جامعه‌شناسی محاسباتی

جامعه‌شناسی محاسباتی از روش‌های محاسباتی — مدل‌سازی عامل‌محور (agent-based modelling)، تحلیل شبکه‌های اجتماعی، شبیه‌سازی و داده‌های دیجیتال در مقیاس بزرگ — برای مطالعۀ فرایندهای اجتماعی و پدیدارشناسی (emergence) بهره می‌گیرد.

Scope

این حوزه مدل‌های عامل‌محور پویایی اجتماعی، تحلیل شبکه‌های اجتماعی، تجزیه‌وتحلیل داده‌های رفتاری «کلان» و شبیه‌سازی چگونگی تولید الگوهای کلان از کنش‌های خرد را در برمی‌گیرد.

Core questions

• الگوهای کلان اجتماعی چگونه از تعاملات خرد پدید می‌آیند؟
• فرایندهای اجتماعی چگونه می‌توانند شبیه‌سازی شوند؟
• داده‌های دیجیتال در مقیاس بزرگ چه چیزی دربارۀ جامعه آشکار می‌کنند؟
• شبکه‌ها چگونه بر پیامدهای اجتماعی تأثیر می‌گذارند؟
• محاسبات چگونه می‌توانند نظریۀ جامعه‌شناختی را تکمیل کنند؟

Key concepts

• مدل‌سازی عامل‌محور
• پدیداری (Emergence)
• تحلیل شبکه‌های اجتماعی
• کلان‌داده
• شبیه‌سازی
• پیوند خرد-کلان

Key theories

مدل‌سازی عامل‌محور

Macy و Willer نشان دادند که مدل‌های عامل‌محور به جامعه‌شناسان امکان می‌دهند بررسی کنند کنش‌های فردی چگونه ساختار اجتماعی نوظهور ایجاد می‌کنند.

علوم اجتماعی محاسباتی

Lazer و همکاران استدلال کردند که داده‌های دیجیتال در مقیاس بزرگ و محاسبات، علوم اجتماعی جدیدی با غنای داده‌ای بی‌سابقه می‌گشایند.

History

جامعه‌شناسی محاسباتی از دل شبیه‌سازی اجتماعی و تحلیل شبکه رشد کرد و با مقالۀ «از عوامل تا کنشگران» Macy و Willer (۲۰۰۲) و دستور کار علوم اجتماعی محاسباتی (Lazer و دیگران، ۲۰۰۹) تثبیت شد؛ اکنون با داده‌های ردپای دیجیتال و یادگیری ماشین به‌سرعت گسترش می‌یابد.

Debates

آیا کلان‌داده می‌تواند جایگزین نظریه شود؟

این بحث مطرح است که آیا روش‌های محاسباتی داده‌محور مکمل تبیین جامعه‌شناختی نظریه‌پایه‌اند یا تهدیدی برای آن به شمار می‌روند.

Key figures

• Michael Macy
• Robb Willer
• David Lazer

Seminal works

• macy-willer-2002
• lazer-2009

Frequently asked questions

مدل‌سازی عامل‌محور چیست؟

روشی شبیه‌سازی که در آن «عامل»های متعامل از قواعد ساده پیروی می‌کنند و پژوهشگران از طریق آن مطالعه می‌کنند الگوهای سطح کلان چگونه از رفتارهای سطح خرد پدید می‌آیند.