به گزارش روابط عمومی دانشگاه، به همت دانشکده علوم اجتماعی دانشگاه ادیان و مذاهب، نشست علمی «مقدمه‌ای بر کاربرد کلان داده‌های اجتماعی» با حضور و سخنرانی دکتر محسن صبوریان، استادیار دانشگاه تهران، برگزار شد.

دکتر محسن صبوریان در ابتدای سخنان خود با بیان این جمله که «علوم اجتماعی محاسباتی همان روش‌های تحقیق سنتی هستند که مدرن و دیجیتالی شده‌اند»، هرگونه شائبه نفی کامل روش‌های کلاسیک را رد کرد. وی تأکید کرد: این تصور که با آمدن کلان‌داده‌ها، دیگر روش‌های تحقیق سنتی مانند پیمایش، مصاحبه و آزمایش به کار نمی‌آیند، یک دیدگاه رادیکال و به شدت غلط است. مباحث مربوط به اعتبار، پایایی، روایی و نمونه‌گیری تصادفی که در کتاب‌های روش تحقیق ۳۰ سال پیش می‌خواندیم، کماکان کاملاً معتبرند. علوم اجتماعی محاسباتی تنها به ما این امکان را می‌دهد که با هزینه کمتر، سرعت بیشتر و در مقیاسی بزرگ‌تر، داده‌ها را گردآوری و تحلیل کنیم.

وی با اشاره به مثال عینی یک پژوهش در رواندا، تشریح کرد: پژوهشگران با ترکیب داده‌های تماس تلفن همراه و یک پیمایش سنتی روی ۸۵۶ نفر، موفق به طراحی یک مدل یادگیری ماشین شدند که می‌توانست شاخص‌های فقر و ثروت را برای ۱.۵ میلیون نفر با دقت بالا پیش‌بینی کند. این پروژه نشان می‌دهد که چگونه می‌توان داده‌های دیجیتال موجود را با روش‌های تحقیق سنتی تلفیق و تحلیلی مقیاس‌پذیر و کم‌هزینه ارائه داد.

این استاد دانشگاه، علوم اجتماعی محاسباتی را مدرن‌شده و دیجیتالی‌شده روش‌های تحقیق سنتی خواند و تأکید کرد: این رویکرد، بین‌رشته‌ای است و امکانات جدیدی برای سنجش و تحلیل آنی در اختیار پژوهشگران قرار می‌دهد، اما به این معنا نیست که مبانی روش‌شناسی قدیمی منسوخ شده‌اند. مسائلی مانند اعتبار، پایایی و نمونه‌گیری تصادفی کماکان اهمیت خود را حفظ کرده‌اند.

دکتر صبوریان در ادامه به ویژگی‌های کلان‌داده‌ها از جمله حجم بزرگ، تولید پیوسته و غیرواکنشی بودن اشاره و خاطرنشان کرد: این ویژگی‌ها امکان مطالعه رفتارهای طبیعی و تحلیل‌های تاریخی را فراهم می‌کنند. با این حال، چالش‌هایی مانند غیرنمایا بودن، ناتمام بودن، دسترسی محدود و مسائل مربوط به حریم خصوصی نیز از جمله نقاط ضعف این داده‌ها هستند.

این استاد دانشگاه برای تبیین بهتر این حوزه نوظهور، به نموداری مفهومی اشاره کرد که علوم اجتماعی محاسباتی را حاصل تقاطع سه حوزه معرفی می‌کند. وی گفت: این سه رکن شامل تخصص ماهوی دانش تخصصی در حوزه‌هایی مانند جامعه‌شناسی، علوم سیاسی، روانشناسی و مردم‌شناسی؛ مهارت‌های هکینگ توانایی کار با کامپیوتر، برنامه‌نویسی و مهندسی داده برای جمع‌آوری و پردازش کلان‌داده‌ها؛ و دانش ریاضی و آمار، تسلط بر مباحث آماری پیشرفته و الگوریتم‌های یادگیری ماشین است.

وی هشدار داد: فقدان هر یک از این سه رکن، می‌تواند به بیراهه رفتن پژوهش منجر شود. کسی که فقط مهارت هکینگ و دانش ریاضی دارد اما جامعه‌شناسی نمی‌داند، ممکن است به سمت طراحی باج‌افزار برود! و کسی که فقط جامعه‌شناسی بلد است، نمی‌تواند از این فرصت‌های جدید بهره ببرد.

دکتر محسن صبوریان در پایان با رد ادعای «پایان نظریه» در عصر کلان‌داده‌ها، تصریح کرد: داده‌ها به خودی خود سخن نمی‌گویند. این ما هستیم که با چارچوب‌های نظری، داده‌ها را به کلام درمی‌آوریم. بنابراین، نظریه‌های علوم اجتماعی نه تنها بی‌ارزش نشده‌اند، بلکه برای تفسیر درست این حجم عظیم داده، بیش از پیش ضروری هستند.

گفتنی است پایان این نشست به بخش پرسش و پاسخ و بحث‌های مفصل در مورد مصادیق کاربردی و چالش‌های اخلاقی استفاده از کلان‌داده‌ها در پژوهش‌های اجتماعی اختصاص یافت.