نوشته های محمد اسکندری نسب

معرفت‌شناسی و هستی‌شناسی علوم اجتماعی محاسباتی: بررسی نظریات جامعه‌شناختی

محمد اسکندری نسب — Sun, 20 Oct 2024 11:09:32 +0330

محمد اسکندری نسب، معین کاظمی.روش‌شناسی علوم اجتماعی محاسباتی از حیث معرفت‌شناسانه عمدتا در زمره پارادیم پوزیتویسم و تجربه‌گرایانه قرار دارد که بر مبنای سنجش و محاسبات رایانشی به دنبال اندازه‌گیری، مشاهده، مدل‌سازی، شبیه‌سازی، کشف و تحلیل قواعد اجتماعی است. همچنین از حیث هستی‌شناسانه بر مبنای واقع‌گرایی اجتماعی و ادراک پیچیدگی اجتماعی استوار است که به دنبال شناسایی و فهم روابط و پدیده‌های اجتماعی است. همچنین همچون سایر روش‌های رایج در علوم اجتماعی، علوم اجتماعی محاسباتی با ترکیب روش‌های محاسباتی، کیفی، کمی و داده‌محور به تحلیل پدیده‌های اجتماعی می‌پردازد که از لحاظ معرفت‌شناسی و هستی‌شناسی ارتباط و تشابهاتی با برخی نظریه‌پردازان برجسته علوم اجتماعی از جمله پدران بنیان‌گذار همچون امیل دورکیم و دیگران دارد.به طور کلی، می‌توان این ارتباطات را به صورت زیر بیان کرد:- بررسی پدیده‌های اجتماعی به عنوان اشیاء مستقل: دورکیم (1982) در کتاب «قواعد روش جامعه‌شناختی» بر این باور بود که پدیده‌های اجتماعی باید به عنوان اشیاء مستقل از افراد مطالعه شوند. علوم اجتماعی محاسباتی نیز به بررسی داده‌ها به عنوان اشیاء مستقل و بیرونی می‌پردازد و از داده‌های بزرگ برای تحلیل پدیده‌های اجتماعی استفاده می‌کند.- استفاده از روش‌های تجربی و آماری: دورکیم (2005) در کتاب «خودکشی» تاکید داشت که جامعه‌شناسان باید از داده‌های تجربی و آماری برای تحلیل پدیده‌های اجتماعی استفاده کنند. علوم اجتماعی محاسباتی نیز به شدت بر روش‌های علمی و تجربی تکیه دارد و از الگوریتم‌ها و مدل‌های ریاضی برای تحلیل داده‌ها بهره می‌برد.- تمرکز بر کل جامعه به جای فرد: دورکیم (2008) در کتاب «صور بنیانی حیات دینی» معتقد بود که جامعه‌شناسان باید به جای تمرکز بر رفتارهای فردی، به بررسی الگوها و ساختارهای کلی جامعه بپردازند. علوم اجتماعی محاسباتی نیز به بررسی الگوها و ساختارهای کلی در داده‌های اجتماعی می‌پردازد و سعی می‌کند تا قوانین و الگوهای کلی را از داده‌ها استخراج کند.- رویکرد تفهمی (Verstehen) ماکس وبر (2019)در کتاب «اقتصاد و جامعه» بر اهمیت فهم کنش‌های اجتماعی از منظر افراد تأکید داشت. علوم اجتماعی محاسباتی با تحلیل داده‌های بزرگ و استخراج الگوهای رفتاری، به درک عمیق‌تری از انگیزه‌ها و معانی کنش‌های اجتماعی کمک می‌کند.- تئوری سیستم‌ها نیکلاس لومان (Niklas Luhmann): لومان (1995) در کتاب «سیستم‌های اجتماعی» با تحلیل داده‌های پیچیده و سیستم‌های بزرگ اجتماعی، به فهم بهتر ارتباطات و تعاملات بین اجزای مختلف یک سیستم اجتماعی کمک می‌کند که CSSبا تئوری سیستم‌های او همخوانی دارد.- تئوری جامعه شبکه‌ای مانوئل کاستلز (Manuel Castells): کاستلز (1996) در کتاب «عصر اطلاعات: اقتصاد، جامعه و فرهنگ: ظهور جامعه شبکه‌ای» به بررسی جامعه شبکه‌ای و تأثیر فناوری‌های اطلاعات و ارتباطات بر ساختارهای اجتماعی می‌پردازد. علوم اجتماعی محاسباتی با تحلیل داده‌های شبکه‌های اجتماعی، اینترنت و دیگر منابع دیجیتال، به درک عمیق‌تر از جامعه شبکه‌ای و تأثیرات آن کمک می‌کند.- روش‌شناسی قوم‌نگارانه (Ethnomethodology) هارولد گارفینکل (Harold Garfinkel): گارفینکل (1984) در کتاب «مطالعاتی در روش‌شناسی قوم‌نگارانه» به بررسی شیوه‌های روزمره فهم و تعامل افراد در جامعه، از طریق عدم مداخله (مشاهده غیرمشارکتی) می‌پردازد. به همین صورت علوم اجتماعی محاسباتی با تحلیل داده‌های بزرگ از رفتارهای روزمره افراد، الگوهای تعاملات اجتماعی و فهم متقابل را شناسایی می‌کند.- مدل‌های تصمیم‌گیری و ساختارهای کنش جیمز کلمن (James Coleman ) (1998) در کتاب "بنیادهای نظریه اجتماعی" به مدل‌سازی تصمیم‌گیری‌های فردی و تأثیر آنها بر ساختارهای اجتماعی علاقه‌مند بود. علوم اجتماعی محاسباتی با استفاده از مدل‌های ریاضی و شبیه‌سازی‌های محاسباتی، رفتارهای فردی در ساختارهای اجتماعی و تأثیر آن‌ها بر جامعه را مدل‌سازی و تحلیل می‌کند. منابع:- دورکیم، امیل (1388). قواعد روش جامعه‌شناستی. ترجمه علیمحمد کاردان. تهران: موسسه چاپ و انتشارات دانشگاه تهران.دورکیم، امیل. (1393). خودکشی. ترجمه: نادر سالارزاده امیری، تهران، انتشارات دانشگاه علامه طباطبایی. - دورکیم، امیل. (1383). صور ابتدایی بنیانی دینی. ترجمه باقر پرهام. تهران: نشر مرکز.- وبر، ماکس. (1395). اقتصاد و جامعه. ترجمه مهرداد ترابی‌نژاد، عباس منوچهری، مصطفی عمادزاده. تهران: انتشارات سمت.- کاستلز، مانوئل. (1389). عصر اطلاعات: اقتصاد، جامعه و فرهنگ: ظهور جامعه شبکه‌ای. ترجمه احد علیقلیان، افشین خاکباز. تهران: نشر طرح نو.- کلمن، ج. (1386). بنیادهای نظریه اجتماعی. ترجمه منوچهر صبوری. تهران: نشر نی.Luhmann, N. (1995). Social Systems. Stanford: Stanford University PressGarfinkel, H. (1967). Studies in Ethnomethodology. New Jersey:Prentice Hall

جایزه نوبل اقتصاد 2024 به حامیان نظریه حکمرانی رسید.

محمد اسکندری نسب — Tue, 15 Oct 2024 12:03:05 +0330

هادی فقیهی، اقتصاددان عربستانی.سه برنده این جایزه، دارون عجم اوغلو، سایمون جانسون و جیمز رابینسون، به شکل قابل توجهی به توسعه نظریه نهادی رشد اقتصادی کمک کرده‌اند. خلاصه‌ای از ایده‌های آن‌ها این است که ساختار نهادی یک کشور تأثیر مستقیمی بر نوع فعالیت‌ها و روابط اقتصادی آن کشور دارد و در نتیجه بر رشد و رفاه اقتصادی اثرگذار است. این ساختار نهادی شامل اصول حقوقی و کیفیت اجرای آن، صیانت از مالکیت خصوصی، مبارزه با فساد، و سرمایه‌گذاری در سلامت و آموزش افراد و خانواده‌ها می‌شود. کشورهایی که رویکردی اتخاذ می‌کنند که این نهادها را تقویت کند، محیطی خلاقانه و مناسب برای فعالیت‌های اقتصادی و اجتماعی ایجاد می‌کنند و نوآوری و کارآفرینی را تشویق می‌کنند. نتیجه این فرآیند معمولاً رشد اقتصادی و رونق است.مهم‌ترین پژوهشی که این برندگان نوبل ارائه کرده‌اند، به تحلیل تأثیر استعمار اروپایی، طی ۴۰۰ سال گذشته بر وضعیت اقتصادی کنونی مستعمرات سابق پرداخته است. برخی از این مستعمرات مانند استرالیا، نیوزلند، آمریکا و کانادا اکنون جزو ثروتمندترین کشورهای جهان هستند، در حالی که دیگر مستعمرات، به‌ویژه در آفریقا مانند کنگو، از فقیرترین کشورها محسوب می‌شوند. نکته جالب اینجاست که در ابتدای دوران استعمار، این کشورها از نظر منابع طبیعی و موقعیت جغرافیایی شرایط مشابهی داشتند.به‌گفته عجم اوغلو و همکارانش، رمز موفقیت یا ناکامی این کشورها در نوع نهادهایی است که استعمارگران بنا کرده‌اند یا از آن‌ها حمایت کرده‌اند. در کشورهایی که رشد اقتصادی کرده‌اند، نهادهایی بر پایه احترام به قانون، مالکیت شخصی، آزادی بازارها و سرمایه‌گذاری در توسعه مستعمره و جمعیت آن ایجاد شده است. در حالی که در کشورهایی که افول کرده‌اند، استعمارگران نهادهایی را ایجاد کرده‌اند که هدفشان غارت منابع مستعمره با استفاده از زور و یا ایجاد اختلافات بود، بدون هیچ‌گونه سرمایه‌گذاری در توسعه.اگرچه دوران استعمار به پایان رسیده، اما اثرات آن هنوز باقی است و نهادهایی که برای استخراج منابع و ارزش از مستعمرات بنا شده‌اند، همچنان مانعی برای رشد اقتصادی آن‌ها به شمار می‌آیند. مثالی درباره اقتصاد آرژانتین، نشان‌دهنده شباهت‌هایی است؛ جایی که استعمارگران اسپانیایی زمین‌ها را به صورت اقطاعی توزیع کردند، که منجر به تمرکز ثروت در دست اقلیت بورژوا شد. در مقابل، در آمریکا، قوانین احیای زمین به توزیع عادلانه‌تر زمین‌ها کمک کرد و باعث بهره‌برداری بهتر از منابع طبیعی شد.پژوهش‌های عجم اوغلو، جانسون و رابینسون به شکل مستند و علمی رابطه میان کیفیت حکمرانی نهادهای اقتصادی و محافظت از حقوق فردی و تشویق سرمایه‌گذاری را با رشد اقتصادی نشان می‌دهند.اما چرا استعمارگران اروپایی به غارت آفریقا روی آوردند و در عوض استرالیا را توسعه دادند؟تحقیقات این دانشمندان به این نکته اشاره می‌کند که یکی از عوامل کلیدی، نرخ مرگ و میر بالا در میان استعمارگران اروپایی در مستعمرات آفریقایی بوده است. به عنوان مثال، در غرب آفریقا، نرخ مرگ و میر مستعمره‌نشینان به ۸۰ درصد می‌رسید، اغلب به دلیل بیماری‌های بومی. این شرایط باعث شد که اروپایی‌ها از تلاش برای ایجاد مستعمره‌های پایدار در این مناطق دست بکشند و در عوض مدل استعمار مبتنی بر غارت و برده‌داری را به کار گیرند. برای موفقیت این مدل، نهادهایی نیاز بود که به جای قانون، بر قدرت و تسلط اقلیتی از مردم محلی تکیه کنند تا به استعمارگران در استخراج منابع کمک کنند. این نهادها و اقلیت‌ها حتی پس از استقلال مستعمرات نیز همچنان کنترل اقتصاد این کشورها را در دست دارند.البته، نظریات عجم اوغلو همواره بی‌چون‌وچرا نیستند. به عنوان نمونه، پژوهشی جدید نتایج مطالعه‌ای مشهور از او را که به شدت مورد بحث قرار گرفته، زیر سؤال برده است. این مطالعه، رابطه نزدیکی بین دموکراسی و رشد اقتصادی را مطرح کرده بود، اما پژوهش جدید از روشی متفاوت استفاده کرده و نتیجه‌گیری کرده است که این رابطه وقتی از روش‌شناسی دقیق‌تری استفاده شود، از بین می‌رود. تفاوت اصلی در رشد اقتصادی میان کشورهای دموکراتیک و غیردموکراتیک بیشتر به تحریم‌های اقتصادی آمریکا و اتحادیه اروپا علیه رقبای خود بازمی‌گردد، نه به وجود دموکراسی.با این حال، فارغ از موافقت یا مخالفت با نظریات عجم اوغلو، او یکی از مهم‌ترین و بحث‌برانگیزترین اندیشمندان اقتصادی قرن حاضر به شمار می‌رود.منبع: صفحه توییتری هادی فقیهی

گستره جغرافیایی اعتراضات معیشتی اردیبهشت‌ماه ۱۴۰۱

محمد اسکندری نسب — Fri, 13 Sep 2024 07:41:04 +0330

اعتراضات معیشتی اردیبهشت‌ماه ۱۴۰۱ مهم‌ترین اعتراضات ابتدای سال 1401 بود. این اعتراضات در ابتدای در 15 اردیبهشت در خوزستان در پی گرانی اقلام اساسی آغاز شد و در 22 اردیبهشت در پی اعلام رسمی آزادسازی بهای آرد و حذف ارز ترجیحی ۴۲۰۰ تومانی از سوی دولت در سایر تقاط کشور آغاز شد. این تصمیم منجر به افزایش شدید قیمت مواد غذایی اساسی گردید و نارضایتی عمومی را به دنبال داشت. در نتیجه، موج اعتراضات ابتدا از استان خوزستان آغاز شد و به سرعت به سایر نقاط کشور گسترش یافت.یکی از مهم‌ترین ویژگی‌های این اعتراضات، گستردگی آن در بسیاری از شهرها و استان‌های کشور بود. از آنجایی که منابع رسمی و معتبر به گسترده جغرافیایی این اعتراضات نپرداخته‌اند و اطلاعات دقیقی از تعداد شهرهای درگیر در این اعتراضات در دست نیست، این مقاله بر آن است تا با استفاده از داده‌های جمع‌آوری‌شده از فضای مجازی، گستره جغرافیایی اعتراضات و فهرست شهرهای معترض را تهیه کند.داده‌های استفاده شده برای تهیه این مقاله از طریق بررسی محتوای منتشره در فضای مجازی، به ویژه در پلتفرم‌های توییتر و تلگرام، جمع‌آوری شده‌اند. درواقع فرض محوری این است گه هر چقدر اخبار در مورد اعتراضات در یک شهر بیشتر باشد، در نتیجه اندازه و میزان تداوم اعتراض در این شهر نیز بیشتر بوده است؛ در نتیجه برای تحلیل این داده‌ها، حجم محتوای منتشره پیرامون هر شهر و استان در فضای مجازی مورد بررسی قرار گرفت.نتایج نشان از آن دارد که از ابتدای اعتراضات، 15 تا 27 اردیبهشت، بررسی اخبار و گزارش‌ها در مورد برگزاری تجمعات اعتراضی نشان می دهد که دست‌کم در 39 شهرستان و 14 استان کشور تجمع اعتراضی برگزار شده است.گسترده اعتراضات در شهرستان‌ها‌بررسی شهرها و استان‌های درگیر در اعتراضات:در نمودار زیر مناطق شهری دست‌کم 49 منظقه شهری (نه الزاماً شهرستان) معترض نشان داده شده است. دایره‌های بزرگتر در نمودار نشان‌دهنده شهرهایی هستند که محتوای بیشتری پیرامون آن‌ها منتشر شده و در نتیجه اعتراضات در آن‌ها شدیدتر بوده است.گسترده اعتراضات در مناطق شهری هر استان بر اساس نمودار ارائه شده، استان‌ها و شهرهای مختلفی درگیر اعتراضات شدند که در اینجا به برخی از آن‌ها اشاره می‌کنیم:استان‌ خوزستان: شهرهای ایذه، دزفول، اهواز، و اندیمشک از جمله مناطقی هستند که بیشترین حجم اعتراضات را به خود اختصاص داده‌اند. این استان با داشتن بزرگترین دایره‌ها در نمودار، نشان‌دهنده شدت بالای اعتراضات است. حجم زیاد محتوای منتشره پیرامون این شهرها می‌تواند نشان‌دهنده نارضایتی عمیق و تداوم بالای اعتراضات در این مناطق باشد.استان‌ چهارمحال و بختیاری: شهرکرد و جونقان و فارسان به عنوان دو شهر اصلی در این استان، حجم قابل توجهی از اخبار و محتوای مرتبط با اعتراضات را داشته‌اند. این امر نشان‌دهنده نقش مهم این شهرها در موج اعتراضات بوده و به نظر می‌رسد که این مناطق نیز از تداوم بالای اعتراضات برخوردار بوده‌اند.استان‌ فارس: شیراز به عنوان یکی از شهرهای کلیدی در استان فارس، شاهد اعتراضات گسترده‌ای بوده است. حجم بالای محتوای مرتبط با اعتراضات در شیراز نشان‌دهنده اهمیت و شدت اعتراضات در این شهر است.استان‌ تهران: اسلامشهر، شهریار، و شهر قدس از جمله مناطقی در استان تهران هستند که حجم قابل توجهی از اخبار مرتبط با اعتراضات را به خود اختصاص داده‌اند. با وجود اینکه تهران به عنوان پایتخت کشور دارای نقش مهمی است، حجم اعتراضات در این مناطق نسبت به برخی از شهرهای دیگر کمتر بوده است.استان‌ اصفهان: شهر اصفهان نیز به دلیل اعتراضات گسترده‌ای که در آن رخ داد، با دایره‌ای بزرگ در نمودار مشخص شده است. حجم بالای محتوای منتشره پیرامون این شهر نشان‌دهنده شدت بالای اعتراضات در این منطقه است.سایر استان‌ها: استان‌های گیلان (شهر رشت)، گلستان (شهر گرگان)، و سیستان و بلوچستان (شهرهای زاهدان و سراوان) نیز هر کدام به نحوی درگیر این اعتراضات بودند. در این استان‌ها نیز، اعتراضات گسترده‌ای به وقوع پیوسته و حجم قابل توجهی از اخبار مرتبط با آن‌ها منتشر شده است.در نهایت اینکه اعتراضات اردیبهشت ۱۴۰۱ به عنوان یکی از بزرگترین موج‌های اعتراضات در ابتدای سال 1401، تأثیرات عمیقی بر جامعه و فضای سیاسی کشور داشت. در حدود 40 شهرستان و 14 استان خصوصاً استان‌هایی مانند خوزستان، فارس و چهارمحال و بختیاری در صدر مناطق با بیشترین حجم اعتراضات قرار داشتند. این تحلیل که بر اساس داده‌های منتشره در فضای مجازی تهیه شده است، تصویری جامع از گستردگی و شدت اعتراضات در نقاط مختلف کشور ارائه می‌دهد.

تحقیقات پشرو در حوزه علوم اجتماعی محاسباتی: ترسیم نقشه فقر با داده‌های تماس‌های تلفنی

محمد اسکندری نسب — Wed, 11 Sep 2024 00:30:34 +0330

در تحقیقی که توسط محققان بانک جهانی انجام شده است، پژوهشگران از داده‌های تلفن همراه برای تخمین وضعیت مالی کاربران در کشور رواندا استفاده کردند. این تحقیق نشان داد که با استفاده از داده‌های مکانی و ارتباطات مبتنی بز تلفن همراه، می‌توان توزیع جغرافیایی ثروت را با دقت بالایی تخمین زد.نقشه (A) شاخص ثروت ترکیبی پیش‌بینی‌شده (میانگین ناحیه)، محاسبه‌شده از داده‌های تماس سال 2009 و جمع‌آوری‌شده براساس مناطق رواندا. و نقشه (B) شاخص ثروت ترکیبی واقعی (میانگین ناحیه)، شامل 12792 خانوار، طبق آمار، وزارت کشور رواندا 2010 (Blumenstock et al., 2015)جمع‌آوری داده‌ها: داده‌های ناشناس حدود 1.5 میلیون کاربر تلفن همراه بین سال‌های 2005 تا 2009 جمع‌آوری شد.مدل‌سازی یادگیری ماشینی: پژوهشگران یک مدل یادگیری ماشینی ساختند که از رکوردهای تماس برای پیش‌بینی پاسخ‌های نظرسنجی استفاده می‌کرد.مقایسه نتایج با داده‌های واقعی: نتایج این تحقیق با نتایج سرشماری‌ها و نظرسنجی‌های دموگرافیک مقایسه شد و شباهت‌های زیادی بین آنها مشاهده شد، که نشان‌دهنده دقت بالای روش استفاده شده است.مشخصات مقاله: Blumenstock, J., Cadamuro, G., & On, R. (2015). Predicting poverty and wealth from mobile phone metadata. Science (New York, N.Y.), 350(6264), 1073–1076.دانلود مقاله

رشد تصاعدی داده‌های دیجیتال موبایل‌محور و تأثیرات آن بر علوم اجتماعی

محمد اسکندری نسب — Tue, 10 Sep 2024 02:40:35 +0330

رشد فن‌آوری‌های دیجیتال در سال‌های اخیر به طرز چشمگیری همه جنبه‌های زندگی مدرن را متحول کرده است. این تحولات نه‌تنها روش‌های ارتباطی و دسترسی به اطلاعات را تغییر داده‌اند، بلکه منابع عظیمی از داده‌ها را در مورد رفتارهای انسانی، تعاملات اجتماعی، باورها و الگوهای فرهنگی فراهم کرده‌اند. این پدیده که با عنوان «کلان‌داده» شناخته می‌شود، اکنون به یکی از محورهای اساسی در پژوهش‌های علوم اجتماعی تبدیل شده است. بسیاری از محققان معتقدند که کلان‌داده‌ها یک معدن طلای بالقوه برای درک عمیق‌تر رفتارهای انسانی و اجتماعی فراهم می‌کنند.رشد فن‌آوری‌های دیجیتال در سال‌های اخیر به طرز چشمگیری همه جنبه‌های زندگی مدرن را متحول کرده است. این تحولات نه‌تنها روش‌های ارتباطی و دسترسی به اطلاعات را تغییر داده‌اند، بلکه منابع عظیمی از داده‌ها را در مورد رفتارهای انسانی، تعاملات اجتماعی، باورها و الگوهای فرهنگی فراهم کرده‌اند. این پدیده که با عنوان «کلان‌داده» شناخته می‌شود، اکنون به یکی از محورهای اساسی در پژوهش‌های علوم اجتماعی تبدیل شده است. بسیاری از محققان معتقدند که کلان‌داده‌ها یک معدن طلای بالقوه برای درک عمیق‌تر رفتارهای انسانی و اجتماعی فراهم می‌کنند.آمار رشد داده‌های دیجیتالطبق گزارش سایت استاتیستا، میزان داده‌های تولید شده در جهان از سال 2010 به بعد به شدت افزایش یافته است. در سال 2010، حجم داده‌های تولید شده در سطح جهانی به 2 زتابایت (Zettabyte) می‌رسید. اما تا سال 2023، این رقم به 120 زتابایت افزایش یافته است. این رشد بیش از 60 برابر در طول 13 سال، نمایانگر سرعت بالای تولید و ذخیره‌سازی داده‌ها در جهان دیجیتال است. پیش‌بینی‌ها حاکی از آن است که حجم داده‌های تولید شده در سال 2025 به بیش از 181 زتابایت خواهد رسید، که این امر نشان‌دهنده یک افزایش بیش از 150 درصدی تنها در دو سال است.نقش کلیدی تلفن همراه در تولید کلان‌داده‌های دیجیتال افزایش چشمگیر تعداد مشترکین تلفن همراه در جهان و ایران، این دستگاه‌ها را به یکی از مهم‌ترین منابع تولید داده‌های دیجیتال تبدیل کرده است.همچنان که در نمودارهای زیر مشخص است، در سال 2022، مشترکین اینترنت ثابت در ایران و جهان به ترتیب 92% و 83% بیشتر از مشترکین اینترنت ثابت بوده است.این داده‌ها که به عنوان کلان‌داده شناخته می‌شوند، فرصت‌های بی‌نظیری را برای پژوهش‌های علوم اجتماعی فراهم می‌کنند. استفاده از کلان‌داده‌ها در هماهنگی با نظریه‌های تثبیت‌شده علوم اجتماعی و از طریق چارچوب بین‌رشته‌ای علوم اجتماعی محاسباتی، ظرفیت پیشرفت علمی و تحقق اولویت‌های اجتماعی را به‌طور چشمگیری افزایش می‌دهد. افزایش استفاده از تلفن همراه، به تولید انبوه کلان‌داده‌ها منجر شده است. بهره‌برداری از این ظرفیت غنی اطلاعات اجتماعی با استفاده از روش‌های بدیع در علوم اجتماعی محاسباتی بیش از پیش اهمیت پیدا کرده است.منابع کلان‌دادهکلان‌داده‌ها از منابع متنوعی جمع‌آوری می‌شوند. برخی از منابع اصلی عبارتند از:1. داده‌های ردیابی دیجیتال: شامل فعالیت‌های آنلاین کاربران در شبکه‌های اجتماعی، موتورهای جستجو و وب‌سایت‌های مختلف.2. پلتفرم‌های آنلاین و فناوری‌های تلفن همراه: داده‌های تعاملی کاربران از طریق اپلیکیشن‌ها، شبکه‌های اجتماعی و سایر پلتفرم‌های دیجیتال.3. کتاب‌های دیجیتالی و سوابق چند رسانه‌ای: متون، تصاویر و ویدئوهایی که در فضای دیجیتال منتشر و مصرف می‌شوند.4. پایگاه‌های اطلاعاتی اداری: سوابق ثبت فعالیت‌های اجتماعی-اقتصادی و تراکنش‌های تجاری.5. شبکه‌های حسگر: داده‌های نظارتی از محیط‌ها و زیرساخت‌های مختلف.6. جمع‌سپاری آنلاین: داده‌هایی که از طریق مشارکت جمعی کاربران در پروژه‌های آنلاین جمع‌آوری می‌شود.7. پلتفرم‌های آزمایشی: داده‌های جمع‌آوری‌شده از آزمایش‌ها و بررسی‌های انجام‌شده در پلتفرم‌های مختلف.فرصت‌های پیش‌ روی علوم اجتماعی تجزیه و تحلیل کلان‌داده‌ها به دانشمندان علوم اجتماعی امکان می‌دهد تا الگوها و روابط پیچیده‌ای را در رفتارهای انسانی و اجتماعی شناسایی کنند که در گذشته به دلیل کمبود داده یا محدودیت‌های تکنولوژیک، غیرقابل کشف بودند. استفاده از تکنیک‌های محاسباتی پیشرفته مانند یادگیری ماشین، پردازش زبان طبیعی، تحلیل شبکه‌های اجتماعی و مدل‌سازی مبتنی بر عامل، به پژوهشگران این امکان را می‌دهد که به درک عمیق‌تری از رفتارهای اجتماعی دست یابند.به‌عنوان مثال، با استفاده از تحلیل شبکه‌های اجتماعی، پژوهشگران می‌توانند ساختار و دینامیک تعاملات اجتماعی را در مقیاس بزرگی بررسی کنند که قبلاً امکان‌پذیر نبود. یا از طریق یادگیری ماشین، می‌توانند الگوهای پیچیده‌ای را در داده‌های رفتاری شناسایی کنند که به‌صورت دستی غیرقابل تشخیص است.چالش‌های روش‌شناختیبا این حال، استفاده از کلان‌داده‌ها در علوم اجتماعی با چالش‌های منحصر به فردی نیز همراه است. یکی از این چالش‌ها، سوگیری جمعیت است که می‌تواند به دلیل عدم نمایش کامل جمعیت مورد مطالعه یا تمرکز بر یک بخش خاص از آن به وجود آید. خطای اندازه‌گیری نیز می‌تواند ناشی از نواقص در جمع‌آوری داده‌ها یا عدم دقت در ابزارهای اندازه‌گیری باشد. علاوه بر این، داده‌های دیجیتال غالباً در متن‌زدایی یا خارج شدن از بستر اصلی خود، دچار تغییرات معنایی می‌شوند که می‌تواند منجر به تفسیر نادرست نتایج شود.در نهایت باید گفت که رشد تصاعدی داده‌های دیجیتال و افزایش دسترسی به کلان‌داده‌ها، فرصت‌های بی‌سابقه‌ای را برای پژوهش‌های علوم اجتماعی فراهم کرده است. با این حال، بهره‌برداری موثر از این فرصت‌ها نیازمند مواجهه با چالش‌های روش‌شناختی و شناخت دقیق‌تر از منابع و محدودیت‌های این داده‌ها است. در نهایت، می‌توان گفت که کلان‌داده‌ها با وجود چالش‌های موجود، افق‌های جدیدی را برای درک بهتر جوامع انسانی و تعاملات اجتماعی گشوده‌اند.

🌐 تحلیل وضعیت جامعه با استفاده از داده‌های پلتفرم‌های آنلاین

محمد اسکندری نسب — Sun, 08 Sep 2024 15:13:09 +0330

در دنیای امروز، داده‌ها به عنوان یکی از ارزشمندترین منابع برای تحلیل و تصمیم‌گیری شناخته می‌شوند. پلتفرم‌های اشتراک‌گذاری اطلاعات مانند دیوار، شیپور و پلتفرم‌های کاریابی، به دلیل دسترسی رایگان و گسترده به اطلاعات واقعی و معتبر، می‌توانند منبع بسیار خوبی برای تحلیل وضعیت جامعه باشند. در این پست، به امکان استفاده از داده‌های این پلتفرم‌ها برای تحلیل وضعیت جامعه می‌پردازیم. 1. داده‌های پلتفرم‌های آگهی‌نامه و بازار آنلاینپلتفرم‌هایی مانند دیوار و شیپور، و یا پلتفرم‌های ارائه خدمات فنی مانند آچاره و استاده، اطلاعات گسترده‌ای از آگهی‌های خرید و فروش کالاها و خدمات مختلف را در اختیار کاربران قرار می‌دهند. این اطلاعات شامل جزئیاتی مانند قیمت، موقعیت جغرافیایی، نوع کالا یا خدمات، و ویژگی‌های دیگر است. تحلیل این داده‌ها می‌تواند به درک بهتر از وضعیت اقتصادی، الگوهای مصرف، و نیازهای جامعه کمک کند. 2. داده‌های پلتفرم‌های کاریابیپلتفرم‌های کاریابی مانند ایران‌تلنت و جابینجا، اطلاعات ارزشمندی از بازار کار را ارائه می‌دهند. این اطلاعات شامل تعداد و نوع آگهی‌های شغلی، مهارت‌های مورد نیاز، و حقوق و دستمزد است. با تحلیل این داده‌ها، می‌توان به روندهای بازار کار، نیازهای کارفرمایان و وضعیت اشتغال در جامعه پی برد. 3. داده‌های پلتفرم‌های شبکه‌های اجتماعیپلتفرم‌هایی مانند توییتر، اینستاگرام و تلگرام اطلاعات گسترده‌ای از رفتارها، نظرات و تعاملات کاربران را فراهم می‌کنند. این داده‌ها می‌توانند برای تحلیل‌های اجتماعی و روانشناختی بسیار مفید باشند. 4. داده‌های پلتفرم‌های آموزشیپلتفرم‌هایی مانند فرادرس و مکتب‌خونه، اطلاعاتی در مورد دوره‌های آموزشی، مهارت‌های مورد تقاضا و روندهای آموزشی را فراهم می‌کنند. این داده‌ها می‌توانند برای تحلیل وضعیت آموزش و توسعه مهارت‌ها مفید باشند. 5. داده‌های پلتفرم‌های تجارت الکترونیکپلتفرم‌هایی مانند دیجی‌کالا و باسلام، اطلاعاتی در مورد الگوهای خرید و فروش، قیمت‌ها و ترجیحات مصرف‌کنندگان را ارائه می‌دهند. این داده‌ها می‌توانند برای تحلیل وضعیت اقتصادی و رفتار مصرف‌کنندگان مفید باشند.📊 مزایای استفاده از داده‌های پلتفرم‌های آنلاین- دسترسی رایگان و گسترده: این پلتفرم‌ها اطلاعات خود را به صورت رایگان در اختیار عموم قرار می‌دهند، که امکان تحلیل گسترده و جامع را فراهم می‌کند.- اطلاعات واقعی و معتبر: کاربران این پلتفرم‌ها اطلاعات واقعی و معتبری را منتشر می‌کنند که می‌تواند به عنوان منبع تحلیلی قابل اعتماد مورد استفاده قرار گیرد.- تنوع داده‌ها: داده‌های موجود در این پلتفرم‌ها شامل انواع مختلفی از اطلاعات است که می‌تواند به تحلیل‌های چندبعدی و جامع کمک کند.به عنوان مثال می توانید این نمونه کاربردی را ببنید🏢🏡 تحلیل آگهی‌های بازار مسکن با دیتاست دیوار 🏡🏢🏢🏡 تحلیل آگهی‌های بازار مسکن با دیتاست دیوار

معرفی پایگاه Common Data، منبعی جامع برای داده‌های آماری:

محمد اسکندری نسب — Sun, 08 Sep 2024 15:03:02 +0330

🔍 پایگاه Common Data به عنوان یک منبع واحد برای داده‌های آماری عمومی راه‌اندازی شده است و هدف آن فراهم آوردن دسترسی آسان به داده‌های آماری در سطح جهانی برای پژوهشگران، دانشجویان، روزنامه‌نگاران و علاقه‌مندان به علم و آمار است. 📊 ویژگی‌های کلیدی:- داده‌های گسترده: این پلتفرم شامل بیش از 240 میلیارد داده در حوزه‌های مختلف از جمله: - کشاورزی - بهداشت و سلامتی - آموزش - جمعیت - اقتصاد - محیط‌زیست - انرژی و مسکنو…- منابع معتبر: داده‌ها از منابع معتبر و رسمی جهانی، از جمله سازمان‌های بین‌المللی مانند بانک جهانی و سازمان ملل گردآوری شده‌اند. اطلاعات کامل در مورد منابع و مستندات در بخش مربوطه سایت در دسترس است.- امکانات جستجو: این سایت تنها محل انتشار داده‌ها نیست، بلکه با تجمیع اطلاعات از منابع مختلف، کیفیت خروجی را بهبود می‌بخشد. کاربران می‌توانند به راحتی در سطح کشور، استان و شهر جستجو کنند و به داده‌های مورد نظر خود دسترسی پیدا کنند. 📈 ابزارهای کاربردی:- نمودارها و مصورسازی‌ها: امکان ایجاد نمودارهای زمانی، پراکندگی و نقشه‌ها برای تحلیل بهتر داده‌ها.- نمودار دانش: برای کشورهای دیگر که داده‌های باز بیشتری دارند، کاربردی‌تر است.- بررسی مستقل داده‌ها: کاربران می‌توانند به بررسی داده‌های آماری یک سازمان خاص بپردازند و از هر نوع داده‌ای خروجی بگیرند. 💡 دسترسی آسان:کار با این پلتفرم نیاز به تخصص خاصی ندارد؛ تنها کافی است با مفاهیم آماری حوزه‌ای که دنبال می‌کنید آشنا باشید. 🔗 برای دسترسی به سایت و استفاده از داده‌های آماری، پس از فعالسازی VPN، سرویس دور زدن تحریم‌ شکن و یا 403، به لینک زیر مراجعه کنید. لینک دسترسی سایتمنبع: لینکدن علیرضا_چمن‌زار

لیست جامعی از پایگاه‌ها و منابع داده باز ایران

محمد اسکندری نسب — Sun, 08 Sep 2024 14:54:40 +0330

علیرضا چمن‌زار، پژوهشگر علوم اجتماعی محاسباتی، لیست جامعی از پایگاه‌ها و منابع داده باز ایران، در گیت‌هاب ایجاد کرده که در لینک زیر قابل دسترس است.لینک مخزن گیت‌هاب (https://github.com/alirezach/awesome-iran-opendata)ایشان در توضیح این مخزن نوشته‌اند که:«این مخزن با ایده تسهیل دسترسی و آشنایی پژوهشگران و روزنامه‌نگاران به داده‌های باز با محوریت اختصاصی ایران ساخته شده‌است که شامل منابع دولتی، مراکز پژوهشی دولتی، مراکز بین‌المللی و موسسات مستقل اشتراک‌گذاری داده می‌باشد.»

اوسینت چیست و چه کاربردی در علوم اجتماعی محاسباتی دارد؟

محمد اسکندری نسب — Sun, 08 Sep 2024 14:52:23 +0330

اوسینت (Open Source Intelligence یا OSINT) به معنی اطلاعات منبع باز، به فرآیند جمع‌آوری، تحلیل و استفاده از اطلاعاتی اشاره دارد که به‌صورت عمومی و قانونی از منابع مختلف مانند اینترنت، رسانه‌های اجتماعی، وب‌سایت‌ها، گزارش‌های دولتی، اخبار، مقالات علمی و حتی منابع آفلاین مثل کتاب‌ها و روزنامه‌ها به دست می‌آید. برخلاف روش‌های غیرقانونی یا محدود به دسترسی‌های خاص، اوسینت کاملاً قانونی و شفاف است و از گستره وسیعی از منابع در دسترس بهره می‌برد.🔻 ویژگی‌ها و کاربردهای اوسینت:دسترسی عمومی و قانونی: اوسینت از اطلاعاتی استفاده می‌کند که به‌طور عمومی در دسترس هستند و از راه‌های قانونی جمع‌آوری می‌شوند، بنابراین نقض حریم خصوصی یا قوانین خاصی را در پی ندارد.تحلیل شبکه‌های اجتماعی: اوسینت در علوم اجتماعی محاسباتی به تحلیل شبکه‌های ارتباطی میان افراد، گروه‌ها و سازمان‌ها کمک می‌کند. این تحلیل‌ها می‌توانند ساختارهای اجتماعی و میزان تأثیرگذاری افراد را نشان دهند.مطالعه الگوهای رفتار اجتماعی: از طریق اوسینت، محققان می‌توانند داده‌هایی درباره رفتارهای آنلاین و آفلاین افراد به دست آورند، که به درک بهتر الگوهای تعامل اجتماعی و رفتارهای گروهی کمک می‌کند.پایش و تحلیل نظرات عمومی: یکی از کاربردهای مهم اوسینت در علوم اجتماعی، بررسی نظرات عمومی درباره موضوعات مختلف است. این تحلیل‌ها به درک نگرش‌های اجتماعی و پیش‌بینی تغییرات در افکار عمومی کمک می‌کنند.شناسایی روندها و پیش‌بینی تغییرات اجتماعی: اوسینت می‌تواند روندهای نوظهور در جامعه را شناسایی کند و به پیش‌بینی تغییرات اجتماعی کمک کند. این شامل شناسایی موضوعات محبوب در رسانه‌های اجتماعی یا بررسی تغییرات در اولویت‌های جامعه می‌شود.مقابله با اخبار جعلی و اطلاعات نادرست: با کمک اوسینت می‌توان به شناسایی و مقابله با اخبار جعلی و اطلاعات نادرست پرداخت. این امر برای حفظ اعتماد اجتماعی و مقابله با تأثیرات منفی اطلاعات نادرست اهمیت زیادی دارد.ارزیابی ریسک‌های اجتماعی: اوسینت به شناسایی و ارزیابی ریسک‌های اجتماعی مانند ناآرامی‌های اجتماعی، تروریسم یا بحران‌های انسانی کمک می‌کند، که این امر به پیش‌بینی بحران‌ها و تدوین واکنش‌های مناسب یاری می‌رساند.درنهایت می توان گفت که اوسینت در علوم اجتماعی محاسباتی، به‌عنوان یک ابزار قدرتمند و مؤثر برای جمع‌آوری و تحلیل داده‌های عمومی و دسترس‌پذیر به کار می‌رود. این روش نه تنها به بهبود تحقیقات علمی کمک می‌کند، بلکه به نهادهای اجتماعی و تصمیم‌گیران امکان می‌دهد به داده‌های واقعی و قابل‌اعتماد بیشتری دست یابند که به تحلیل دقیق‌تر و عمیق‌تر پدیده‌های اجتماعی کمک می‌کند.

علوم اجتماعی محاسباتی: آینده پژوهش‌های اجتماعی

محمد اسکندری نسب — Sun, 08 Sep 2024 14:21:15 +0330

آیا تا به حال به این فکر کرده‌اید که چگونه می‌توانیم از داده‌های بزرگ و روش‌های محاسباتی برای درک بهتر جوامع و رفتارهای اجتماعی استفاده کنیم؟ 🔍 علوم اجتماعی محاسباتی (CSS) یک حوزه نوین و هیجان‌انگیز است که با ترکیب علوم اجتماعی و علوم کامپیوتر، به ما امکان می‌دهد تا پدیده‌های اجتماعی را با دقت بیشتری تحلیل کنیم. از مدل‌سازی شبکه‌های اجتماعی گرفته تا شبیه‌سازی رفتارهای جمعی، این حوزه ابزارهای قدرتمندی را در اختیار پژوهشگران قرار می‌دهد.📊 چرا علوم اجتماعی محاسباتی مهم است؟- تحلیل داده‌های بزرگ: با استفاده از الگوریتم‌های پیشرفته، می‌توانیم الگوهای پنهان در داده‌های بزرگ را کشف کنیم.- پیش‌بینی رفتارهای اجتماعی: با مدل‌سازی دقیق، می‌توانیم رفتارهای آینده جوامع را پیش‌بینی کنیم.- حل مسائل پیچیده: این حوزه به ما کمک می‌کند تا مسائل پیچیده اجتماعی را با رویکردهای نوین و کارآمد حل کنیم.