هر تحرکی کنید، هر بار که اکانت«توییتر»تان به‌روز شود؛ هستند کسانی که می‌بینندتان. زیاد در خصوص‌اش فکر نکنید؛ اما اگر از کاربران شبکه‌های اجتماعی هستید و با موبایل، یا اینترنت مرتباً در آن فعالید، تاکنون ردپای دیجیتالی روشنی گویای رفتارها، الگوهای سفر، خواسته‌ها و ناخواسته‌هایتان و افشاگر دوستان، وضع روان و عقایدتان از خود به جا نهاده‌اید. به‌عبارتی این ردپا، فراوان از شما و ویژگی‌هایتان به جهان می‌گوید.

حال، آنچنان‌که پژوهش‌گران به شما می‌گویند، داده‌های خام خوب، طلاست. بدون وجودشان، فرضیات در قلمرو شک و گمان می‌مانند و بدتر از آن حتی داده‌های ضعیف، به بن‌بست رهنمون‌تان می‌کنند. فیزیک، نخستین دانشی بود که با وجود اطلاعات دقیق، از این پیله‌ی تاریک، دگردیسی یافت؛ آن‌هم از طریق نخستین تلسکوپ‌هایی که پرده از جهان فرارویمان برکشیدند گرفته، تا دو اوج‌ خود آزمایشگاه‌های نوینی چون LHC. زیست‌شناسی، علم بعدی بود؛ آن‌چنان‌که سلسله‌بندی ژنوم هر موجود، چنان داد‌ه‌هایی به بیرون داد که علم ژنتیک، بالنسبه به یک علم نوین و داده‌محور بدل شد.
حال، بررسی رفتار آدمی، قدم در راهی مشابه نهاده. جامعه‌شناسان تا مدت‌ها داده‌هایشان را همان پرسش‌نامه‌ها و مصاحبه‌های ناپخته‌ای شکل داده بود، که گزارشات جانب‌دارانه و پیمانه‌ی اندک این نوع از بررسی، از آن روشی ناصحیح، هرچند ناگزیر می‌ساخت. تا چندین دهه، این حوزه از دانش نیز حتی توسط برخی، به‌عنوان عموزاده‌ی علوم جبری تلقی می‌شد. تابدانجاکه عصر دیجیتال همه‌چیز را دگرگون کرد و تقریباً یک‌شبه، علم جامعه‌شناسی، از بررسی رفتارهای انسانی و تعاملات اجتماعی در شرایط فقدان داده‌های مستحکم و متقن؛ در دریایی از داده‌های خام فروغلطید. در نتیجه خط مشی‌ای کاملاً متفاوت در علم جامعه‌شناسی ظهور کرد و مطالعات وابسته، با نرخ فزاینده‌ای پدیدار شد، آنگونه که اثربخشی این دگرگونی، خود امری چشمگیر شده است.
دکتر Albert-László Barabási از دانشگاه نورث‌استرن بوستون می‌گوید:«انقلاب داده‌ها، حال در حوزه‌ی جامعه‌شناسی در جریان است. دانشمندان برای نخستین بار، شانس بررسی زنده و عینی آنچه که انسان انجام می‌دهد را دارند. این، تغییری اساسی در همه‌ی حوزه‌هایی‌ست که با انسان سروکار دارد.»
حال، امکان حل مسائل بنیادینی که نسل پیشین از درک‌شان جامانده، به‌وجود آمده است. همچون هر علم داده‌محور دیگر، Barabási و گروه‌اش امید دارند که در نهایت به کشف قوانین ریاضیاتی‌ای که رفتار انسانی را توجیه کرده و کنش‌های آتی‌‌اش را پیش‌بینی کند، نائل آیند. به‌گفته‌ی دکتر Duncan Watts از مرکز پژوهشی یاهو در نیویورک، جامعه‌شناسان طی چندین دهه درصدد شکار چنین قوانینی پیرامون فعل‌وانفعالات متقابل انسانی و شبکه‌های اجتماعی بوده و هستند. او می‌گوید:«اما آزمودن مفاهیم دور از دسترس فرضیات‌شان، عملاً امکان‌ناپذیر بوده؛ چراکه فن محاسبه [در این حوزه] وجود نداشته». حال این فقدان، در حال جبران است.
Watts از نخستین کسانی بود که پی به استعداد ردپاهای مجازی‌مان برد. وی در سال ۲۰۰۶ به اتفاق دانشجوی‌اش Matthew Salganik که هم‌اکنون در دانشگاه پرینستون مشغول به کار است؛ آزمایشی اینترنتی را به‌منظور درک نقش نفوذ اجتماعی در جلب محبوبیت موسیقی، طرح‌ریزی نمود. هنگامی‌که آهنگی بی‌واسطه مشهور می‌شود، مشکل می‌توان فهمید این موفقیت از جذبه‌ی ذاتی‌اش بوده یا رفتار گلّه‌گون جمع فراوانی از افراد که گمان به عوام‌پسندی این آهنگ برده‌اند. جهان موسیقی در پیش‌بینی بازخورد خوب، یا بد یک اثر، موفقیتی نداشته که این نشان از نقش شانس در این زمینه می‌دهد.
Watts و Salganik، به‌منظور آزمودن عواملی که یک آهنگ را از بقیه متمایز می‌کند، پروژه‌ای را موسوم به«آزمایشگاه موسیقی»کلید زدند. پروژ‌ه‌ای که طی آن ۱۴‌هزار نفر از طریق یک وبسایت، به 48 آهنگ از گروه‌های ناشناخته‌ی موسیقایی گوش سپردند، امتیاز دادند و بنابه خواسته‌‌هایشان دانلودشان کردند. این گزینه‌ها، پیمانه‌ای برای تعیین کیفیت (میانگین امتیازات داده‌شده) و مقبولیت عمومی (میزان دانلود) آهنگ‌های ارائه‌گشته بودند.
از این گذشته، با وجود این دو انتخاب پیش رو و نیز امکان مشاهده‌ی تعداد دانلودهای پیشین هر آهنگ برای بینندگان؛ امکان نظارت بر نحوه‌ی قضاوت بازدیدکننده از کیفیت آهنگ (بر حسب نظر شخصی یا دانلودهای پیشین) را به‌وجود می‌آورد. بدین‌ترتیب پژوهش‌گران عملاً می‌توانستند نتایج حاصل از اثربخشی یا عدم اثربخشی نفوذ اجتماع در انتخاب بیننده را بررسی کنند. آنان همچنین شرکت‌کنندگانی که بر حسب علائق دیگران، به انتخاب آهنگ‌شان دست زده‌اند را به هشت«جهان»مستقل تقسیم کردند تا که بتوانند با بازسازی تاریخ، به پیامد‌های هر کدام از جوامع جهانی هشت‌گانه پی ببرند.
نتایج حاصل از این پژوهش، قویاً از ایده‌ی تأثیر سترگ اجتماع بر عمومیت بخشیدن به برخی آهنگ‌ها، حمایت می‌کند. این مؤلفه همچنین پیش‌بینی آینده و تعیین موفقیت کدامین‌یک از آهنگ‌ها را دشوارتر می‌کند. جهان‌هایی که متأثر از اجتماعات گوناگون بودند، اختلاف شدیدی داشتند؛ چراکه رشد محبوبیت آهنگ‌های عامه‌پسند و برعکس، زوال محبوبیت آهنگ‌های غیرمشهور، در گستره‌ای وسیع‌تر از جوامعی که در آن فقدان اثربخشی اجتماع دیده می‌شود، رخ می‌دهد. با وجود تأثیرات اجتماعی، شهرت آثار به طرز گسترده‌ای میان یک جهان تا جهان دیگری در نوسان است. پس خواه‌ناخواه، به‌ نظر می‌رسد که بسیاری از ما پیرو گلّه‌ایم!
Watts و Salganik، نتیجه گرفتند که پیش‌تر، متخصصین نه‌ به‌واسطه‌ی فقدان مهارت و یا گمراهی؛ بلکه بدین‌دلیل که تأثیرات اجتماعی، نقش شانس را چندین برابر کرده و اختلافات دیرپا و گاهاً فاحشی را به بار می‌آورد؛ نا‌توان از پیش‌بینی میزان موفقیت آهنگ‌ها هستند. شانس، به‌اندازه‌ی کیفیت ذاتی آهنگ، در مقبولیت آن تأثیرگذار است؛ هرچند به‌گفته‌ی Salgnik، محبوب‌ترین آهنگ‌ها به‌ندرت بدترین‌ها؛ و کم‌استقبال‌ترین‌ها هم به‌ندرت بهترین‌‌ها هستند؛ اما گاه هر نتیجه‌ای ممکن است برآید. وی در ادامه این نوع از آزمایشات را نمونه‌های عادی پژوهش‌های تجربی‌ای می‌داند که روزگاری انجام‌شان ناممکن بود. او می‌گوید:«با توسعه‌ی وسیع قدرت محاسباتی و وجود دریای تقریباً بی‌کرانی از شرکت‌کنندگان حاضر در اینترنت، می‌توانیم تجربیات آزمایشگاهی‌مان را بر هزاران، یا حتی میلیون‌ها شرکت‌کننده اجرا کنیم.»

شبکه‌های اجتماعی؛ دریای داده‌ها
Jukka-Pekka Onnela و Felix Reed-Tsochas از دانشکده‌ی بیزینس دانشگاه آکسفورد انگلستان، هم‌اکنون از شبکه‌ی«فیس‌بوک»و ۴۰۰میلیون کاربرش، به‌عنوان آزمایشگاهی برای تعیین نحوه‌ی انتشار اندیشه‌ها و رفتارها میان دسته‌های انسانی گوناگون، بهره می‌برند. Watts و Salganik نشان دادند که در خصوص رجحان آثار موسیقایی، ما چون گوسفند عمل می‌کنیم. جامعه‌شناسان اما مدت‌هاست درصدد این‌اند که دیگر حوزه‌های اجتماعی – شامل هرچیز از محبوبیت یک سیاستمدار گرفته تا دیدگاه‌های متفاوت در قبال معضل زمین‌گرمایی – مستقلاً محصول انتخاب‌های شخصی‌ست که طی آن افراد بسیاری بر حسب تصادف به تصمیمات یکسان می‌رسند؛ یا که تأثیرات پیرامون، موجب کپی‌برداری زنجیروار رفتارهای دیگران می‌شود.
Onnela و Reed-Tsochas دریافتند که وقوع تغییرات مشابهی در مجیط فیس‌بوک موجب می‌شود تا کاربران، دیگر دوستان آنلاین‌شان را در پروفایل خود سهیم کنند. به‌علاوه کاربران فیس‌بوک، امکان نصب Application (app)های گوناگون را دارند؛ نرم‌افزارهایی که امکان محدود نمودن صفحه‌ی شخصی‌شان را می‌دهد. اگر شخصی یک app را قبول کند، دوستان‌اش نیز اتوماتیک‌وار آگاه می‌شوند و آنان نیز می‌توانند appهایی که دوست‌شان به کار می‌برد را مشاهده کنند. کاربران فیس‌بوک، امکان دسترسی به فهرستی از appهای عامه‌پسند را نیز دارند که همانند همان لیست آهنگ‌های پرفروش است.
تا بدین‌جای کار امکان انتخاب، همانند یک کتابفروشی‌ست؛ اما یک تفاوت عمده وجود دارد: داده‌های انباشته در محیط فیس‌بوک، امکان تحلیل رشد مقبولیت appهای خاصی را که معرفی شده‌اند، با جزئیات بی‌سابقه‌ای برای پژوهش‌گران می‌دهد. Onnela و Reed-Tsochas در سال ۲۰۰۷، به تحلیل چندین‌هزار app، آن‌هم بلافاصله پس از ارائه‌شان به‌همراه نحوه‌ی پذیرفتن‌شان توسط کاربران در طول زمان پرداختند. آنان طی این مدت درصدد درک این موضوع بودند که آیا سلسله‌ی مقبولیت هر app، اساساً سیر تصادفی‌ای را طی می‌کند – یعنی هرکدام از«پذیرش»‌ها مستقل از هم و بر حسب علائق شخصی هستند – یا که علائق یکی از دوستان کاربر بر احتمال پذیرش آن app توسط وی اثر گذارده است.

رشد انفجارگونه
نتایج، نشان از این می‌داد که هم تفکر مستقل و هم کپی‌برداری، هر دو در این مورد نقش ایفا می‌کنند و این، تقویت‌کننده‌ی نتایج حاصل از روش‌های معمول پژوهش در گذشته بود. با این وجود، این بررسی همچنین نشان داد که دو فرآیند متفاوت اینجا در عمل‌اند. آنالیزشان ابتدائاً نشان می‌داد زمانی‌که یک app جدید ظهور می‌کند؛ مقبولیت‌اش مستقلاً توسط رأی کاربر رو به رشد می‌نهد؛ اما اگرچنانچه این محبوبیت از حدی بگذرد، همین مؤلفه افراد بسیاری را به پذیرش‌اش سوق داده و رشدش حالتی انفجاری به خود می‌گیرد. این یعنی همان نتیجه‌ای که Watts و Salganik طی تجربه‌ی«آزمایشگاه موسیقی»‌شان به‌دست آورده بودند.
Reed-Tsochas می‌گوید:«ما روش‌های مشخصی را یافتیم که طی‌شان رفتار شخصی یا جمعی برتری دارد. تغییر فاز از یکی به دیگری، فرآیندی کاملاً برجسته همچون روشن/خاموش است». با این حال این پژوهش‌گران هنوز نمی‌دانند آیا که دگرگونی‌هایی از این دست، ممکن است بر فرآیندهای جاری در جهان واقعی و فرامجازی خودمان همانند تغییر عقاید سیاسی یا محبوبیت یک کتاب نیز اثربخش باشند یا خیر. وی در ادامه می‌افزاید:«مطمئناً امکان‌اش هست. اما بایستی‌که تا کسب داده‌های مناسب در این حوزه‌ها صبر کنیم.»
برخی می‌گویند داده‌های خامی که به‌منظور تحلیل رفتارهای جهان واقعی‌مان نیاز هست را می‌توان در شبکه‌های روبه‌رشد اجتماعی آنلاین هم یافت و از آن‌ها حتی برای پیش‌بینی پیامدهای اجتماعی‌شان نیز بهره برد. مثلاً یکی از محبوب‌ترین روش‌های پیش‌بینی در حوزه‌های گوناگون از انتخابات ریاست جمهوری گرفته تا موفقیت فیلم‌های جدید، استفاده از بازارهای مصنوعی‌ست. وبسایت«Hollywood Stock Exchange» (hsx. com) به علاقه‌مندان سینما، امکان خرید و فروش سهام مجازی شهرت فیلم‌های جدید و یا در شُرف اکران را می‌دهد. این بازار مجازی که با واحد پولی مجازی موسوم به«دلار هالیوود»نیز در گردش است؛ طبق رأی میلیون‌ها نفر فیلم‌ها را رتبه‌بندی می‌کند که این، بازتاب‌دهنده‌ی مقبولیت مجموع یا محبوبیت احتمالی آن فیلم است. دکترBernardo Huberman از آزمایشگاه‌های Hewlett Packard در«پالو‌ آلتو»ی کالیفرنیا می‌گوید:«این [معیار]، هم‌اکنون طلای استاندارد صنعت پیش‌بینی احتمال محبوبیت گیشه است.»
Huberman و دانشجویش Sitarum Asur می‌خواهند بدانند آیا امکان‌اش هست که با به‌کارگیری حجم عظیم عقایدی که از طریق شبکه‌های اجتماعی‌ای همچون فیس‌بوک و توییتر ارائه می‌شود، بتوان کار را هرچه بهتر به پیش برد؟ به استدلال آنها، عقایدی که در این شبکه‌ها ارائه می‌گردد، بایستی‌که پتانسیل پیشگویانه‌ی فراوانی داشته باشد، چراکه همین شیوه عملاً تعیین‌کننده‌ی محبوبیت فیلم‌ها بود. Huberman در این‌خصوص می‌گوید:«بحث‌هایی که در این شبکه‌ها می‌شود، اغلب به یک واقعه می‌انجامند.»
این دو پژوهش‌گر در تلاش برای معدن‌کاوی این آرا، مباحث وبسایت توییتر را دنبال کردند. آن‌ها کارشان را با این تصور آغاز کردند که فیلم‌هایی که در خصوص‌شان فراوان بحث می‌شود – و همهمه به پا می‌کنند – در نهایت از همه محبوب‌تر می‌شوند. به‌منظور محاسبه‌ی همهمه‌ی هر فیلم نیز آنان به نرخ تولید توییت‌هایی که بلافاصله پس از اکران آن فیلم ارائه می‌شوند، نظر انداختند. آنها از این مؤلفه به‌عنوان تعیین‌کننده‌ی نهایی فروش فیلم استفاده بردند.
نتایج این بررسی نشان می‌داد که نرخ توییت‌های فیلم‌محور، پیش‌گویی‌های دقیقی از فروش گیشه؛ حتی دقیق‌تر از وبسایت Hollywood Stock Exchange به دست می‌دهند. با این حال، پیش‌بینی فیلم‌های موفق، به‌نظر تنها می‌تواند علاقه‌ی شرکت‌های فیلم‌ساز و سرمایه‌گذاران‌شان را برانگیزد. اما Asur و Huberman این را هنوز اول کار دانسته و تکنیک‌شان را شایسته‌ی پیش‌بینی پیامدهای بس گسترده‌تر اجتماعی در حوزه‌های فراوان می‌دانند. Asur می‌گوید:«شبکه‌های اجتماعی، اگرچنانچه به‌خوبی از آن‌ها بهره‌برداری شود، بیان‌گر عقلی جمعی‌اند که می‌تواند به شاخصی شدیداً قوی و دقیق از پیامدهای آینده بدل شود.»
Huberman می‌گوید که چنین تحلیل‌هایی می‌تواند به‌زودی در پیش‌بینی دیگر حواث همچون نتایج انتخابات، یا واکنش جامعه نسبت به رویدادهای مهم کمک کند؛ البته تا زمانی‌که آرای مجازی مردم در خصوص مسئله‌ی مربوطه وجود داشته باشد. وی در ادامه تصریح می‌کند:«توییتر و کلاً رسانه‌های نوشتاری، در انتخاب باراک اوباما مؤثر بودند و برخی شرکت‌ها هم‌اکنون این نوع از داده‌ها را به‌منظور ارزیابی موفقیت نسبی محصولات‌شان به‌کار می‌گیرند.»
اقیانوس داده‌های دیجیتالی موجود در خصوص بشر اما تنها به آرا نیز محدود نمی‌شود. برخی پژوهش‌گران با وجود بحث و جدل‌های موجود و مشکلات پیش‌ رو، در حال دسترسی به جزئیاتی شخصی‌تر از اینها نیز هستند. مثلاً Barabási و دانشجویانش در دانشگاه نورث‌استرن از اطلاعات موبایل، به‌منظور آنالیز حرکات انسانی - نحوه‌ی پیاده‌روی، رانندگی و بهره‌گیری از سیستم حمل و نقل عمومی کاربران طی ساعات، روزها، هفته‌ها و ماه‌های متوالی – استفاده می‌کنند. دسترسی به داده‌های دقیقی چون این، هرگز تا پیش از رواج موبایل امکان‌پذیر نبود. حال، میلیون‌ها نفر ابزار ردیابی را با خود همراه دارند که خود‌به‌خود هرروزه حرکات‌شان را ثبت می‌کند.
شما هم پیش‌بینی‌پذیرید.
مجموعه‌داده‌هایی که گروه Barabási از آن بهره برده‌اند، حرکات ۵۰‌هزار انسان را طی سه ماه پوشش می‌دهد. به‌طرز شگفت‌آوری تیم متوجه شد که علی‌رغم ده‌ها‌هزار اختلاف موجود مابین افراد و روزمرگی‌های متفاوت‌شان، آمار سراسری حرکات‌مان از الگویی ریاضیاتی پیروی می‌کند و بدین‌تریب ما بیش از آنچه تا پیش‌تر تصورش می‌رفت، پیش‌بینی‌پذیریم. به‌علاوه آنان دریافتند که تحلیل داده‌های پیشین در خصوص حرکات نیز می‌تواند به‌عنوان شاخص تعیین‌کننده‌ی مقصد بعدی یک فرد – در شعاع یک کیلومتری آنتن موبایل – با دقت ۹۰ درصد به کار گرفته شود (منبع: Science p 1018، vol 327،Barabási) در این زمینه می‌گوید: «ما حد بالایی از پیش‌بینی‌پذیری را میان کلیه‌ی کاربران دیدیم.»
این شاید به این اندازه عجیب نباشد که در اکثریت روز، اغلب حرکات‌مان عادی است و شامل خانه تا محل کار و بالعکس می‌شود؛ هرچند این توانایی در پیش‌بینی مکان شما، در خصوص کسانی که بیشتر از مسیر خانه-محل کار-خانه نیز حرکت می‌کنند، صدق می‌کند.
Barabási و همکاران‌اش طی پژوهشی، پیش‌تر نیز از داده‌های مکانی موبایل افراد، به‌منظور کاوش الگوی تحرکات انسانی استفاده کرده بودند (ر. ک. Nature، vol 453، p 779). در آنجا، آنان دریافتند که عموماً افراد، مسافت‌های نسبتاً کوتاه را می‌پیمایند، اما گاه حرکاتی طولانی‌تر نیز دارند که آنان را به منطقه‌ای کاملاً متفاوت انتقال می‌دهد. جزئیات دقیق آمار چنین حرکاتی، پیرو الگویی ریاضیاتی‌ست – که به«پرواز Levy»شهره است – و در ارتباطی نزدیک با مسیر حرکت جانورانی چون آهوی کوهی، زنبورها و پرندگانی‌ست که به دنبال غذا می‌روند. به بیان ریاضیاتی، حرکات ما به‌طرز برجسته‌ای مشابه دیگر جانداران است. پس ما دست‌کم در این زمینه چندان ویژه نیستیم.
Barabási که مدارکی متقاعدکننده یافته که نشان می‌دهد اغلب اعمال‌مان توسط قوانین، الگوها و سازوکار‌هایی هدایت می‌شود که همچون قوانین حاکم بر علوم طبیعی پیش‌بینی‌پذیرند؛ می‌گوید:«جزئیات فراوانی‌ست که ما را [از دیگر موجودات] متمایز می‌کند». کشف الگوهایی از این نوع، دانشمندان را به هیجان آورده. با توجه به پیچیدگی انکارناپذیر انسان‌ها، چندان هم دور از انتظار نیست که جامعه‌شناسی، همچون فیزیک، درگیر قوانینی ازلی و فراگیر شود؛ اما دسترسی به داده‌های خام این حوزه است که امکان تشخیص الگوهای ناشناخته‌ی موجود را فراهم می‌آورد و همین به فهم آسان اجتماع پیرامون‌مان کمک می‌کند.
با این وجود، همانند بسیاری از پیشرفت‌های حوزه‌ی فیزیک و زیست‌شناسی، انفجار داده‌های جامعه‌شناختی نیز خطرات خاص خود را دارد. Barabási می‌گوید:«هرکسی که در این نوع تحقیقات شرکت جوید، به معضلی برخواهد خورد؛ اینکه چگونه از شرکت در ایجاد یک وضع جاسوسی دوری‌ کنیم؟». این نگرانی‌ها شاید نشانه‌ای دیگر از بلوغ نهایی جامعه‌شناسی‌ست. درست همان‌طوری که کشف شکافت هسته‌ای، مسائل اخلاقی فراوانی را فراروی فیزیکدانان قرار داد، و اصلاح ژنتیک نیز همین کار را در قبال زیست‌شناسان تکرار کرد؛ توانایی پیش‌بینی رفتار انسان نیز معماهایی جدید را برای جامعه‌شناسان مطرح کرده است. مثل همیشه، قدرت بیشتر، مسئولیت بیشتر هم می‌آورد.

منبع: / سایت / مدیا نیوز ۱۳۸۹/۵/۱۱
نویسنده : مارک بوچانان
مترجم : احسان سنایی