در دنیای امروز، فهم پدیدههای جمعی با ابزارهای سنتیِ قرن گذشته به بنبست رسیده و ما در آستانه یک چرخش تاریخی به سوی «علوم اجتماعی رایانشی» به عنوان پارادایم چهارم علم اجتماعی ایستادهایم. این دانش میانرشتهای که در تلاقی علوم اجتماعی، علوم داده و آمار تعریف میشود، با بهرهگیری از «ردپاهای دیجیتال» و توان محاسباتی کلاندادهها، افقهای جدیدی را برای مشاهده غیرمشارکتی و زمینهمند پدیدههای اجتماعی گشوده است. در حالی که روشهای کلاسیک میان محدودیتهای نمونهگیری و خطاهای حافظه در پیمایشها سرگردان بودند، رویکرد رایانشی با جایگزینی منطق «یافتن داده» به جای «تهیه داده»، امکان مطالعه پویاییهای جمعی را در مقیاسی بیسابقه فراهم آورده است.
ایران از اواخر دهه ۹۰، با اقداماتی نظیر تأسیس رشتههای دانشگاهی در مقاطع تحصیلات تکمیلی و فعالیت نهادهایی چون پژوهشگاه فضای مجازی، قدم در راه نهادینهسازی این علم گذاشته است. هرچند ادبیات علمی تولیدشده در کشور همچنان «لاغر» توصیف میشود و بخش عمدهای از آثار بر مدار ترجمه میچرخند، اما کاربستهای پژوهشی رشد چشمگیری داشتهاند. از تحلیل نوسانات اعتماد سیاسی و رصد ناآرامیهای اجتماعی گرفته تا شبیهسازی دقیق سیاستهای جمعیتی و ذائقهسنجی در بسترهایی چون توییتر و اینستاگرام، همگی نشان از پتانسیل بالای این دانش در حل مسائل واقعی جامعه ایران دارند.
این تحول مرهون بهکارگیری روشهای پیشرفتهای چون تحلیل شبکه اجتماعی (SNA) برای شناسایی کانونهای قدرت، متنکاوی (NLP) برای استخراج نظامهای معنایی، و مدلسازی عاملبنیان (ABM) برای پیشبینی رفتارهای آینده در محیطهای شبیهسازیشده است. با این وجود، استقرار کامل این دانش در ساختار حکمرانی ایران با چالشهای نفسگیری دستبهگریبان است؛ هزینههای گزاف و نوسانی سختافزارهایی نظیر کارتهای گرافیک (GPU)، دلاری بودن سرویسهای هوش مصنوعی و انحصار دادههای حاکمیتی، مسیر را برای پژوهشگران دشوار کرده است.
فراتر از مسائل فنی، دغدغههای عمیقی پیرامون «سوگیریهای الگوریتمی» مدلهای غربی و ضرورت تدوین یک روششناسی بومی و اخلاقمدار وجود دارد تا از تقلیل امر اجتماعی به «داشبوردهای نمایشی» جلوگیری شود. در این میان، بازیگران مختلفی از هستههای دانشگاهی در تهران و شریف تا شرکتهای دانشبنیانی چون لایفوب و دیتاک، در حال شکلدهی به زیستبوم این علم در ایران هستند.
برای عبور از وضعیت فعلی و دستیابی به «حکمرانی هوشمند»، نقشه راهی ۲۴ ماهه ترسیم شده است که از زیرسازی فنی و اجرای پروژههای پایلوت آغاز شده و به رسمیسازی خدمات دادهمحور ختم میشود. پیشنهاد راهبردی برای سازمانها، حرکت به سمت مدل «هسته مرکزی روششناختی» با مدیریت متخصصان علوم اجتماعی مسلط به حوزه فنی است تا پیوند میان دانشگاه، صنعت و سیاستگذاری مستحکم گردد. در نهایت، هدف غایی این گزارش، تبیین مسیری است که در آن دادهها نه تنها برای توصیف گذشته، بلکه به عنوان ابزاری برای کاهش هزینههای آزمون و خطا و ساختن آیندهای دقیقتر در خدمت جامعه قرار گیرند.
