۵۱۴.
کلیدواژه‌ها:
انبوه - داده معرفت شناسی علم داده-ران اگنوستیک
انبوه - داده یکی از دستاوردهای مهم انقلاب فناوری اطلاعات و ارتباطات است که از حیث تأثیری که می تواند بر پژوهش های علمی بگذارد در این مقاله مورد توجه قرار گرفته است. در آنچه که به حوزه معرفت شناسی پژوهش های علمی مربوط می شود، دو گرایش عمده در این موضوع وجود دارد: یکی اینکه چنین پدیده ای به کنار گذاشتن تئوری از فرآیندهای پژوهش منجر می شود و دیگری در نقطه مقابل نقش تئوری ها را همچنان مؤثر می داند. انبوه - داده عبارت است از داده هایی که از گستره وسیعی از جریان فعالیت های اقتصادی، اجتماعی، زیست محیطی و... به صورت خودکار یا نیمه خودکار و با مشارکت فعال کاربران به وجود می آید. از شبکه های اجتماعی، وبگاه ها، وبلاگ ها، ژورنالیسم و «ردپای دیجیتال» افراد گرفته تا خدمات و تعاملات تجاری، اداری، فرهنگی، اجتماعی و... همگی عرصه ای پویا و گسترده را برای ایجاد انبوه - داده فراهم می کنند. انبوه - داده صرفاً حجم عظیم داده نیست؛ بلکه گستره وسیعی است که دارای تنوع، تکثر، سرعت، ارزش و انعطاف است. انبوه - داده زمینه دانش داده کاوی را فراهم کرده است که عبارت است از استخراج دانش های مفید از پایگاه های بزرگ داده یا از جریان داده ها که توسط روش های رایج، به دلیل گستردگی و پیچیدگی آنها قابل مدیریت نیستند. به دلیل حجم بالا، تنوع و سرعت زیاد انبوه - داده فنون جدیدی برای تحلیل آنها ضروری است. انبوه - داده ویژگی لحظه ای بودن دارد و ازاین رو، مشکل زمان را در پیمایش ها حل می کند. این یکی از مهم ترین ویژگی های انبوه - داده است. انبوه- داده و علم داده -ران بحث از اگنوستیک[1] را پیش روی ما می گشاید. «اگنوستیک» که اساساً نوعی «لاادری گری» یا ندانم گرایی است را می توان در ساحت معرفت شناسی به علم مستقل، علم بدون پیش فرض، یا علم قابل انطباق تعبیر کرد. در اگنوستیک ادعا بر این است که پیش فرضی ازسوی پژوهشگر وجود ندارد و می گوید که نمی دانم 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. ازاین رو، این دو مفهوم مرتبط با معرفت شناسی را در کنار هم آورده ایم. ازآنجاکه داده های انبوه به خودی خود و بدون فرضیه یا تئوری ممکن است ما را در پژوهش علمی یاری دهند، بنابراین راه برای اقبال به اگنوستیسم فراهم می شود. به ویژه آنکه فناوری ها و روش هایی چون داده کاوی، یادگیری ماشین و هوش مصنوعی امکان پردازش داده های انبوه و استخراج الگوها را فراهم می کنند. این پدیده هنوز از حیث تأثیراتی که بر معرفت شناسی و نظریه پردازی دارد به اندازه 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 می شود که شامل انبوه - داده، علم داده-ران، اگنوستیسم است. این سه مفهوم اصلی با یکدیگر در علوم فناوری های نوین و در علوم اجتماعی ارتباط دارند. این چارچوب مفهومی ازآن رو اهمیت دارد که با ترکیب علوم داده ای، علوم محاسباتی، علوم اجتماعی می تواند مبانی پارادایمی موجود را متحول کند و به تضعیف پارادایم علوم تجربی (پیشارنسانس)، علوم نظری (پیشارایانه) و علوم محاسباتی (پیشاداده انبوه) که پس از رنسانس مسلط بوده است بینجامد (کیچین، 2014).
نتایج: این مقاله استدلال می کند که انبوه - داده ظرفیت آن را دارد که تحولی عمده را در معرفت شناسی علوم اجتماعی پدید آورد. ازسویی پدیده انبوه - داده بازیگران جدیدی را که پژوهشگران سنتی علوم اجتماعی نیستند، وارد توسعه علمی و معرفت شناسی می کند که شامل فناوران حوزه اطلاعات و
ارتباطات و نیز کارآفرینان اقتصادی می شود. ازسوی دیگر، نقش رشته های دانشگاهی و تئوری ها در توسعه علمی کاهش می یابد. علم داده- ران می تواند برنامه های پژوهشی را سامان دهی کند؛ به گونه ای که نقش نظریه ها و تقسیم بندی های رشته ای سنتی در دانشگاه را محدود نماید. پدیده انبوه - داده به فردگرایی روش شناختی در علوم اجتماعی دامن می زند. ازاین رو، تجزیه وتحلیل سیاستی مبتنی بر ابزارهای فناوری اطلاعات یا علوم اجتماعی محاسباتی در معرض توجه بیشتری قرار گرفته است.
بر اساس این، پایه های معرفت جدید بر درک فعالیت های خُرد فردی و فردگرایی روش شناختی بنا گذاشته می شود. «شناختِ ترکیبیِ فردمحور» امکان وقوع می یابد که حاصل سپهرهای گوناگون است. به دیگرسخن، شناخت بهتر فرد زمینه توسعه نظریه های فردمحور را امکان پذیر می کند. شناخت داده های متکثر، ضرورتاً به بی نیازی از نظریه نمی انجامد. تحلیل نظری گریبان انسان را رها نمی کند؛ زیرا این نظریه ها بخشی جداناشدنی از تجربه ها، سلیقه ها، ترجیحات و ادراکات روحی و روانی ما هستند. اما تحول اساسی اینجاست که نقش داده های خُردِ فردی و در مقیاس «نانورفتار» توسعه نظریه های فردمحور - داده محور را بیشتر می کند. به همین سان، نقش داده های فردی و نقش سوژه در شکل گیری نظریه بیش از نقش پژوهشگر - فاعلِ نظریه پرداز می شود؛ زیرا این داده ها به هرحال خود، کم و بیش سخن می گویند و نقش آفرینی بیشتری در فهم و در شکل گیری ذهن نظریه پرداز ایفا می کنند. نظریه های گوناگونی که از داده ها برمی آیند، بدینسان، از تعامل پذیری بیشتری برخوردارند؛ زیرا سهم هریک از عوامل و مؤلفه ها به صورت محسوس تری دیده شده و تصدیق می شود.
ازاین رو، در نگاه نخست، زمینه برای تلفیق نظریه های گوناگون و شکل گیری کلان نظریه های «متناسب تر» بیش ازپیش فراهم می شود. به عنوان مثال، آنگاه که داده هایی طبقه بندی شده و شفاف از پدیده فقر و سهم ساختارها و رفتارها در آن شناسایی شود و آنگاه که داده هایی روشن و طبقه بندی شده از توانمندسازی انسان، از ابعاد گوناگون محیط زیست، از نقش سیاست دولتی در این زمینه ها، از عوامل مؤثر بر علم، فناوری و نوآوری در ابعاد و اجزای گوناگون و... به دست آید، زمینه برای نظریه پردازی های خُرد در هریک از این موضوعات و درنتیجه نظریه ای جامع فراهم می آید؛ البته در نگاه عمیق تر تحولی پارادایمی در توسعه دانش بدون رشته فراهم می آورد که خود می تواند موجد اغتشاش نظری باشد.
بحث و نتیجه گیری: اگرچه دقیقاً نمی توان گفت که نقش نظریهها پایان یافته است، اما این انقلاب وجوهی دارد که نقشی بنیانی در تغییر پارادایم دارد؛ ازطریق گسست فعالیت علمی از نظریه پردازی، با از بین بردن ساختار سلسلهمراتبی دانشمندان، با تضعیف ساختار رشتهای، با توده ای کردن بازیگران دانش، با گسست تولید علم از زمینه رشته ای و از زمینه متخصصان، و با پدید آوردن دانش غیرتداومی. تقسیم بندی رشته ای به دلیل غرق شدن در اقیانوسی از داده ها اهمیت خود را از دست داده یا اینکه حداقل متزلزل شده است. داده مستقل از رشته است و ازاین رو، همکاری بین رشته ای در فضای «شبه - اگنوستیکی» از علم می تواند بلاموضوع باشد.
در علم در دست کارشناسان فنی، تکنیسین ها و نه ضرورتاً دانشمندان به صورت «آنارشیک» رشد می یابد. امروزه، تحولات نوآورانه ای در حوزه فناوری های نوین ازسوی جوانان (و گاه نوجوانانی)، که دوره های تحصیلات تکمیلی را نگذرانده اند، مشاهده می شود. مایکروسافت، اپل، فیسبوک، تلگرام، واتساپ و بسیاری دیگر ازاین دست توسط کسانی به عرصه نوآوری آمده اند که ابداع کنندگان اولیه اغلب «دانشمند» به معنای مصطلح نبوده اند و حتی گاه از دانشگاه ترک تحصیل کرده اند. این ابتکارات و ابداعات خود سرمنشأ رشد علم بوده اند. نتیجه آنکه تحول علمی از محیط آکادمی به محیط کسب و کار 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 فناوری های گوناگون با یکدیگر زمینه جهش متقابل را فراهم کرده است و علم نه اینتردیسیپلینری است و نه دیسیپلینری بلکه بی دیسیپلین است و این می تواند کل ساختار پیشین از رنسانس به این سو را به هم زند.