550
دوشنبه، ۱۹ شهریور ۱۳۹۷
7
«صبح نو» در گفت‌و‌گو با مدیر کل امور بانوان شهرداری تهران توهین به چادر مشکی بانوان را بررسی می‌کند

راکعی: معترضان به بنر، جن‌ها را هم درس می‌دهند

بنر حاشیه‌ساز در سیزدهمین نمایشگاه زنان و تولید ملی، جدیدترین حاشیه‌ای بود که مدیریت شهری جدید تهران با آن روبه‌رو شد. بنری که عکسی از آن، به‌سرعت با واکنش‌های مختلف در شبکه‌های اجتماعی مواجه شد و بسیاری، آن را دهن‌کجی شهرداری تهران و معاونت امور بانوان این نهاد به چادرمشکی و بانوان چادری دانستند. با این حال مشاور شهردار تهران و مدیرکل امور بانوان شهرداری تهران به‌عنوان متولی برگزاری این نمایشگاه، معتقد است این تفسیر اشتباه است و «به عقل جن هم چنین چیزی نمی‌رسد.»

یادداشت

فصل جدید علوم اجتماعی و فرهنگی

مجید سلیمانی ساسانی

صبح نو

یادداشت

فصل جدید علوم اجتماعی و فرهنگی

مجید سلیمانی ساسانی

بدون شک، رشد سریع داده‌های دیجیتال و افزایش دسترسی به آنها، فصل جدیدی را برای علوم اجتماعی و فرهنگی باز کرده است. در تاریخ علوم فرهنگی و اجتماعی، هرگز با این مقدار از داده‌ها مواجه نبوده‌ایم. داده‌هایی که انواع پدیده‌های فرهنگی و اجتماعی و کنشگران آ‌نها را به‌خوبی نشان می‌دهد. یک بار به حجم عظیمی از اطلاعاتی که مردم در یک بازه زمانی کوتاه در اختیار شرکت‌های بزرگ آی.تی قرار می‌دهند، فکر کنید. آن هنگام درک خواهید کرد که کلان‌داده‌ها چه منبع ارزشمندی برای تحلیل فرهنگی و اجتماعی هستند. آمارهای زنده‌ای که سایت «اینترنت لایو استیت» از اتفاقاتی که در ثانیه در شبکه جهانی اینترنت رخ می‌دهد را بنگرید. حداقل، هر دقیقه 2‌میلیون جست‌وجو در گوگل انجام می‌شود، 72‌ساعت ویدیو در یوتیوب آپلود می‌گردد، 52‌هزار عکس به اینستاگرام اضافه می‌شود، 8/1میلیون کاربر فیس بوک با هم ارتباط می‌گیرند، 204‌میلیون ایمیل فرستاده می‌شود و 278‌هزار توییت در توییتر ارسال می‌گردد. این حجم از اطلاعات ارسالی، کلان‌داده‌ها را هر روز غنی‌تر می‌کنند و دست پژوهشگران فرهنگی و اجتماعی برای ارائه انواع تحلیل‌ها بازتر می‌شود. هرچند هنوز هم تمامی انتقادات روش‌شناختی و معرفت‌شناختی به علوم اجتماعی داده‌محور وجود داشته باشد. اما ویژگی‌های کلان‌داده‌ها باعث می‌شود که این ادعا را مطرح کنیم که علوم فرهنگی و اجتماعی داده‌محور در پارادایم جدید مجدداً ظهور کرده است. با این تفاوت که کلان‌داده‌ها، مسأله «فرضیه» را به کناری می‌نهد و این ادعا توسط کریس اندرسون (2008) مطرح می‌شود که آن‌قدر داده‌ها کافی است که نیاز به فرضیه‌ها و نظریه‌ها نیست و داده‌ها خود می‌توانند سخن گویند و در «پایان نظریه» به سر می‌بریم. به زعم وی، وجود «همبستگی» میان داده‌ها کافی است و الگوریتم‌های آماری می‌تواند الگوهایی را پیدا کند که روش‌های علمی پیش از این قادر به شناخت آ‌نها نبود. از این منظر، علم هم می‌تواند بدون مدل‌ها و نظریه‌های یکپارچه پیشرفت کند.
با این حال، چالش اساسی این است که آیا این داده‌ها عظیم به هم مرتبط، توسط ما قابل تحلیل است و یا توسط رایانه‌ها؟ و یا اساساً رایانه‌ها می‌توانند این داده‌ها را تحلیل کنند؟ کلان‌داده‌ها آنقدر پیچیده و مرتبط هستند که نمی‌توان آ‌نها را جدا از یکدیگر در نظر گرفت. این داده‌ها، به‌راحتی در اختیار ما قرار دارد، اما روش‌های تحلیل آ‌نها به سادگی رخ نمی‌دهد و اتفاقاً سویه مشکل داستان همین جاست. این داده‌ها چنان درهم آمیخته‌اند که جداسازی، استفاده و فهم آ‌نها می‌تواند پیامدهای مختلفی را در برداشته باشد. بنابراین ابتدا به ساکن هیچ داده‌ای نباید مورد فراموشی قرار گیرد. ضمن اینکه استفاده و تولید داده‌ها نمی‌تواند به‌طور جداگانه در نظر گرفته شود، زیرا از یک طرف، فرایند تولید بر امکان استفاده از داده‌ها تأثیر می‌گذارد و از سوی دیگر نیاز به استفاده از داده‌ها بر نحوه تولید آنها تأثیر می‌گذارد. در عین حال، تمرکز روی هر دو فرایند تولید و استفاده از داده‌ها، به ما امکان توجه دقیق‌تر را می‌دهد. در مورد فرایند تولید می‌توان گفت که داده‌هایی که می‌تواند مورد استفاده برای علوم اجتماعی و فرهنگی امروز قرار گیرد در نتیجه فرایندی طولانی و پیچیده در پایگاه‌های مختلف تولید شده‌اند. پژوهشگران علوم اجتماعی نیز روز‌به‌روز به استفاده از این داده‌ها علاقه بیشتری پیدا می‌کنند. بنابراین روش‌های آماری استفاده از این داده‌ها نیز رو به گسترش است تا پیچیدگی داده‌ها کمتر شود. از این جهت، فرایند «استفاده» و «تفسیر» داده‌ها، به دانش اجتماعی وابسته می‌شود و به تعبیری می‌توان گفت که داده در فرایند تفسیر از «پایگاه» خود منقطع می‌شود.

captcha
شماره‌های پیشین