نشست تخصصی «تحلیل کلان‌داده‌های رسانه‌های اجتماعی» با هدف معرفی رویکرد جدید علوم‌اجتماعی رایانشی یا محاسباتی، دو‌شنبه ۹ دی ۱۳۹۸ با حضور دکتر میثم علی‌زاده (پژوهشگر پسادکتری دانشگاه پرینستون) در پژوهشگاه فرهنگ، هنر و ارتباطات برگزار شد.

میثم علی‌زاده درباره اهمیت و نحوه انجام تحلیل کلان‌داده‌های رسانه‌های اجتماعی ابتدا به الزامات علوم‌اجتماعی رایانشی یا محاسباتی (social science Computational) اشاره و گفت: فهم این علوم، احتیاج به دانش خاصی ندارد اما اجرای پروژه‌های آن و الفبای آن، نیازمند برنامه‌نویسی کامپیوتری است.

وی، با ارائه تعریفی از انواع سیستم‌ها ادامه داد: در علوم سیستم‌ها ما بین سیستم‌های complex و سیتم‌های complicated تفاوت قائل می‌شویم. در زبان فارسی ما به هردوی آن‌ها، «پیچیده» می‌گوییم اما در علوم سیستم‌ها، بین این دو تفاوت وجود دارد. سیتم‌های complicated مثل خودرو هستند. از این جهت که تعداد اجزای آن و تعداد روابط بین اجزا زیاد است اما اجزا تاثیری در عملکرد یا هویت سایر اجزا ندارند. اما در سیستم‌های complex، همانند سیستم‌های ذکرشده، تعدا اجزا و تعداد روابط بین آن‌ها زیاد است اما در این سیستم‌ها، اثری که اجزا روی هم می‌گذارند، می‌تواند بر هویت یا عملکرد و نوع رابطه اجزا با یکدیگر تاثیر بگذارد. مانند زمانی‌که اگر کاندیدای خاصی در انتخابات حضور داشته باشد، بر نوع گفتمان، نوع صحبت و یا به‌طور کلی در فضای سیاسی کشور اثر می‌گذارد. تفاوت دیگری که در سیستم  complex وجود دارد، این است که از ارتباطاتی که بین اجزا در سطح خرد وجود دارد، لزوماً نمی‌توان رفتار کلی سیستم در سطح کلان را پیش‌بینی کرد. مثل پرواز پرنده‌ها که آن‌ها خود نمی‌دانند ما که از زمین به پرواز آن‌ها نگاه می‌کنیم یک نظم خاصی را در پرواز آن‌ها می‌بینیم. هرکدام از پرنده‌ها در سطح خرد رفتاری برای خود تعریف کرده‌اند که باعث شده در سطح کلان الگویی شکل بگیرد که از رفتار سطح خرد آن‌ها قابل پیش‌بینی نبود.

حال در علوم‌اجتماعی ادعایی که مطرح است آن است که به جهت اینکه افراد باهم رابطه دارند و روابط انسان‌ها بر روی یکدیگر اثر می‌گذارد، (مثل تاثیر دوستان کتابخوان، مذهبی، هنردوست و ... بر روی افراد) خصوصیات آن‌ها، روی ویژگی‌ها و علایق افراد تاثیر می‌گذارد. لذا به جهت این روابطی که بین افراد در سطح جامعه وجود دارد، برخی از پدیده‌های اجتماعی مشمول قاعده complex می‌شوند. به این معنا که افراد بر روی هم اثر می‌گذارند و رفتار در سطح خرد باعث بروز رفتارهایی در سطح کلان می‌شود که قابل پیش‌بینی نیست و اینکه ادعا بر این است که علوم‌اجتماعی سنتی با ابزارهایی که در اختیار دارد (پرسشنامه، مصاحبه و ...) قادر به پرداختن به این بخش از مسائل اجتماعی که می‌خواهد روابط بین افراد را بررسی کند، نیست. واقعیت آن است که محققان علوم‌سیاسی و علوم‌اجتماعی همواره علاقه داشتند که به این مسائل پاسخ دهند ولی هم ابزار آن را نداشتند و هم داده (data) از زندگی خصوصی افراد.

پژوهشگر پسادکتری دانشگاه پرینستون، در گذری به تاریخچه پیدایش این رویکرد جدید علوم‌اجتماعی، تصریح کرد: هربرت سایمن نظریه‌ای در دهه ۱۹۷۰ م ارائه کرد و گفت همان‌طور که از ریاضی برای مدل‌سازی طبیعت و هوا استفاده می‌کنیم، می‌توانیم از ریاضی برای مدل‌سازی علوم‌اجتماعی نیز استفاده کنیم تا بتوانیم بخشی از جامعه را فرمول‌بندی کنیم. بعدها اتفاقی که افتاد، این بود که در دهه اول قرن ۲۱، با گسترش رسانه‌های اجتماعی و اینترنت، انواع و اقسام داده‌ها در اختیار ما قرار گرفت. قبلاً داده‌هایی که در اختیار محققان علوم‌اجتماعی بود، داده‌هایی بود که یا توسط دولت فراهم می‌شد (داده‌های سرشماری یا داده‌های مرکز آمار) و یا داده‌هایی که از طریق پرسشنامه‌های نهادها و دانشگاه‌ها به دست می‌آمد. اما امروز ما داده‌های زیادی داریم. مثلاً در حال حاضر در ایران، از طریق کارت‌هایی که استفاده و خرید می‌کنیم، اطلاعات ما در جایی ذخیره و از آن‌ها استفاده می‌شود و بدون اینکه از حساب شخصی افراد استفاده شود، می‌توانند میزان حساب و یا کارکرد آن را برآورد کنند. بنابراین در زمینه سیاست‌گذاری نیز، اگر می‌خواهیم سیاست‌گذاری دقیقی داشته باشیم، باید با استفاده از این داده‌ها، برآورد دقیقی از زندگی خصوصی افراد و رفتار و اعمال آن‌ها داشت. مثلاً در مورد میزان مذهبی بودن افراد، صرفاً نمی‌توان به مولفه‌های ظاهری مثل حجاب و ... اکتفا کرد و باید با استفاده از این داده‌ها، به طور دقیق فهمید که آیا مذهب در زندگی و سبک زندگی افراد (lifestyle) ورود پیدا کرده است یا خیر.

در سال ۲۰۱۱، دانکن وات از افراد سرشناس حوزه «علوم‌اجتماعی محاسباتی»، تعبیر جالبی از این پیدایش داده‌های جدید ارائه داد و گفت همان‌طورکه تلسکوپ پیدا شد که بررسی علم نجوم را از حالت کیفی به حالت کمی و قابل اندازه‌گیری تبدیل کند، پیدایش رسانه‌های اجتماعی و داده‌های دیجیتال، باعث شد که آن‌ها را روی جامعه ببریم و از طریق آن‌ها، جامعه را اندازه بگیریم. تا قبل از سال ۲۰۰۹، برای این رشته که درصدد استفاده از داده‌های جدید است، اسامی مختلفی به‌کار برده می‌شد ولی در این سال مقاله‌ای در مجله science چاپ شد که در آن از عنوان «علوم‌اجتماعی محاسباتی» برای این رشته استفاده کرده بودند که در آن علوم‌اجتماعی محاسباتی یک رشته نوظهور تعریف شده بود که می‌خواهد از ظرفیت داده‌های جدید استفاده کند تا علوم‌ اجتماعی را مدل‌سازی یا پیش‌بینی کند.

علیزاده در ادامه فصل مشترک رشته علوم‌اجتماعی محاسباتی را رشته‌های علوم‌اجتماعی، علوم کامپیوتر و آمار دانست و گفت: علوم‌اجتماعی همان رشته‌هایی‌ است که در ایران شامل رشته‌های جامعه‌شناسی، ارتباطات، روانشناسی و ... می‌شود. در علوم کامپیوتر با قسمت  data science آن کار داریم. آمار نیز، هم آمار شمارشی و هم بحث‌های جدید آمار استنباطی را شامل می‌شود.

او از «شبیه‌سازی»، «بیگ‌دیتا» (big data)، «تحلیل شبکه» و «ابزارهای جدید» به عنوان قسمت‌های مختلف علوم‌اجتماعی محاسباتی یاد کرد و توضیح داد: شبیه‌سازی تا سال ۲۰۰۹-۲۰۱۰ به دلیل آنکه دیتا به اندازه کافی نبود، کاربرد داشت ولی از سال ۲۰۱۰ به بعد با آمدن دیتاها، شبیه‌سازی جذابیت خود را در میان دانشگاه‌ها از دست داد. در تحلیل شبکه هم می توانیم داده‌ها را داشته باشیم و هم از تحلیل شبکه استفاده کنیم. در این حوزه، نزدیکی و دوری موضوعات مشخص و گروه‌های مختلف شناسایی می‌شوند.

این پژوهشگر در بخش پایانی سخنان خود با ارائه مثال‌های کاربردی در قالب این رویکرد جدید علوم‌اجتماعی (میزان تاثیر فیسبوک بر تعداد رای‌دهندگان در انتخابات، اثرات فیلترینگ اینستاگرام و ...)، به توضیح بیشتر بیگ دیتا و تحلیل شبکه پرداخت.

در پایان برنامه نیز به پرسش‌های حاضران پاسخ داده شد.

گزارش از: فریبا رضایی