525
دوشنبه، ۱۵ مرداد ۱۳۹۷
13
گفت‌وگو با دکتر میثم علیزاده درباره «علوم اجتماعی محاسباتی»

دیتاهای بزرگ؛ ابزار پیش بینی آینده

آیا می‌توان با استفاده از علم، وقایع بزرگی مانند جنگ و انقلاب و فروپاشی را پیش‌بینی کرد؟ این رؤیا همواره در ذهن بسیاری از اندیشمندان علوم اجتماعی وجود داشته است. امروزه با استفاده از دیتاهای بزرگ و گسترده‌ای که از زندگی دیجیتالی انسان‌ها به دست می‌آید دانشمندان خود را یک گام به این رؤیا نزدیک‌تر می‌بینند و ایده «علوم اجتماعی محاسباتی» از همین جا شکل گرفته است. در مصاحبه دکتر میثم علیزاده، پژوهشگر پسادکترای دانشگاه ایندیانا در حوزه علوم داده، محدودیت‌ها و امکان‌های علوم اجتماعی محاسباتی را بررسی کردیم.

صبح نو

گفت‌وگو با دکتر میثم علیزاده درباره «علوم اجتماعی محاسباتی»

دیتاهای بزرگ؛ ابزار پیش بینی آینده

آیا می‌توان با استفاده از علم، وقایع بزرگی مانند جنگ و انقلاب و فروپاشی را پیش‌بینی کرد؟ این رؤیا همواره در ذهن بسیاری از اندیشمندان علوم اجتماعی وجود داشته است. امروزه با استفاده از دیتاهای بزرگ و گسترده‌ای که از زندگی دیجیتالی انسان‌ها به دست می‌آید دانشمندان خود را یک گام به این رؤیا نزدیک‌تر می‌بینند و ایده «علوم اجتماعی محاسباتی» از همین جا شکل گرفته است. در مصاحبه دکتر میثم علیزاده، پژوهشگر پسادکترای دانشگاه ایندیانا در حوزه علوم داده، محدودیت‌ها و امکان‌های علوم اجتماعی محاسباتی را بررسی کردیم.

علوم اجتماعی محاسباتی چیست و چگونه ممکن شده است؟ آیا سابقه‌ای داشته است؟
علوم اجتماعی محاسباتی یک بین‌رشته‌ای نوظهور است که می‌خواهد از داده‌های دیجیتال تولید شده توسط افراد و نیز روش‌های محاسباتی برای مدل‌سازی و ارزیابی نظریه‌های علوم اجتماعی استفاده کند. منظور از علوم اجتماعی مفهوم کلی آن است که عبارت است از: انسان‌شناسی، تاریخ، زبان‌شناسی، علوم‌سیاسی، جامعه‌شناسی، روان‌شناسی، و روان‌شناسی اجتماعی، علوم اجتماعی محاسباتی، به طور خلاصه، رشته‌ای است که در صدد جمع‌آوری و تحلیل داده‌های اینترنتی تولید شده توسط افراد به منظور ارزیابی نظریه‌های اجتماعی پیشین یا استفاده از روش‌های محاسباتی برای تولید نظریه‌های جدید است. با این تعریف، علوم اجتماعی محاسباتی رشته‌ای است که از روش‌های علوم کامپیوتر استفاده می‌کند تا مکملی برای روش‌های سنتی علوم اجتماعی باشد. افزایش روزافزون استفاده از اینترنت، شبکه‌های اجتماعی و وسایل هوشمند در دهه اخیر منجر به انفجار داده‌های رفتاری و اجتماعی قابل استفاده برای محققین شده است. این مهم یک فرصت تاریخی بی سابقه برای محققین علوم اجتماعی فراهم کرده است تا بتوانند با جزئیات بسیار بیشتری به مطالعه ویژگی‌ها، رفتار، پویایی، و تعاملات انسانی و اجتماعی افراد بپردازند. 

ما در ایران به لحاظ زیرساخت‌های فنی و نرم‌افزاری ضعیف هستیم و تحت سیطره زیرساخت‌های خارجی هستیم. 
آیا در این شرایط می‌توانیم به علوم اجتماعی مبتنی بر داده‌های دیجیتال و اینترنتی چشم امید داشته باشیم؟
بله می‌شود. بخشی از دیتاهایی که در زیرساخت‌هایی مانند فیس‌بوک و توییتر و اینستاگرام و... وجود دارد، به صورت عمومی در اختیار مردم و پژوهشگران قرار می‌گیرد و می‌توان از طریق تحلیل این داده‌ها به نتایج لازم رسید. 90‌درصد افرادی که در مراکز تحقیقاتی در سراسر جهان در این حوزه مشغول به‌کار هستند به این صورت عمل می‌کنند و از این داده‌ها استفاده می‌کنند و رانت اطلاعاتی خاصی ندارند. اما بعضی از افراد بسیار معروف این رشته مورد رجوع شرکت‌ها و برندهای معروف قرار می‌گیرند. این شرکت‌ها اطلاعات خاص‌تری را در اختیار این پژوهشگران قرار می‌دهند و خدمات پژوهشی می‌گیرند و مثلاً می‌گویند شما به ما بگویید که اگر بخواهیم که فلان دخالت اجتماعی را انجام دهیم چه کار باید بکنیم. زیر 10‌درصد این طور است. عده‌ای از محققین هم در استخدام شرکت‌هایی مثل فیس‌بوک هستند. این‌ها کارهایی را می‌توانند انجام دهند که از عهده کسانی که مدیریت شبکه‌های اجتماعی را ندارند خارج است. مثالش انتخابات 2016‌ آمریکاست. فیس‌بوک طرح تحقیقاتی‌ای را انجام داد که در آن به مخاطبان آمریکایی خودش پیا‌های مختلفی فرستاد تا تأثیر آن بر میزان مشارکت در انتخابات را بسنجد. چنین تحقیقاتی بدون بسترهایی مانند فیس‌بوک امکان‌پذیر نیست اما خیلی کارهای دیگر می‌شود انجام داد. مثالش انتخابات اخیر آمریکاست که می‌گویند روس‌ها از خود فیس‌بوک برای پخش کردن اخبار دروغ برای جهت‌دهی به افکار عمومی آمریکا و کوبیدن کلینتون استفاده کرده‌اند. البته این مساله هنوز معلوم نیست چقدر این کار مؤثر بوده است اما به هر حال این پرونده‌ها وجود دارد. مثال دیگرش شرکت کمبریج آنالیتیکاست که از طریقی به داده‌های فیس‌بوک و پروفایل شخصی کاربرانش دست پیدا کرده بود. بعد با استفاده از روش‌های آماری بر اساس پروفایل شخصیتی که از یک سری افراد داشت پروفایل شخصیتی عده‌ای دیگر که شبیه بودند را تخمین زده بود و از این در انتخابات استفاده کرده بود. خلاصه این که می‌توان بسیاری کارها را انجام داد و نیازی به مالکیت و مدیریت بسترها نیست. حتی بدون داده‌های شبکه‌های اجتماعی می‌توان آزمایش‌هایی را از طریق سایت‌های موقت و وارد شدن مردم در آن سایت‌ها و سنجش رفتارهایشان انجام داد. اما یک دخالت اجتماعی در سطح ملی فقط با مدیریت شبکه‌های اجتماعی بزرگ ممکن است.

پژوهش‌هایی که در این حوزه می‌شود فقط سطحی و پهنانگر است یا می‌توان به صورت کیفی و عمقی ظهور یک پدیده را پیش‌بینی کرد؟ و لو اینکه آن پدیده در‌حال‌حاضر بسیار محدود و جزئی و نوظهور باشد.
مبحث پیش‌بینی یکی از ادعاهایی بود که علوم اجتماعی محاسباتی به دنبالش بود. همانطور که ما در هواشناسی به این تخصص رسیدیم که پیش‌بینی کنیم، یا در علوم پزشکی به این توان رسیدیم، در علوم اجتماعی هم به این توان برسیم که اتفاقات مهم اجتماعی کشور را پیش‌بینی کنیم. مثلاً در جریان انقلاب مصر دنبال این بودند که از طریق فیس‌بوک محل تجمع بعدی یا تظاهرات سراسری بعدی را پیش‌بینی کنند. بعضی از این مطالعات توانستند با دقت بالا وقایع را پیش‌بینی کنند و بعضی با دقت پایین‌تر. اما در انقلاب مصر مساله این بود که اتفاقی افتاده و در جریان بود و حالا داده‌هایش در اختیار محققان قرار گرفته بود و آن‌ها می‌گفتند مثلاً با این اطلاعات می‌شد اتفاقات سه روز بعد را پیش‌بینی کرد اما هنوز مقاله یا مطالعه‌ای بیرون نیامده است که بگوید من در فلان موضوع اطلاعاتی را جمع کردم و طبق مدل من پیش‌بینی می‌کنم که 6‌ماه دیگر در فلان کشور این اتفاق می‌افتد. بزرگان علوم اجتماعی محاسباتی هم اذعان کرده‌اند که ما در زمینه پیش‌بینی هنوز توفیق چندانی نداشتیم. مثلاً رکود اقتصادی یا جنگ یا تجزیه یک کشور را نمی‌توان با دقت پیش‌بینی کرد. این متفاوت است با اینکه انقلابی در جریان است و شما با استفاده از اطلاعات 30‌ تظاهرات قبل تظاهرات سی‌ویکم را پیش‌بینی کنید. در این حد ممکن است. این ناتوانی به دلیل کیفیت پایین اطلاعات نیست چرا که این اطلاعات بسیار جزئی‌تر و بهتر از اطلاعات علوم اجتماعی سنتی است. مثلاً شما به اطلاعات نرم‌افزار ورزشی افراد یا نرم‌افزاری که از آن خرید اینترنتی می‌کنند دسترسی دارید و می‌توانید ذائقه آن‌ها را به‌راحتی بسنجید. اطلاعات کتاب‌هایی که خریده می‌شود، تراکنش‌های بانکی، اطلاعات شبکه‌های اجتماعی و‌... بسیار باارزش است و کیفیت داده‌ها بسیار بالاست. نظر من این است که خود علوم اجتماعی کم‌کم به این رشته رو می‌آورد و ادغام می‌شود. مرحله نخست این است که نسبت به جوامع شناخت پیدا کنیم، مرحله دوم این است که الگوها و مدل‌هایی استخراج شود و مرحله بعد پیش‌بینی است. اما از آن‌جایی که نظام‌های اجتماعی بسیار پیچیده است و هر فرد در جامعه رفتارش قابل پیش‌بینی نیست و از طرف دیگر خود علوم اجتماعی هم بسیار ناقص است و نظریه‌هایش محدود است، پیش‌بینی وقایع بزرگ محقق نخواهد شد.

محدودیت‌های این حوزه از علم چیست؟ این ابزار چه مشکلی را حل می‌کند و چه معرفت‌هایی را به ما نمی‌دهد؟
محدودیت نخست علوم اجتماعی محاسباتی، اعتبار داده‌ها است. اینکه این داده‌ها چقدر درست جمع‌آوری شده است و واقعاً صدق می‌کند یا نه. بسیاری از مقالات اعتبار داده‌ها را در نظر نمی‌گیرند. بحث دوم این است که وقتی شما نمونه‌ای از شبکه‌های اجتماعی می‌گیرید، هر چند سایز این نمونه بزرگ باشد، آیا چک کرده‌اید که اینها نماینده تمام اقشار و تمام استان‌ها و تمام رده‌های تحصیلی و علایق مذهبی هستند یا نه؟ شاید اطلاعات مثلاً فقط برای افراد 25‌تا 35‌سال تحصیل‌کرده علاقه‌مند به سیاست باشد. معضل سوم که در سال‌های اخیر بسیار مطرح شده این است که علوم اجتماعی محاسباتی به‌قدری به دنبال پیش‌بینی رفته که از بحث تفسیرپذیری روش‌ها و نتایج غافل شده است. سؤال این است که مدل‌های محاسباتی پیچیده که برای پیش‌بینی وقایع اجتماعی استفاده می‌شود چقدر به زبان ساده قابل توضیح است. این زبان ریاضی چگونه به زبان ساده فهم می‌شود. روش‌ها بسیار ماشینی است و مهم‌ترین معضلش این است که بسیار دربسته است. به همین دلیل به دنبال این هستند که به سمت مدل‌هایی بروند که برای استادان علوم اجتماعی تفسیرپذیر باشد. محدودیت آخر این است که ممکن است داده‌های به دست آمده از شبکه‌های اجتماعی، به دلیل الگوریتم‌های خاص آن شبکه، برای هر شخصی که جستجو می‌کند متفاوت باشد. اگر من بخواهم خروجی‌های سرچ گوگل را مبنای تحقیق خودم قرار دهم باعث ایجاد انحراف در مطالعه من می‌شود چون داده‌های به دست آمده به شخص من داده شده است. مثلاً اگر بخواهیم علت محبوبیت یک توییت را پیدا کنیم، یک عاملش الگوریتمی است که توییتر از آن استفاده می‌کند. در کل هر نوع معرفتی که از علوم اجتماعی سنتی انتظار داریم از علوم اجتماعی محاسباتی می‌توان انتظار داشت. تفاوت‌شان در دقت است. به طور کلی هر جا که دیتای خوبی وجود دارد علوم اجتماعی محاسباتی معرفت دقیق‌تری می‌دهد اما آنجایی که دیتا ناقص است علوم اجتماعی محاسباتی الکن است.

به نظر می‌رسد علوم اجتماعی محاسباتی یک علم شدیداً کنترلی است. آیا این موجب نمی‌شود که ما با یک نگاه انتقادی بگوییم این علم ابزاری در اختیار قدرت برای جهت‌دهی به افکار مردم است؟
خود صورت مساله که ممکن است اطلاعات مورد سوءاستفاده قرار بگیرد مساله جدیدی نیست و درباره بسیاری از رسانه‌ها صادق است. حتی کتاب هم مورد سوءاستفاده قرار گرفته و برای جهت‌دهی به افکار عمومی است. اما آیا پیدایش شبکه اجتماعی و اینترنت باعث شده است که این سوءاستفاده با دقت و گستردگی و راحت‌تر انجام شود؟ به نظر می‌آید جواب مثبت است. شدت و دقت این امر بیشتر شده است. مثلاً بحث micro targeting که در علوم سیاسی و بازاریابی مطرح است به این معناست که شما به جای اینکه تبلیغاتی را بسازید که برای عموم استفاده می‌شود، برای هر شخص تبلیغ خاصی بسازی. کمبریج آنالیتیکا همین کار را کرده بود. اما از آن‌طرف این شمشیر دو لبه است و می‌توان کارهای خوبی هم با آن انجام داد. کمپین‌های کاهش مصرف برق و آب، کمپین‌های جمع‌آوری پول برای امور مختلف و‌... از محاسن آن است.

مبحث اخلاق در این پژوهش‌ها چه جایگاهی دارد؟ مثلاً حریم شخصی تکلیفش در این علم چه می‌شود؟
در روش‌های سنتی بحث‌های اخلاقی وجود دارد. مثلاً بعضی از آزمایش‌ها بسیار بی‌رحمانه بوده است و از آن‌ها جلوگیری شده است. کشورهای غربی موسساتی را ایجاد کردند و گفتند هر کسی بخواهد مطالعه‌ای را انجام دهد که در آن با انسان سروکار دارد باید پروپوزالش را به این مؤسسات بفرستد و آن‌ها اجازه دهند که این تحقیق انجام شود. اسم این مؤسسات IRB است. در مورد علوم اجتماعی محاسباتی که از اطلاعات دیجیتال افراد استفاده می‌کند این چالش مطرح است. مثال مشهورش ارسال خبرهای بد به برخی کاربران فیس‌بوک و ارسال خبرهای خوب به برخی دیگر از کاربران فیس‌بوک است. سؤال این بود که این دو گروه چه تاثیری می‌پذیرند و این تأثیر چگونه در پست‌های فیس‌بوکش مشاهده می‌شود. بعد که مطالعه انجام شده جنجالی به پا شده که شما با چه حقی این آزمایش را انجام دادید و احساسات مردم را دستکاری کردید؟ بحث دیگر حریم شخصی افراد است که به نظرم قدری درباره‌اش اغراق شده است. حریم شخصی در شبکه‌های اجتماعی در اختیار کاربر است و می‌تواند آن را ببندد تا پژوهشگر به آن دسترسی نداشته باشد. البته پژوهشگران از همین اطلاعات آشکار برای به دست آوردن اطلاعات عمیق‌تر استفاده می‌کنند که این معلوم نیست با اخلاق سازگار است یا نه. این‌ها هنوز در خود آمریکا هم محل بحث است. مثلاً می‌تواند فیس‌بوک این امکان را به کاربر بدهد که از اطلاعاتش به‌عنوان دیتای بازاریابی سیاسی استفاده نشود.

با این اوصاف به نظر شما سرمایه‌گذاری روی این شاخه از علم در ایران چه ضرورتی می‌تواند داشته باشد؟
متخصص علوم اجتماعی محاسباتی به نوعی پزشک شبکه‌های اجتماعی است. اگر بپذیریم که در شبکه‌های اجتماعی ویروس‌هایی وجود دارد متخصص این علم پزشک است که می‌تواند ویروس‌ها را شناسایی ‌و شاید درمان کند. لااقل برای تشخیص معاینه و مفید است. شبکه‌های اجتماعی قسمتی از واقعیت دنیای ماست و باید آن را بپذیریم و در این حوزه باید پزشک‌هایی را تربیت کنیم. بودجه‌هایی که در کشور صرف این موضوعات می‌شود پراکنده است و باید متمرکز شود.

captcha
شماره‌های پیشین