سی‌وپنجمین نشست کرسی یونسکو در فضای مجازی و فرهنگ: دوفضایی‌شدن جهان

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، مؤسسة تحقیقات اجتماعی دانشگاه تهران، در روز دوشنبه ۲2 دی ۱۳۹۹، ساعت ۱8:۰۰ الی ۱9:۳۰ به‌صورت مجازی در کانال اینستاگرام کرسی برگزار شد.

به‌گفتة دکتر امامی، حكمراني نوين، متأثر از متغيرهاي فراواني است، به‌خصوص متغيرهاي فناورانه؛ و بيش از هميشه بر افكارعمومي و در عمل، بر كنش عمومي شهروندان مبتني است. بين مخاطبان، ذي‌نفعان و متصديان خط‌مشي عمومي تفكيك دقيقي مشاهده نمي‌شود. حكمراني نوين اما بيش از همه، مبتني بر شواهد داده‌هاي بزرگ (big data evidence based) توصيف شده است. اين ويژگي در كنار شبكه‌اي‌بودن (networked)، ماهواً اجتماعي (social) و نه سياسي بودن، چندرشته‌اي‌بودن (multidisciplinary)، تنظيم‌گرانه‌بودن (regulator) ودو‌فضايي‌بودن (dual speciation) سرشت و سرنوشت حكمراني و هرنوع مديريت اجتماعي‌ـ اقتصادي را با داده‌هاي فضاي مجازي، به‌خصوص شبكه‌هاي اجتماعي، پيوند زده است. شبكه‌هاي اجتماعي و پيام‌رسان‌ها و نيز پلتفورم‌ها و برنامه‌هاي اجرايي، زيرساخت اصلي توزيع، مصرف و حتي توليد در جهان آينده است و اتصال متقابل انسان واشيا، بينهايت رابطه و گره و نظایر آن ايجاد کرده است كه منبع مهم اطلاعات و تغييرند. بیشتر مطالعات امروز بر مفهوم دولت الکترونیکی و حكمراني بر فضاي مجازي متمرکز است؛ اینکه چگونه فعالیت‌های موجود دولت كه از طریق بدنة اداری عمومی انجام مي‌شود، بااستفاده از فناوری بهبود می‌یابد. در برخي مقاله‌ها، با استفاده از چرخة سیاست به‌منزلة مدل ژنريك در مطالعات فرایند خط‌مشي و توسعة سیاست، نشان داده مي‌شود كه اساساً تصمیم‌گیری بر اساس ICT و Big Data محقق مي‌شود[1].در مقاله جالبي در تبيين نقش كلان داده‌هاي افكار عمومي در سياستگذاري مي‌خوانيم:

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[2]

تراكنش عمومي در وب 2 و 3 تداعي توفان در افكار عمومي است؛ توفاني كه براي فهم آن بايد انقلابي در پژوهش و وضع سنتي فهم اين افكار انتظار داشت؛ چيزي كه مالكان و سرمايه‌سالاران متولي شبكه‌هاي اجتماعي جهاني‌شده، از اوايل سال 2008 در اولويت خود قرار دادند.

مثال واضحي نشان مي‌دهد كه 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، حدود40 ميليون صفحة فارسي ايراني در اينستا، حدود یک میلیون تا یک میلیون و ۶۰۰ هزار پست اینستاگرام که حدود ۲۵۰ هزار لایک می‌خورد و در مجموع ده میلیون کامنت محقق مي‌شود و اين غير از كنشگري فزاينده‌اي است كه در امثال لايكي و ماي‌اسپيس در حال رواج است.

در اين شرايط حكمرانان چالش‌هاي مهمي براي فهم افكار عمومي مطرح مي‌کنند، از جمله:

1. سرعت و شدت ايجاد امواج و واقعيات رسانه‌اي در نسبت با موضع‌گيري، واكنش يا هدايت‌هاي رسمي و مقطعي
2. تحول در بازيگران افكار عمومي
3. سياست رسانه‌اي‌شده (كاستلز و…)

و در نهایت و مهم‌تر از همه، ساخت مجازي واقعيت: دستور كارسازي فراگير در شبكه‌هاي اجتماعي.

بر اين اساس سؤال بي‌پاسخ اين است كه نسبت شبكه‌هاي اجتماعي با جامعة واقعي چگونه برقرار مي‌شود. اين همان چالش تعميم‌پذيري داده‌هاي شبكه‌اي اجتماعي است (اگر بتوانيم احصا كنيم، به‌موقع كشفش كنيم و دقيق آن را پايش كنيم). در واقع، چه نسبت و ضريبي بين داده‌هاي بخشي از مردم (هرچند مهم و فراوان) كه در شبكه‌ها فعال‌اند با كل جامعه وجود دارد؟

براي رفع اين چالش چهارم ضرورت‌ها و بايسته‌هاي مهمي به‌نظر مي‌آيد:

1. محاسبة نسبت داده‌هاي فضاي مجازي با داده‌هاي پيمايشي

الف) انتخاب داده‌هاي فضاي مجازي اساساً به سه روش ممكن است:

1. Topic modelling
2. Topic Classification (ML)

• نمونه گيري و دسته بندي توسط كارشناس

ب) همچنین، بايد در داده‌هاي پيمايشي نيز انگاره‌هايي قابل‌تطبيق یافت.

ج) در نهايت، نسبت‌سنجي كرد تا به مدلی با كمترين خطاي استاندارد برسيم.

2. مطالعات پانل هوشمند:

الف) رسيدن به نمونه‌ای استاندارد از جامعه، كه عضويت و فعاليت شبكه‌اي هم داشته باشد

ب) رصد كنش و بيان احساسات نمونة ثابت بر بسترهاي مجازي (حفظ نمونه)

3. ارتباط‌شناسي جماعت‌هاي مجازي (خرده‌فرهنگ‌ها و جماعت‌هايي كه منحصراً در فضاي مجازي شل گرفته‌اند و تنفس مي‌کنند مانند كي‌پاپ، تتليتي، جوكر و موارد نوپديد روزافزون)
4. شناخت شكاف‌ها و گره‌هاي اجتماعي بر اساس داده‌هاي ملي
5. طراحي مدل ايجاد و گسترش موج (ضروت پيش‌يابي موج‌ها و پويش‌هاي طبيعي و تصنعي).

پس اگر بتوانيم با روشمندسازي كلان داده‌هاي در دسترس نهادهاي داده‌كاو و بومي‌سازي تحليل داده و تحليل شبكه، با اين تحول بزرگ مواجه شويم، حكمراني نوين، قابل تصور است و به‌همان ميزان كارامدي و موفقيت براي دولت‌هاي آينده متصور است. ما به عزمی ملي براي اين بومي‌سازي سخت اما ضروري نیاز داريم. در اين صورت خواهيم توانست بر اساس ورودي قابل‌اتكایی از اطلاعات و داده‌هاي كنشگران و پديده‌هاي داخلي و بين‌المللي، به ركن اثرگذار و كراي سياستگذاري يعني تنظيم‌گري جامع نائل شويم.

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

 ucccdsw.ut

[1] . 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

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

 Publication:ICEGOV ’18: Proceedings of the 11th International Conference on Theory and Practice of Electronic Governance  April 2018 Pages 575–583https://doi.org/10.1145/3209415.3209427