خبرگزاری مهر؛ گروه فرهنگ - مجید سلیمانی ساسانی*

بی‌شک، نسبت وثیقی میان کلان‌داده‌ها با رسانه‌های اجتماعی وجود دارد. به واقع، یکی از مهم‌ترین منابع تأمین کلان‌داده‌ها، رسانه‌های جدید تعاملی هستند که از خصلت تعاملی خود برای تجمیع اطلاعات کاربران بهره می‌برند و به یقین می‌توان گفت که بدون رسانه‌های اجتماعی، کلان‌داده‌ها بی‌معنی هستند. از سوی دیگر، می‌توان ادعا کرد که بهترین منبع پژوهش در حوزه رسانه‌های اجتماعی، همین کلان‌داده‌ها محسوب می‌شوند. اما این نگاه نباید باعث شود که صرفاً به انبوه داده‌ها بسنده کنیم و بدون پیش‌زمینه‌های علمی به تحلیل فرهنگی و اجتماعی بپردازیم. در واقع، انبوه داده‌ها نباید ما را هیجان‌زده کند و با اتکای صرف به روش‌های کمی داده‌کاوی، اطلاعات ارزشمند پژوهش‌های کیفی و زمینه‌ای را به کناری بگذاریم. هرچند، باید تأکید کرد که کلان‌داده‌ها، قطعاً پارادایم‌های موجود در علوم اجتماعی را به چالش خواهد کشید و تاریخ پژوهش‌های فرهنگی و اجتماعی، با پدیده جدیدی روبرو است. بنابراین از اهمیت کلان‌داده‌ها نیز نمی‌توان به سادگی عبور کرد. از سوی دیگر، این مسئله باید درک شود که اطلاعات ناشی از کلان‌داده‌ها با هر شواهد دیگری در پژوهش‌های اجتماعی متفاوت است و نتیجتاً باید رویکردهای جدیدتری را در معناکاوی دنبال کرد.

اطلاعات موجود در کلان‌داده‌ها، همواره به طور طبیعی توسط کاربران ایجاد می‌شود و لاجرم بر اساس مسائل و سؤالات از پیش طراحی شده نیست. بنابراین این اطلاعات لزوماً معنی‌دار نیستند و یا دست‌کم، استفاده و کشف معنای آن پیچیده به نظر می‌رسد. ضمن اینکه آهنگ تغییر کلان‌داده‌ها به سرعت اتفاق می‌افتد. زیرا کاربران به‌طور مداوم در حال ارائه اطلاعات به رسانه‌های اجتماعی هستند. این مسئله از یک جهت، فرصتی اساسی برای پژوهش‌های اجتماعی فراهم می‌کند و «روند تغییرات» را به خوبی نشان می‌دهد. اما از سوی دیگر، این عدم پایداری موجب پیچیده شدن تحقیقات نیز خواهد شد. مسئله دیگر «گزینش داده‌های مورد نیاز» است که در پژوهش‌های سنتی‌تر تحت عنوان نمونه‌گیری می‌شناختیم. اما اساساً نمونه‌گیری در کلان‌داده‌ها با نمونه‌گیری در پژوهش‌های اجتماعی متفاوت است. در پژوهش‌های سنتی‌تر، نمونه‌گیری برای یافتن بهترین و نمایاترین اعضای جامعه هدف بود تا با شناخت و جمع‌آوری اطلاعات آنان، نتیجه را به «کل جامعه» تعمیم داد. بنابراین روش‌های مختلفی برای این کار ابداع شد تا با کمترین درصد خطا و کمترین نمونه، این تعمیم معنادار شود. اما نمونه‌گیری در کلان‌داده‌ها، اساساً برای انتخاب بعضی از اعضای یک جامعه و تعمیم جزء به کل نیست. زیرا اساساً اطلاعات تمام اعضای جامعه هدف پژوهش در دسترس قرار دارد. بلکه در اینجا، پژوهش‌گر با دریایی از اطلاعات مواجه هست و باید بهترین انتخاب‌ها را برای «پاسخ» به پرسش‌ها داشته باشد تا فرایند توصیف، تبیین و ارائه پیشنهادات برای «حل مسئله» رخ دهد. به واقع، مهارت پژوهشگر اجتماعی در داده‌کاوی، به سنجش ارزشمندی بعضی از اطلاعات نسبت به اطلاعات دیگر و فهم درست نسبت آن‌هاست. بنابراین اساساً باید گفت که روش‌های پیشین لزوماً نمی‌تواند به محقق کمکی کند و محقق بدون دانش نظری کافی در موضوع پژوهش، راه به جایی نخواهد برد و یا آنچه را خواهد سنجید که در ارتباط با موضوع پژوهش نیست.

جان کلام اینکه، در کلان‌داده‌ها، پژوهشگر فرهنگی و اجتماعی با دانش نظری پیشین و یافته‌های کیفی می‌تواند در جستجو و کشف الگوها باشد. همچنین داده‌های بزرگ این امکان را به محقق می‌دهد که نتایجی را به دست آورد که از داده‌هایی با مقیاس کوچک ممکن نبود. از سوی دیگر، به علت مقیاس کلان اطلاعات، محقق نیازمند به کاربستن روش‌های رایانه‌ای است که مهارتی بسیار اساسی در نیل به اهداف پژوهش اجتماعی و فرهنگی محسوب می‌شود. اما هم‌زمان محقق باید از خطرات و پیامدهایی که روش‌های رایانه‌ای در ارائه دسته‌بندی اطلاعات ایجاد می‌کنند، مراقبت لازم را به عمل آورد. این مسئله بسیار مهم است که فناوری‌های هوش مصنوعی در داده‌کاوی، الگوهای فرهنگی و اجتماعی را به محقق تحمیل نکند و باعث خطای پژوهشی نشود.

از منظر دیگر می‌توان گفت که رابطه میان داده‌ها و دانش و تجربه نظری پژوهشگر، رابطه‌ای متقابل است و این هرگز بدین معنا نیست که داده‌ها به‌تنهایی جریان و روند تحقیق را مشخص سازند. قطعاً این داده‌ها به نسبت داده‌های پژوهش‌های سنتی‌تر - که مبتنی بر پرسش، پرسشنامه و پرسشگر و دخالت عوامل محیطی بود – معتبرتر است. کاربران با فعالیت در رسانه‌های اجتماعی و ارائه اطلاعات خود به سامانه‌ها، کمتر تحت تأثیر عوامل محیطی مداخله‌گر بوده‌اند و به علت عدم وجود پژوهشگر، نظری بر آنان تحمیل نمی‌شود. اما از سوی دیگر باید به این نکته توجه کنیم که عمده کاربران، به‌گونه‌ای هدفمند هویت‌های آنلاین خود را شکل می‌دهند. در اینجا وظیفه محقق آن است که به لحاظ نظری با شرایطی هویت‌های آنلاین می‌تواند برای کاربران فراهم کند آشنایی داشته و این مسئله را در پژوهش خود در نظر بگیرد. بنابراین پژوهش باید به‌گونه‌ای پیش رود که هم‌زمان داده‌های آفلاین را در کنار داده‌های آنلاین کلان، مدنظر داشته باشیم. علاوه بر این، روش‌های تحلیل متن مانند زبان‌شناسی و تحلیل گفتمان نیز می‌تواند در شناسایی هویت‌های آنلاین و فرایند تفسیر با توجه به آن به کمک پژوهش فرهنگی و اجتماعی بیاید.

*پژوهشگر مطالعات فرهنگ و رسانه