چرا ما به محاسبات ماشین نیاز داریم؟

بسیاری از مقالات پژوهشی تحت عنوان علوم اجتماعی محاسباتی را می توان به صورت دستی نیز انجام داد. چه فرض کنید؟ فرض کنید کارفرمای شما جدولی را در اختیار شما قرار داده است که حاوی داده های دانشگاهی یک میلیون دانشجو است تا برخی معادلات ریاضی را قرار داده و پاسخ ها را در جدول دیگری بنویسید.

آیا این ممکنه؟ قطعا. محققان خود هنوز هم با کمک محاسبه کننده های معمولی بسیاری از تحقیقات کمی ، آماری ، نظرسنجی ها ، نظرسنجی ها و … را انجام می دهند و نتایج کاملاً درستی دارند. یکی از دوستانم بدون استفاده از نرم افزار سنتی مصاحبه های پایان نامه دکترا را دستی برچسب گذاری و آنالیز کرده است.

بنابراین ما به چه دانش (یا رویکرد) جدیدی تحت عنوان “علوم اجتماعی محاسباتی” و ابزارهایی مانند “هوش مصنوعی” و “ماشین های یادگیری” نیاز داریم؟

اگر دانشجوی علوم اجتماعی و انسانی هستید ، باید تحلیل محتوا (چه از نظر کمی و چه از نظر کیفی) را بدانید. حال فرض کنید از شما خواسته می شود با تجزیه و تحلیل محتوا ، سیستم معنایی یک مفهوم داده شده را در یک کتاب چاپی استخراج کنید. حال فرض کنید از روز اول تولد تا پایان زندگی (مثلاً هشتاد سال) ، هر روز یک کتاب می خوانید و متن آن را تحلیل می کنید.

فکر می کنید چند کتاب بخوانید؟

80 x 365 = 29,200 books

می توانید حدود 30000 کتاب بخوانید. Google Library نزدیک به 130 میلیون کتاب را فهرست می کند. فکر می کنید خواندن و تجزیه و تحلیل این حجم از کتاب (که روزانه در حال افزایش است) هشتاد سال طول می کشد؟

این عملا غیرممکن است. بنابراین برای این کار باید از دستگاه استفاده کنید. بنابراین ، به عنوان مثال ، از Google می خواهد تعداد مشخصی از کلمات را در کتابهای خود بشمارد و این را به شما بگوید. Google همچنین کلمه مورد نظر شما را در تمام کتابهای چاپ شده از 1500 میلادی تا به امروز پیدا کرده است.

اولین دلیل استفاده از رایانش ماشینی این است سرعت در حال بودن است.

اما ، این همه چیز نیست. ذهن انسان برای انجام محاسبات دقیق روی اعداد و انجام تحلیل های معنادار ، باید تصویر واضحی از مقدار بیان شده در اعداد داشته باشد. فرض کنید از شما خواسته شده برای چندین نفر از دوستان خود یک شبکه ارتباطی روی کاغذ بکشید.

این شبکه از ارتباطات انسانی را می توان به شکل یا شکل دیگری تجسم کرد. اکنون فکر می کنیم از شما خواسته شده یک شبکه ارتباطی متشکل از یک میلیون یا یک میلیارد نفر را ترسیم کنید. آیا فکر می کنید اتلاف وقت تنها دشواری است؟ اگر چنین است ، بیایید تصویر خود را از تفاوت این اعداد به چالش بکشیم.

اساساً ما تصویری واضح از تفاوت تعداد زیاد نداریم. به عنوان مثال ، وقتی در مکالمات روزمره درمورد یک میلیون تومانی محصول صحبت می کنیم یا یک میلیارد تومان ، نمی دانیم درباره چه مقدار اختلاف صحبت می کنیم.

اگر از شما بخواهند شبکه ای متشکل از یک میلیون یا یک میلیارد عنصر را ترسیم کنید ، نه تنها باید زمان زیادی را صرف کنید و حتی نمی توانید بسیاری از متغیرها را تصور کنید.

بنابراین دلیل دوم ما از محاسبات ماشین استفاده می کنیم ، قدرت تحلیلی ذهن ما در حال بودن است.

در یادداشت های بعدی ، من بیشتر در مورد اینکه چه مقدار تحقیقات اجتماعی باید به دستگاه سپرده شود و چه مقدار باید این کار را انجام دهیم ، می نویسم.

اینها یادداشتهای من از دوره آنلاین “علوم اجتماعی محاسباتی” است که توسط دانشگاه کالیفرنیا ، کورسرا ارائه شده است.