انقلاب پژوهش در افکار عمومی شبکه‌ای‌شده و ضرورت‌های بومی‌سازی علوم اجتماعی محاسباتی

سی‌وپنجمین نشست کرسی یونسکو در فضای مجازی و فرهنگ: دوفضایی‌شدن جهان با عنوان «انقلاب پژوهش در افکار عمومی شبکه‌ای‌شده و ضرورت‌های بومی‌سازی علوم اجتماعی محاسباتی» با سخنرانی دکتر سید مجید امامی، مدیرگروه روان‌شناسی اجتماعی، مؤسسه تحقیقات اجتماعی دانشگاه تهران، در روز دوشنبه ۲۲ دی ۱۳۹۹، ساعت ۱۸:۰۰ الی ۱۹:۳۰ به‌صورت مجازی در کانال اینستاگرام کرسی برگزار شد.

به‌گفته دکتر امامی، حکمرانی نوین، متأثر از متغیرهای فراوانی است، به‌خصوص متغیرهای فناورانه؛ و بیش از همیشه بر افکارعمومی و در عمل، بر کنش عمومی شهروندان مبتنی است. بین مخاطبان، ذی‌نفعان و متصدیان خط‌مشی عمومی تفکیک دقیقی مشاهده نمی‌شود. حکمرانی نوین اما بیش از همه، مبتنی بر شواهد داده‌های بزرگ (big data evidence based) توصیف شده است. این ویژگی در کنار شبکه‌ای‌بودن (networked)، ماهواً اجتماعی (social) و نه سیاسی بودن، چندرشته‌ای‌بودن (multidisciplinary)، تنظیم‌گرانه‌بودن (regulator) ودو‌فضایی‌بودن (dual speciation) سرشت و سرنوشت حکمرانی و هرنوع مدیریت اجتماعی‌ـ اقتصادی را با داده‌های فضای مجازی، به‌خصوص شبکه‌های اجتماعی، پیوند زده است. شبکه‌های اجتماعی و پیام‌رسان‌ها و نیز پلتفورم‌ها و برنامه‌های اجرایی، زیرساخت اصلی توزیع، مصرف و حتی تولید در جهان آینده است و اتصال متقابل انسان واشیا، بینهایت رابطه و گره و نظایر آن ایجاد کرده است که منبع مهم اطلاعات و تغییرند. بیشتر مطالعات امروز بر مفهوم دولت الکترونیکی و حکمرانی بر فضای مجازی متمرکز است؛ اینکه چگونه فعالیت‌های موجود دولت که از طریق بدنه اداری عمومی انجام می‌شود، بااستفاده از فناوری بهبود می‌یابد. در برخی مقاله‌ها، با استفاده از چرخه سیاست به‌منزله مدل ژنریک در مطالعات فرایند خط‌مشی و توسعه سیاست، نشان داده می‌شود که اساساً تصمیم‌گیری بر اساس ICT و Big Data محقق می‌شود[۱].در مقاله جالبی در تبیین نقش کلان داده‌های افکار عمومی در سیاستگذاری می‌خوانیم:

It encompasses the application of dynamic modelling methodologies and data mining techniques to extract knowledge from two types of data. On the one hand, objective data such as governmental and statistical data, are used to capture the interlinked policy domains and their underlying casual mechanisms. On the other hand, behavioural patterns and citizens’ opinions are extracted from Web 2.0 sources, social media posts, polls and statistical surveys. To combine this multimodal information, our approach suggests a modelling methodology that bases on big data acquisition and processing for the identification of significant factors and counterintuitive interrelations between them, which can be applied in any policy domain[۲]

تراکنش عمومی در وب ۲ و ۳ تداعی توفان در افکار عمومی است؛ توفانی که برای فهم آن باید انقلابی در پژوهش و وضع سنتی فهم این افکار انتظار داشت؛ چیزی که مالکان و سرمایه‌سالاران متولی شبکه‌های اجتماعی جهانی‌شده، از اوایل سال ۲۰۰۸ در اولویت خود قرار دادند.

مثال واضحی نشان می‌دهد که صرفاً روزانه حدود ۲ میلیون پست تلگرام، حدود یک و نیم میلیارد بار بازدید تلگرامی در مجموع، در حدود ۱۶۵ هزار کانال تلگرامی فارسی، یک میلیون توییت فارسی، حدود۴۰ میلیون صفحه فارسی ایرانی در اینستا، حدود یک میلیون تا یک میلیون و ۶۰۰ هزار پست اینستاگرام که حدود ۲۵۰ هزار لایک می‌خورد و در مجموع ده میلیون کامنت محقق می‌شود و این غیر از کنشگری فزاینده‌ای است که در امثال لایکی و مای‌اسپیس در حال رواج است.

در این شرایط حکمرانان چالش‌های مهمی برای فهم افکار عمومی مطرح می‌کنند، از جمله:

1. سرعت و شدت ایجاد امواج و واقعیات رسانه‌ای در نسبت با موضع‌گیری، واکنش یا هدایت‌های رسمی و مقطعی
2. تحول در بازیگران افکار عمومی
3. سیاست رسانه‌ای‌شده (کاستلز و…)

و در نهایت و مهم‌تر از همه، ساخت مجازی واقعیت: دستور کارسازی فراگیر در شبکه‌های اجتماعی.

بر این اساس سؤال بی‌پاسخ این است که نسبت شبکه‌های اجتماعی با جامعه واقعی چگونه برقرار می‌شود. این همان چالش تعمیم‌پذیری داده‌های شبکه‌ای اجتماعی است (اگر بتوانیم احصا کنیم، به‌موقع کشفش کنیم و دقیق آن را پایش کنیم). در واقع، چه نسبت و ضریبی بین داده‌های بخشی از مردم (هرچند مهم و فراوان) که در شبکه‌ها فعال‌اند با کل جامعه وجود دارد؟

برای رفع این چالش چهارم ضرورت‌ها و بایسته‌های مهمی به‌نظر می‌آید:

1. محاسبه نسبت داده‌های فضای مجازی با داده‌های پیمایشی

الف) انتخاب داده‌های فضای مجازی اساساً به سه روش ممکن است:

1. Topic modelling
2. Topic Classification (ML)

• نمونه گیری و دسته بندی توسط کارشناس

ب) همچنین، باید در داده‌های پیمایشی نیز انگاره‌هایی قابل‌تطبیق یافت.

ج) در نهایت، نسبت‌سنجی کرد تا به مدلی با کمترین خطای استاندارد برسیم.

1. مطالعات پانل هوشمند:

الف) رسیدن به نمونه‌ای استاندارد از جامعه، که عضویت و فعالیت شبکه‌ای هم داشته باشد

ب) رصد کنش و بیان احساسات نمونه ثابت بر بسترهای مجازی (حفظ نمونه)

1. ارتباط‌شناسی جماعت‌های مجازی (خرده‌فرهنگ‌ها و جماعت‌هایی که منحصراً در فضای مجازی شل گرفته‌اند و تنفس می‌کنند مانند کی‌پاپ، تتلیتی، جوکر و موارد نوپدید روزافزون)
2. شناخت شکاف‌ها و گره‌های اجتماعی بر اساس داده‌های ملی
3. طراحی مدل ایجاد و گسترش موج (ضروت پیش‌یابی موج‌ها و پویش‌های طبیعی و تصنعی).

پس اگر بتوانیم با روشمندسازی کلان داده‌های در دسترس نهادهای داده‌کاو و بومی‌سازی تحلیل داده و تحلیل شبکه، با این تحول بزرگ مواجه شویم، حکمرانی نوین، قابل تصور است و به‌همان میزان کارامدی و موفقیت برای دولت‌های آینده متصور است. ما به عزمی ملی برای این بومی‌سازی سخت اما ضروری نیاز داریم. در این صورت خواهیم توانست بر اساس ورودی قابل‌اتکایی از اطلاعات و داده‌های کنشگران و پدیده‌های داخلی و بین‌المللی، به رکن اثرگذار و کرای سیاستگذاری یعنی تنظیم‌گری جامع نائل شویم.

فیلم این نشست به‌همراه بخش پرسش‌وپاسخ در کانال اینستاگرام کرسی به نشانی زیر در دسترس علاقه‌مندان است.

 ucccdsw.ut

[۱] . Big Data in the Policy Cycle: Policy Decision Making in the Digital Era, Johann Höchtl, Peter Parycek & Ralph Schöllhammer (2015): Big Data in the

Policy Cycle: Policy Decision Making in the Digital Era, Journal of Organizational Computing and

Electronic Commerce, DOI: 10.1080/10919392.2015.1125187

[۲] . A framework for evidence based policy making combining big data, dynamic modelling and machine intelligence   Angelika Androutsopoulou, Yannis Charalabidis

 Publication:ICEGOV ’۱۸: Proceedings of the ۱۱th International Conference on Theory and Practice of Electronic Governance  April 2018 Pages ۵۷۵–۵۸۳https://doi.org/10.1145/3209415.3209427