نقشه ابزارها: علوم انسانی دیجیتال و علوم اجتماعی محاسباتی

در این صفحه، و جدول‌ها را چگونه بخوانیم

دو حوزه پژوهشی در بیست سال گذشته پیرامون یک واقعیت واحد رشد کرده‌اند – اینکه متن‌ها، روابط، مکان‌ها و رفتارها امروز به شکل دیجیتال وجود دارند و قابل محاسبه‌اند. علوم انسانی دیجیتال (digital humanities, DH) از فقه‌اللغه، تاریخ و پژوهش ادبی آمده‌اند: پرسش آن‌ها این است که درباره یک متن، یک آرشیو یا یک دوره، وقتی آن را با کمک رایانه می‌خوانیم، چه می‌توان دانست (Schreibman, Siemens & Unsworth, 2016). علوم اجتماعی محاسباتی (computational social science, CSS) از جامعه‌شناسی، علوم سیاسی و روان‌شناسی آمده‌اند: پرسش آن‌ها این است که درباره یک جامعه از ردپاهای دیجیتالی که بر جای می‌گذارد چه می‌توان دانست (Lazer et al., 2009, 2020; Edelmann et al., 2020). ابزارها عمدتاً هم‌پوشانی دارند، و این نقشه آن‌ها را با هم نشان می‌دهد – بر اساس کاری که انجام می‌دهند، نه بر اساس حوزه‌ای که آن‌ها را ابداع کرد.

تعریف‌های خود این حوزه فراوان‌اند، و Carter (2013, p. ix-xi) آن‌ها را صادقانه مرور می‌کند: "تقاطعی میان علوم انسانی و فناوری‌های اطلاعات" (Svensson, 2010, as cited in Carter)، "بافتی از رشته‌ها" که در آن پرسش‌های سنتی علوم انسانی درباره فناوری‌ها و به عکس پرسیده می‌شود (Fitzpatrick, 2010, as cited in Carter)، و دو "موج" – کمّی-پیکره‌ای و سپس تفسیری-تجربی (Schnapp & Presner, 2009, as cited in Carter). نتیجه‌گیری عملی او برای این نقشه سودمند است: برای استفاده از کد نیازی به فهم آن نیست، و کسی که امروز در این حوزه کار می‌کند از "تقریباً بیش از حد گزینه" رنج می‌برد. Drucker و Albrezzi (2026، ص. 1-2) ساده‌ترین فرمول را برای هر پروژه پیشنهاد می‌کنند – مواد + پردازش + ارائه + مشارکت – جزء چهارم در ویراست دوم تازه است: ذی‌نفعانی که مواد یا میراث فرهنگی‌شان درگیر است، شریکان فعال در تصمیم‌گیری درباره دسترسی، استفاده، توصیف و ارائه‌اند، و متخصصان و دانشجویان گروه شایسته شناخته شدن و اعتبار هستند – و هفت کنش بنیادین که هر یک تصمیمی است و نه گامی فنی: واسطه‌گری (تبدیل به دیجیتال)، "داده‌سازی" و مدل‌سازی، پردازش و تحلیل، ارائه، رندر و جاسازی، پایداری و نگهداری، و ملاحظات اخلاقی؛ "ابزارهای فناورانه هرگز از نظر ارزشی خنثی نیستند" (ص. 2). و ادعای محوری آن‌ها دلیل آن است که هر طبقه در نقشه با "اصل پیش از ابزار" آغاز می‌شود: "ابزارها و سکوها تغییر می‌کنند، اما اصول کار دیجیتال روشن و تثبیت شده‌اند" (ص. 2) – کسی که می‌داند چگونه فهرست یال‌ها بسازد آن را به Gephi، به Cytoscape یا به هر آنچه پس از آن‌ها بیاید منتقل می‌کند. Dawson (2020، ص. 1) چارچوب را از علوم انسانی به علوم اجتماعی گسترش می‌دهد: "دیجیتال" اصطلاحی چتری برای روش‌هایی است که داده‌ها را با ابزارهای رایانه‌ای گردآوری و تحلیل می‌کنند – هم روش‌های نو (یادگیری ماشین، تحلیل کلان‌داده) و هم روش‌های قدیمی که تغییر کرده‌اند (پرسشنامه، مصاحبه، تحلیل شبکه) – و هر مدخل در کتاب او بخشی با عنوان "اخلاق، اخلاقیات و قانون" دارد که یادداشت‌های اخلاقی در طبقه‌های زیر از آن گرفته شده‌اند.

و از سوی علوم اجتماعی محاسباتی – دو کتاب درسی. Cioffi-Revilla (2017، ص. 2) این حوزه را "کاوش میان‌رشته‌ای جهان اجتماعی در مقیاس‌های متعدد، از کنشگر منفرد تا بزرگ‌ترین اجتماعات، به کمک محاسبه" تعریف می‌کند، و هشدار می‌دهد که به کلان‌داده، تحلیل شبکه یا شبیه‌سازی فروکاسته نمی‌شود – این‌ها چهار حوزه‌اند که یکدیگر را تغذیه می‌کنند: استخراج خودکار اطلاعات، شبکه‌های اجتماعی، پیچیدگی اجتماعی و شبیه‌سازی اجتماعی (ص. 12-17). به گفته او، این "علمی ابزارمحور" است مانند نجوم پس از تلسکوپ – "ابزارها وسایل اصلی‌ای هستند که علم به کمک آن‌ها علم تازه می‌آفریند" (ص. 3-4) – و به همین دلیل نقشه ابزارها موضوعی روش‌شناختی است و نه فنی. Salganik (2018، ص. 6-8) جفتی را به دست می‌دهد که طبقه‌های گردآوری را سامان می‌دهد: داده‌های "از پیش آماده" (readymades – ردپاهایی که شرکت‌ها و دولت‌ها برای اهداف دیگر ساخته‌اند و پژوهشگر کاربردشان را تغییر می‌دهد، مانند دوشان) در برابر داده‌های "سفارشی" (custommades – پرسشنامه یا آزمایشی که برای یک پرسش ساخته شده، مانند میکل‌آنژ)، و جالب‌ترین پژوهش "بخشی دوشان و بخشی میکل‌آنژ" است. و او نیز مانند Drucker و Albrezzi درباره اصول می‌نویسد و نه درباره سکوها: "به جای رویکرد سکو-به-سکو"، ده ویژگی کلی منابع کلان‌داده، که بر "منابع داده‌ای که در آینده پدید خواهند آمد" نیز صدق خواهند کرد (ص. 17) – این‌ها در طبقه 7 آمده‌اند.

و چرا این به یک سایت آمار مربوط است؟ چون آمار لایه زیرین هر دو حوزه است: مدل‌سازی موضوعی تحلیل عاملی روی واژه‌هاست، شاخص مرکزیت آمار توصیفی روی روابط است، و شبیه‌سازی با ابزارهای آشنا در برابر داده‌ها آزموده می‌شود. کسی که ماتریس همبستگی را می‌تواند بخواند، ماتریس مجاورت را هم می‌تواند بخواند.

جدول‌ها را چگونه بخوانیم

هر جدول ابزارهای یک طبقه را در پنج ستون نشان می‌دهد. مجوز و هزینه در سه برچسب: متن‌باز – کد آشکار و رایگان است، می‌توان نصب و تغییرش داد؛ رایگان (بسته) یا رایگان + پولی – استفاده رایگان اما کد بسته، گاهی با طرح‌های پولی یا محدودیت‌ها؛ پولی – مجوز پولی، معمولاً با قیمت دانشگاهی یا مجوز پردیس. رابط: "نرم‌افزار نصبی" – رابط گرافیکی روی رایانه؛ "مرورگر" – در وب‌سایت کار می‌کند، بدون نصب؛ "کد" – کتابخانه یا خط فرمان، نیازمند R، Python یا Java.

پیوندها، مجوزها و وضعیت توسعه هر 99 ابزار در سپتامبر 2026 در برابر وب‌سایت‌های ابزارها بررسی شدند. ابزاری که دیگر توسعه نمی‌یابد در یادداشت‌ها مشخص شده است؛ ابزاری که حذف شده – به این دلیل است که امکان تأیید آن نبود، نه اینکه خوب نیست.

1. تحلیل متن و متن‌کاوی

بزرگ‌ترین طبقه در هر دو حوزه، و نیز جایی که تفاوت میان آن‌ها آشکار است. در علوم انسانی دیجیتال از "خوانش از دور" سخن می‌گویند (distant reading; Moretti, 2013; Jockers, 2013): شمارش واژه‌ها، واژه‌نمایه و مدل‌سازی موضوعی (topic modeling) روی پیکره‌ای که بزرگ‌تر از آن است که خوانده شود. در علوم اجتماعی محاسباتی از "متن به‌مثابه داده" سخن می‌گویند (text as data; Grimmer, Roberts & Stewart, 2022): متن یک متغیر است، و بقیه – اندازه‌گیری، پایایی و روایی – مانند هر پژوهش کمّی دیگر. ابزارها هم‌پوشانی دارند؛ تفاوت در پرسش است.

اصل پیش از ابزار. Drucker (2021, Section 7a): تصمیم‌هایی درباره اینکه چه چیزی را می‌توان اندازه گرفت (پارامتری کرد)، شمرد، مرتب کرد و نمایش داد "کنش‌هایی تفسیری‌اند که نتایج پژوهش را شکل می‌دهند"؛ در ویراست دوم این پارامتری‌سازی نامیده می‌شود – برخی ویژگی‌ها به‌آسانی به شاخص تبدیل می‌شوند (تعداد واژه‌ها، طول شعر)، و بسیاری دیگر "برای ادراک انسانی کاملاً خوانا" هستند و با این حال پارامتری کردنشان دشوار است، و نیز اینکه چه چیزی در داده‌ها گنجانده می‌شود و چگونه قالب‌بندی می‌شود "توجه انتقادی" می‌طلبد (Drucker & Albrezzi, 2026, pp. 14, 49). و زبان ابزارها این را پنهان می‌کند: مدل‌سازی موضوعی چنین توصیف می‌شود که موضوعات را از متن "استخراج می‌کند"، "گویی موضوعات از پیش در متن هستند و به‌عنوان کنش خواندن و تفسیر پدید نمی‌آیند" (ص. 51). مثالی کوچک و تیز از ویراست نخست: بیشتر ابزارها "واژه‌های ایست" مانند حرف تعریف را حذف می‌کنند، اما تفاوت میان "האל" (خدا) و "אל" (خدایی) تمام تفاوت است (Drucker, 2021, Section 7a). و مسئله بازتولیدپذیری: اجراهای مکرر متن‌کاوی و تحلیل فرهنگی "نتایجی بازمی‌گردانند که جابه‌جا و دگرگون شده‌اند"، چون پیکره پایدار نیست و چون پردازش احتمالاتی است (ص. 54) – و بنابراین بذر تصادفی، نسخه و پارامترها بخشی از یافته‌اند. از سوی محاسباتی-اجتماعی، Cioffi-Revilla (2017، ص. 13-14) این طبقه را "استخراج خودکار اطلاعات" می‌نامد و آن را "روش‌شناسی بنیادین" این حوزه می‌داند، چون همه بخش‌های دیگر را تغذیه می‌کند؛ و در فرایند داده‌کاوی او (ص. 115-117) پرسش مقدم بر ابزار است – روی پیوستاری میان پرسش داده‌محور (استقرایی) و پرسش نظریه‌محور (قیاسی) – و "صورت‌بندی پرسش‌های پژوهش باید هر کاوش داده‌کاوی را قاب بگیرد، چون پرسش‌های پژوهش هر یک از مراحل بعدی را مشروط می‌کنند"؛ و پیش از تحلیل – اسکن (OCR)، پاک‌سازی، پالایش، تجزیه به واحدها (طبقه بعدی). اخلاق و قانون (Dawson, 2020, pp. 79-85): داده‌کاوی "آگاه از تبعیض" – Berendt و Preibusch (2017, as cited in Dawson) نشان می‌دهند که تبعیض چگونه از "اثر ترکیبی استنباط انسانی و ماشینی" زاده می‌شود؛ و در اتحادیه اروپا و بریتانیا "حق پایگاه داده" بر مجموعه‌هایی وجود دارد که گردآوری‌شان سرمایه‌گذاری قابل‌توجهی می‌طلبید، و تحلیل محاسباتی مواد حمایت‌شده در آنجا فقط برای اهداف غیرتجاری مجاز است – کسی که پیکره‌ای حمایت‌شده را کاوش می‌کند باید قانون محلی را بررسی کند.

زبان عبری مشکلی ساختاری دارد: بیشتر ابزارها برای انگلیسی ساخته شده‌اند و فرض می‌کنند واژه = رشته‌ای از حروف میان فاصله‌ها، حال آنکه در عبری "וכשהלכנו" (و هنگامی که رفتیم) چهار واحد است. ابزاری که "پشتیبانی از عبری" را اعلام می‌کند معمولاً فقط توکن‌سازی را منظور دارد؛ تجزیه صرفی واقعی نیازمند ابزارهای جدول 3 است.

2. کدگذاری متون، OCR و آرشیو دیجیتال

پیش از تحلیل متن باید متنی وجود داشته باشد. سه مرحله مقدم بر تحلیل است: تبدیل اسکن یا دست‌نوشته به متن (OCR برای متن چاپی، HTR برای دست‌نوشته)، کدگذاری ساختار و تفسیر با یک استاندارد باز (TEI – استاندارد ویراست‌های علمی دیجیتال)، و سازمان‌دهی خود مواد آرشیوی. قاعده FAIR (Wilkinson et al., 2016) – داده‌های یافتنی، دسترس‌پذیر، تلفیق‌پذیر و قابل استفاده مجدد – از اینجا آغاز می‌شود: قالب باز و قابل صدور بهتر از ابزاری زیباست که مواد را قفل می‌کند.

اصل پیش از ابزار. Drucker و Albrezzi (2026، ص. 15) بر یک واژه پافشاری می‌کنند: داده‌ها "داده" (data، "آنچه داده شده") نیستند بلکه "گرفته‌شده"اند – capta – "اطلاعاتی که در فرایند انتزاع و ساختاری گرفته شده که به تصمیم‌هایی وابسته است که خود کنش‌های تفسیری‌اند"؛ بنابراین مدل داده – چه چیزی شمرده می‌شود، واحد چیست، چه چیزی دور ریخته می‌شود – باید مانند هر تصمیم روش‌شناختی دیگری مستند شود (ص. 18: "داده‌ها هرگز خنثی نیستند، بلکه همیشه از دیدگاهی خاص ساخته شده‌اند"). و درباره زبان‌های نشانه‌گذاری (ص. 35): مزیت آن‌ها این است که ابهام را برطرف می‌کنند – و این عیبشان هم هست، چون "رایانه‌ها ابهام را تاب نمی‌آورند" حال آنکه بیشتر مواد انسانی سرشار از آن است؛ کدگذاری استعاره‌ای در TEI که در عین حال گزاره‌ای لفظی نیز هست یعنی انتخاب کردن، و آن‌ها می‌پرسند آیا این مسئله‌ای اخلاقی است و پاسخ می‌دهند: "قطعاً". قالب‌های فایل و قراردادهای نام‌گذاری در مرحله طراحی تعیین می‌شوند، با شریکان نهادی‌ای که مواد را نگهداری خواهند کرد (ص. 27). اخلاق و قانون: داده‌های میراثی (legacy data) – داده‌هایی که کس دیگری ساخته، گاهی بدون مستندسازی، و تصمیم‌هایی درباره اینکه چه چیزی گردآوری، پاک‌سازی و حذف شد "شاید قابل بازسازی نباشند"؛ داده‌ها از آنِ کیست، چه مجوزهایی برای ساختنشان لازم بود، و حریم خصوصی چه می‌شود – استفاده مجدد از یک فهرست یا پایگاه داده قدیمی از این پرسش‌ها معاف نیست (ص. 15-16، 42).

3. عبری، یهودیت و زبان‌های کلاسیک

طبقه‌ای که در آن "ابزار پیشرو در جهان" لزوماً ابزار درست نیست. عبری – کتاب مقدسی، ربّانی و جدید – زبانی است با صرف غنی و نوشتاری بدون اعراب، و هر تحلیل جدی با تجزیه صرفی آغاز می‌شود که ابزارهای عمومی انجام نمی‌دهند. در کنار ابزارهای پردازش – مخزن‌ها: متون کلاسیک یهودی امروز تقریباً به‌طور کامل کدگذاری شده و از طریق API در دسترس‌اند، و مطبوعات تاریخی عبری به‌طور کامل قابل جست‌وجو هستند. در پایان جدول – سه منبع برای سنسکریت و زبان‌های کلاسیک، برای پژوهشگری که به‌صورت تطبیقی کار می‌کند.

اصل پیش از ابزار. در اینجا اصل Drucker و Albrezzi درباره ابهام (2026، ص. 35) دوچندان عمل می‌کند: نوشتار بدون اعراب ابهامی ساختاری در هر توکن است، و تجزیه صرفی تصمیمی است که ابزار به جای شما می‌گیرد. و درباره مخزن‌های برچسب‌خورده – کسی که به BHSA تکیه می‌کند مدل زبان‌شناختی ETCBC را به ارث می‌برد؛ دقیقاً چه چیزی، در بخش 6 صفحه پردازش زبان طبیعی عبری.

4. تحلیل شبکه

تحلیل شبکه‌های اجتماعی (social network analysis) قدیمی‌ترین شاخه علوم اجتماعی محاسباتی است – جامعه‌سنجی قرن 20 که توان محاسباتی یافت. پرسش آن با پرسش آماری معمول فرق دارد: نه "چه چیزی فرد را مشخص می‌کند" بلکه "چه چیزی روابط را مشخص می‌کند". در علوم انسانی همین ابزارها برای شبکه‌های مکاتبه، شخصیت‌های یک رمان و ارجاع‌های میان متون به کار می‌روند.

انتخاب عملی: Gephi برای مصورسازی و کاوش، یک کتابخانه کد (igraph یا NetworkX) برای شاخص‌ها و آمار، و UCINET اگر راهنمای شما Borgatti است. برای شبکه‌های کتاب‌سنجی – VOSviewer.

اصل پیش از ابزار. مدل داده یک شبکه فرمولی سه‌جزئی است – موجودیت-رابطه-موجودیت – که می‌توان آن را در کاربرگ ساخت و به هر سکویی صادر کرد؛ کار واقعی دقیق کردن نوع رابطه (نه یک "مرتبط با" برای همه) و تغییر در طول زمان است (Drucker & Albrezzi, 2026, p. 70). Cioffi-Revilla (2017، ص. 147) این تمایز را دقیق می‌کند: "گراف‌ها برای شبکه‌ها همان‌اند که مدل‌های نظریه تصمیم برای تصمیم‌گیری" – گراف بازنمایی است، نه شبکه؛ شبکه مجموعه‌ای متناهی از موجودیت‌ها (گره‌ها) و مجموعه‌ای از روابط (یال‌ها) تعریف‌شده بر آن است، و این دو تعریف همان کار اصلی‌اند. و درباره نرم‌افزار (ص. 168-169): UCINET "یکی از رایج‌ترین بسته‌های نرم‌افزاری" است، و شبکه‌هایی با صدها و هزاران گره فقط در سال‌های اخیر عملی شده‌اند – زمان محاسبه و حل‌پذیری (tractability) پیش از انتخاب شاخص ملاحظه‌ای مهم است. Dawson (2020، ص. 356-361) پرسش‌های روایی را می‌افزاید: مرز شبکه را چگونه توجیه می‌کنیم؛ اطلاعات گمشده درباره افراد و روابط با سوگیری شاخص‌ها چه می‌کند؛ و آیا مصورسازی راه درست تفسیر ویژگی‌های ساختاری است – "آیا بازنمایی دیداری می‌تواند آن‌ها را به‌نادرستی نشان دهد؟" (پاسخ: بله، و بنابراین شاخص‌ها در igraph و نه با چشم). اخلاق و قانون (همان‌جا): کسی که شبکه خود را معرفی می‌کند رضایت داده – دیگران در شبکه نه؛ گمنامی می‌تواند فقط از جایگاه در شبکه شکسته شود؛ و تحلیل شبکه سازمانی می‌تواند به اخراج یا آسیب بینجامد – "آیا ممکن است تحلیل تو به افراد آسیب برساند؟" پرسشی است که پیش از گردآوری پرسیده می‌شود.

5. GIS و نقشه‌نگاری مکانی-تاریخی

سامانه‌های اطلاعات جغرافیایی (GIS) به پرسش "کجا" پاسخ می‌دهند: پیرامون در برابر مرکز، پراکندگی پاسخ‌ها بر اساس ناحیه آماری، نقشه‌ای تاریخی که روی نقشه‌ای امروزی قرار می‌گیرد. برای پژوهشگر اجتماعی در اسرائیل دو منبع رایگان اهمیت ویژه دارند: لایه‌های نواحی آماری اداره مرکزی آمار اسرائیل – واحدی که داده‌های سرشماری و رفاه در آن منتشر می‌شود – و GovMap، درگاه ملی نقشه‌نگاری. تلفیق فایل پیمایش با لایه نواحی آماری گامی است که تحلیل را از "بر اساس شهر" به "بر اساس محله" می‌برد.

ابزار اصلی QGIS است – جایگزین رایگان و کامل برای ArcGIS. برای تحلیل آماری-مکانی (خودهمبستگی مکانی، رگرسیون مکانی) – GeoDa.

اصل پیش از ابزار. "همه سامانه‌های نقشه‌نگاری بر تصویرهایی (projections) استوارند که شکلی سه‌بعدی را به بازنمایی دوبعدی ترجمه می‌کنند و دارای اعوجاج‌اند"، و فرض‌های نهفته در بازنمایی باید در استدلالی که نقشه در خدمت آن است آشکار باشند (Drucker & Albrezzi, 2026, p. 77)؛ "بنیادهای اثبات‌گرایانه GIS" فهم سکونت و تجربه را برایش دشوار می‌کنند، "حتی وقتی عینیت ظاهری‌اش آن را به نمایشی پرقدرت از استدلال‌ها بدل می‌کند" (همان‌جا). و در جمع‌بندی فصل 8b (ص. 82) – مرز: نقشه‌ها در جای دادن داده‌ها نسبت به جغرافیا عالی‌اند، و "در نمایش تجربه کیفی فضا کم‌اثرترند" – نقشه نواحی آماری می‌گوید کجا، نه اینکه زندگی در آنجا چه حسی دارد. اخلاق و قانون (Dawson, 2020, pp. 140-146): ردیابی مکان، پهپادها و تصاویر ماهواره‌ای با وضوح بالا تجاوز به حریم خصوصی‌اند که به یک منشور اخلاقی نیاز دارد (Dawson به منشور GISCI ارجاع می‌دهد)؛ و نقشه‌نگاری مشارکتی (crowdsourced) می‌تواند به دست صاحبان قدرت برای به حاشیه راندن به کار رود – پرسش "آیا صاحبان منافع می‌توانند از این تحلیل برای آسیب زدن به یک گروه استفاده کنند؟" از پیش پرسیده می‌شود.

6. مدل‌های عامل‌بنیان و شبیه‌سازی اجتماعی

مدل‌سازی عامل‌بنیان (agent-based modeling) جهت کاوش را وارونه می‌کند: به جای استنتاج قاعده از داده‌ها، قواعدی ساده برای عامل‌ها تعریف می‌کنیم و بررسی می‌کنیم کدام پدیده کلان-اجتماعی از آن‌ها پدید می‌آید – جدایی‌گزینی شهری از ترجیحات خفیف (Schelling)، اجماع از تأثیر متقابل، هنجار از همکاری مکرر. این ابزاری برای نظریه است بیش از تجربه، و بنابراین به‌ویژه برای پژوهشگری مهم است که می‌خواهد بررسی کند آیا تبیینش اصلاً می‌تواند پدیده را تولید کند.

NetLogo بی‌رقیب نقطه ورود است – "آستانه پایین، سقف بلند" – با کتابخانه داخلی مدل‌های کلاسیک. کسی که Python می‌نویسد سراغ Mesa می‌رود؛ مدل‌های دارای GIS – GAMA. کتابخانه مدل‌های CoMSES جایی است برای جست‌وجوی مدلی موجود پیش از نوشتن مدلی تازه.

اصل پیش از ابزار. Dawson (2020، ص. 4-9) واژه‌ها را دقیق می‌کند: مدل بازنمایی می‌کند، شبیه‌سازی از مدل استفاده می‌کند – و روش "از پایین به بالا، از خرد به کلان" می‌سازد، به‌طوری که الگوها از تعامل عامل‌ها پدید می‌آیند. دو پرسش او در فصل روش‌شناسی پاسخ می‌طلبند: "آیا مدل‌ها جهان را بازنمایی می‌کنند، یا تفسیر پژوهشگر از جهان را؟" و چگونه درستی‌سنجی می‌کنیم – درستی‌سنجی (verification: مدل درست کار می‌کند) در برابر اعتباریابی (validation: مدل درست ساخته شده است). Cioffi-Revilla (2017، ص. 384-390) این را به مراحل باز می‌کند: پرسش‌های پژوهش بر همه چیز مقدم‌اند و سطح وفاداری (fidelity) مدل را تعیین می‌کنند – از انتزاع نظری تا واسنجی تجربی کامل (ص. 385) – و مقیاس وفاداری "هیچ ربطی" به ارزش علمی مدل ندارد (ص. 382-383)؛ درستی‌سنجی همتای روایی درونی است – "مدلی که درستی‌سنجی نشده شایسته تحلیل نیست" – و با خواندن کد سطر به سطر، نیم‌رخ بسامد فراخوانی توابع و پویش پارامترها که ناهنجاری‌ها را آشکار می‌کند انجام می‌شود (ص. 388-389)؛ اعتباریابی تطبیق الگوها میان خروجی شبیه‌سازی و داده‌های تجربی است – هیستوگرام‌ها، گشتاورها، سری‌های زمانی، شاخص‌هایی مانند Gini – و "همیشه مستلزم برازش داده‌های شبیه‌سازی‌شده با داده‌های تجربی است" (ص. 389-390). و دو هشدار: "کد شبیه‌سازی بسیار فناپذیر است، بسیار بیش از مدل‌های ریاضی یا آماری" – شبیه‌سازی‌های مشهوری اندکی پس از نوشته شدن از دست رفتند، و از آن‌ها فقط مدل مفهومی باقی ماند (ص. 388)؛ و درستی‌سنجی و اعتباریابی "به‌تنهایی کافی نیستند" برای داوری درباره کیفیت – در کنار آن‌ها سه معیار Lave و March (1993، به نقل از Cioffi-Revilla) قرار دارند: حقیقت، زیبایی (صرفه‌جویی و فرم) و عدالت – سهم مدل در جهانی بهتر (ص. 391-393). پیش از انتخاب ابزار: Abar و همکاران (2017, as cited in Dawson) 85 جعبه‌ابزار ABM را توصیف می‌کنند – NetLogo نقطه ورود است، نه تنها گزینه. اخلاق و قانون (همان‌جا): مدل می‌تواند آسیب بزند – وقتی افرادی بر پایه یک پیش‌بینی برای اقدام نشانه‌گذاری می‌شوند، وقتی پیش‌بینی بر رفتار گذشته‌ای تکیه دارد که تغییر کرده، و وقتی راهی برای اصلاح ورودی نیست؛ و اینکه آیا داده‌ها اصلاً برای مدل‌سازی در اختیار گذاشته شده بودند.

7. گردآوری داده‌های دیجیتال

دو خانواده: پیمایش برخط – ابزار قدیمی که رابطی تازه یافته – و گردآوری "ردپاهای دیجیتال" (digital traces; Salganik, 2018): خراش‌دادن وب‌سایت‌ها، دسترسی به API سکوها، و ضبط محتوا از شبکه‌های اجتماعی. اولی پرسش کدگذاری و روایی را پیش می‌کشد؛ دومی، پیش از هر چیز، پرسش اخلاق و قانونی بودن را – شرایط استفاده سکو، حریم خصوصی کاربران، و تأیید کمیته اخلاق در پژوهش. Salganik (2018، فصل 6، ص. 281-354) خواندنی الزامی است.

برای پژوهش پیمایشی در اسرائیل – بیشتر دانشگاه‌ها مجوز Qualtrics دارند؛ LimeSurvey جایگزین باز است وقتی مجوز نیست. خروجی همه آن‌ها – فایل اکسل در الگوی استاندارد سایت، یا فایل SPSS که صفحه از SPSS به اکسل تبدیلش می‌کند.

اصل پیش از ابزار. Salganik (2018، ص. 17-41) ده ویژگی منابع کلان‌داده را برمی‌شمارد، و آن‌ها را به‌طور تقریبی دسته‌بندی می‌کند: سه ویژگی "عموماً سودمند" – بزرگ، همواره روشن (always-on)، غیرواکنشی (اندازه‌گیری رفتار را تغییر نمی‌دهد) – و هفت ویژگی "عموماً مسئله‌ساز": ناقص ("هر قدر هم داده‌ها بزرگ باشند، احتمالاً اطلاعاتی را که می‌خواهید ندارند")، دسترس‌ناپذیر، نامعرف ("برای تعمیم به بیرون از نمونه بد، اما برای مقایسه‌های درون نمونه سودمند"، ص. 29)، رانش‌یابنده (رانش در جمعیت، در استفاده و در سیستم بررسی روندهای بلندمدت را دشوار می‌کند)، مخدوش از نظر الگوریتمی ("رفتار در سیستم‌های کلان‌داده طبیعی نیست؛ از اهداف مهندسی سیستم‌ها هدایت می‌شود"، ص. 35)، کثیف ("انباشته از زباله و هرزنامه"، ص. 37) و حساس. و یک قاعده کلی: "مجموعه‌داده‌های بزرگ وسیله‌ای برای رسیدن به هدف‌اند، نه هدفی به‌خودی‌خود" (ص. 17). و درباره پیمایش: "همیشه لازم است از مردم پرسش کنیم" – حالت‌های درونی مانند هیجان، دانش و انتظار در داده‌های رفتاری، حتی کامل، نیستند (ص. 87-88)؛ و نمونه‌گیری احتمالی در عمل دشوار می‌شود در حالی که نمونه‌گیری غیراحتمالی امکان‌های تازه‌ای می‌گشاید – به شرط آنکه تصحیح شود (ص. 99). برای شبکه‌های اجتماعی (Dawson, 2020, pp. 349-355): داده‌ها "ناخواسته و بی‌فیلمنامه، و اغلب چندوجهی‌اند" (Brooker et al., 2016, as cited in Dawson) – متن، پیوند، تصویر، ویدئو – و بنابراین روش تحلیل (تحلیل محتوا، گفتمان، احساس، شبکه، زمان) بر اساس پرسش انتخاب می‌شود، نه بر اساس آنچه ابزار چاپ می‌کند؛ و سیاست API سکوها "روزبه‌روز محدودکننده‌تر می‌شود"، به‌طوری که داده‌هایی که از طریق آن به دست آمده‌اند "به دلیل منطق ناشناخته الگوریتمی که آن‌ها را ساخته، دقیقاً قابل بازتولید نیستند" (Felt, 2016, as cited in Dawson) – محدودیتی که باید صریحاً نوشته شود. برای پیمایش برخط (ص. 288-294): پیوند یکتا برای هر پاسخ‌گو از پر کردن دوباره جلوگیری می‌کند و یادآوری را ممکن می‌سازد؛ برای موضوعات حساس – پرسش غیرمستقیم ("دیگران چه واکنشی نشان می‌دادند") گاهی بهتر از پرسش مستقیم است. برای وب‌سنجی (ص. 398-403): "پوشش وب ناقص است" و به سود کشورهایی که زودتر آن را پذیرفتند سوگیری دارد (Thelwall, 2008, as cited in Dawson)، و موتورهای جست‌وجو در نسخه‌های کشوری وب‌سایت‌های محلی را ترجیح می‌دهند. اخلاق و قانون: "آیا یک پست برخط داده عمومی است یا خصوصی؟"؛ رضایت آگاهانه وقتی شرکت‌کنندگان نمی‌دانند در پژوهش‌اند؛ گمنامی وقتی سکو انتساب به نویسنده را الزامی می‌کند (ص. 349-355)؛ نشانی IP، نام کاربری و منبع ارجاع در فایل‌های لاگ بر اساس GDPR "داده شخصی" هستند، و نگهداری آن‌ها نیازمند رضایت برای هدفی مشخص، امنیت و حذف هنگامی است که دیگر نیازی به آن‌ها نیست (ص. 188-193) – و در اسرائیل، قانون حمایت از حریم خصوصی و آیین‌نامه‌های آن (اینکه قانون از پژوهشگری که اطلاعات شخصی گردآوری می‌کند، پس از اصلاحیه 13، چه می‌خواهد – در صفحه اخلاق در پژوهش، بخش 11). Drucker و Albrezzi (2026، ص. 49) برای عصر کلان‌داده می‌افزایند: "در دسترس بودن داده‌ها به این معنا نیست که استفاده از آن‌ها بدون تدابیر حفاظتی از نظر اخلاقی مجاز است"، چون کسی که منتشر کرده لزوماً قصد تحلیل علمی نداشته است؛ گمنام‌سازی واقعی "دشوار به دست می‌آید"، چون افراد از ویژگی‌های دیگر یا از تطبیق پایگاه‌های داده دوباره شناسایی می‌شوند؛ و بنابراین کمینه‌سازی داده – فقط آنچه تحلیل لازم دارد گردآوری شود: برای احساس کلی نیازی به مکان دقیق و نیم‌رخ کامل نیست. و Salganik (2018) درباره آنچه تغییر کرده است: قدرت پژوهشگران – "توانایی انجام کارهایی با مردم بدون رضایتشان و حتی بدون آگاهی‌شان" – افزایش یافته، و قواعد به همان اندازه روشن نشده‌اند (ص. 288)؛ چهار اصل گزارش‌های بلمونت و منلو – احترام به اشخاص، سودرسانی (آسیب نرساندن، بیشینه کردن سود و کمینه کردن آسیب)، عدالت در توزیع بار و سود، و احترام به قانون و منافع عمومی (ص. 294-299)؛ قاعده عملی "نوعی رضایت برای بیشتر پژوهش‌ها" (ص. 303)؛ خطر اطلاعاتی – آسیب ناشی از افشای اطلاعات – "رایج‌ترین خطر در پژوهش اجتماعی است، به‌طور چشمگیری افزایش یافته، و فهمش از همه دشوارتر است" (ص. 307)؛ و سه توصیه: کمیته اخلاق در پژوهش "کف است، نه سقف"؛ خود را جای همه دیگران بگذارید؛ و اخلاق را پیوستار بدانید و نه دوگانه (ص. 321-324).

8. آمار و یادگیری ماشین

طبقه‌ای که خود این سایت به آن تعلق دارد، و بنابراین یادداشت مهم: برای همه آزمون‌هایی که در اینجا ماشین‌حساب دارند – صفحه ماشین‌حساب همان ابزار است، در مرورگر و بی‌آنکه داده‌ها رایانه را ترک کنند (پیوندهای پایان صفحه را ببینید). این جدول برای فراتر از آن است: مدل‌های چندسطحی، یادگیری ماشین، SEM کامل، و برای کسی که نرم‌افزاری کامل می‌خواهد. تمایز اصلی میان آمار (تبیین: کدام متغیر و چقدر اثر دارد) و یادگیری ماشین (پیش‌بینی: برای مشاهده‌ای تازه چه رخ خواهد داد) است – دو هدف متفاوت که اعتبارسنجی متفاوتی می‌طلبند، حتی وقتی مدل یکسان است. این تمایز، خط لوله از آغاز تا پایان، مدل‌ها – از درخت تصمیم تا شبکه عصبی – و ابزارهایشان، در صفحه یادگیری ماشین برای پژوهشگر اجتماعی؛ معیارها، اعتبارسنجی متقابل، نشت داده و داده‌هایی که مستقل نیستند – در معیارهای عملکرد و اعتبارسنجی؛ تحلیل عاملی، مؤلفه‌ها و خوشه‌ها – یادگیری بدون متغیر وابسته – در یادگیری بدون نظارت؛ جدول 8 در اینجا جدول نرم‌افزارهای آماری باقی می‌ماند.

جفت JASP / jamovi شایسته توجه ویژه است: هر دو جایگزین رایگان SPSS با رابط گرافیکی‌اند، مبتنی بر R، و به روش بیزی هم محاسبه می‌کنند. PSPP نرم‌افزار مرجعی است که بخش‌هایی از این سایت با آن تأیید می‌شوند – رایگان است و سینتکس SPSS را اجرا می‌کند.

اصل پیش از ابزار. Dawson (2020، ص. 194-199) یادگیری ماشین را الگوریتم‌هایی تعریف می‌کند که "از محاسبات پیشین یاد می‌گیرند تا تصمیم‌ها و پیش‌بینی‌های تکرارشونده‌ای بدون برنامه‌نویسی صریح قاعده‌محور بگیرند"، بانظارت (ورودی و خروجی برچسب‌خورده) یا بدون نظارت – و این دقیقاً تفاوت با ماشین‌حساب‌های سایت است، که در آن‌ها قاعده آشکار است. Drucker و Albrezzi (2026، ص. 1) پردازش را "جعبه سیاه کار دیجیتال" می‌نامند، چون بیشتر آن با ابزارهای آماده‌ای انجام می‌شود که کارکردشان پنهان است، و هشدار می‌دهند که هر چه فرایندها پیچیده‌تر شوند و یادگیری ماشین و هوش مصنوعی را درگیر کنند "اغلب سوگیری‌های نهفته در مدلشان را تقویت می‌کنند" (ص. 2). Dawson درباره تحلیل خوشه‌ای نیز می‌پرسد (ص. 31-37): "آیا می‌توان به نرم‌افزار، ابزارها و الگوریتم‌ها اعتماد کرد؟" – و پیشنهاد می‌کند با نرم‌افزاری دیگر بررسی شود، که دقیقاً اصل تطبیق متقابل این سایت است (PSPP، R، Python روی همان داده‌ها). و آنچه کلان‌داده‌ها خودبه‌خود نمی‌دهند – علیت: Salganik (2018، ص. 50-61) نشان می‌دهد که چگونه "آزمایش‌هایی را که انجامشان ممکن نیست تقریب می‌زنیم" از دو راهی که عصر دیجیتال گسترده‌شان کرده، آزمایش‌های طبیعی و همتاسازی (matching) – و هر دو با فرض‌هایی آغاز می‌شوند که باید نوشته شوند، نه با ابزار. و برای مدل‌های زبانی بزرگ، که ویراست دوم Drucker و Albrezzi فصلی را به آن‌ها اختصاص داده (12a)، دو محور برای انتخاب مدل: باز یا بسته، و محلی یا راه دور. مدل بسته‌ای که روی سرور یک شرکت اجرا می‌شود یعنی "داده‌های شما در سرورهای اختصاصی ضبط و پردازش می‌شوند"، و جایگزین – مدلی باز که دانلود و به‌صورت محلی اجرا می‌شود (برای نمونه در Ollama) – برای کسی که نمی‌خواهد مواد را به اشتراک بگذارد؛ و سامانه بازیابی از نوع RAG، که فقط از درون مخزنی که پژوهشگر تعریف کرده پاسخ می‌دهد، دقیق‌تر است و برای داده‌های حساس یا حمایت‌شده مناسب است (ص. 118-119). و توهم‌ها (hallucinations) هنوز رخ می‌دهند: هر خروجی، حتی وقتی دقیق به نظر می‌رسد، "باید کاویده، بررسی و با منابع معتبر شناخته‌شده مقایسه شود" (ص. 119). اخلاق و قانون (Dawson, 2020, pp. 194-199): "آیا یادگیری ماشین از نظر اخلاقی خنثی است؟" – وقتی مدل پیش‌بینی به تصمیم‌های اجتماعی می‌انجامد، انصاف، پاسخ‌گویی و شفافیت لازم است (Veale & Binns, 2017, as cited in Dawson). Drucker و Albrezzi (2026، ص. 120-121) می‌افزایند: "هر فرایندی که در آن انسان‌ها شمرده، دسته‌بندی یا به‌عنوان داده در نظر گرفته می‌شوند در معرض از دست رفتن انسانیت ذهنی آن‌هاست"؛ منشأ داده‌های (provenance) مدل‌ها "بسیار مبهم" است – مجموعه‌های آموزشی اختصاصی‌اند، و مگر آنکه سامانه RAG باشد نمی‌دانیم خروجی بر کدام منابع تکیه دارد و چگونه وزن‌دهی شده‌اند؛ و در شرایط استفاده بسیاری از ابزارها کاربر می‌پذیرد که درخواست‌ها (پرامپت‌ها) و خروجی‌هایش برای آموزش بعدی به کار روند و حتی به شریکان منتقل شوند – کاری که با داده‌های آزمودنی‌ها نباید کرد.

9. مصورسازی داده‌ها

سه سطح: ابزارهای "بدون کد" در مرورگر (Datawrapper، Flourish، RAWGraphs) برای نموداری سریع و آبرومند برای انتشار؛ دستور زبان گرافیک در کد (ggplot2، Vega-Lite، Plotly) برای نموداری قابل بازتولید و به‌روزرسانی خودکار؛ و D3.js برای مصورسازی سفارشی که الگویی ندارد. برای نگارش تحلیلی-روزنامه‌نگارانه – Datawrapper ابزار اتاق‌های خبر است، و تنها ابزار اینجاست که صریحاً پشتیبانی کامل از RTL و عبری را اعلام می‌کند.

برای نمودار دانشگاهی مطابق APA (بخش‌های 7.22-7.28) – نمودارهای ماشین‌حساب‌های سایت از پیش به همین شکل ساخته شده‌اند؛ برای R بخش "و این کار در R چگونه انجام می‌شود" را در صفحه نمودار پراکنش ببینید، از جمله راه‌حل نشانه‌گذاری متن راست‌به‌چپ (موتور AGG).

اصل پیش از ابزار. این احساس که داده‌ها شکلی دیداری و ذاتی دارند "توهم است" – هر سری را می‌توان در ده‌ها قالب نمایش داد، و فقط برخی با ویژگی‌های داده‌ها سازگارند (Drucker & Albrezzi, 2026, p. 57)؛ "همه مصورسازی‌ها تفسیرند، نه نمایش واقعیت" (ص. 67). اشتباهات رایجی که برمی‌شمارند (ص. 60-66): استفاده نادرست از مساحت (وقتی مقدار دو برابر می‌شود و مساحت چهار برابر – تصویر 7.5 آن‌ها)، پیوستگی ساختگی (خطی که نقاط گسسته‌ای را که سری نیستند به هم وصل می‌کند – تصویر 7.4a)، و مقیاسی که به خاطر یک داده پرت کش می‌آید و تفاوت‌های میانه را پاک می‌کند (تصویر 7.7). Dawson (2020، ص. 86-92) سوگیری‌های غیرگرافیکی را می‌افزاید: سوگیری روایت (انتخاب داستانی که به تصویر کشیده می‌شود)، مصورسازی‌ای که از یک ایدئولوژی پشتیبانی می‌کند، و زبانی که طرد می‌کند. اخلاق و قانون (همان‌جا): انتساب و ذکر منابع داده در خود نمودار، و شفافیت مراحل ساخت – "چگونه اطمینان می‌یابید که مصورسازی به نتیجه‌گیری‌های نادرست نمی‌انجامد؟"

10. مدیریت منابع، علم باز و همکاری

ابزارهایی که چیزی را تحلیل نمی‌کنند و بدون آن‌ها پژوهش قابل بازتولید نیست: مدیریت کتاب‌شناسی، پیش‌ثبت (preregistration)، مدیریت نسخه، نگارش مشترک. دو اصل علم باز مستقیماً به این سایت مربوط‌اند: مدلی که از پیش ثبت شده متفاوت از مدلی که پس از واقعه تغییر یافته گزارش می‌شود (صفحه تحلیل مسیر را ببینید)، و کد و نسخه مستند – همان‌گونه که هر صفحه سایت شماره نسخه دارد.

اصل پیش از ابزار. مدیریت پروژه دیجیتال نزد Drucker و Albrezzi (2026، ص. 126-127): "با چیزی آغاز کنید که انجام‌شدنی است"؛ با امکان گسترش بسازید اما بدون وابستگی به نگهداری دائمی؛ هر فرایند کار را گام به گام مستند کنید، چون بدون سابقه مکتوب "حتی تکرار کار خودتان هم می‌تواند دشوار باشد"؛ ابزارهای متن‌باز با جامعه کاربری بزرگ "احتمالاً بیشتر از قالب‌های اختصاصی دوام می‌آورند"؛ و "پایان عمر" پروژه را از پیش برنامه‌ریزی کنید – "هر پروژه دیجیتالی دوام نخواهد آورد"، و "زمان اندیشیدن به اینکه محتوای فکری را چگونه صادر کنیم، در آغاز است". ویراست نخست این را تیزتر بیان کرده بود: "مستندسازی پروژه ممکن است بهترین دستاورد آن باشد" (Drucker, 2021, Section 12a). و درباره سکوها (ص. 110): "همیشه کارکرد صدور را بررسی کنید" – محتوایی که درون نرم‌افزار نمایشی بدون امکان صدور ساخته شود کاری از دست رفته است؛ استانداردهای اشتراک داده (LoD، IIIF، CIDOC-CRM) کارآمدند، اما پیاده‌سازی‌شان پرهزینه است و بنابراین به سود نهادهای ثروتمند است (ص. 114). اخلاق و قانون (ص. 128-129): دیجیتال رونوشت‌برداری را آسان می‌کند، و بنابراین فهم حق مؤلف، استفاده منصفانه و مجوزهای Creative Commons لازم است؛ "ارجاع جنبه‌ای حیاتی از پژوهش است و باید در همه شرایط رعایت شود"؛ پیوند دادن نیازی به اجازه ندارد، و می‌توان مواد را در پنجره‌ای نمایش داد بی‌آنکه روی سرور خودتان ذخیره شود؛ و قاعده طلایی – "با کار دیگران همان‌گونه رفتار کنید که می‌خواهید با کار شما رفتار شود".

اشتباهات رایج

انتخاب ابزار پیش از پرسش. نخستین و رایج‌ترین اشتباه: "یک پیکره دارم، بیایید مدل‌سازی موضوعی کنیم". مدل‌سازی موضوعی به پرسشی مشخص پاسخ می‌دهد (کدام خوشه‌های واژه با هم تکرار می‌شوند) و نه به پرسش‌های دیگر (چه کسی به چه کسی چه گفت). اول پرسش، سپس نوع داده‌ای که به آن پاسخ می‌دهد، و تنها آنگاه ابزار – این همچنین ترتیب ستون‌های چک‌لیست زیر است.

فرستادن داده‌های حساس به سرور بی‌آنکه متوجه شوید. مصاحبه‌ای که در Voyant چسبانده شده، فایل پیمایشی که در Flourish بارگذاری شده – دیگر روی رایانه شما نیستند. تأییدیه کمیته اخلاق در پژوهش که گرفته‌اید، به احتمال زیاد، چیز دیگری نوشته است.

اعتماد به توکن‌سازی عبری. ابزاری که "וכשהלכנו" (و هنگامی که رفتیم) را یک واژه در نظر می‌گیرد بی‌صدا آماری نادرست تولید می‌کند – فراوانی‌های "הלך" (رفت) در میان هزاران صورت ناپدید می‌شوند. برای عبری – تجزیه صرفی مقدم بر هر شمارشی است (جدول 3).

ساختن پروژه بر ابزاری که توسعه نمی‌یابد. Palladio، YAP، GRETIL – کار می‌کنند، اما آخرین به‌روزرسانی سال‌ها پیش بوده است. چنین ابزاری برای کاوش خوب است؛ برای پروژه‌ای دوساله – از صدور به قالبی باز اطمینان حاصل کنید (CSV, GraphML, TEI) تا کار از ابزار بیشتر عمر کند.

خراش‌دادن وب بدون پرسیدن. شرایط استفاده سکو، حریم خصوصی کاربران و قانون محلی بر نخستین سطر کد مقدم‌اند. Salganik (2018، ص. 294-299) چارچوبی از چهار اصل پیشنهاد می‌کند – احترام به اشخاص، سودرسانی، عدالت، احترام به قانون و منافع عمومی – و اینکه چرا رضایت آگاهانه در اینجا با آزمایش آزمایشگاهی فرق دارد (ص. 303-306).

شیفته حجم شدن. یک میلیون رکورد از یک سکو نمونه‌ای نامعرف از کاربران آن سکوست، که رفتارشان "از اهداف مهندسی سیستم هدایت می‌شود" – و نه از جامعه آماری؛ "مجموعه‌داده‌های بزرگ وسیله‌ای برای رسیدن به هدف‌اند، نه هدفی به‌خودی‌خود" (Salganik, 2018, pp. 17, 29, 35). پرسش این نیست که چقدر، بلکه چه کسانی، و سیستم با آن‌ها چه کرده است.

شبیه‌سازی بدون درستی‌سنجی و اعتباریابی. مدلی که اجرا می‌شود و نموداری تولید می‌کند یافته نیست: اول درستی‌سنجی – اینکه کد همان کاری را می‌کند که مدل مفهومی می‌گوید ("مدلی که درستی‌سنجی نشده شایسته تحلیل نیست") – و سپس اعتباریابی در برابر داده‌های تجربی؛ و هر دو هنوز برای داوری درباره کیفیت کافی نیستند (Cioffi-Revilla, 2017, pp. 388-393). و کد شبیه‌سازی "فناپذیر" است – بدون مستندسازی و مخزن (CoMSES) ناپدید می‌شود.

مستند نکردن نسخه و پارامترها. مدل‌سازی موضوعی با k = 20 و k = 40 دو پژوهش متفاوت به دست می‌دهد؛ Gephi با چیدمانی دیگر دو تصویر متفاوت. نتیجه محاسباتی‌ای که تا سطح نسخه و پارامتر مستند نشده قابل بازتولید نیست – و بنابراین یافته نیست.

اشتباه گرفتن پیش‌بینی با تبیین. مدل یادگیری ماشینی که 92% درست پیش‌بینی می‌کند چیزی درباره علت تبیین نمی‌کند، و ضریب رگرسیون معنادار پیش‌بینی خوب را تضمین نمی‌کند. دو هدف، دو آزمون روایی.

"داده" نامیدن داده‌ها. آنچه وارد ابزار می‌شود با تصمیم‌هایی از مواد برگرفته شده – واحد چیست، چه چیزی شمرده می‌شود، چه چیزی دور ریخته می‌شود – و Drucker و Albrezzi (2026، ص. 15) پیشنهاد می‌کنند آن را capta بنامیم. اشتباه در واژه نیست بلکه در چیزی است که پنهان می‌کند: مدل داده‌ای که مستند نشده تفسیری است که گزارش نشده است.

اعتماد به مساحت و خط. دایره‌ای که مقدارش دو برابر و مساحتش چهار برابر است؛ خطی که طبقه‌ها را چنان به هم وصل می‌کند که گویی سری‌اند؛ مقیاسی که یک داده پرت آن را کش داده است. Drucker و Albrezzi (2026، ص. 67): "همه مصورسازی‌ها تفسیرند، نه نمایش واقعیت" – و برخی ویژگی‌های گرافیکی محصول نمایش‌اند، نه داده‌ها.

نقل آنچه یک مدل زبانی "یافته است". مدل زبانی عمومی حتی وقتی منبعی ندارد پاسخ می‌دهد، و آنچه در مجموعه آموزشی‌اش نیست گویی وجود ندارد – "و گاهی، وقتی این رخ می‌دهد، سیستم می‌کوشد اطلاعات درخواست‌شده را بسازد"؛ منشأ داده‌های بیشتر مدل‌ها مبهم است، و مگر آنکه سامانه RAG باشد نمی‌دانیم خروجی بر چه تکیه دارد (Drucker & Albrezzi, 2026, pp. 119, 121). خروجی مدل نقطه شروعی برای بررسی در برابر منبع است – نه منبع.

کامل فرض کردن شبکه. شاخص‌های مرکزیت و فاصله بر آنچه گردآوری شده محاسبه می‌شوند؛ یک پیوند گمشده می‌تواند یک "پل" را به یک "حفره ساختاری" تبدیل کند. Dawson (2020، ص. 356-361): مرز شبکه را توجیه کنید، و بگویید چه چیزی کم است.

چک‌لیست – پیش از شروع کار با ابزاری تازه

و آنچه اینجا، در سایت، هست

صفحه‌های ماشین‌حساب پروفسور استت لایه آماری بیشتر پژوهش‌های هر دو حوزه را پوشش می‌دهند – در مرورگر، بی‌آنکه داده‌ها رایانه را ترک کنند، با جدولی مطابق APA و جمله گزارش به فارسی و انگلیسی:

فهرست کامل ماشین‌حساب‌ها در زبانه‌های بالای صفحه است. دیگر صفحه‌های راهنمای بخش اول: پردازش زبان طبیعی عبری · یادگیری ماشین برای پژوهشگر اجتماعی · معیارهای عملکرد و اعتبارسنجی · یادگیری بدون نظارت.

منابع

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