هوش مصنوعی در علوم اجتماعی

هوش مصنوعی در علوم اجتماعی: راهنمای منابع برای پژوهشگران و دانشجویان

در دهه‌ی گذشته، هوش مصنوعی و یادگیری ماشین از ابزارهایی مخصوص مهندسان به بخشی از جعبه‌ابزار جامعه‌شناسان، دانشمندان علوم سیاسی، پژوهشگران ارتباطات و مطالعات فرهنگی تبدیل شده‌اند. ظهور مدل‌های زبانی بزرگ (LLM) این روند را شتاب داده است: اکنون می‌توان میلیون‌ها متن را تحلیل کرد، پاسخ‌های بازِ پیمایش‌ها را کدگذاری کرد و حتی رفتار اجتماعی را شبیه‌سازی کرد.

این نوشته نقشه‌ای کوتاه از مهم‌ترین مقالات، نرم‌افزارها، کتاب‌ها و رویدادهای این حوزه است.

مقالات علمی‌پژوهشی

مقالات بنیادی و مرورها

  • Lazer et al. (2009)، Computational Social Science، Science: مقاله‌ی آغازین این حوزه.
  • Grimmer & Stewart (2013)، Text as Data، Political Analysis: درباره‌ی تحلیل خودکار متن در علوم سیاسی و اجتماعی.
  • Edelmann et al. (2020)، Computational Social Science and Sociology، Annual Review of Sociology.

مدل‌های زبانی بزرگ در پژوهش اجتماعی

  • Argyle et al. (2023)، Out of One, Many، Political Analysis: شبیه‌سازی نمونه‌های انسانی با مدل زبانی.
  • Gilardi et al. (2023)، PNAS: مقایسه‌ی ChatGPT با نیروی انسانی در برچسب‌زنی متن.
  • Ziems et al. (2024)، Can LLMs Transform Computational Social Science?، Computational Linguistics.
  • Grossmann et al. (2023)، AI and the transformation of social science research، Science.
  • Park et al. (2023)، Generative Agents: عامل‌های شبیه‌ساز رفتار اجتماعی.

مجله‌های مهم

Big Data & Society، Journal of Computational Social Science، EPJ Data Science، Social Science Computer Review، Sociological Methods & Research، Political Analysis، AI & Society، و برای مقالات میان‌رشته‌ای: Nature Human Behaviour، PNAS و Science Advances.

نرم‌افزارها و ابزارها

کاربردابزار
برنامه‌نویسی و یادگیری ماشینPython (scikit-learn، Hugging Face، spaCy، BERTopic، Gensim)
تحلیل متن در Rquanteda، tidytext، stm
تحلیل کیفی با کمک هوش مصنوعیNVivo، ATLAS.ti، MAXQDA
تحلیل شبکه‌های اجتماعیGephi، NetworkX، igraph
یادگیری ماشین بدون کدنویسیOrange، KNIME، JASP، Jamovi
شبیه‌سازی عامل‌بنیانNetLogo، Mesa
برچسب‌زنی دادهLabel Studio، Prodigy
پردازش زبان فارسیHazm، Parsivar، ParsBERT
تحلیل روان‌شناختی متنLIWC

کتاب‌ها

مرجع‌های روش‌شناختی

  • Bit by Bit: Social Research in the Digital Age، Matthew Salganik
  • Text as Data، Grimmer، Roberts و Stewart
  • Breaking the Social Media Prism، Chris Bail
  • Fairness and Machine Learning، Barocas، Hardt و Narayanan (رایگان و آنلاین)
  • Speech and Language Processing، Jurafsky و Martin (رایگان و آنلاین)

نگاه انتقادی و اخلاقی

  • Algorithms of Oppression، Safiya Noble
  • Automating Inequality، Virginia Eubanks
  • Race After Technology، Ruha Benjamin
  • Weapons of Math Destruction، Cathy O’Neil

رویدادهای علمی

  • IC2S2: کنفرانس بین‌المللی علوم اجتماعی محاسباتی
  • ICWSM: کنفرانس بین‌المللی وب و رسانه‌های اجتماعی
  • ACM FAccT: انصاف، پاسخ‌گویی و شفافیت در سامانه‌های هوشمند
  • AAAI/ACM AIES: هوش مصنوعی، اخلاق و جامعه
  • TADA (Text as Data): تحلیل متن در علوم اجتماعی
  • ACL و EMNLP و کارگاه‌های NLP and Computational Social Science
  • Sunbelt (INSNA): تحلیل شبکه‌های اجتماعی
  • ASA و ECPR: نشست‌های تخصصی جامعه‌شناسی و علوم سیاسی دیجیتال

زمان و مکان برگزاری این رویدادها هر سال تغییر می‌کند؛ پیش از برنامه‌ریزی به سایت رسمی هر کدام مراجعه کنید.

نکاتی برای پژوهش با مدل‌های زبانی

  1. اعتبارسنجی: خروجی مدل را همیشه با کدگذاری انسانی مقایسه کنید.
  2. بازتولیدپذیری: نسخه‌ی مدل، متن پرامپت و پارامترها را ثبت کنید.
  3. سوگیری: مدل‌ها برای زبان فارسی و جوامع کمتر نمایندگی‌شده ممکن است عملکرد ضعیف‌تر یا جانب‌دارانه داشته باشند.

جمع‌بندی

هوش مصنوعی جایگزین نظریه‌پردازی و روش‌شناسی دقیق در علوم اجتماعی نیست، اما ابزاری قدرتمند برای گسترش دامنه و سرعت پژوهش است. شروع از منابع بنیادی، تمرین با ابزارهای متن‌باز و توجه جدی به ملاحظات اخلاقی، مسیر مطمئنی برای ورود به این حوزه است.

مقالات

کتاب‌های رایگان آنلاین

نرم‌افزارها

رویدادها و مجله‌ها

موارد مرتبط