی محاسباتی چیست؟
علوم اجتماعی محاسباتی رویکردی میان رشته‌ای برای مطالعه جوامع انسانی در سطوح و ابعاد مختلف از دریچۀ پردازش و محاسبه است. به بیان دیگر، پژوهشگران با به کارگیری نظریات جامعه‌شناسی و تکیه بر توان کامپیوتر تلاش می‌کنند پیچیدگی‌های نظام‌های اجتماعی را با استفاده از داده‌ها تبیین و تفسیر کنند. محاسبات کامپیوتری به پژوهشگران این امکان را می‌دهد تا طیف متنوعی از اطلاعات را در زمان کوتاه بررسی کند. علاوه بر آن، پژوهشگران علوم اجتماعی می‌توانند با استفاده از شبیه‌سازی کامپیوتری، وضعیت‌هایی فرضی را هم موضوع مطالعه قرار دهند.
پارادایم جامعه‌شناسی محاسباتی چیست؟
پارادایم[3]، یا تلویحاً همان جهان‌بینی پژوهش‌گر در راه کشف حقیقت، در علوم اجتماعی محاسباتی، پردازش داده‌ها و اطلاعات مرتبط با جامعه است. به عبارت دیگر، پژوهشگران این رشته معتقدند اطلاعات و فرایند‌های مبتنی بر آن، نقش موثری در شناخت نحوه کارکرد نظام‌های اجتماعی دارند.
آیا علوم اجتماعی محاسباتی تنها رویکرد کاربردی است؟
خیر. این رشته هم در تحقیقات نظری و هم در مطالعات کاربردی مانند سیاست‌گذاری مورد استفاده قرار می‌گیرد. علوم اجتماعی محاسباتی هم در پاسخ به سوالاتی اساسی مانند اینکه «چرا جوامع شکل می‌‌گیرند؟» و هم در پاسخ به سوالات کاربردی‌تر مانند «آیا گسترش حاشیه‌نشینی موجب افزایش جرم و جنایت می‌شود؟» نقشی سازنده در تحقیقات ایفا می‌کند. برای روشن‌تر شدن موضوع، در ادامه نمونه‌ای از سوالاتی که در علوم اجتماعی محاسباتی مطرح می‌شود آمده است:
- مدلسازی برای فهم چگونگی پیدایش کنش‌های جمعی بدون رهبر
- فهم سازوکار جوامع در مواجهه با بحران
- تبیین نقش شبکه‌های اجتماعی در شکل‌گیری حرکت‌های اجتماعی و یا تغییر استانداردهای اجتماعی
- ارائه مدل‌های مبتنی بر عوامل جغرافیایی برای توضیح رفتارهای جمعی هنگام مواجهه با بلایای طبیعی
- رفتارشناسی کاربران شبکه‌های اجتماعی و پیش‌بینی وقایع اجتماعی با تحلیل محتوای متنی آن‌ها
- مدلسازی و نظریه‌پردازی درباره روابط اجتماعی در جوامع با تنوع نژادی زیاد مانند اردوگاه پناهندگان
- مطالعه تاثیر تغییر سیاست‌های بهداشت عمومی بر سلامت اقتصادی در رابطه درمانگر و بیمار
- پیش‌بینی نتایج انتخابات و اندازه‌گیری اثرگذاری کمپین‌های انتخاباتی
- افکارسنجی و ترسیم تغییرات ذائقه عمومی.
- تاثیر تلویزیون‌های اینترنتی و نقش آن در تغییر ساختارهای اجتماعی
شاید یکی از پرجاذبه‌ترین مزایای استفاده از توان محاسبات و تحلیل داده در علوم اجتماعی، امکان پیش‌بینی باشد. قدرت پیش‌بینی با استفاده از ایده‌های برآمده از مدلسازی‌های آماری، الگوریتم‌های یادگیری ماشین، نظریه گراف و … در کنار شبیه‌سازی‌های کامپیوتری این امکان را به سیاست‌گذاران می‌دهد که قبل از تصمیم‌گیری بتوانند از برخی نتایج آن مانند بروز پیامدهای منفی و بحران‌ساز پیش از وقوع آگاه شوند. این روش‌ها هم‌اکنون نیز در شاخه‌هایی از علوم اجتماعی مانند جمعیت‌شناسی و سیاست‌گذاری‌های رفاهی به صورت وسیع کاربرد دارد.
علوم اجتماعی محاسباتی چه گستره‌ای را در بر می‌گیرد؟
اگرچه مطالعه مجموعه روابط میان اجزای جامعه مثلا در شبکه‌های اجتماعی جایگاه ویژهای در علوم اجتماعی محاسباتی دارد اما به آن محدود نمی‌شود. تصور کنید می‌خواهید تغییر در نگرش جوامع اروپایی به ایرانیان در طول صد سال اخیر را با استفاده از محتوای سفرنامه‌های گردشگران اروپایی مطالعه کنید و یا اینکه می‌خواهید اثر تغییر الگوی مذاکرات اتحادیه‌های کارفرمایی و کارگری را از ابتدای تاسیس تا به امروز بر فرسودگی شغلی (کارزدگی) بسنجید. بدیهی است که مطالعه و تحلیل منابع زیاد در زمان منطقی امکان‌پذیر نخواهد بود. پردازش زبان طبیعی[4] این امکان را به شما می‌دهد تا با در اختیار داشتن نسخه دیجیتالی از متون مورد نظر و پردازش و تحلیل آن‌ها به نتایج ارزشمند و بدیعی دست یابید. مقایسۀ کلمات پرتکرار، تحلیل احساسات و بررسی‌های دیگری درباره بافت کلمات به شما توانایی کاوش حجم عظیمی از متون اجتماعی را خواهد داد.
تحلیل داده پیش از این نیز جایگاهی مهم و محوری در علوم اجتماعی داشته و امروز نه تنها نقشش تثبیت شده بلکه به دلیل دست‌یابی به امکانات محاسباتی جدید گسترش نیز یافته است.
* * *
از کجا شروع کنیم؟
پژوهشگران علوم اجتماعی محاسباتی علاوه بر آشنایی با نظریه‌های رایج در علوم اجتماعی، باید با آمار و علوم کامپیوتر نیز آشنا باشند.
به بیان دیگر می‌توان گفت به کارگیری علوم داده[5] در مسائل اجتماعی منجر به علوم اجتماعی محاسباتی می‌شود. برای اینکه بدانید علوم داده چیست و چگونه کار می‌کند مقاله زیر را مطالعه کنید:
«علوم داده» چیست و چگونه کار می‌کند؟
علوم داده (Data Science) مجموعه‌ای از دانش، مهارت، ابزار و روش برای استخراج الگوهای ناآشکار و مفید از داده‌‌هاست. این مجموعه علی رغم اهداف پیچیده و پرجاذبه‌اش مانند کشف الگوهای پنهان، پی بردن به عوامل رخدادها و پیش‌بینی رفتارها و … ماهیتی بسیار ساده دارد. علوم داده به صورت قدم به قدم، قابل فهمیدن و یادگیری است.
اگر دوست دارید نقشه‌ای کلی از مولفه‌های اصلی علوم داده در ذهنتان ترسیم شود و موقعیت خود را در آن پیدا کنید، این مطلب را از دست ندهید.
«علوم داده» چیست و چگونه کار می‌کند؟
علوم داده (Data Science) مجموعه‌ای از دانش، مهارت، ابزار و روش برای استخراج الگوهای ناآشکار و مفید از داده‌‌هاست. این مجموعه علی رغم اهداف پیچیده و پرجاذبه‌اش مانند کشف الگوهای پنهان، پی بردن به عوامل رخدادها و پیش‌بینی رفتارها و … ماهیتی بسیار ساده دارد. علوم داده به صورت قدم به قدم، قابل فهمیدن و یادگیری است.
اگر دوست دارید نقشه‌ای کلی از مولفه‌های اصلی علوم داده در ذهنتان ترسیم شود و موقعیت خود را در آن پیدا کنید، این مطلب را از دست ندهید.
دانشجویان و پژوهشگران علوم اجتماعی به طور معمول با نظریه‌های جامعه‌شناسی آشنا می‌شوند و با آن ارتباط برقرار می‌کنند اما آمار و علوم کامپیوتر از جمله مقولاتی هستند که گاهی ارتباط چندانی میان دانشجویان علوم اجتماعی با آن‌ها برقرار نمی‌شود. اما خوشبختانه پیشرفت فناوری این کار را نسبت به گذشته بسیار راحت کرده است.
ابزارهایی مانند R آنقدر کار را راحت کرده‌اند که پژوهشگران علوم اجتماعی و البته علوم دیگر مانند زیست‌شناسی و روان‌شناسی خودشان دست به کار شده‌اند و با یادگیری این روش‌ها و تلفیق آن با دانش تخصصی خود دست به تحقیقات خلاقانه‌ای زدند بدون آنکه لازم باشد از متخصصین آمار و علوم داده کمک بگیرند. ابزارهای آمار و تحلیل داده به سادگی امکانات بسیاری در اختیار شما قرار می‌دهند و شما می‌توانید تقریبا طیف متنوعی از داده‌ها را به صورت بی‌سابقه‌ای جمع‌آوری، تلفیق و تحلیل کنید. بعنوان نمونه ابزاری مانند R علاوه بر امکانات پیش‌ساخته‌ای که در آمار و تحلیل داده اختیار شما قرار می‌دهد، به شما امکان می‌دهد تا با جمع‌آوری داده از وب[6]، شبکه‌های اجتماعی[7] و یا تبدیل چاپی به دیجیتال و ترکیب آن با داده‌های دیگر دست به تحلیل‌هایی بزنید که تا پیش از این قابل پیاده‌سازی نبوده و در نتیجه از ذهن کسی نیز نگذشته است.
برای ورود به جهان علوم اجتماعی محاسباتی بهترین کار این است که با یادگیری یک ابزار در این حوزه شروع کنیم و مثل تلسکوپ گالیله از آن به عنوان آزمایشگاهی برای بررسی ایده‌ها و فرضیه‌ها و پیشبردِ پژوهش‌های اجتماعی خود استفاده کنیم. R یکی از محبوب‌ترین ابزارهای علوم اجتماعی در دنیاست. برای یادگیری آن به دوره آموزشی «آشنایی با R» و سپس سایر دورهای مرتبط مراجعه کنید:
پاورقی و ارجاع
[1] Datafication
«فعالیت‌های انسان و ارتباطش با محیط در روزگار حاضر با دقت و کارآمدی روبه‌رشدی ثبت می‌شوند و ردپای دیجیتالی عظیمی از خود به جا می‌گذارند»
تحقیقات علمی و داده بزرگ، داده بزرگ چیست؟ سابینا لیونلی، دانشنامه فلسفی استنفورد؛ ترجمه علیرضا کدیور، مدرسه پردازش و تحلیل داده دقیقه (+)
[2] Computational Social Science
[3] Paradigm
[4] Natural Language Processing
[5] Data Science
[6] Web Scraping
[7] مثلا توییتر امکانی را به شما می‌دهد که می‌توانید داده‌هایی از کاربران را برای هدفی خاص جمع‌اوری کنید.
* تصویرسازی ابتدای مطلب را مریم رمضانخانی در اختیار مدرسه قرار داده است.
منابع
[1] Cioffi-Revilla, C. (2014). Introduction to computational social science. London and Heidelberg: Springer.
[2] Radford J and Joseph K (2020) Theory In, Theory Out: The Uses of Social Theory in Machine Learning for Social Science. Front. Big Data 3:18. doi: 10.3389/fdata.2020.00018
6 پاسخ
خیلی ممنون بخاطر متن خوب و روون ☘️
اما یک سوال: آیا این موارد به این معنیه که علوم اجتماعی از کارهای کیفی بی‌نیاز شده یا داره بی‌نیاز میشه؟
سلام.
ممنون که مطالعه کردید.
قطعا کار کیفی از ملزومات اصلی علوم اجتماعی است. اصولا مفاهیم و ساختار آن‌ها بدون کار کیفی امکان‌پذیر نیست.
درودبر جناب کدیور وکارشناسان و متخصصین مدرسه پردازش و تحلیل داده دقیقه
از اشتراک گذاری مطالب و گزارش ها و تحقیقات بسیار ممنونم.
سلامت باشید جناب نورالهی
از لطف شما سپاسگزاریم
به نظر می رسه پارادایم پوزیتویسم دوباره بر حوزه علوم انسانی و اجتماعی مسلط شده…
اینکه بگیم پوزیتیویزم تسلط بر حوزه علوم اجتماعی پیدا کرده شاید احتیاج به بررسی دقیق‌تری داره اما چیزی که مشخص هست با توسعه قدرت پردازش داده‌ها امکانات بیشتری در اختیار پژوهشگران قرارگرفته و طرح سوالات جدید راحت‌تر شده است.
ممنون که با دقت مطالعه کردید.