آلات کا نقشہ: ڈیجیٹل ہیومینٹیز اور کمپیوٹیشنل سماجی علوم

اس صفحے پر کیا ہے، اور جداول کیسے پڑھیں

پچھلے بیس برسوں میں ایک ہی حقیقت کے گرد تحقیق کے دو شعبے ابھرے ہیں – یہ کہ متن، تعلقات، مقامات اور رویے آج ڈیجیٹل شکل میں موجود ہیں اور ان کا حساب کیا جا سکتا ہے۔ ڈیجیٹل ہیومینٹیز (digital humanities, DH) فائیلولوجی، تاریخ اور ادبی تحقیق سے آئیں: ان کا سوال یہ ہے کہ کسی متن، آرکائیو یا دور کے بارے میں کیا جانا جا سکتا ہے جب انہیں کمپیوٹر کی مدد سے پڑھا جائے (Schreibman, Siemens & Unsworth, 2016)۔ کمپیوٹیشنل سماجی علوم (computational social science, CSS) عمرانیات، سیاسیات اور نفسیات سے آئے: ان کا سوال یہ ہے کہ کسی معاشرے کے بارے میں ان ڈیجیٹل نشانات سے کیا جانا جا سکتا ہے جو وہ پیچھے چھوڑتا ہے (Lazer et al., 2009, 2020; Edelmann et al., 2020)۔ آلات زیادہ تر مشترک ہیں، اور یہ نقشہ انہیں ایک ساتھ پیش کرتا ہے – اس کے مطابق کہ وہ کیا کرتے ہیں، اس شعبے کے مطابق نہیں جس نے انہیں ایجاد کیا۔

خود اس شعبے کی تعریفیں بہت سی ہیں، اور Carter (2013, p. ix-xi) دیانت داری سے ان کا جائزہ لیتے ہیں: "ہیومینٹیز اور انفارمیشن ٹیکنالوجی کا سنگم" (Svensson, 2010, as cited in Carter)، "شعبوں کا ایک تانا بانا" جس میں ٹیکنالوجیز کے بارے میں ہیومینٹیز کے روایتی سوالات پوچھے جاتے ہیں اور اس کے برعکس بھی (Fitzpatrick, 2010, as cited in Carter)، اور دو "لہریں" – مقداری-کارپس پر مبنی اور اس کے بعد تشریحی-تجرباتی (Schnapp & Presner, 2009, as cited in Carter)۔ ان کا عملی نتیجہ اس نقشے کے لیے مفید ہے: کوڈ استعمال کرنے کے لیے اسے سمجھنا ضروری نہیں، اور آج اس شعبے میں کام کرنے والا "تقریباً حد سے زیادہ اختیارات" کا شکار ہے۔ Drucker اور Albrezzi (2026، ص 1-2) ہر منصوبے کے لیے سب سے سادہ فارمولا پیش کرتی ہیں – مواد + پروسیسنگ + پیشکش + شرکت – چوتھا جزو دوسرے ایڈیشن میں نیا ہے: وہ فریق جن کا مواد یا ثقافتی ورثہ شامل ہے رسائی، استعمال، وضاحت اور پیشکش کے فیصلوں میں فعال شریک ہیں، اور ٹیم کے پیشہ ور افراد اور طلبہ اعتراف اور کریڈٹ کے حق دار ہیں – اور سات بنیادی عمل جن میں سے ہر ایک فیصلہ ہے نہ کہ تکنیکی قدم: ثالثی (ڈیجیٹل میں تبدیلی)، "ڈیٹافیکیشن" اور ماڈلنگ، پروسیسنگ اور تجزیہ، پیشکش، رینڈرنگ اور انضمام، پائیداری اور تحفظ، اور اخلاقی پہلو؛ "تکنیکی آلات کبھی بھی اقدار کے لحاظ سے غیر جانب دار نہیں ہوتے" (ص 2)۔ اور ان کا مرکزی دعویٰ ہی وجہ ہے کہ نقشے کا ہر زمرہ "آلے سے پہلے اصول" سے شروع ہوتا ہے: "آلات اور پلیٹ فارم بدلتے رہتے ہیں، لیکن ڈیجیٹل کام کے اصول واضح اور مستحکم ہو چکے ہیں" (ص 2) – جو کناروں کی فہرست (edge list) بنانا جانتی ہے وہ اسے Gephi، Cytoscape یا ان کے بعد آنے والی کسی بھی چیز میں منتقل کر لے گی۔ Dawson (2020، ص 1) فریم ورک کو ہیومینٹیز سے سماجی علوم تک پھیلاتی ہیں: "ڈیجیٹل" ان طریقوں کی چھتری اصطلاح ہے جو کمپیوٹری ذرائع سے ڈیٹا جمع اور تجزیہ کرتے ہیں – نئے طریقے بھی (مشین لرننگ، بگ ڈیٹا اینالیٹکس) اور بدلے ہوئے پرانے بھی (سوالنامہ، انٹرویو، نیٹ ورک تجزیہ) – اور ان کی کتاب کے ہر اندراج میں "اخلاقیات، اخلاق اور قانون" کا ایک حصہ ہے جس سے نیچے کے زمروں کے اخلاقی نوٹس لیے گئے ہیں۔

اور کمپیوٹیشنل سماجی علوم کی طرف سے – دو درسی کتابیں۔ Cioffi-Revilla (2017، ص 2) اس شعبے کی تعریف یوں کرتے ہیں: "حساب کے ذریعے، انفرادی کردار سے لے کر سب سے بڑے اجتماعات تک، کئی پیمانوں پر سماجی کائنات کی بین الشعبہ تحقیق"، اور خبردار کرتے ہیں کہ یہ بگ ڈیٹا، نیٹ ورک تجزیے یا سمولیشن تک محدود نہیں – یہ چار شعبے ہیں جو ایک دوسرے کو غذا دیتے ہیں: خودکار معلومات کا اخراج، سماجی نیٹ ورکس، سماجی پیچیدگی اور سماجی سمولیشن (ص 12-17)۔ ان کے بقول یہ ایک "آلات سے ممکن ہونے والی سائنس" ہے جیسے دوربین کے بعد فلکیات – "آلات وہ بنیادی اوزار ہیں جن سے سائنس نئی سائنس پیدا کرتی ہے" (ص 3-4) – اور یہی وجہ ہے کہ آلات کا نقشہ طریقۂ کار کا معاملہ ہے، تکنیکی نہیں۔ Salganik (2018، ص 6-8) وہ جوڑا دیتے ہیں جو ڈیٹا جمع کرنے کے زمروں کو منظم کرتا ہے: "پہلے سے تیار" ڈیٹا (readymades – وہ نشانات جو کمپنیوں اور حکومتوں نے دوسرے مقاصد کے لیے بنائے، اور محقق ان کا مقصد بدل دیتا ہے، جیسے Duchamp) بمقابلہ "فرمائشی" ڈیٹا (custommades – کسی سوال کے لیے بنایا گیا سوالنامہ یا تجربہ، جیسے Michelangelo)، اور سب سے دلچسپ تحقیق "کچھ Duchamp اور کچھ Michelangelo" ہوتی ہے۔ اور Drucker اور Albrezzi کی طرح وہ بھی پلیٹ فارمز کے بارے میں نہیں بلکہ اصولوں کے بارے میں لکھتے ہیں: "پلیٹ فارم در پلیٹ فارم کے طریقے کی بجائے"، بگ ڈیٹا کے ذرائع کی دس عمومی خصوصیات، جو "مستقبل میں پیدا ہونے والے ڈیٹا کے ذرائع" پر بھی لاگو ہوں گی (ص 17) – یہ زمرہ 7 میں ہیں۔

اور اس کا شماریات کی سائٹ سے کیا تعلق؟ کیونکہ شماریات دونوں شعبوں کے نیچے کی پرت ہے: موضوعاتی ماڈلنگ الفاظ پر عاملی تجزیہ ہے، مرکزیت کا اشاریہ تعلقات پر توضیحی شماریات ہے، اور سمولیشن کو جانے پہچانے آلات کے ذریعے ڈیٹا کے مقابل جانچا جاتا ہے۔ جو ہم بستگی کا میٹرکس پڑھنا جانتی ہے وہ ملحقہ میٹرکس (adjacency matrix) بھی پڑھنا جانتی ہے۔

جداول کیسے پڑھیں

ہر جدول ایک زمرے کے آلات کو پانچ کالموں میں پیش کرتا ہے۔ لائسنس اور قیمت تین چپس میں: اوپن سورس – کوڈ کھلا ہے، مفت ہے، انسٹال اور تبدیل کیا جا سکتا ہے؛ مفت (بند) یا مفت + ادائیگی – استعمال کے لیے مفت لیکن کوڈ بند، کبھی کبھی ادائیگی والے منصوبوں یا پابندیوں کے ساتھ؛ ادائیگی – ادائیگی والا لائسنس، عموماً تعلیمی قیمت یا کیمپس لائسنس کے ساتھ۔ انٹرفیس: "انسٹال کرنے والا سافٹ ویئر" – کمپیوٹر پر گرافیکل انٹرفیس؛ "براؤزر" – ویب سائٹ پر کام کرتا ہے، بغیر انسٹالیشن کے؛ "کوڈ" – لائبریری یا کمانڈ لائن، R، Python یا Java درکار ہے۔

تمام 99 آلات کے روابط، لائسنس اور ترقی کی حالت ستمبر 2026 میں آلات کی ویب سائٹس کے مقابل جانچی گئی۔ جو آلہ اب مزید تیار نہیں کیا جا رہا اس کی نوٹس میں نشان دہی کی گئی ہے؛ جو آلہ نکال دیا گیا – اس لیے کہ اس کی تصدیق ممکن نہیں تھی، اس لیے نہیں کہ وہ اچھا نہیں۔

1. متن کا تجزیہ اور ٹیکسٹ مائننگ

دونوں شعبوں کا سب سے بڑا زمرہ، اور وہ جگہ بھی جہاں ان کا فرق نمایاں ہوتا ہے۔ ڈیجیٹل ہیومینٹیز میں "دور سے پڑھنے" کی بات کی جاتی ہے (distant reading; Moretti, 2013; Jockers, 2013): ایسے کارپس پر الفاظ کی گنتی، کنکارڈنس اور موضوعاتی ماڈلنگ (topic modeling) جو پڑھنے کے لیے بہت بڑا ہو۔ کمپیوٹیشنل سماجی علوم میں "متن بطور ڈیٹا" کی بات کی جاتی ہے (text as data; Grimmer, Roberts & Stewart, 2022): متن ایک متغیر ہے، اور باقی سب – پیمائش، اعتباریت اور صداقت – کسی بھی مقداری تحقیق کی طرح۔ آلات مشترک ہیں؛ فرق سوال میں ہے۔

آلے سے پہلے اصول۔ Drucker (2021, Section 7a): یہ فیصلے کہ کیا ناپا جا سکتا ہے (پیرامیٹر بنایا جا سکتا ہے)، گنا، چھانٹا اور پیش کیا جا سکتا ہے "تشریحی عمل ہیں جو تحقیق کے نتائج کو شکل دیتے ہیں"؛ دوسرے ایڈیشن میں اسے پیرامیٹرائزیشن کہا گیا ہے – کچھ خصوصیات آسانی سے پیمانہ بن جاتی ہیں (الفاظ کی تعداد، نظم کی لمبائی)، اور بہت سی دوسری "انسانی ادراک کے لیے پوری طرح قابلِ فہم" ہیں پھر بھی انہیں پیرامیٹر بنانا مشکل ہے، اور ڈیٹا میں کیا شامل ہے اور اسے کیسے فارمیٹ کیا گیا ہے، اس پر بھی "تنقیدی توجہ" درکار ہے (Drucker & Albrezzi, 2026, pp. 14, 49)۔ اور آلات کی زبان اسے چھپاتی ہے: موضوعاتی ماڈلنگ کو متن سے موضوعات "نکالنے" والا بتایا جاتا ہے، "گویا موضوعات پہلے سے متن میں موجود ہوں اور پڑھنے اور تشریح کے عمل سے پیدا نہ ہوتے ہوں" (ص 51)۔ پہلے ایڈیشن سے ایک چھوٹی مگر تیز مثال: زیادہ تر آلات تعریفی حروف جیسے "اسٹاپ ورڈز" ہٹا دیتے ہیں، لیکن عبرانی میں "האל" (خدا) اور "אל" (کی طرف) کا فرق ہی سارا فرق ہے (Drucker, 2021, Section 7a)۔ اور دہرانے کا مسئلہ: ٹیکسٹ مائننگ اور ثقافتی تجزیات کی بار بار کی گئی رنز "ایسے نتائج لوٹاتی ہیں جو سرک اور بدل گئے ہوں"، کیونکہ کارپس مستحکم نہیں اور پروسیسنگ احتمالی ہے (ص 54) – اس لیے رینڈم سیڈ، ورژن اور پیرامیٹرز نتیجے کا حصہ ہیں۔ کمپیوٹیشنل-سماجی طرف سے Cioffi-Revilla (2017، ص 13-14) اس زمرے کو "خودکار معلومات کا اخراج" کہتے ہیں اور اسے شعبے کا "بنیادی طریقۂ کار" سمجھتے ہیں، کیونکہ یہ باقی سب کو غذا دیتا ہے؛ اور ان کے ڈیٹا مائننگ کے عمل میں (ص 115-117) سوال آلے سے پہلے آتا ہے – ڈیٹا سے رہنمائی پانے والے (استقرائی) اور نظریے سے رہنمائی پانے والے (استخراجی) سوال کے درمیان ایک تسلسل پر – اور "تحقیقی سوالات کی تشکیل کو ڈیٹا مائننگ کی ہر تحقیق کا فریم بنانا چاہیے، کیونکہ تحقیقی سوالات بعد کے ہر مرحلے کو مشروط کرتے ہیں"؛ اور تجزیے سے پہلے – اسکیننگ (OCR)، صفائی، فلٹرنگ، اکائیوں میں تقسیم (اگلا زمرہ)۔ اخلاقیات اور قانون (Dawson, 2020, pp. 79-85): "امتیاز سے باخبر" ڈیٹا مائننگ – Berendt اور Preibusch (2017, as cited in Dawson) دکھاتے ہیں کہ امتیاز "انسانی اور مشینی استدلال کے مشترکہ اثر" سے کیسے جنم لیتا ہے؛ اور یورپی یونین اور برطانیہ میں ان مجموعوں پر "ڈیٹا بیس کا حق" ہے جن کو جمع کرنے میں نمایاں سرمایہ کاری ہوئی ہو، اور وہاں محفوظ مواد کا کمپیوٹیشنل تجزیہ صرف غیر تجارتی مقاصد کے لیے جائز ہے – جو محفوظ کارپس کی مائننگ کرے اسے مقامی قانون جانچنا چاہیے۔

عبرانی کو ایک ساختی مسئلہ درپیش ہے: زیادہ تر آلات انگریزی کے لیے بنائے گئے اور فرض کرتے ہیں کہ لفظ = خالی جگہوں کے درمیان حروف کا سلسلہ، جبکہ عبرانی میں "וכשהלכנו" (اور جب ہم گئے) چار اکائیاں ہے۔ جو آلہ "عبرانی کی معاونت" کا دعویٰ کرے وہ عموماً صرف ٹوکنائزیشن مراد لیتا ہے؛ حقیقی صرفی تجزیے کے لیے جدول 3 کے آلات درکار ہیں۔

2. متون کی انکوڈنگ، OCR اور ڈیجیٹل آرکائیو

متن کا تجزیہ کرنے سے پہلے متن کا ہونا ضروری ہے۔ تجزیے سے پہلے تین مراحل: اسکین یا مخطوطے کو متن میں بدلنا (چھپے ہوئے کے لیے OCR، ہاتھ کی تحریر کے لیے HTR)، ساخت اور تشریح کو کھلے معیار میں انکوڈ کرنا (TEI – ڈیجیٹل علمی ایڈیشنوں کا معیار)، اور خود آرکائیوی مواد کو منظم کرنا۔ FAIR کا اصول (Wilkinson et al., 2016) – ڈیٹا قابلِ تلاش، قابلِ رسائی، قابلِ انضمام اور دوبارہ قابلِ استعمال – یہیں سے شروع ہوتا ہے: کھلا اور ایکسپورٹ کے قابل فارمیٹ اس خوبصورت آلے سے بہتر ہے جو مواد کو مقفل کر دے۔

آلے سے پہلے اصول۔ Drucker اور Albrezzi (2026، ص 15) ایک لفظ پر اصرار کرتی ہیں: ڈیٹا "ڈیٹا" (data، "جو دیا گیا") نہیں بلکہ "لیا گیا" ہے – capta – "وہ معلومات جو تجرید اور ساخت کے ایسے عمل میں گرفت میں آئی جو ان فیصلوں پر منحصر ہے جو خود تشریح کے عمل ہیں"؛ اس لیے ڈیٹا ماڈل – کیا گنا جاتا ہے، اکائی کیا ہے، کیا پھینکا جاتا ہے – کو کسی بھی طریقۂ کار کے فیصلے کی طرح درج کیا جانا چاہیے (ص 18: "ڈیٹا کبھی غیر جانب دار نہیں ہوتا، بلکہ ہمیشہ کسی خاص نقطۂ نظر سے بنایا جاتا ہے")۔ اور مارک اپ زبانوں کے بارے میں (ص 35): ان کی خوبی یہ ہے کہ وہ ابہام دور کرتی ہیں – اور یہی ان کی خامی بھی ہے، کیونکہ "کمپیوٹر ابہام برداشت نہیں کرتے" جبکہ زیادہ تر ہیومینسٹک مواد اس سے بھرا ہوتا ہے؛ کسی ایسے استعارے کو جو لفظی بیان بھی ہو TEI میں انکوڈ کرنے کا مطلب انتخاب کرنا ہے، اور وہ پوچھتی ہیں کہ کیا اس میں کوئی اخلاقی مسئلہ ہے اور جواب دیتی ہیں: "یقیناً"۔ فائل فارمیٹ اور ناموں کے ضوابط منصوبہ بندی کے مرحلے میں طے کیے جاتے ہیں، ان ادارہ جاتی شراکت داروں کے ساتھ جو مواد کو محفوظ رکھیں گے (ص 27)۔ اخلاقیات اور قانون: وراثتی ڈیٹا (legacy data) – وہ ڈیٹا جو کسی اور نے بنایا، کبھی کبھی بغیر دستاویز کے، اور یہ فیصلے کہ کیا جمع، صاف اور حذف کیا گیا "شاید دوبارہ تشکیل نہ دیے جا سکیں"؛ ڈیٹا کس کا ہے، اسے بنانے کے لیے کون سی اجازتیں درکار تھیں، اور رازداری کا کیا – کسی پرانے کیٹلاگ یا ذخیرے کا دوبارہ استعمال ان سوالات سے مستثنیٰ نہیں (ص 15-16، 42)۔

3. عبرانی، یہودیت اور کلاسیکی زبانیں

وہ زمرہ جس میں "دنیا کا سب سے نمایاں آلہ" ضروری نہیں کہ درست آلہ ہو۔ عبرانی – بائبلی، ربانی (حزل کی) اور جدید – صرفی لحاظ سے بھرپور زبان ہے جس کا املا اعراب کے بغیر ہے، اور ہر سنجیدہ تجزیہ صرفی تحلیل سے شروع ہوتا ہے جو عمومی آلات نہیں کرتے۔ پروسیسنگ کے آلات کے ساتھ – ذخائر: کلاسیکی یہودی متن آج تقریباً پورا انکوڈ ہو چکا ہے اور API کے لیے کھلا ہے، اور تاریخی عبرانی صحافت میں مکمل تلاش ممکن ہے۔ جدول کے آخر میں – سنسکرت اور کلاسیکی زبانوں کے لیے تین وسائل، تقابلی کام کرنے والے محقق کے لیے۔

آلے سے پہلے اصول۔ یہاں ابہام کے بارے میں Drucker اور Albrezzi کا اصول (2026، ص 35) دوگنا کام کرتا ہے: اعراب کے بغیر املا ہر ٹوکن میں ایک اندرونی ابہام ہے، اور صرفی تحلیل ایک فیصلہ ہے جو آلہ آپ کی طرف سے کرتا ہے۔ اور ٹیگ شدہ ذخائر کے بارے میں – جو BHSA پر انحصار کرتی ہے وہ ETCBC کا لسانی ماڈل ورثے میں پاتی ہے؛ ٹھیک ٹھیک کیا، یہ صفحہ عبرانی NLP کے سیکشن 6 میں ہے۔

4. نیٹ ورک تجزیہ

سماجی نیٹ ورک تجزیہ (social network analysis) کمپیوٹیشنل سماجی علوم کی سب سے پرانی شاخ ہے – 20ویں صدی کی سوشیومیٹری جسے حساب کی طاقت مل گئی۔ اس کا سوال عام شماریاتی سوال سے مختلف ہے: "فرد کی خصوصیت کیا ہے" نہیں بلکہ "تعلقات کی خصوصیت کیا ہے"۔ ہیومینٹیز میں یہی آلات خط و کتابت کے نیٹ ورکس، ناول کے کرداروں اور متون کے درمیان حوالوں کے لیے استعمال ہوتے ہیں۔

عملی انتخاب: بصری پیشکش اور کھوج کے لیے Gephi، اشاریوں اور شماریات کے لیے کوڈ لائبریری (igraph یا NetworkX)، اور اگر آپ کی رہنما کتاب Borgatti کی ہے تو UCINET۔ ببلیومیٹرک نیٹ ورکس کے لیے – VOSviewer۔

آلے سے پہلے اصول۔ نیٹ ورک کا ڈیٹا ماڈل تین اجزاء کا فارمولا ہے – ہستی-تعلق-ہستی – جسے شیٹ میں بنا کر کسی بھی پلیٹ فارم پر ایکسپورٹ کیا جا سکتا ہے؛ اصل کام تعلق کی قسم کو درست کرنا ہے (سب کے لیے ایک ہی "سے منسلک" نہیں) اور وقت کے ساتھ تبدیلی کو بھی (Drucker & Albrezzi, 2026, p. 70)۔ Cioffi-Revilla (2017، ص 147) امتیاز کو واضح کرتے ہیں: "گراف نیٹ ورکس کے لیے وہی ہیں جو فیصلہ سازی کے نظریے کے ماڈل فیصلہ سازی کے لیے" – گراف نمائندگی ہے، نیٹ ورک نہیں؛ نیٹ ورک ہستیوں (نوڈز) کا ایک متناہی مجموعہ اور اس پر تعریف کیے گئے تعلقات (کناروں) کا مجموعہ ہے، اور یہ دونوں تعریفیں ہی اصل کام ہیں۔ اور سافٹ ویئر کے بارے میں (ص 168-169): UCINET "سب سے زیادہ استعمال ہونے والے سافٹ ویئر پیکیجوں میں سے ایک" ہے، اور سینکڑوں اور ہزاروں نوڈز کے نیٹ ورک حالیہ برسوں میں ہی قابلِ عمل ہوئے ہیں – حساب کا وقت اور حل پذیری (tractability) اشاریہ چننے سے پہلے کا خیال ہے۔ Dawson (2020، ص 356-361) صداقت کے سوالات کا اضافہ کرتی ہیں: نیٹ ورک کی حد کا جواز کیسے دیا جائے؛ افراد اور تعلقات کے بارے میں گمشدہ معلومات اشاریوں کو کس طرح متعصب کرتی ہیں؛ اور کیا بصری پیشکش ساختی خصوصیات کی تشریح کا درست طریقہ ہے – "کیا بصری نمائندگی انہیں غلط انداز میں پیش کر سکتی ہے؟" (جواب: ہاں، اس لیے اشاریے igraph میں، آنکھ سے نہیں)۔ اخلاقیات اور قانون (وہیں): جو اپنے نیٹ ورک کی نشان دہی کرتا ہے اس نے رضامندی دی ہے – نیٹ ورک کے دوسروں نے نہیں؛ گمنامی صرف نیٹ ورک میں مقام سے ٹوٹ سکتی ہے؛ اور کسی تنظیمی نیٹ ورک کا تجزیہ برطرفیوں یا نقصان تک لے جا سکتا ہے – "کیا ممکن ہے کہ آپ کا تجزیہ افراد کو نقصان پہنچائے؟" ایسا سوال ہے جو ڈیٹا جمع کرنے سے پہلے پوچھا جاتا ہے۔

5. GIS اور مکانی-تاریخی نقشہ سازی

جغرافیائی معلوماتی نظام (GIS) "کہاں" کے سوال کا جواب دیتے ہیں: مضافات بمقابلہ مرکز، شماریاتی علاقے کے لحاظ سے جوابات کا پھیلاؤ، موجودہ نقشے پر رکھا گیا تاریخی نقشہ۔ اسرائیل میں سماجی محقق کے لیے دو مفت وسائل خاص طور پر اہم ہیں: مرکزی ادارۂ شماریات (CBS) کے شماریاتی علاقوں کی پرتیں – وہ اکائی جس میں مردم شماری اور فلاح کا ڈیٹا شائع ہوتا ہے – اور GovMap، قومی نقشہ سازی کا پورٹل۔ سروے فائل کو شماریاتی علاقوں کی پرت سے ملانا وہ قدم ہے جو تجزیے کو "بستی کے لحاظ سے" سے "محلے کے لحاظ سے" تک لے جاتا ہے۔

مرکزی آلہ QGIS ہے – ArcGIS کا مکمل مفت متبادل۔ شماریاتی-مکانی تجزیے کے لیے (مکانی خود ہم بستگی، مکانی ریگریشن) – GeoDa۔

آلے سے پہلے اصول۔ "نقشہ سازی کے تمام نظام ایسے پروجیکشنز پر مبنی ہیں جو سہ جہتی شکل کو دو جہتی نمائندگی میں ڈھالتے ہیں اور ان میں بگاڑ ہوتا ہے"، اور نمائندگی میں موجود مفروضات اس دلیل میں ظاہر ہونے چاہییں جس کی نقشہ خدمت کرتا ہے (Drucker & Albrezzi, 2026, p. 77)؛ "GIS کی اثباتیت پسند بنیادیں" اس کے لیے سکونت اور تجربے کو سمجھنا مشکل بنا دیتی ہیں، "اس وقت بھی جب اس کی بظاہر معروضیت اسے دلائل کی ایک طاقتور پیشکش بنا دیتی ہے" (وہیں)۔ اور باب 8b کے خلاصے میں (ص 82) – حد: نقشے جغرافیے کے لحاظ سے ڈیٹا کو مقام دینے میں بہترین ہیں، اور "جگہ کے کیفیتی تجربے کی پیشکش میں کم مؤثر" – شماریاتی علاقوں کا نقشہ بتاتا ہے کہاں، یہ نہیں کہ وہاں رہنا کیسا محسوس ہوتا ہے۔ اخلاقیات اور قانون (Dawson, 2020, pp. 140-146): مقام کی نگرانی، ڈرون اور اعلیٰ ریزولوشن کی سیٹلائٹ تصاویر رازداری میں مداخلت ہیں جس کے لیے اخلاقی ضابطہ درکار ہے (Dawson GISCI کے ضابطے کا حوالہ دیتی ہیں)؛ اور شراکتی نقشہ سازی (crowdsourced) طاقت رکھنے والوں کے ہاتھوں حاشیے پر دھکیلنے کے لیے استعمال ہو سکتی ہے – یہ سوال کہ "کیا مفاد رکھنے والے اس تجزیے کو کسی گروہ کو نقصان پہنچانے کے لیے استعمال کر سکتے ہیں؟" پہلے سے پوچھا جاتا ہے۔

6. ایجنٹ پر مبنی ماڈل اور سماجی سمولیشن

ایجنٹ پر مبنی ماڈلنگ (agent-based modeling) تحقیق کی سمت الٹ دیتی ہے: ڈیٹا سے اصول اخذ کرنے کی بجائے ایجنٹوں کے لیے سادہ اصول طے کیے جاتے ہیں اور دیکھا جاتا ہے کہ ان سے کون سا بڑا سماجی مظہر ابھرتا ہے – ہلکی ترجیحات سے شہری علیحدگی (Schelling)، باہمی اثر سے اتفاقِ رائے، بار بار تعاون سے معیار۔ یہ تجربیت سے زیادہ نظریے کا آلہ ہے، اور اسی لیے یہ خاص طور پر اس محقق کے لیے اہم ہے جو یہ جانچنا چاہتی ہے کہ آیا اس کی وضاحت اس مظہر کو پیدا کر بھی سکتی ہے۔

NetLogo بلا مقابلہ داخلے کا دروازہ ہے – "نیچی دہلیز، اونچی چھت" – کلاسیکی ماڈلوں کی اندرونی لائبریری کے ساتھ۔ جو Python لکھتی ہے وہ Mesa کی طرف جائے؛ GIS والے ماڈل – GAMA۔ CoMSES کی ماڈل لائبریری نیا ماڈل لکھنے سے پہلے موجودہ ماڈل تلاش کرنے کی جگہ ہے۔

آلے سے پہلے اصول۔ Dawson (2020، ص 4-9) الفاظ کو درست کرتی ہیں: ماڈل نمائندگی کرتا ہے، سمولیشن ماڈل کو استعمال کرتی ہے – اور یہ طریقہ "نیچے سے اوپر، مائیکرو سے میکرو" بناتا ہے، تاکہ نمونے ایجنٹوں کے تعامل سے ابھریں۔ ان کے دو سوالات کا جواب طریقۂ کار کے باب میں دینا لازمی ہے: "کیا ماڈل دنیا کی نمائندگی کرتے ہیں، یا محقق کی دنیا کی تشریح کی؟" اور توثیق کیسے کی جائے – تصدیق (verification: ماڈل درست کام کرتا ہے) بمقابلہ توثیق (validation: درست ماڈل بنایا گیا)۔ Cioffi-Revilla (2017، ص 384-390) اسے مراحل میں پھیلاتے ہیں: تحقیقی سوالات سب سے پہلے آتے ہیں اور ماڈل کی وفاداری (fidelity) کی سطح طے کرتے ہیں – نظریاتی تجرید سے لے کر مکمل تجرباتی کیلیبریشن تک (ص 385) – اور وفاداری کا پیمانہ ماڈل کی سائنسی قدر سے "بالکل غیر متعلق" ہے (ص 382-383)؛ تصدیق اندرونی صداقت کا ہم پلہ ہے – "جس ماڈل کی تصدیق نہ ہوئی ہو وہ تجزیے کے لائق نہیں" – اور یہ کوڈ کو سطر بہ سطر پڑھ کر، فنکشن کالز کی تعدد کی پروفائلنگ سے اور ان پیرامیٹر اسکینز سے کی جاتی ہے جو بے قاعدگیاں ظاہر کرتے ہیں (ص 388-389)؛ توثیق سمولیشن کے آؤٹ پٹ اور تجرباتی ڈیٹا کے درمیان نمونوں کی مطابقت ہے – ہسٹوگرام، لمحات (moments)، ٹائم سیریز، Gini جیسے اشاریے – اور "ہمیشہ سمولیٹڈ ڈیٹا کو تجرباتی ڈیٹا سے ملانے پر مشتمل ہوتی ہے" (ص 389-390)۔ اور دو تنبیہات: "سمولیشن کا کوڈ بہت جلد ضائع ہو جاتا ہے، ریاضیاتی یا شماریاتی ماڈلوں سے کہیں زیادہ" – مشہور سمولیشنز لکھے جانے کے کچھ ہی عرصے بعد گم ہو گئیں، اور ان کا صرف تصوراتی ماڈل باقی رہا (ص 388)؛ اور تصدیق اور توثیق معیار کو پرکھنے کے لیے "بذاتِ خود کافی نہیں" – ان کے ساتھ Lave اور March (1993، بحوالہ Cioffi-Revilla) کے تین معیار کھڑے ہیں: سچائی، خوبصورتی (کفایت اور شکل) اور انصاف – ایک بہتر دنیا میں ماڈل کا حصہ (ص 391-393)۔ آلہ چننے سے پہلے: Abar اور ساتھی (2017, as cited in Dawson) 85 ABM ٹول کٹس کی خصوصیات بیان کرتے ہیں – NetLogo داخلے کا دروازہ ہے، واحد نہیں۔ اخلاقیات اور قانون (وہیں): ماڈل نقصان پہنچا سکتا ہے – جب پیش گوئی کی بنیاد پر افراد کو کارروائی کے لیے نشان زد کیا جائے، جب پیش گوئی ایسے ماضی کے رویے پر ٹکی ہو جو بدل چکا ہو، اور جب ان پٹ درست کرنے کا کوئی راستہ نہ ہو؛ اور کیا ڈیٹا ماڈلنگ کے مقصد کے لیے دیا بھی گیا تھا۔

7. ڈیجیٹل ڈیٹا جمع کرنا

دو خاندان: آن لائن سروے – پرانا آلہ جسے نیا انٹرفیس ملا – اور "ڈیجیٹل نشانات" کا حصول (digital traces; Salganik, 2018): ویب سائٹس کی اسکریپنگ، پلیٹ فارمز کے API تک رسائی، اور سوشل نیٹ ورکس سے مواد کا حصول۔ پہلا کوڈنگ اور صداقت کا سوال اٹھاتا ہے؛ دوسرا، کسی بھی چیز سے پہلے، اخلاقیات اور قانونی جواز کا سوال اٹھاتا ہے – پلیٹ فارم کی شرائطِ استعمال، صارفین کی رازداری، اور اخلاقیات کمیٹی (IRB) کی منظوری۔ Salganik (2018، باب 6، ص 281-354) لازمی مطالعہ ہے۔

اسرائیل میں سروے تحقیق کے لیے – زیادہ تر یونیورسٹیوں کے پاس Qualtrics کا لائسنس ہے؛ جب نہ ہو تو LimeSurvey کھلا متبادل ہے۔ سب کا آؤٹ پٹ – سائٹ کے معیاری سانچے میں ایکسل فائل، یا SPSS فائل جسے صفحہ SPSS سے ایکسل تک تبدیل کرتا ہے۔

آلے سے پہلے اصول۔ Salganik (2018، ص 17-41) بگ ڈیٹا کے ذرائع کی دس خصوصیات گنواتے ہیں، اور انہیں موٹے طور پر گروہوں میں بانٹتے ہیں: تین "عموماً مفید" – بڑے، ہمیشہ فعال (always-on)، غیر ردعملی (پیمائش رویے کو نہیں بدلتی) – اور سات "عموماً مسئلہ خیز": نامکمل ("ڈیٹا کتنا ہی بڑا ہو، شاید اس میں وہ معلومات نہیں جو آپ چاہتے ہیں")، ناقابلِ رسائی، غیر نمائندہ ("نمونے سے باہر تعمیم کے لیے برے، لیکن نمونے کے اندر موازنوں کے لیے مفید"، ص 29)، بہتے ہوئے (آبادی، استعمال اور نظام میں بہاؤ طویل مدتی رجحانات کو مشکل بنا دیتا ہے)، الگورتھم سے الجھے ہوئے ("بگ ڈیٹا نظاموں میں رویہ فطری نہیں؛ یہ نظاموں کے انجینئرنگ مقاصد سے چلتا ہے"، ص 35)، گندے ("کچرے اور اسپام سے بھرے"، ص 37) اور حساس۔ اور ایک بالاتر اصول: "بڑے ڈیٹا سیٹ مقصد کا ذریعہ ہیں، بذاتِ خود مقصد نہیں" (ص 17)۔ اور سروے کے بارے میں: "ہمیں ہمیشہ لوگوں سے سوال پوچھنے کی ضرورت رہے گی" – جذبات، علم اور توقع جیسی اندرونی حالتیں رویے کے ڈیٹا میں نہیں ہوتیں، چاہے وہ کامل ہو (ص 87-88)؛ اور احتمالی نمونہ گیری عملاً مشکل ہوتی جا رہی ہے جبکہ غیر احتمالی نمونہ گیری نئے امکانات کھولتی ہے – بشرطیکہ تصحیح کی جائے (ص 99)۔ سوشل نیٹ ورکس کے لیے (Dawson, 2020, pp. 349-355): ڈیٹا "بغیر مانگے اور بغیر اسکرپٹ کے، اور اکثر کثیر وسیلی" ہوتا ہے (Brooker et al., 2016, as cited in Dawson) – متن، لنک، تصویر، ویڈیو – اس لیے تجزیے کا طریقہ (مواد، گفتگو، جذبات، نیٹ ورک، وقت کا تجزیہ) سوال کے مطابق چنا جاتا ہے، اس کے مطابق نہیں جو آلہ چھاپتا ہے؛ اور پلیٹ فارمز کی API پالیسی "روز بروز زیادہ پابندی والی" ہوتی جا رہی ہے، اس لیے اس کے ذریعے حاصل کردہ ڈیٹا "اس الگورتھم کی نامعلوم منطق کی وجہ سے، جس نے اسے بنایا، ٹھیک ٹھیک دوبارہ حاصل نہیں کیا جا سکتا" (Felt, 2016, as cited in Dawson) – ایک حد جو واضح طور پر لکھی جاتی ہے۔ آن لائن سروے کے لیے (ص 288-294): ہر جواب دہندہ کے لیے منفرد لنک دوہری بھرائی روکتا ہے اور یاد دہانیاں ممکن بناتا ہے؛ حساس موضوعات کے لیے – بالواسطہ سوال ("دوسرے لوگ کیسے ردعمل دیتے") کبھی کبھی براہِ راست سے بہتر ہوتا ہے۔ ویبو میٹرکس کے لیے (ص 398-403): "ویب کا احاطہ نامکمل ہے" اور ان ممالک کے حق میں جھکا ہوا ہے جنہوں نے اسے جلد اپنایا (Thelwall, 2008, as cited in Dawson)، اور سرچ انجنوں کے ملکی ورژن مقامی ویب سائٹس کو ترجیح دیتے ہیں۔ اخلاقیات اور قانون: "کیا آن لائن اشاعت عوامی ڈیٹا ہے یا نجی؟"؛ باخبر رضامندی جب شرکاء کو علم ہی نہ ہو کہ وہ تحقیق میں ہیں؛ گمنامی جب پلیٹ فارم لکھنے والے سے انتساب کا تقاضا کرے (ص 349-355)؛ لاگ فائلوں میں IP پتا، صارف نام اور حوالہ دینے والا ماخذ GDPR کے مطابق "ذاتی ڈیٹا" ہیں، اور ان کے ذخیرے کے لیے متعین مقصد کے لیے رضامندی، حفاظت اور ضرورت ختم ہونے پر حذف درکار ہے (ص 188-193) – اور اسرائیل میں تحفظِ رازداری کا قانون (اسرائیل) اور اس کے ضوابط (ذاتی معلومات جمع کرنے والے محقق سے قانون کیا تقاضا کرتا ہے، ترمیم 13 کے بعد – صفحہ تحقیق کی اخلاقیات، سیکشن 11 میں)۔ Drucker اور Albrezzi (2026، ص 49) بگ ڈیٹا کے دور کے لیے اضافہ کرتی ہیں: "یہ حقیقت کہ ڈیٹا دستیاب ہے اس کا مطلب یہ نہیں کہ اسے حفاظتی تدابیر کے بغیر استعمال کرنا اخلاقی طور پر جائز ہے"، کیونکہ شائع کرنے والے کا ارادہ ضروری نہیں کہ سائنسی تجزیہ ہو؛ حقیقی گمنامی "حاصل کرنا مشکل" ہے، کیونکہ لوگ دوسری خصوصیات سے یا ذخائر کو ملا کر دوبارہ پہچانے جاتے ہیں؛ اس لیے ڈیٹا کی کمی – صرف وہی جمع کیا جائے جو تجزیے کو درکار ہو: عمومی جذبات کے لیے درست مقام اور مکمل پروفائل کی ضرورت نہیں۔ اور Salganik (2018) اس بارے میں کہ کیا بدلا ہے: محققین کی طاقت – "لوگوں کے ساتھ ان کی رضامندی بلکہ ان کے علم کے بغیر کچھ کرنے کی صلاحیت" – بڑھ گئی ہے، اور اصول اسی قدر واضح نہیں ہوئے (ص 288)؛ Belmont اور Menlo رپورٹوں کے چار اصول – انسان کا احترام، فائدہ مندی (نقصان نہ پہنچانا، فائدہ زیادہ اور نقصان کم کرنا)، بوجھ اور فائدے کی تقسیم میں انصاف، اور قانون اور عوامی مفاد کا احترام (ص 294-299)؛ عملی اصول "زیادہ تر تحقیقات کے لیے رضامندی کی کوئی نہ کوئی شکل" (ص 303)؛ معلوماتی خطرہ – معلومات افشا ہونے سے نقصان – "سماجی تحقیق میں سب سے عام خطرہ ہے، ڈرامائی طور پر بڑھا ہے، اور سمجھنے میں سب سے مشکل ہے" (ص 307)؛ اور تین مشورے: اخلاقیات کمیٹی "فرش ہے، چھت نہیں"؛ خود کو باقی سب کی جگہ رکھ کر دیکھیں؛ اور اخلاقیات کو ایک تسلسل سمجھیں نہ کہ دو ٹوک تقسیم (ص 321-324)۔

8. شماریات اور مشین لرننگ

وہ زمرہ جس سے یہ سائٹ خود تعلق رکھتی ہے، اس لیے اہم نوٹ: جن ٹیسٹوں کے لیے یہاں کیلکولیٹر موجود ہے، ان کے لیے کیلکولیٹر کا صفحہ ہی آلہ ہے، براؤزر میں اور ڈیٹا کے کمپیوٹر سے باہر گئے بغیر (دیکھیں آخر میں روابط)۔ یہ جدول اس سے آگے کے لیے ہے: کثیر سطحی ماڈل، مشین لرننگ، مکمل SEM، اور ان کے لیے جو پورا سافٹ ویئر چاہتے ہیں۔ مرکزی امتیاز شماریات (وضاحت: کون سا متغیر کتنا اثر ڈالتا ہے) اور مشین لرننگ (پیش گوئی: نئے مشاہدے کے ساتھ کیا ہو گا) کے درمیان ہے – دو مختلف مقاصد جنہیں مختلف توثیق درکار ہے، چاہے ماڈل ایک ہی ہو۔ یہ امتیاز، شروع سے آخر تک پائپ لائن، ماڈل – فیصلہ کن درخت سے نیورل نیٹ ورک تک – اور ان کے آلات، صفحہ سماجی محقق کے لیے مشین لرننگ میں ہیں؛ پیمانے، کراس ویلیڈیشن (cross-validation)، ڈیٹا کا رساؤ اور غیر آزاد ڈیٹا – کارکردگی کے پیمانے اور توثیق میں؛ عاملی تجزیہ، اجزاء اور کلسٹرز – تابع متغیر کے بغیر لرننگ – غیر نگرانی شدہ لرننگ (unsupervised learning) میں؛ یہاں کا جدول 8 شماریاتی سافٹ ویئر کا جدول رہتا ہے۔

JASP / jamovi کا جوڑا خاص توجہ کا مستحق ہے: دونوں SPSS کا مفت متبادل ہیں، گرافیکل انٹرفیس کے ساتھ، R پر مبنی، اور بیزین حساب بھی کرتے ہیں۔ PSPP وہ حوالہ جاتی سافٹ ویئر ہے جس سے اس سائٹ کے کچھ حصوں کی تصدیق کی جاتی ہے – مفت، اور SPSS سنٹیکس چلاتا ہے۔

آلے سے پہلے اصول۔ Dawson (2020، ص 194-199) مشین لرننگ کی تعریف ایسے الگورتھمز کے طور پر کرتی ہیں جو "پچھلے حسابات سے سیکھتے ہیں تاکہ اصولوں پر مبنی واضح پروگرامنگ کے بغیر بار بار فیصلے اور پیش گوئیاں کریں"، نگرانی شدہ (لیبل شدہ ان پٹ اور آؤٹ پٹ) یا غیر نگرانی شدہ – اور یہی بالکل سائٹ کے کیلکولیٹروں سے فرق ہے، جن میں اصول ظاہر ہے۔ Drucker اور Albrezzi (2026، ص 1) پروسیسنگ کو "ڈیجیٹل کام کا بلیک باکس" کہتی ہیں، کیونکہ اس کا زیادہ تر حصہ تیار آلات میں ہوتا ہے جن کا عمل پوشیدہ ہے، اور خبردار کرتی ہیں کہ جیسے جیسے عمل زیادہ نفیس ہوتے ہیں اور مشین لرننگ اور مصنوعی ذہانت شامل ہوتی ہے "وہ اکثر اپنے ماڈل میں موجود تعصبات کو تقویت دیتے ہیں" (ص 2)۔ کلسٹر تجزیے کے بارے میں بھی Dawson پوچھتی ہیں (ص 31-37): "کیا سافٹ ویئر، آلات اور الگورتھمز پر بھروسا کیا جا سکتا ہے؟" – اور ایک اور سافٹ ویئر سے جانچنے کی تجویز دیتی ہیں، جو بالکل اس سائٹ کا باہمی تصدیق کا اصول ہے (ایک ہی ڈیٹا پر PSPP، R، Python)۔ اور بگ ڈیٹا خود سے کیا نہیں دیتا – علیت: Salganik (2018، ص 50-61) دکھاتے ہیں کہ "ان تجربات کا تخمینی قرب کیسے حاصل کیا جائے جو کیے نہیں جا سکتے"، دو طریقوں سے جنہیں ڈیجیٹل دور نے وسعت دی، فطری تجربات اور مماثلت (matching) – اور دونوں ان مفروضات سے شروع ہوتے ہیں جنہیں لکھنا ضروری ہے، آلے سے نہیں۔ اور بڑے لسانی ماڈلوں کے لیے، جن کے لیے Drucker اور Albrezzi کا دوسرا ایڈیشن ایک باب (12a) مختص کرتا ہے، ماڈل چننے کے دو محور: کھلا یا بند، اور مقامی یا دور دراز۔ کسی کمپنی کے سرور پر چلنے والے بند ماڈل کا مطلب ہے کہ "آپ کا ڈیٹا ملکیتی سرورز پر محفوظ اور پروسیس ہوتا ہے"، اور متبادل – کھلا ماڈل جو ڈاؤن لوڈ کر کے مقامی طور پر چلایا جائے (مثلاً Ollama میں) – اس کے لیے جو مواد شیئر نہیں کرنا چاہتی؛ اور RAG قسم کا بازیافت نظام، جو صرف محقق کے متعین کردہ ذخیرے سے جواب دیتا ہے، زیادہ درست ہوتا ہے اور حساس یا محفوظ ڈیٹا کے لیے موزوں ہے (ص 118-119)۔ اور التباسات (hallucinations) اب بھی ہوتے ہیں: ہر آؤٹ پٹ، چاہے درست دکھائی دے، "اس کی تحقیق، جانچ اور معروف معتبر ماخذوں سے موازنہ ضروری ہے" (ص 119)۔ اخلاقیات اور قانون (Dawson, 2020, pp. 194-199): "کیا مشین لرننگ اخلاقی طور پر غیر جانب دار ہے؟" – جب پیش گوئی کا ماڈل سماجی فیصلوں کو جنم دے تو انصاف، جواب دہی اور شفافیت درکار ہیں (Veale & Binns, 2017, as cited in Dawson)۔ Drucker اور Albrezzi (2026، ص 120-121) اضافہ کرتی ہیں: "ہر وہ عمل جس میں انسانوں کو بطور ڈیٹا گنا، چھانٹا یا شمار کیا جائے ان کی موضوعی انسانیت کھو دینے کا خطرہ رکھتا ہے"؛ ماڈلوں کے ڈیٹا کا ماخذ (provenance) "بہت مبہم" ہے – تربیتی ڈیٹا سیٹ ملکیتی ہیں، اور جب تک یہ RAG نظام نہ ہو یہ معلوم نہیں ہوتا کہ آؤٹ پٹ کن ماخذوں پر مبنی ہے اور انہیں کیسے وزن دیا گیا؛ اور بہت سے آلات کی شرائطِ استعمال میں صارف اس پر رضامند ہوتا ہے کہ اس کے پرامپٹس اور آؤٹ پٹ مزید تربیت کے لیے استعمال ہوں گے اور شراکت داروں کو بھی منتقل کیے جا سکیں گے – جو شرکاء کے ڈیٹا کے ساتھ کرنا ممنوع ہے۔

9. ڈیٹا کی بصری پیشکش

تین سطحیں: براؤزر میں "بغیر کوڈ" آلات (Datawrapper، Flourish، RAWGraphs) اشاعت کے لیے فوری اور باوقار چارٹ کے لیے؛ کوڈ میں گرافیکل گرامر (ggplot2، Vega-Lite، Plotly) ایسے چارٹ کے لیے جو دوبارہ بنایا اور خودکار طور پر اپ ڈیٹ کیا جا سکے؛ اور D3.js ایسی مخصوص بصری پیشکش کے لیے جس کا کوئی سانچہ نہیں۔ تجزیاتی-صحافتی تحریر کے لیے – Datawrapper نیوز رومز کا آلہ ہے، اور یہاں صرف یہی ہے جو RTL اور عبرانی کی مکمل معاونت کا واضح اعلان کرتا ہے۔

APA کے مطابق تعلیمی چارٹ کے لیے (سیکشن 7.22-7.28) – سائٹ کے کیلکولیٹروں کے چارٹ پہلے ہی اسی طرح بنے ہیں؛ R کے لیے صفحہ سکیٹر پلاٹ میں "اور R میں یہ کیسے کریں" والا سیکشن دیکھیں، جس میں عبرانی رموزِ اوقاف کا حل بھی ہے (AGG انجن)۔

آلے سے پہلے اصول۔ یہ احساس کہ ڈیٹا کی کوئی اندرونی بصری شکل ہوتی ہے "ایک فریب ہے" – ہر سلسلے کو درجنوں سانچوں میں دکھایا جا سکتا ہے، اور ان میں سے صرف کچھ ڈیٹا کی خصوصیات کے موزوں ہوتے ہیں (Drucker & Albrezzi, 2026, p. 57)؛ "تمام بصری پیشکشیں تشریحات ہیں، حقائق کی پیشکش نہیں" (ص 67)۔ وہ عام غلطیاں جو وہ گنواتی ہیں (ص 60-66): رقبے کا غلط استعمال (جب قدر دوگنی ہو اور رقبہ چار گنا بڑھ جائے – ان کی شکل 7.5)، مصنوعی تسلسل (ایسے منفصل نقاط کو جوڑنے والی لکیر جو سلسلہ نہیں – شکل 7.4a)، اور ایسا پیمانہ جو ایک آؤٹ لائر کی وجہ سے پھیل جائے اور درمیان کے فرق مٹا دے (شکل 7.7)۔ Dawson (2020، ص 86-92) غیر گرافیکل تعصبات کا اضافہ کرتی ہیں: بیانیے کا تعصب (اس کہانی کا انتخاب جسے دکھایا جائے)، نظریے کی حمایت کرنے والی بصری پیشکش، اور خارج کرنے والی زبان۔ اخلاقیات اور قانون (وہیں): خود چارٹ میں ڈیٹا کے ماخذوں کا انتساب اور نشان دہی، اور تیاری کے مراحل کی شفافیت – "آپ کیسے یقینی بنائیں گے کہ بصری پیشکش غلط نتائج تک نہ لے جائے؟"

10. حوالہ جات کا انتظام، کھلی سائنس اور اشتراکِ عمل

وہ آلات جو کسی چیز کا تجزیہ نہیں کرتے اور جن کے بغیر تحقیق دہرائی نہیں جا سکتی: کتابیات کا انتظام، پیشگی رجسٹریشن (preregistration)، ورژن کنٹرول، مشترکہ تحریر۔ کھلی سائنس کے دو اصول اس سائٹ سے براہِ راست متعلق ہیں: پیشگی رجسٹر شدہ ماڈل بعد میں بدلے گئے ماڈل سے مختلف طریقے سے رپورٹ ہوتا ہے (پاتھ تجزیے کا صفحہ دیکھیں)، اور کوڈ اور ورژن درج ہوتے ہیں – جیسے سائٹ کا ہر صفحہ ایک ورژن نمبر رکھتا ہے۔

آلے سے پہلے اصول۔ Drucker اور Albrezzi کے ہاں ڈیجیٹل منصوبے کا انتظام (2026، ص 126-127): "کسی ایسی چیز سے شروع کریں جو کی جا سکتی ہو"؛ توسیع کی گنجائش کے ساتھ بنائیں مگر مسلسل دیکھ بھال پر انحصار کے بغیر؛ کام کے ہر عمل کو قدم بہ قدم درج کریں، کیونکہ تحریری ریکارڈ کے بغیر "اپنے ہی کام کو دہرانا بھی ایک چیلنج ہو سکتا ہے"؛ بڑی صارف کمیونٹی والے اوپن سورس آلات "ملکیتی فارمیٹس سے زیادہ دیر قائم رہنے کا امکان رکھتے ہیں"؛ اور منصوبے کے "دورِ حیات" کی پہلے سے منصوبہ بندی کریں – "ہر ڈیجیٹل منصوبہ قائم نہیں رہے گا"، اور "فکری مواد کو ایکسپورٹ کرنے کے بارے میں سوچنے کا وقت آغاز میں ہے"۔ پہلے ایڈیشن نے یہ بات زیادہ تیزی سے کہی تھی: "منصوبے کی دستاویز سازی شاید سب سے بہترین حصہ ہو" (Drucker, 2021, Section 12a)۔ اور پلیٹ فارمز کے بارے میں (ص 110): "ہمیشہ ایکسپورٹ کا فنکشن جانچیں" – ایسے پیشکش سافٹ ویئر کے اندر بنایا گیا مواد جو ایکسپورٹ نہیں کرتا ضائع شدہ کام ہے؛ ڈیٹا کے اشتراک کے معیارات (LoD، IIIF، CIDOC-CRM) مؤثر ہیں، لیکن ان کا نفاذ مہنگا ہے اس لیے وہ امیر اداروں کو ترجیح دیتے ہیں (ص 114)۔ اخلاقیات اور قانون (ص 128-129): ڈیجیٹل نقل کو آسان بناتا ہے، اس لیے حقِ اشاعت، منصفانہ استعمال اور Creative Commons لائسنسوں کی سمجھ درکار ہے؛ "حوالہ تحقیق کا ایک لازمی پہلو ہے اور ہر حال میں اس پر عمل کیا جانا چاہیے"؛ لنک دینے کے لیے اجازت درکار نہیں، اور مواد کو اپنے سرور پر محفوظ کیے بغیر کسی ونڈو میں دکھایا جا سکتا ہے؛ اور سنہری اصول – "دوسروں کے کام کے ساتھ ویسا ہی برتاؤ کریں جیسا آپ اپنے کام کے ساتھ چاہیں گے"۔

عام غلطیاں

سوال سے پہلے آلہ چننا۔ پہلی اور سب سے عام غلطی: "میرے پاس کارپس ہے، چلو موضوعاتی ماڈلنگ کرتے ہیں"۔ موضوعاتی ماڈلنگ ایک خاص سوال کا جواب دیتی ہے (الفاظ کے کون سے جھرمٹ بار بار ساتھ آتے ہیں) اور دوسروں کا نہیں (کس نے کس سے کیا کہا)۔ پہلے سوال، پھر ڈیٹا کی وہ قسم جو اس کا جواب دے، اور تب ہی آلہ – یہی نیچے کی جانچ کی فہرست کے کالموں کی ترتیب بھی ہے۔

دھیان دیے بغیر حساس ڈیٹا سرور پر بھیجنا۔ Voyant میں چسپاں کیا گیا انٹرویو، Flourish پر اپ لوڈ کی گئی سروے فائل – اب آپ کے کمپیوٹر پر نہیں ہیں۔ آپ کو ملی اخلاقیات کمیٹی کی منظوری میں غالباً کچھ اور لکھا تھا۔

عبرانی کی ٹوکنائزیشن پر بھروسا کرنا۔ جو آلہ "וכשהלכנו" کو ایک لفظ سمجھے وہ خاموشی سے غلط شماریات پیدا کرے گا – "הלך" (گیا) کی تعددات ہزاروں شکلوں میں گم ہو جائیں گی۔ عبرانی کے لیے – ہر گنتی سے پہلے صرفی تحلیل (جدول 3)۔

ایسے آلے پر منصوبہ بنانا جس کی ترقی رک چکی ہو۔ Palladio، YAP، GRETIL – کام کرتے ہیں، لیکن آخری اپ ڈیٹ برسوں پہلے ہوئی۔ ایسا آلہ کھوج کے لیے اچھا ہے؛ دو سال کے منصوبے کے لیے – کھلے فارمیٹ میں ایکسپورٹ یقینی بنائیں (CSV, GraphML, TEI) تاکہ کام آلے کے بعد بھی باقی رہے۔

پوچھے بغیر اسکریپ کرنا۔ پلیٹ فارم کی شرائطِ استعمال، صارفین کی رازداری اور مقامی قانون کوڈ کی پہلی سطر سے پہلے آتے ہیں۔ Salganik (2018، ص 294-299) چار اصولوں کا فریم ورک پیش کرتے ہیں – انسان کا احترام، فائدہ مندی، انصاف، قانون اور عوامی مفاد کا احترام – اور یہ کہ یہاں باخبر رضامندی لیبارٹری تجربے سے کیوں مختلف ہے (ص 303-306)۔

حجم سے متاثر ہونا۔ ایک پلیٹ فارم کے دس لاکھ ریکارڈ اس پلیٹ فارم کے صارفین کا غیر نمائندہ نمونہ ہیں، جن کا رویہ "نظام کے انجینئرنگ مقاصد سے چلتا ہے" – آبادی کا نہیں؛ "بڑے ڈیٹا سیٹ مقصد کا ذریعہ ہیں، بذاتِ خود مقصد نہیں" (Salganik, 2018, pp. 17, 29, 35)۔ سوال یہ نہیں کہ کتنے، بلکہ یہ کہ کون، اور نظام نے ان کے ساتھ کیا کیا۔

تصدیق اور توثیق کے بغیر سمولیشن۔ جو ماڈل چلتا ہے اور چارٹ بناتا ہے وہ نتیجہ نہیں: پہلے تصدیق (verification) – کہ کوڈ وہی کرتا ہے جو تصوراتی ماڈل کہتا ہے ("جس ماڈل کی تصدیق نہ ہوئی ہو وہ تجزیے کے لائق نہیں") – اور پھر تجرباتی ڈیٹا کے مقابل توثیق (validation)؛ اور دونوں بھی معیار کو پرکھنے کے لیے کافی نہیں (Cioffi-Revilla, 2017, pp. 388-393)۔ اور سمولیشن کا کوڈ "جلد ضائع ہونے والا" ہے – دستاویز اور ذخیرے (CoMSES) کے بغیر وہ غائب ہو جاتا ہے۔

ورژن اور پیرامیٹرز درج نہ کرنا۔ k = 20 اور k = 40 کے ساتھ موضوعاتی ماڈلنگ دو مختلف تحقیقات دیتی ہے؛ دوسرے لے آؤٹ کے ساتھ Gephi دو مختلف تصویریں دیتا ہے۔ جو کمپیوٹیشنل نتیجہ ورژن اور پیرامیٹر کی سطح تک درج نہ ہو وہ دہرایا نہیں جا سکتا – اس لیے نتیجہ نہیں۔

پیش گوئی کو وضاحت سمجھ لینا۔ مشین لرننگ کا جو ماڈل 92% درست پیش گوئی کرے وہ وجہ کے بارے میں کچھ نہیں بتاتا، اور ریگریشن کا معنی خیز عددی سر اچھی پیش گوئی کی ضمانت نہیں دیتا۔ دو مقاصد، صداقت کے دو امتحان۔

ڈیٹا کو "ڈیٹا" کہنا۔ جو کچھ آلے میں داخل ہوتا ہے وہ مواد سے فیصلوں کے ذریعے لیا گیا ہے – اکائی کیا ہے، کیا گنا جاتا ہے، کیا پھینکا جاتا ہے – اور Drucker اور Albrezzi (2026، ص 15) اسے capta کہنے کی تجویز دیتی ہیں۔ غلطی لفظ میں نہیں بلکہ اس میں ہے جو وہ چھپاتا ہے: جو ڈیٹا ماڈل درج نہ ہو وہ ایک غیر رپورٹ شدہ تشریح ہے۔

رقبے اور لکیر پر بھروسا کرنا۔ ایسا دائرہ جس کی قدر دوگنی اور رقبہ چار گنا ہو؛ ایسی لکیر جو زمروں کو اس طرح جوڑے گویا وہ سلسلہ ہوں؛ ایسا پیمانہ جسے ایک آؤٹ لائر نے پھیلا دیا ہو۔ Drucker اور Albrezzi (2026، ص 67): "تمام بصری پیشکشیں تشریحات ہیں، حقائق کی پیشکش نہیں" – اور کچھ گرافیکل خصوصیات نمائش کی پیداوار ہیں، ڈیٹا کی نہیں۔

جو زبان ماڈل نے "پایا" اس کا حوالہ دینا۔ عمومی زبان ماڈل اس وقت بھی جواب دیتا ہے جب اس کے پاس کوئی ماخذ نہ ہو، اور جو اس کے تربیتی ڈیٹا میں نہیں وہ گویا موجود ہی نہیں لگتا – "اور کبھی کبھی، جب ایسا ہوتا ہے، نظام مطلوبہ معلومات تخلیق کرنے کی کوشش کرتا ہے"؛ زیادہ تر ماڈلوں کے ڈیٹا کا ماخذ مبہم ہے، اور جب تک یہ RAG نظام نہ ہو معلوم نہیں ہوتا کہ آؤٹ پٹ کس پر مبنی ہے (Drucker & Albrezzi, 2026, pp. 119, 121)۔ ماڈل کا آؤٹ پٹ کسی ماخذ کے مقابل جانچ کا نقطۂ آغاز ہے – ماخذ نہیں۔

یہ فرض کرنا کہ نیٹ ورک مکمل ہے۔ مرکزیت اور فاصلے کے اشاریے اس پر حساب ہوتے ہیں جو جمع کیا گیا؛ ایک گمشدہ تعلق "پل" کو "ساختی خلا" میں بدل سکتا ہے۔ Dawson (2020، ص 356-361): نیٹ ورک کی حد کا جواز دیں، اور بتائیں کہ کیا کم ہے۔

جانچ کی فہرست – نئے آلے کے ساتھ شروع کرنے سے پہلے

اور یہاں، اس سائٹ پر کیا ہے

پروفیسر اسٹیٹ کے کیلکولیٹر صفحات دونوں شعبوں کی زیادہ تر تحقیقات کی شماریاتی پرت کا احاطہ کرتے ہیں – براؤزر میں، ڈیٹا کے کمپیوٹر سے باہر گئے بغیر، APA کے مطابق جدول اور اردو اور انگریزی میں رپورٹ کے جملے کے ساتھ:

کیلکولیٹروں کی مکمل فہرست صفحے کے اوپر والے ٹیبز میں ہے۔ حصہ اول کے دوسرے رہنما صفحات: عبرانی NLP · سماجی محقق کے لیے مشین لرننگ · کارکردگی کے پیمانے اور توثیق · غیر نگرانی شدہ لرننگ۔

حوالہ جات

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