מפת כלים: מדעי הרוח הדיגיטליים ומדעי החברה החישוביים

מה בעמוד, ואיך קוראים את הלוחות

שני שדות מחקר צמחו בעשרים השנים האחרונות סביב אותה עובדה – שטקסטים, קשרים, מקומות והתנהגויות נמצאים היום בצורה דיגיטלית וניתנים לחישוב. מדעי הרוח הדיגיטליים (digital humanities, DH) הגיעו מהפילולוגיה, מההיסטוריה ומחקר הספרות: השאלה שלהם היא מה אפשר לדעת על טקסט, על ארכיון או על תקופה כשקוראים אותם בעזרת מחשב (Schreibman, Siemens & Unsworth, 2016). מדעי החברה החישוביים (computational social science, CSS) הגיעו מהסוציולוגיה, ממדע המדינה ומהפסיכולוגיה: השאלה שלהם היא מה אפשר לדעת על חברה מן העקבות הדיגיטליים שהיא משאירה (Lazer et al., 2009, 2020; Edelmann et al., 2020). הכלים חופפים ברובם, והמפה הזאת מציגה אותם יחד – לפי מה שהם עושים, לא לפי השדה שהמציא אותם.

ההגדרות של השדה עצמו רבות, וקרטר (2013, p. ix-xi) סוקר אותן בכנות: "הצטלבות בין מדעי הרוח לטכנולוגיות המידע" (Svensson, 2010, as cited in Carter), "מארג של תחומים" שבו שואלים שאלות מסורתיות של מדעי הרוח על טכנולוגיות ולהפך (Fitzpatrick, 2010, as cited in Carter), ושני "גלים" – כמותי-קורפוסי ואחריו פרשני-ניסויי (Schnapp & Presner, 2009, as cited in Carter). מסקנתו הפרקטית שימושית למפה הזאת: אין צורך להבין את הקוד כדי להשתמש בו, ומי שעובד היום בשדה סובל מ"כמעט יותר מדי אפשרויות". דרוקר ואלברצי (2026, עמ' 1-2) מציעות את הנוסחה הפשוטה ביותר לכל פרויקט – חומרים + עיבוד + הצגה + השתתפות – האיבר הרביעי חדש במהדורה השנייה: בעלי העניין שהחומר או הקניין התרבותי שלהם מעורב הם שותפים פעילים להחלטות על גישה, שימוש, תיאור והצגה, ואנשי המקצוע והסטודנטים בצוות זכאים להכרה ולקרדיט – ושבע פעולות יסוד שכל אחת מהן היא הכרעה ולא צעד טכני: תיווך (המרה לדיגיטלי), "דאטהפיקציה" ומידול, עיבוד וניתוח, הצגה, רינדור והטמעה, קיימות ושימור, ושיקולים אתיים; "מכשירים טכנולוגיים לעולם אינם ניטרליים מבחינה ערכית" (עמ' 2). וטענתן המרכזית היא הסיבה שכל קטגוריה במפה נפתחת ב"העיקרון לפני הכלי": "כלים ופלטפורמות משתנים, אבל עקרונות העבודה הדיגיטלית התבהרו והתקבעו" (עמ' 2) – מי שיודע לבנות רשימת קשתות תעביר אותה ל-Gephi, ל-Cytoscape או לכל מה שיבוא אחריהם. דוסון (2020, עמ' 1) מרחיבה את המסגרת ממדעי הרוח למדעי החברה: "דיגיטלי" הוא מונח-גג לשיטות שאוספות ומנתחות נתונים באמצעים ממוחשבים – גם שיטות חדשות (למידת מכונה, אנליטיקה של נתוני עתק) וגם ותיקות ששונו (שאלון, ראיון, ניתוח רשתות) – ולכל ערך בספרה יש סעיף של "אתיקה, מוסר ומשפט" שממנו לקוחות ההערות האתיות בקטגוריות שלהלן.

ומן הצד של מדעי החברה החישוביים – שני ספרי לימוד. צ'ופי-רווילה (2017, עמ' 2) מגדיר את השדה כ"חקירה בין-תחומית של היקום החברתי בקני מידה רבים, מהשחקן היחיד ועד הקיבוצים הגדולים ביותר, באמצעות חישוב", ומזהיר שהוא אינו מצטמצם לנתוני עתק, לניתוח רשתות או לסימולציה – אלה ארבעה תחומים שמזינים זה את זה: חילוץ מידע אוטומטי, רשתות חברתיות, מורכבות חברתית וסימולציה חברתית (עמ' 12-17). זהו, לדבריו, "מדע מאופשר-מכשירים" כמו האסטרונומיה אחרי הטלסקופ – "מכשירים הם הכלים העיקריים שבהם המדע יוצר מדע חדש" (עמ' 3-4) – וזו הסיבה שמפת כלים היא עניין מתודולוגי ולא טכני. סלגניק (2018, עמ' 6-8) נותן את הצמד שמארגן את קטגוריות האיסוף: נתונים "מוכנים מראש" (readymades – עקבות שחברות וממשלות יצרו למטרות אחרות, והחוקר משנה את ייעודם, כמו דושאן) מול נתונים "בהזמנה" (custommades – שאלון או ניסוי שנוצרו לשאלה, כמו מיכלאנג'לו), והמחקר המעניין ביותר הוא "חלקו דושאן וחלקו מיכלאנג'לו". וכמו דרוקר ואלברצי, גם הוא כותב על עקרונות ולא על פלטפורמות: "במקום גישה של פלטפורמה-אחר-פלטפורמה", עשר תכונות כלליות של מקורות נתוני עתק, שיחולו גם על "מקורות הנתונים שייווצרו בעתיד" (עמ' 17) – הן בקטגוריה 7.

ולמה זה שייך לאתר של סטטיסטיקה? כי הסטטיסטיקה היא השכבה שמתחת לשני השדות: מידול נושאים הוא ניתוח גורמים על מילים, מדד מרכזיות הוא סטטיסטיקה תיאורית על קשרים, וסימולציה נבדקת מול נתונים בכלים המוכרים. מי שיודע לקרוא מטריצת מתאמים יודע לקרוא מטריצת סמיכות.

איך לקרוא את הלוחות

כל לוח מציג את הכלים בקטגוריה אחת בחמש עמודות. רישיון ועלות בשלושה שבבים: קוד פתוח – הקוד גלוי, חינמי, אפשר להתקין ולשנות; חינמי (סגור) או חינמי + בתשלום – חינמי לשימוש אך הקוד סגור, לעתים עם תוכניות בתשלום או הגבלות; בתשלום – רישיון בתשלום, בדרך כלל עם מחיר אקדמי או רישיון קמפוס. ממשק: "תוכנה להתקנה" – ממשק גרפי על המחשב; "דפדפן" – עובד באתר, בלי התקנה; "קוד" – ספרייה או שורת פקודה, דורש R, Python או Java.

הקישורים, הרישיונות ומצב הפיתוח של כל 99 הכלים נבדקו מול אתרי הכלים בספטמבר 2026. כלי שאינו מפותח עוד מסומן בהערות; כלי שנשמט – כי לא ניתן היה לאמת אותו, לא כי אינו טוב.

1. ניתוח טקסט וכריית טקסט

הקטגוריה הגדולה ביותר בשני השדות, וגם המקום שבו ההבדל ביניהם ניכר. במדעי הרוח הדיגיטליים מדברים על "קריאה מרחוק" (distant reading; Moretti, 2013; Jockers, 2013): ספירת מילים, קונקורדנציה ומידול נושאים (topic modeling) על קורפוס שגדול מכדי לקרוא אותו. במדעי החברה החישוביים מדברים על "טקסט כנתונים" (text as data; Grimmer, Roberts & Stewart, 2022): הטקסט הוא משתנה, וכל השאר – מדידה, מהימנות ותוקף – כמו בכל מחקר כמותי. הכלים חופפים; ההבדל הוא בשאלה.

העיקרון לפני הכלי. דרוקר (2021, Section 7a): ההחלטות מה ניתן למדוד (לפרמטר), לספור, למיין ולהציג "הן פעולות פרשניות שמעצבות את תוצאות המחקר"; במהדורה השנייה זה נקרא פרמטריזציה – יש תכונות שנהפכות למדד בקלות (מספר מילים, אורך שיר), ורבות אחרות "קריאות לחלוטין לתפיסה האנושית" ובכל זאת קשה לפרמטר אותן, וגם מה נכלל בנתונים ואיך הוא מופרמט דורש "תשומת לב ביקורתית" (Drucker & Albrezzi, 2026, pp. 14, 49). והשפה של הכלים מסתירה זאת: מידול נושאים מתואר כ"מחלץ" נושאים מהטקסט, "כאילו הנושאים כבר נמצאים בטקסט ולא נוצרים כפעולת קריאה ופרשנות" (עמ' 51). דוגמה קטנה וחדה מהמהדורה הראשונה: רוב הכלים מסירים "מילות עצירה" כמו תוויות היידוע, אבל ההבדל בין "האל" ל"אל" הוא כל ההבדל (Drucker, 2021, Section 7a). ובעיית השחזור: הרצות חוזרות של כריית טקסט ואנליטיקה תרבותית "מחזירות תוצאות שזזו והשתנו", כי הקורפוס אינו יציב וכי העיבוד הסתברותי (עמ' 54) – ולכן זרע אקראי, גרסה ופרמטרים הם חלק מהממצא. מהצד החישובי-חברתי, צ'ופי-רווילה (2017, עמ' 13-14) קורא לקטגוריה הזאת "חילוץ מידע אוטומטי" ורואה בה "מתודולוגיה יסודית" של השדה, כי היא מזינה את כל השאר; ובתהליך כריית הנתונים שלו (עמ' 115-117) השאלה קודמת לכלי – על רצף שבין שאלה מונחית-נתונים (אינדוקטיבית) לשאלה מונחית-תיאוריה (דדוקטיבית) – ו"ניסוח שאלות המחקר צריך למסגר כל חקירת כריית נתונים, כי שאלות המחקר מתנות כל אחד מהשלבים הבאים"; ולפני הניתוח – סריקה (OCR), ניקוי, סינון, פירוק ליחידות (הקטגוריה הבאה). אתיקה ומשפט (Dawson, 2020, pp. 79-85): כריית נתונים "מודעת-אפליה" – Berendt ו-Preibusch (2017, as cited in Dawson) מראים איך אפליה נולדת מ"השפעה משולבת של היסק אנושי ומכונתי"; ובאיחוד האירופי ובבריטניה יש "זכות מסד נתונים" על אוספים שנדרשה השקעה ניכרת באיסופם, וניתוח חישובי של חומר מוגן מותר שם רק למטרות לא-מסחריות – מי שכורה קורפוס מוגן צריך לבדוק את הדין המקומי.

לעברית יש בעיה מבנית: רוב הכלים פותחו לאנגלית ומניחים שמילה = רצף אותיות בין רווחים, בעוד שבעברית "וכשהלכנו" הוא ארבעה יחידות. כלי שמצהיר על "תמיכה בעברית" בדרך כלל מתכוון לטוקניזציה בלבד; פירוק מורפולוגי אמיתי מחייב את הכלים שבלוח 3.

2. קידוד טקסטים, OCR וארכיון דיגיטלי

לפני שמנתחים טקסט צריך שיהיה טקסט. שלושה שלבים קודמים לניתוח: המרה של סריקה או כתב-יד לטקסט (OCR למודפס, HTR לכתב-יד), קידוד המבנה והפרשנות בתקן פתוח (TEI – הסטנדרט של מהדורות מדעיות דיגיטליות), וארגון החומר הארכיוני עצמו. הכלל של FAIR (Wilkinson et al., 2016) – נתונים ניתנים לאיתור, לגישה, לשילוב ולשימוש חוזר – מתחיל כאן: פורמט פתוח וניתן לייצוא עדיף על כלי יפה שנועל את החומר.

העיקרון לפני הכלי. דרוקר ואלברצי (2026, עמ' 15) מתעקשות על מילה: הנתונים אינם "נתונים" (data, "מה שניתן") אלא "לקוחים" – capta – "מידע שנלכד בתהליך של הפשטה ומבנה שתלוי בהחלטות שהן כבר פעולות פרשנות"; לכן מודל הנתונים – מה נספר, מהי יחידה, מה נזרק – צריך להיות מתועד כמו כל החלטה מתודולוגית (עמ' 18: "נתונים לעולם אינם ניטרליים, אלא תמיד בנויים מנקודת מבט מסוימת"). ועל שפות הסימון (עמ' 35): יתרונן שהן מסירות דו-משמעות – וזה גם חסרונן, כי "מחשבים אינם סובלים דו-משמעות" ואילו רוב החומר ההומניסטי מלא בה; לקודד ב-TEI מטפורה שהיא גם אמירה מילולית פירושו לבחור, והן שואלות אם יש בכך בעיה אתית ומשיבות: "בהחלט". פורמטי הקבצים ומוסכמות השמות נקבעים בשלב התכנון, עם השותפים המוסדיים שישמרו את החומר (עמ' 27). אתיקה ומשפט: נתונים מורשת (legacy data) – נתונים שיצר מישהו אחר, לעתים בלי תיעוד, וההחלטות מה נאסף, נוקה והושמט "אולי אינן ניתנות לשחזור"; של מי הנתונים, אילו הרשאות נדרשו ליצירתם, ומה עם הפרטיות – שימוש חוזר בקטלוג או במאגר ישן אינו פטור מהשאלות האלה (עמ' 15-16, 42).

3. עברית, יהדות ושפות קלאסיות

הקטגוריה שבה "הכלי המוביל בעולם" אינו בהכרח הכלי הנכון. עברית – מקראית, חז"לית ומודרנית – היא שפה עשירה מורפולוגית עם כתיב חסר ניקוד, וכל ניתוח רציני מתחיל בפירוק מורפולוגי שכלים כלליים אינם עושים. לצד כלי העיבוד – המאגרים: הטקסט היהודי הקלאסי מקודד היום כמעט במלואו ופתוח ל-API, והעיתונות העברית ההיסטורית ניתנת לחיפוש מלא. בסוף הלוח – שלושה משאבים לסנסקריט ולשפות הקלאסיות, לחוקר שעובד השוואתית.

העיקרון לפני הכלי. כאן העיקרון של דרוקר ואלברצי על דו-משמעות (2026, עמ' 35) פועל בכפליים: הכתיב החסר הוא דו-משמעות מובנית בכל טוקן, ופירוק מורפולוגי הוא הכרעה שהכלי עושה בשבילכם. ולמאגרים המתויגים – מי שנשען על BHSA יורש את המודל הבלשני של ETCBC; מה בדיוק, בסעיף 6 של עמוד NLP בעברית.

4. ניתוח רשתות

ניתוח רשתות חברתיות (social network analysis) הוא הענף הוותיק ביותר של מדעי החברה החישוביים – סוציומטריה מהמאה ה-20 שקיבלה כוח חישוב. השאלה שלו שונה מהשאלה הסטטיסטית הרגילה: לא "מה מאפיין את הפרט" אלא "מה מאפיין את הקשרים". במדעי הרוח אותם כלים משמשים לרשתות התכתבות, לדמויות ברומן ולציטוטים בין טקסטים.

הבחירה המעשית: Gephi לוויזואליזציה וחקירה, ספריית קוד (igraph או NetworkX) למדדים ולסטטיסטיקה, ו-UCINET אם המדריך שלכם הוא Borgatti. לרשתות ביבליומטריות – VOSviewer.

העיקרון לפני הכלי. מודל הנתונים של רשת הוא נוסחה של שלושה איברים – ישות-יחס-ישות – שאפשר לבנות בגיליון ולייצא לכל פלטפורמה; העבודה האמיתית היא לדייק את סוג היחס (לא "קשור ל" אחד לכולם) ואת השינוי בזמן (Drucker & Albrezzi, 2026, p. 70). צ'ופי-רווילה (2017, עמ' 147) מדייק את ההבחנה: "גרפים הם לרשתות מה שמודלים של תורת ההחלטות הם לקבלת החלטות" – הגרף הוא הייצוג, לא הרשת; רשת היא קבוצה סופית של ישויות (צמתים) וקבוצת יחסים (קשתות) המוגדרת עליה, ושתי ההגדרות האלה הן העבודה. ועל התוכנה (עמ' 168-169): UCINET היא "אחת מחבילות התוכנה הנפוצות ביותר", ורשתות של מאות ואלפי צמתים נעשו ישימות רק בשנים האחרונות – זמן חישוב ופתירוּת (tractability) הם שיקול לפני בחירת המדד. דוסון (2020, עמ' 356-361) מוסיפה את שאלות התוקף: איך מצדיקים את גבול הרשת; מה עושה מידע חסר על אנשים וקשרים להטיה של המדדים; והאם הוויזואליזציה היא הדרך הנכונה לפרש תכונות מבניות – "האם ייצוג חזותי יכול להציג אותן באופן מוטעה?" (התשובה: כן, ולכן המדדים ב-igraph ולא בעין). אתיקה ומשפט (שם): מי שמזהה את הרשת שלו נתן הסכמה – האחרים ברשת לא; אנונימיות יכולה להישבר ממיקום ברשת בלבד; וניתוח רשת ארגונית יכול להוביל לפיטורים או לנזק – "האם ייתכן שהניתוח שלך יגרום נזק ליחידים?" היא שאלה שנשאלת לפני האיסוף.

5. GIS ומיפוי מרחבי-היסטורי

מערכות מידע גאוגרפי (GIS) עונות על שאלת ה"איפה": פריפריה מול מרכז, תפרוסת תשובות לפי אזור סטטיסטי, מפה היסטורית שמונחת על מפה עכשווית. לחוקר החברתי בישראל שני משאבים חינמיים חשובים במיוחד: שכבות האזורים הסטטיסטיים של הלמ"ס – היחידה שבה מתפרסמים נתוני מפקד ורווחה – ו-GovMap, פורטל המיפוי הלאומי. שילוב של קובץ סקר עם שכבת אזורים סטטיסטיים הוא הצעד שמעביר ניתוח מ"לפי יישוב" ל"לפי שכונה".

הכלי המרכזי הוא QGIS – חלופה חינמית מלאה ל-ArcGIS. לניתוח סטטיסטי-מרחבי (אוטוקורלציה מרחבית, רגרסיה מרחבית) – GeoDa.

העיקרון לפני הכלי. "כל מערכות המיפוי מבוססות על היטלים שמתרגמים צורה תלת-ממדית לייצוג דו-ממדי ומכילים עיוותים", וההנחות המובנות בייצוג צריכות להיות גלויות בטיעון שהמפה משרתת (Drucker & Albrezzi, 2026, p. 77); "היסודות הפוזיטיביסטיים של GIS" מקשים עליו להבין מגורים וחוויה, "גם כשהאובייקטיביות-לכאורה שלו עושה אותו הצגה רבת-עוצמה של טיעונים" (שם). ובסיכום פרק 8b (עמ' 82) – הגבול: מפות מצוינות במיקום נתונים ביחס לגאוגרפיה, ו"פחות יעילות בהצגת החוויה האיכותנית של המרחב" – מפת אזורים סטטיסטיים אומרת איפה, לא איך זה מרגיש לגור שם. אתיקה ומשפט (Dawson, 2020, pp. 140-146): מעקב מיקום, רחפנים וצילומי לוויין ברזולוציה גבוהה הם חדירה לפרטיות שדורשת קוד אתי (דוסון מפנה לזה של GISCI); ומיפוי משתתף (crowdsourced) יכול לשמש לדחיקה לשוליים בידי מי שבידיו הכוח – השאלה "האם הניתוח יכול לשמש בעלי אינטרס לפגוע בקבוצה?" נשאלת מראש.

6. מודלים מבוססי-סוכנים וסימולציה חברתית

מידול מבוסס-סוכנים (agent-based modeling) הופך את כיוון החקירה: במקום להסיק כלל מנתונים, מגדירים כללים פשוטים לסוכנים ובודקים איזו תופעה מקרו-חברתית צומחת מהם – הפרדה עירונית מהעדפות קלות (Schelling), הסכמה מהשפעה הדדית, נורמה משיתוף פעולה חוזר. זה כלי לתיאוריה יותר מלאמפיריקה, ולכן הוא חשוב דווקא לחוקר שרוצה לבדוק אם ההסבר שלו בכלל יכול לייצר את התופעה.

NetLogo היא נקודת הכניסה בלי תחרות – "סף נמוך, תקרה גבוהה" – עם ספריית מודלים קלאסיים מובנית. מי שכותב Python ילך ל-Mesa; מודלים עם GIS – GAMA. ספריית המודלים של CoMSES היא המקום לחפש מודל קיים לפני שכותבים חדש.

העיקרון לפני הכלי. דוסון (2020, עמ' 4-9) מדייקת את המילים: מודל מייצג, סימולציה משתמשת במודל – והשיטה בונה "מלמטה למעלה, ממיקרו למקרו", כך שדפוסים צומחים מאינטראקציה של סוכנים. שתי שאלות שלה מחייבות תשובה בפרק המתודולוגיה: "האם המודלים מייצגים את העולם, או את הפרשנות של החוקר לעולם?" ואיך מאמתים – אימות (המודל עובד נכון) לעומת תיקוף (נבנה המודל הנכון). צ'ופי-רווילה (2017, עמ' 384-390) פורש את זה לשלבים: שאלות המחקר קודמות לכול וקובעות את רמת הנאמנות (fidelity) של המודל – מהפשטה תיאורטית ועד כיול אמפירי מלא (עמ' 385) – וסולם הנאמנות "אינו קשור כלל" לערכו המדעי של המודל (עמ' 382-383); אימות הוא המקבילה של תוקף פנימי – "מודל שלא אומת אינו ראוי לניתוח" – ונעשה בקריאת הקוד שורה-שורה, בפרופיל תדירות הקריאות לפונקציות ובסריקת פרמטרים שחושפת אנומליות (עמ' 388-389); תיקוף הוא התאמת דפוסים בין פלט הסימולציה לנתונים אמפיריים – היסטוגרמות, מומנטים, סדרות עתיות, מדדים כמו ג'יני – ו"תמיד כרוך בהתאמת נתונים מדומים לנתונים אמפיריים" (עמ' 389-390). ושתי אזהרות: "קוד סימולציה מתכלה מאוד, הרבה יותר ממודלים מתמטיים או סטטיסטיים" – סימולציות מפורסמות אבדו זמן קצר אחרי שנכתבו, ונותר מהן רק המודל המושגי (עמ' 388); ואימות ותיקוף "אינם מספיקים כשלעצמם" לשיפוט האיכות – לצדם עומדים שלושת הקריטריונים של Lave ו-March (1993, כמצוטטים אצל Cioffi-Revilla): אמת, יופי (חסכנות וצורה) וצדק – תרומת המודל לעולם טוב יותר (עמ' 391-393). לפני שבוחרים כלי: Abar ואחרים (2017, as cited in Dawson) מאפיינים 85 ערכות ABM – NetLogo היא נקודת הכניסה, לא היחידה. אתיקה ומשפט (שם): מודל יכול להזיק – כשמסמנים יחידים לפעולה על סמך תחזית, כשהתחזית נשענת על התנהגות עבר שהשתנתה, וכשאין דרך לתקן קלט; והאם הנתונים נמסרו בכלל למטרת מידול.

7. איסוף נתונים דיגיטליים

שתי משפחות: הסקר המקוון – הכלי הותיק שקיבל ממשק חדש – ואיסוף "עקבות דיגיטליים" (digital traces; Salganik, 2018): גרידה של אתרים, גישה ל-API של פלטפורמות, ולכידת תוכן מרשתות חברתיות. הראשונה מציבה שאלת קידוד ותוקף; השנייה מציבה, לפני כל דבר, שאלת אתיקה וחוקיות – תנאי השימוש של הפלטפורמה, פרטיות המשתמשים, ואישור ועדת אתיקה. Salganik (2018, פרק 6, עמ' 281-354) הוא הקריאה המחייבת.

למחקר סקרים בישראל – רוב האוניברסיטאות מחזיקות רישיון Qualtrics; LimeSurvey הוא החלופה הפתוחה כשאין. הפלט של כולם – קובץ אקסל בתבנית התקנית של האתר, או קובץ SPSS שעמוד מ-SPSS לאקסל ממיר.

העיקרון לפני הכלי. סלגניק (2018, עמ' 17-41) מונה עשר תכונות של מקורות נתוני עתק, ומקבץ אותן בגסות: שלוש "מועילות בדרך כלל" – גדולים, פועלים-תמיד (always-on), לא-תגובתיים (המדידה אינה משנה את ההתנהגות) – ושבע "בעייתיות בדרך כלל": חלקיים ("לא משנה כמה גדולים הנתונים, כנראה אין בהם המידע שאתם רוצים"), בלתי-נגישים, לא-מייצגים ("רעים להכללה מחוץ למדגם, אך שימושיים להשוואות בתוך המדגם", עמ' 29), נסחפים (הסחף באוכלוסייה, בשימוש ובמערכת מקשה על מגמות ארוכות-טווח), מבולבלים-אלגוריתמית ("ההתנהגות במערכות נתוני עתק אינה טבעית; היא מונעת ממטרות ההנדסה של המערכות", עמ' 35), מלוכלכים ("עמוסים בזבל ובספאם", עמ' 37) ורגישים. וכלל-על: "מערכי נתונים גדולים הם אמצעי למטרה, לא מטרה בפני עצמם" (עמ' 17). ועל הסקר: "תמיד נצטרך לשאול אנשים שאלות" – מצבים פנימיים כמו רגש, ידע וציפייה אינם בנתוני התנהגות, גם מושלמים (עמ' 87-88); ודגימת הסתברות נעשית קשה בפועל בעוד שדגימה לא-הסתברותית פותחת אפשרויות חדשות – בתנאי שמתקנים (עמ' 99). לרשתות חברתיות (Dawson, 2020, pp. 349-355): הנתונים "לא-מבוקשים ולא-תסריטיים, ולעתים קרובות רב-אופניים" (Brooker et al., 2016, as cited in Dawson) – טקסט, קישור, תמונה, וידאו – ולכן שיטת הניתוח (ניתוח תוכן, שיח, רגש, רשת, זמן) נבחרת לפי השאלה, לא לפי מה שהכלי מדפיס; ומדיניות ה-API של הפלטפורמות "הולכת ומגבילה", כך שנתונים שהתקבלו דרכה "אינם ניתנים לשחזור מדויק בגלל הלוגיקה הלא-ידועה של האלגוריתם שיצר אותם" (Felt, 2016, as cited in Dawson) – מגבלה שכותבים במפורש. לסקר המקוון (עמ' 288-294): קישור ייחודי לכל נשאל מונע מילוי כפול ומאפשר תזכורות; לנושאים רגישים – שאלה עקיפה ("איך אנשים אחרים היו מגיבים") לעתים טובה מישירה. לוובומטריקה (עמ' 398-403): "הכיסוי של הרשת חלקי" ומוטה לטובת מדינות שאימצו אותה מוקדם (Thelwall, 2008, as cited in Dawson), ומנועי חיפוש בגרסאות מדינתיות מעדיפים אתרים מקומיים. אתיקה ומשפט: "האם פרסום מקוון הוא נתון ציבורי או פרטי?"; הסכמה מדעת כשהמשתתפים אינם יודעים שהם במחקר; אנונימיות כשהפלטפורמה דורשת ייחוס לכותב (עמ' 349-355); כתובת IP, שם משתמש ומקור ההפניה בקובצי לוג הם "נתונים אישיים" לפי ה-GDPR, ואחסונם דורש הסכמה למטרה מוגדרת, אבטחה ומחיקה כשאין בהם עוד צורך (עמ' 188-193) – ובישראל, חוק הגנת הפרטיות ותקנותיו (מה החוק דורש מחוקר שאוסף מידע אישי, אחרי תיקון 13 – בעמוד אתיקה במחקר, סעיף 11). דרוקר ואלברצי (2026, עמ' 49) מוסיפות לעידן הנתונים הגדולים: "העובדה שנתונים זמינים אינה אומרת שמותר אתית להשתמש בהם בלי אמצעי הגנה", כי מי שפרסם לא התכוון בהכרח לניתוח מדעי; אנונימיזציה אמיתית "קשה להשגה", כי אנשים מזוהים מחדש מתכונות אחרות או מהצלבת מאגרים; ולכן צמצום נתונים – לאסוף רק מה שהניתוח דורש: לרגש כללי אין צורך במיקום מדויק ובפרופיל מלא. וסלגניק (2018) על מה שהשתנה: כוחם של חוקרים – "היכולת לעשות דברים לאנשים בלי הסכמתם ואף בלי ידיעתם" – גדל, והכללים לא התבהרו באותה מידה (עמ' 288); ארבעת העקרונות של דוחות בלמונט ומנלו – כבוד לאדם, תועלת (לא להזיק, למרב תועלת ולמזער נזק), צדק בחלוקת הנטל והתועלת, וכבוד לחוק ולטובת הציבור (עמ' 294-299); הכלל המעשי "צורה כלשהי של הסכמה לרוב המחקרים" (עמ' 303); הסיכון המידעי – נזק מחשיפת מידע – הוא "הסיכון השכיח ביותר במחקר חברתי, גדל דרמטית, והקשה ביותר להבנה" (עמ' 307); ושלוש עצות: ועדת האתיקה היא "רצפה, לא תקרה"; לשים את עצמכם בנעלי כל האחרים; ולחשוב על אתיקה כרצף ולא כדיכוטומיה (עמ' 321-324).

8. סטטיסטיקה ולמידת מכונה

הקטגוריה שהאתר הזה עצמו שייך אליה, ולכן ההערה החשובה: לכל המבחנים שיש להם כאן מחשבון – עמוד המחשבון הוא הכלי, בדפדפן ובלי שהנתונים עוזבים את המחשב (ראו הקישורים בסוף). הלוח הזה הוא למה שמעבר: מודלים מרובי-רמות, למידת מכונה, SEM מלא, ולמי שרוצה תוכנה שלמה. ההבחנה המרכזית היא בין סטטיסטיקה (הסבר: איזה משתנה משפיע וכמה) ללמידת מכונה (חיזוי: מה יקרה לתצפית חדשה) – שתי מטרות שונות שדורשות אימות שונה, גם כשהמודל זהה. ההבחנה הזאת, הצינור מקצה לקצה, המודלים – מעץ החלטה ועד רשת נוירונים – והכלים שלהם, בעמוד למידת מכונה לחוקר החברתי; המדדים, האימות הצולב, דליפת הנתונים ונתונים שאינם בלתי-תלויים – במדדי ביצוע ואימות; ניתוח הגורמים, הרכיבים והאשכולות – למידה בלי משתנה תלוי – בלמידה בלתי-מונחית; לוח 8 שכאן נשאר לוח התוכנות הסטטיסטיות.

הזוג JASP / jamovi ראוי לתשומת לב מיוחדת: שניהם תחליף SPSS חינמי עם ממשק גרפי, מבוססי R, ומחשבים גם בייסיאנית. PSPP הוא תוכנת הייחוס שבה מאומתים חלקים מאתר זה – חינמית, ומריצה סינטקס SPSS.

העיקרון לפני הכלי. דוסון (2020, עמ' 194-199) מגדירה למידת מכונה כאלגוריתמים ש"לומדים מחישובים קודמים כדי לקבל החלטות ותחזיות חוזרות בלי תכנות מפורש מבוסס-כללים", מונחית (קלט ופלט מתויגים) או לא-מונחית – וזה בדיוק ההבדל מהמחשבונים באתר, שבהם הכלל גלוי. דרוקר ואלברצי (2026, עמ' 1) קוראות לעיבוד "הקופסה השחורה של העבודה הדיגיטלית", כי רובו נעשה בכלים מוכנים שפעולתם סמויה, ומזהירות שככל שהתהליכים מתוחכמים יותר ומערבים למידת מכונה ובינה מלאכותית "הם מחזקים לעתים קרובות הטיות שמובנות במודל שלהם" (עמ' 2). גם על ניתוח אשכולות דוסון שואלת (עמ' 31-37): "האם אפשר לסמוך על התוכנה, על הכלים ועל האלגוריתמים?" – ומציעה לבדוק באמצעות תוכנה נוספת, שהוא בדיוק עקרון ההצלבה של אתר זה (PSPP, R, Python על אותם נתונים). ומה נתוני עתק אינם נותנים מעצמם – סיבתיות: סלגניק (2018, עמ' 50-61) מראה איך "מקרבים ניסויים שאי-אפשר לערוך" בשתי דרכים שהעידן הדיגיטלי הרחיב, ניסויים טבעיים והתאמה (matching) – ושתיהן מתחילות בהנחות שצריך לכתוב, לא בכלי. ולמודלי שפה גדולים, שהמהדורה השנייה של דרוקר ואלברצי מקדישה להם פרק (12a), שני צירים לבחירת מודל: פתוח או סגור, ומקומי או מרוחק. מודל סגור שמופעל בשרת של חברה פירושו ש"הנתונים שלכם נלכדים ומעובדים בשרתים קנייניים", והחלופה – מודל פתוח שמורידים ומריצים מקומית (למשל ב-Ollama) – למי שאינו רוצה לשתף את החומר; ומערכת אחזור מסוג RAG, שעונה רק מתוך מאגר שהחוקר הגדיר, מדייקת יותר ומתאימה לנתונים רגישים או מוגנים (עמ' 118-119). והזיות (hallucinations) עדיין קורות: כל פלט, גם כשהוא נראה מדויק, "צריך להיחקר, להיבדק ולהיות מושווה למקורות מהימנים ידועים" (עמ' 119). אתיקה ומשפט (Dawson, 2020, pp. 194-199): "האם למידת מכונה ניטרלית אתית?" – כשמודל חיזוי מוליד החלטות חברתיות, נדרשות הוגנות, אחריותיות ושקיפות (Veale & Binns, 2017, as cited in Dawson). דרוקר ואלברצי (2026, עמ' 120-121) מוסיפות: "כל תהליך שבו בני אדם נספרים, ממוינים או נחשבים כנתונים מסתכן באובדן האנושיות הסובייקטיבית שלהם"; מקור הנתונים (provenance) של מודלים "אטום מאוד" – מערכי האימון קנייניים, ואלא אם זו מערכת RAG אין יודעים על אילו מקורות נשען הפלט ואיך שוקללו; ובתנאי השימוש של כלים רבים המשתמש מסכים שהפרומפטים והפלטים שלו ישמשו לאימון המשך ואף יועברו לשותפים – מה שאסור לעשות בנתוני נבדקים.

9. ויזואליזציה של נתונים

שלוש רמות: כלי "ללא קוד" בדפדפן (Datawrapper, Flourish, RAWGraphs) לתרשים מהיר ומכובד לפרסום; דקדוק גרפי בקוד (ggplot2, Vega-Lite, Plotly) לתרשים שניתן לשחזור ולעדכון אוטומטי; ו-D3.js לוויזואליזציה מותאמת שאין לה תבנית. לכתיבה אנליטית-עיתונאית – Datawrapper הוא הכלי של חדרי החדשות, והוא היחיד כאן שמצהיר במפורש על תמיכה מלאה ב-RTL ובעברית.

לתרשים אקדמי לפי APA (סעיפים 7.22-7.28) – תרשימי המחשבונים באתר כבר בנויים כך; ל-R ראו סעיף "ואיך עושים זאת ב-R" בעמוד גרף הפיזור, כולל הפתרון לפיסוק העברי (מנוע AGG).

העיקרון לפני הכלי. התחושה שלנתונים יש צורה חזותית מובנית "היא אשליה" – כל סדרה אפשר להציג בעשרות תבניות, ורק חלקן מתאימות לתכונות הנתונים (Drucker & Albrezzi, 2026, p. 57); "כל הוויזואליזציות הן פרשנויות, לא הצגות של עובדה" (עמ' 67). הטעויות הנפוצות שהן מונות (עמ' 60-66): שימוש לרעה בשטח (כשהערך מוכפל והשטח גדל פי ארבעה – איור 7.5 שלהן), רציפות מלאכותית (קו שמחבר נקודות בדידות שאינן סדרה – איור 7.4a), וסקאלה שנמתחת בגלל חריג אחד ומוחקת את ההבדלים באמצע (איור 7.7). דוסון (2020, עמ' 86-92) מוסיפה את ההטיות שאינן גרפיות: הטיית נרטיב (בחירת הסיפור שמומחש), ויזואליזציה שתומכת באידאולוגיה, ושפה שמדירה. אתיקה ומשפט (שם): ייחוס וסימון של מקורות הנתונים בתרשים עצמו, ושקיפות של שלבי הבנייה – "איך תבטיחו שהוויזואליזציה לא תוביל למסקנות שגויות?"

10. ניהול מקורות, מדע פתוח ושיתוף פעולה

הכלים שאינם מנתחים דבר ובלעדיהם המחקר אינו ניתן לשחזור: ניהול ביבליוגרפיה, רישום מקדים (preregistration), ניהול גרסאות, כתיבה משותפת. שני עקרונות של המדע הפתוח רלוונטיים ישירות לאתר זה: מודל שנרשם מראש מדווח אחרת ממודל ששונה בדיעבד (ראו עמוד ניתוח הנתיבים), וקוד וגרסה מתועדים – כפי שכל עמוד באתר נושא מספר גרסה.

העיקרון לפני הכלי. ניהול פרויקט דיגיטלי אצל דרוקר ואלברצי (2026, עמ' 126-127): "להתחיל במשהו שאפשר לעשות"; לבנות עם אפשרות הרחבה אבל בלי תלות בתחזוקה מתמדת; לתעד כל תהליך עבודה צעד-צעד, כי בלי רשומה כתובה "גם חזרה על העבודה של עצמכם יכולה להיות אתגר"; כלי קוד פתוח עם קהילת משתמשים גדולה "צפויים להחזיק מעמד יותר מפורמטים קנייניים"; ולתכנן מראש את "חיי-העד" של הפרויקט – "לא כל פרויקט דיגיטלי יחזיק מעמד", ו"הזמן לחשוב איך לייצא את התוכן האינטלקטואלי הוא בהתחלה". המהדורה הראשונה ניסחה זאת בחדות רבה יותר: "תיעוד הפרויקט עשוי להיות התרומה הטובה ביותר" (Drucker, 2021, Section 12a). ועל הפלטפורמות (עמ' 110): "תמיד לבדוק את פונקציית הייצוא" – תוכן שנבנה בתוך תוכנת הצגה שאינה מייצאת הוא עבודה אבודה; תקנים לשיתוף נתונים (LoD, IIIF, CIDOC-CRM) יעילים, אך יקרים ליישום ולכן מעדיפים מוסדות עשירים (עמ' 114). אתיקה ומשפט (עמ' 128-129): הדיגיטלי מקל על העתקה, ולכן נדרשת הבנה של זכויות יוצרים, שימוש הוגן ורישיונות Creative Commons; "ציטוט הוא היבט חיוני של המחקר ויש לנהוג בו בכל הנסיבות"; קישור אינו דורש רשות, ואפשר להציג חומר בחלון בלי לאחסן אותו בשרת שלכם; וכלל הזהב – "התייחסו לעבודתם של אחרים כפי שהייתם רוצים שיתייחסו לעבודתכם".

טעויות נפוצות

לבחור כלי לפני שאלה. הטעות הראשונה והשכיחה: "יש לי קורפוס, בוא נעשה מידול נושאים". מידול נושאים עונה על שאלה מסוימת (אילו צבירי מילים חוזרים יחד) ולא על אחרות (מי אמר מה למי). קודם השאלה, אחר כך סוג הנתונים שעונה עליה, ורק אז הכלי – זהו גם סדר העמודות ברשימת הבדיקה שלהלן.

לשלוח נתונים רגישים לשרת בלי לשים לב. ראיון שהודבק ב-Voyant, קובץ סקר שהועלה ל-Flourish – כבר אינם על המחשב שלכם. אישור ועדת האתיקה שקיבלתם כתב, קרוב לוודאי, משהו אחר.

להאמין לטוקניזציה של עברית. כלי שמפרק את "וכשהלכנו" למילה אחת ייצור סטטיסטיקה שגויה בשקט – השכיחויות של "הלך" ייעלמו לתוך אלפי צורות. לעברית – פירוק מורפולוגי קודם לכל ספירה (לוח 3).

לבנות פרויקט על כלי שאינו מפותח. Palladio, YAP, GRETIL – פועלים, אך העדכון האחרון לפני שנים. כלי כזה טוב לחקירה; לפרויקט של שנתיים – לוודא ייצוא לפורמט פתוח (CSV, GraphML, TEI) כדי שהעבודה תשרוד את הכלי.

לגרד בלי לשאול. תנאי השימוש של הפלטפורמה, פרטיות המשתמשים והחוק המקומי קודמים לשורת הקוד הראשונה. Salganik (2018, עמ' 294-299) מציע מסגרת של ארבעה עקרונות – כבוד לאדם, תועלת, צדק, כבוד לחוק ולטובת הציבור – ומדוע ההסכמה מדעת שונה כאן מבניסוי מעבדה (עמ' 303-306).

להתפעל מהגודל. מיליון רשומות מפלטפורמה אחת הן מדגם לא-מייצג של משתמשי הפלטפורמה, שהתנהגותם "מונעת ממטרות ההנדסה של המערכת" – ולא של האוכלוסייה; "מערכי נתונים גדולים הם אמצעי למטרה, לא מטרה בפני עצמם" (Salganik, 2018, pp. 17, 29, 35). השאלה אינה כמה, אלא מי, ומה המערכת עשתה להם.

סימולציה בלי אימות ותיקוף. מודל שרץ ומייצר תרשים אינו ממצא: קודם אימות – שהקוד עושה מה שהמודל המושגי אומר ("מודל שלא אומת אינו ראוי לניתוח") – ואחר כך תיקוף מול נתונים אמפיריים; ושניהם עדיין אינם מספיקים לשיפוט האיכות (Cioffi-Revilla, 2017, pp. 388-393). וקוד סימולציה "מתכלה" – בלי תיעוד ומאגר (CoMSES) הוא נעלם.

לא לתעד את הגרסה ואת הפרמטרים. מידול נושאים עם k = 20 ו-k = 40 נותן שני מחקרים שונים; Gephi עם פריסה אחרת נותן שתי תמונות שונות. תוצאה חישובית שאינה מתועדת עד לרמת הגרסה והפרמטר אינה ניתנת לשחזור – ולכן אינה ממצא.

לבלבל חיזוי בהסבר. מודל למידת מכונה שמנבא נכון 92% אינו מסביר דבר על הסיבה, ומקדם רגרסיה מובהק אינו מבטיח חיזוי טוב. שתי מטרות, שני מבחני תוקף.

לקרוא לנתונים "נתונים". מה שנכנס לכלי נלקח מהחומר בהחלטות – מהי יחידה, מה נספר, מה נזרק – ודרוקר ואלברצי (2026, עמ' 15) מציעות לקרוא לו capta. הטעות אינה במילה אלא במה שהיא מסתירה: מודל נתונים שלא תועד הוא פרשנות שלא דווחה.

להאמין לשטח ולקו. עיגול שערכו כפול ושטחו פי ארבעה; קו שמחבר קטגוריות כאילו הן סדרה; סקאלה שחריג אחד מתח. דרוקר ואלברצי (2026, עמ' 67): "כל הוויזואליזציות הן פרשנויות, לא הצגות של עובדה" – וחלק מהתכונות הגרפיות הן תוצר של התצוגה, לא של הנתונים.

לצטט מה שמודל שפה "מצא". מודל שפה כללי עונה גם כשאין לו מקור, ומה שאינו במערך האימון שלו נראה כאילו אינו קיים – "ולפעמים, כשזה קורה, המערכת מנסה ליצור את המידע המבוקש"; מקור הנתונים של רוב המודלים אטום, ואלא אם זו מערכת RAG אין יודעים על מה נשען הפלט (Drucker & Albrezzi, 2026, pp. 119, 121). פלט של מודל הוא נקודת התחלה לבדיקה מול מקור – לא מקור.

להניח שהרשת שלמה. מדדי מרכזיות ומרחק מחושבים על מה שנאסף; קשר חסר אחד יכול להפוך "גשר" ל"חור מבני". דוסון (2020, עמ' 356-361): להצדיק את גבול הרשת, ולומר מה חסר.

רשימת בדיקה – לפני שמתחילים עם כלי חדש

ומה יש כאן, באתר

עמודי המחשבון של פרופסור סטאט מכסים את שכבת הסטטיסטיקה של רוב המחקרים שבשני השדות – בדפדפן, בלי שהנתונים עוזבים את המחשב, עם לוח לפי APA ומשפט דיווח בעברית ובאנגלית:

הרשימה המלאה של המחשבונים נמצאת בלשוניות שבראש העמוד. עמודי-המדריך האחרים של חלק א: NLP בעברית · למידת מכונה לחוקר החברתי · מדדי ביצוע ואימות · למידה בלתי-מונחית.

מקורות

Carter, B. W. (2013). Digital humanities: Current perspective, practices, and research (Cutting-Edge Technologies in Higher Education, Vol. 7). Emerald.

Cioffi-Revilla, C. (2017). Introduction to computational social science: Principles and applications (2nd ed.). Springer. https://doi.org/10.1007/978-3-319-50131-4

Dawson, C. (2020). A–Z of digital research methods. Routledge.

Drucker, J. (2021). The digital humanities coursebook: An introduction to digital methods for research and scholarship. Routledge.

Drucker, J., & Albrezzi, F. (2026). The digital humanities coursebook: Applied concepts and critical approaches (2nd ed.). Routledge. https://doi.org/10.4324/9781003589792

Edelmann, A., Wolff, T., Montagne, D., & Bail, C. A. (2020). Computational social science and sociology. Annual Review of Sociology, 46, 61-81. https://doi.org/10.1146/annurev-soc-121919-054621

Grimmer, J., Roberts, M. E., & Stewart, B. M. (2022). Text as data: A new framework for machine learning and the social sciences. Princeton University Press.

Jockers, M. L. (2013). Macroanalysis: Digital methods and literary history. University of Illinois Press.

Lazer, D., Pentland, A., Adamic, L., Aral, S., Barabási, A.-L., Brewer, D., Christakis, N., Contractor, N., Fowler, J., Gutmann, M., Jebara, T., King, G., Macy, M., Roy, D., & Van Alstyne, M. (2009). Computational social science. Science, 323(5915), 721-723. https://doi.org/10.1126/science.1167742

Lazer, D. M. J., Pentland, A., Watts, D. J., Aral, S., Athey, S., Contractor, N., Freelon, D., Gonzalez-Bailon, S., King, G., Margetts, H., Nelson, A., Salganik, M. J., Strohmaier, M., Vespignani, A., & Wagner, C. (2020). Computational social science: Obstacles and opportunities. Science, 369(6507), 1060-1062. https://doi.org/10.1126/science.aaz8170

Moretti, F. (2013). Distant reading. Verso.

Rieder, B. (2015). YouTube Data Tools (Version 1.x) [Computer software]. https://ytdt.digitalmethods.net

Rosseel, Y. (2012). lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1-36. https://doi.org/10.18637/jss.v048.i02

Salganik, M. J. (2018). Bit by bit: Social research in the digital age. Princeton University Press. https://www.bitbybitbook.com

Schreibman, S., Siemens, R., & Unsworth, J. (Eds.). (2016). A new companion to digital humanities. Wiley Blackwell. https://doi.org/10.1002/9781118680605

Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., Appleton, G., Axton, M., Baak, A., Blomberg, N., Boiten, J.-W., da Silva Santos, L. B., Bourne, P. E., Bouwman, J., Brookes, A. J., Clark, T., Crosas, M., Dillo, I., Dumon, O., Edmunds, S., Evelo, C. T., Finkers, R., . . . Mons, B. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, Article 160018. https://doi.org/10.1038/sdata.2016.18