پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 8 |
| تعداد شماره‌ها | 294 |
| تعداد مقالات | 2,213 |
| تعداد مشاهده مقاله | 4,817,064 |
| تعداد دریافت فایل اصل مقاله | 3,385,003 |
انبوه - داده؛ تحول معرفت‌شناسی | ||
| روش شناسی علوم انسانی | ||
| دوره 30، شماره 120، مهر 1403، صفحه 1-19 اصل مقاله (1.41 M) | ||
| نوع مقاله: علمی - پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30471/mssh.2024.10153.2548 | ||
| نویسنده | ||
| کیومرث اشتریان* | ||
| دانشیار سیاست‌گذاری عمومی، دانشگاه تهران، تهران، ایران. | ||
| چکیده | ||
| انبوه - داده یکی از دستاوردهای مهم انقلاب فناوری اطلاعات و ارتباطات است که از حیث تأثیری که می‌تواند بر پژوهش‌های علمی بگذارد در این مقاله مورد توجه قرار گرفته است. در آنچه که به حوزه معرفت‌شناسی پژوهش‌های علمی مربوط می‌شود، دو گرایش عمده در این موضوع وجود دارد: یکی اینکه چنین پدیده‌ای به کنار گذاشتن تئوری از فرآیندهای پژوهش منجر می‌شود و دیگری در نقطه مقابل نقش تئوری‌ها را همچنان مؤثر می‌داند. انبوه - داده عبارت است از داده‌هایی که از گستره وسیعی از جریان فعالیت‌های اقتصادی، اجتماعی، زیست‌محیطی و... به‌صورت خودکار یا نیمه‌خودکار و با مشارکت فعال کاربران به وجود می‌آید. از شبکه‌های اجتماعی، وبگاه‌ها، وبلاگ‌ها، ژورنالیسم و «ردپای دیجیتال» افراد گرفته تا خدمات و تعاملات تجاری، اداری، فرهنگی، اجتماعی و... همگی عرصه‌ای پویا و گسترده را برای ایجاد انبوه - داده فراهم می‌کنند. انبوه - داده صرفاً حجم عظیم داده نیست؛ بلکه گستره وسیعی است که دارای تنوع، تکثر، سرعت، ارزش و انعطاف است. انبوه - داده زمینه دانش داده‌کاوی را فراهم کرده است که عبارت است از استخراج دانش‌های مفید از پایگاه‌های بزرگ داده یا از جریان داده‌ها که توسط روش‌های رایج، به‌دلیل گستردگی و پیچیدگی آنها قابل‌مدیریت نیستند. به‌دلیل حجم بالا، تنوع و سرعت زیاد انبوه - داده فنون جدیدی برای تحلیل آنها ضروری است. انبوه - داده ویژگی لحظه‌ای بودن دارد و ازاین‌رو، مشکل زمان را در پیمایش‌ها حل می‌کند. این یکی از مهم‌ترین ویژگی‌های انبوه - داده است. انبوه- داده و علم داده -ران بحث از اگنوستیک[1] را پیش روی ما می‌گشاید. «اگنوستیک» که اساساً نوعی «لاادری‌گری» یا ندانم‌گرایی است را می‌توان در ساحت معرفت‌شناسی به علم مستقل، علم بدون پیش‌فرض، یا علم قابل انطباق تعبیر کرد. در اگنوستیک ادعا بر این است که پیش‌فرضی ازسوی پژوهشگر وجود ندارد و می‌گوید که نمی‌دانم چه چیزی هست یا نیست، درست است یا غلط، حقیقت دارد یا ندارد. این مبنایی برای ورود به عرصه دانش است. علم داده - ران نیز بر همین ادعا استوار است. ازاین‌رو، این دو مفهوم مرتبط با معرفت‌شناسی را در کنار هم آورده‌ایم. ازآنجاکه داده‌های انبوه به‌خودی‌خود و بدون فرضیه یا تئوری ممکن است ما را در پژوهش علمی یاری دهند، بنابراین راه برای اقبال به اگنوستیسم فراهم می‌شود. به‌ویژه آنکه فناوری‌ها و روش‌هایی چون داده‌کاوی، یادگیری ماشین و هوش مصنوعی امکان پردازش داده‌های انبوه و استخراج الگوها را فراهم می‌کنند. این پدیده هنوز از حیث تأثیراتی که بر معرفت‌شناسی و نظریه‌پردازی دارد به‌اندازه کافی واکاوی نظری نشده است. مقاله حاضر، در پی بحث از همین ابعاد است. روش: در این مقاله با روشی تحلیلی نخست، چارچوبی مفهومی از چند مقوله اصلی برساخته می‌شود که شامل انبوه - داده، علم داده-ران، اگنوستیسم است. این سه مفهوم اصلی با یکدیگر در علوم فناوری‌های نوین و در علوم‌اجتماعی ارتباط دارند. این چارچوب مفهومی ازآن‌رو اهمیت دارد که با ترکیب علوم داده‌ای، علوم محاسباتی، علوم‌اجتماعی می‌تواند مبانی پارادایمی موجود را متحول کند و به تضعیف پارادایم علوم‌تجربی (پیشارنسانس)، علوم‌نظری (پیشارایانه) و علوم محاسباتی (پیشاداده انبوه) که پس از رنسانس مسلط بوده است بینجامد (کیچین، 2014). نتایج: این مقاله استدلال می‌کند که انبوه - داده ظرفیت آن را دارد که تحولی عمده را در معرفت‌شناسی علوم‌اجتماعی پدید آورد. ازسویی پدیده انبوه - داده بازیگران جدیدی را که پژوهشگران سنتی علوم‌اجتماعی نیستند، وارد توسعه علمی و معرفت‌شناسی می‌کند که شامل فناوران حوزه اطلاعات و ارتباطات و نیز کارآفرینان اقتصادی می‌شود. ازسوی‌دیگر، نقش رشته‌های دانشگاهی و تئوری‌ها در توسعه علمی کاهش می‌یابد. علم داده- ران می‌تواند برنامه‌های پژوهشی را سامان‌دهی کند؛ به‌گونه‌ای‌که نقش نظریهها و تقسیم‌بندی‌های رشتهای سنتی در دانشگاه را محدود نماید. پدیده انبوه - داده به فردگرایی روش‌شناختی در علوم‌اجتماعی دامن می‌زند. ازاین‌رو، تجزیه‌وتحلیل سیاستی مبتنی بر ابزارهای فناوری اطلاعات یا علوم‌اجتماعی محاسباتی در معرض توجه بیشتری قرار گرفته است. بر‌اساس‌این، پایه‌های معرفت جدید بر درک فعالیت‌های خُرد فردی و فردگرایی روش‌شناختی بنا گذاشته می‌شود. «شناختِ ترکیبیِ فردمحور» امکان وقوع می‌یابد که حاصل سپهرهای گوناگون است. به‌‌دیگرسخن، شناخت بهتر فرد زمینه توسعه نظریه‌های فردمحور را امکان‌پذیر می‌کند. شناخت داده‌های متکثر، ضرورتاً به بی‌نیازی از نظریه نمی‌انجامد. تحلیل نظری گریبان انسان را رها نمی‌کند؛ زیرا این نظریهها بخشی جداناشدنی از تجربه‌ها، سلیقه‌ها، ترجیحات و ادراکات روحی و روانی ما هستند. اما تحول اساسی اینجاست که نقش داده‌های خُردِ فردی و در مقیاس «نانورفتار» توسعه نظریه‌های فردمحور - داده‌محور را بیشتر می‌کند. به همین سان، نقش داده‌های فردی و نقش سوژه در شکل‌گیری نظریه بیش از نقش پژوهشگر - فاعلِ نظریه‌پرداز می‌شود؛ زیرا این داده‌ها به‌هرحال خود، کم‌و‌بیش سخن می‌گویند و نقش‌آفرینی بیشتری در فهم و در شکل‌گیری ذهن نظریه‌پرداز ایفا می‌کنند. نظریه‌های گوناگونی که از داده‌ها برمی‌آیند، بدینسان، از تعامل‌پذیری بیشتری برخوردارند؛ زیرا سهم هریک از عوامل و مؤلفه‌ها به‌صورت محسوس‌تری دیده شده و تصدیق می‌شود. ازاین‌رو، در نگاه نخست، زمینه برای تلفیق نظریه‌های گوناگون و شکل‌گیری کلان نظریه‌های «متناسب‌تر» بیش‌ازپیش فراهم می‌شود. به‌عنوان‌مثال، آنگاه که داده‌هایی طبقه‌بندی‌شده و شفاف از پدیده فقر و سهم ساختارها و رفتارها در آن شناسایی شود و آنگاه که داده‌هایی روشن و طبقه‌بندی‌شده از توانمندسازی انسان، از ابعاد گوناگون محیط‌زیست، از نقش سیاست دولتی در این زمینه‌ها، از عوامل مؤثر بر علم، فناوری و نوآوری در ابعاد و اجزای گوناگون و... به دست آید، زمینه برای نظریه‌پردازی‌های خُرد در هریک از این موضوعات و درنتیجه نظریه‌ای جامع فراهم می‌آید؛ البته در نگاه عمیق‌تر تحولی پارادایمی در توسعه دانش بدون رشته فراهم می‌آورد که خود می‌تواند موجد اغتشاش نظری باشد. بحث و نتیجه‌گیری: اگرچه دقیقاً نمی‌توان گفت که نقش نظریهها پایان یافته است، اما این انقلاب وجوهی دارد که نقشی بنیانی در تغییر پارادایم دارد؛ ازطریق گسست فعالیت علمی از نظریه‌پردازی، با از بین بردن ساختار سلسلهمراتبی دانشمندان، با تضعیف ساختار رشتهای، با توده‌ای کردن بازیگران دانش، با گسست تولید علم از زمینه رشتهای و از زمینه متخصصان، و با پدید آوردن دانش غیرتداومی. تقسیم‌بندی رشتهای به‌دلیل غرق شدن در اقیانوسی از داده‌ها اهمیت خود را از دست داده یا اینکه حداقل متزلزل شده است. داده مستقل از رشته است و ازاین‌رو، همکاری بین‌رشته‌ای در فضای «شبه - اگنوستیکی» از علم می‌تواند بلاموضوع باشد. در علم در دست کارشناسان فنی، تکنیسین‌ها و نه ضرورتاً دانشمندان به‌صورت «آنارشیک» رشد می‌یابد. امروزه، تحولات نوآورانه‌ای در حوزه فناوری‌های نوین ازسوی جوانان (و گاه نوجوانانی)، که دوره‌های تحصیلات تکمیلی را نگذرانده‌اند، مشاهده می‌شود. مایکروسافت، اپل، فیسبوک، تلگرام، واتساپ و بسیاری دیگر ازاین‌دست توسط کسانی به عرصه نوآوری آمده‌اند که ابداع‌کنندگان اولیه اغلب «دانشمند» به معنای مصطلح نبوده‌اند و حتی گاه از دانشگاه ترک تحصیل کرده‌اند. این ابتکارات و ابداعات خود سرمنشأ رشد علم بوده‌اند. نتیجه آنکه تحول علمی از محیط آکادمی به محیط کسب‌و‌کار آمده است. علم بیش از گذشته به بازار وابسته شده است و «دینامیسم» بازار سرمنشأ «دینامیسم» علم شده است. فناوری اطلاعات چنین بستری را ازطریق تسهیل ارتباطات و ترکیب فناوری‌های گوناگون با یکدیگر زمینه جهش متقابل را فراهم کرده است و علم نه اینتردیسیپلینری است و نه دیسیپلینری بلکه بی‌دیسیپلین است و این می‌تواند کل ساختار پیشین از رنسانس به این سو را به هم زند. | ||
| کلیدواژه‌ها | ||
| انبوه - داده؛ معرفت‌شناسی؛ علم داده-ران؛ اگنوستیک | ||
| مراجع | ||
https://www.wired.com/2008/06/pb-theory/ (Accessed: 14 December 2020).
https://doi.org/10.1177/00483931231188825.
https://www.elsevier.com/locate/dss
https://www.researchgate.net/publication/365175870
DOI: 10.1016/j.intmar.2016.03.003.
http://bds.sagepub.com/content/1/1/2053951714528481
http://www.leseditionsdeminuit.fr/livre-La_Condition_postmoderne-2180-1-1-0-1.html
https://www.researchgate.net/ Adaptive Mobile Computing.
https://www.researchgate.net/publication/321104751
https://netamorphosis.com/insights/glossary/platform-agnostic.
https://doi.org/10.1177/2053951718823815
https://resources.latana.com/post/what-is-brand-agnosticism.
https://doi.org/10.1177/2053951718816727 | ||
|
آمار تعداد مشاهده مقاله: 161 تعداد دریافت فایل اصل مقاله: 34 |
||