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
| کاربرد | ابزار |
|---|---|
| برنامهنویسی و یادگیری ماشین | Python (scikit-learn، Hugging Face، spaCy، BERTopic، Gensim) |
| تحلیل متن در R | quanteda، tidytext، stm |
| تحلیل کیفی با کمک هوش مصنوعی | NVivo، ATLAS.ti، MAXQDA |
| تحلیل شبکههای اجتماعی | Gephi، NetworkX، igraph |
| یادگیری ماشین بدون کدنویسی | Orange، KNIME، JASP، Jamovi |
| شبیهسازی عاملبنیان | NetLogo، Mesa |
| برچسبزنی داده | Label Studio، Prodigy |
| پردازش زبان فارسی | Hazm، Parsivar، ParsBERT |
| تحلیل روانشناختی متن | LIWC |
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
- اعتبارسنجی: خروجی مدل را همیشه با کدگذاری انسانی مقایسه کنید.
- بازتولیدپذیری: نسخهی مدل، متن پرامپت و پارامترها را ثبت کنید.
- 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
- Lazer et al. (2009): https://doi.org/10.1126/science.1167742 (نسخهی PDF آزاد: https://people.cs.umass.edu/~wallach/courses/s11/cmpsci791ss/readings/lazer09computational.pdf)
- Grimmer & Stewart (2013): https://doi.org/10.1093/pan/mps028
- Edelmann et al. (2020): https://doi.org/10.1146/annurev-soc-121919-054621
- Argyle et al. (2023): https://doi.org/10.1017/pan.2023.2 (پیشچاپ آزاد: https://arxiv.org/abs/2209.06899)
- Gilardi et al. (2023): https://doi.org/10.1073/pnas.2305016120 (پیشچاپ آزاد: https://arxiv.org/abs/2303.15056)
- Ziems et al. (2024): https://arxiv.org/abs/2305.03514
- Grossmann et al. (2023): https://doi.org/10.1126/science.adi1778
- Park et al. (2023): https://arxiv.org/abs/2304.03442
کتابهای رایگان آنلاین
- Bit by Bit: https://www.bitbybitbook.com
- Fairness and Machine Learning: https://fairmlbook.org
- Speech and Language Processing: https://web.stanford.edu/~jurafsky/slp3/
نرمافزارها
- Hugging Face: https://huggingface.co
- spaCy: https://spacy.io
- scikit-learn: https://scikit-learn.org
- BERTopic: https://maartengr.github.io/BERTopic/
- Gensim: https://radimrehurek.com/gensim/
- quanteda: https://quanteda.io
- Gephi: https://gephi.org
- NetworkX: https://networkx.org
- Orange: https://orangedatamining.com
- JASP: https://jasp-stats.org
- jamovi: https://www.jamovi.org
- NetLogo: https://ccl.northwestern.edu/netlogo/
- Mesa: https://mesa.readthedocs.io
- Label Studio: https://labelstud.io
- Hazm: https://github.com/roshan-research/hazm
- Parsivar: https://github.com/ICTRC/Parsivar
- ParsBERT: https://github.com/hooshvare/parsbert
- LIWC: https://www.liwc.app
- ATLAS.ti: https://atlasti.com
- MAXQDA: https://www.maxqda.com
رویدادها و مجلهها
- IC2S2: https://www.ic2s2.org
- ICWSM: https://www.icwsm.org
- ACM FAccT: https://facctconference.org
- AAAI/ACM AIES: https://www.aies-conference.com
- Sunbelt / INSNA: https://www.insna.org
- ECPR: https://ecpr.eu
- Political Analysis: https://www.cambridge.org/core/journals/political-analysis
- EPJ Data Science: https://epjdatascience.springeropen.com