یه موقعی سریال جذاب «دکتر هاوس» رو میدیدم. (شروع کردنش با خودته، تموم کردنش با خود خدا!) یه سری قسمتها و کنشهای شخصیت اصلی حول این موضوع بود که همه دروغ میگویند. دقیقا با عنوان این کتابی که میخواهم توی این پست بررسی کنم! اما رویکردها درعین متفاوت بودن قسمتهایی مشابه دارد. توی سریال، دکتر هاوس میگه که: «باید به رفتار، نشانههای غیرکلامی و دادههای فیزیولوژیک نگاه کرد، نه حتما فقط به گفتههای بیمار گوش کرد.» این کتاب هم یکی از شاخصترین کتابهای حوزهی دادهکاوی اجتماعی و تحلیل رفتار انسان در عصر دیجیتال محسوب میشه و بررسی میکنه که چجوری با استفاده از دادههایی که مردم گوگل میکردن و منابع آنلاین موجود از آنها واقعیتهای پنهان رفتارهای انسانی رو برملا کرد.
بیاین اول با نویسنده قدر این کتاب آشنا بشیم. به نام «ست استیونز-دیویدوویتز» اقتصاددان دادهمحور، فارغالتحصیل هاروارد، و تحلیلگر سابق داده در Google هست.
سبک این کتاب آمیزهای از پژوهش دادهمحور و تفسیر اجتماعی، با رویکرد آماری و طنز تلخ محسوب میشود.
* ایدهی مرکزی:
مردم در نظرسنجیها یا تعاملات اجتماعی دروغ میگویند یا نقش بازی میکنند، اما در جستجوهای اینترنتیشان نه.
مثالهای نویسنده:
- پیشداوریهای نژادی، جنسی و فرهنگی از تحلیل دادههای Google Trends آشکار میشود.
- جستجوها تصویر واقعیتری از ترسها، آرزوها و نفرتهای پنهان انسان به دست میدهند.
- دادهها میتونند جایگزینی برای روشهای قدیمی جامعهشناسی و روانشناسی باشند.
* رویکرد تحلیلی:
- ترکیب مدلهای آماری با Big Data Analysis.
- تکیه بر Google Trends, PornHub, Wikipedia, Facebook بهعنوان نمونههای دادهمحور.
- بررسی مسائلی مثل نژادپرستی، سیاست، آموزش، سکسوالیته، و اقتصاد رفتاری از طریق داده واقعی.
(=== به طور کلی میشه گفت این چیزهایی گفتم بنیان کتاب رو میسازن و حول این عنوانها، کتاب مثالهای خیلی زیادی در مورد هر کدام از قسمتها رو به صورت ریز گفته ===)
ارزش کاربردی در مهندسی صنایع رو هم میتونیم به این شکل تفسیر کنیم که:
از منظر مهندسی صنایع (تحلیل سیستمهای انسانی و تصمیمسازی)، این کتاب سه آموزه داره:
-
تبدیل دادههای غیرساختیافته به دانش رفتاری:
روشی عملی برای استخراج insight از دادههای متنی (text mining + sentiment analysis).
-
تکیه بر دادهٔ رفتاری به جای دادهٔ ادعایی:
درست همان تفکر تحلیل بهرهوری واقعی در کارخانه نه از گزارش، بلکه از دادهٔ حسگر.
-
پیوند سیاستگذاری و تحلیل کمی:
نشان میدهد چگونه میتوان تصمیمات اجتماعی و اقتصادی را با داده پشتیبانی کرد. (الگویی برای Data-driven Decision Making در هر سیستم پیچیده.)
در قسمت بعد میخوام در مورد فیلم «مانیبال» صحبت کنم. یه چیزی که توی فکرمه که توی پست بعدی بیارم اینه که فقط استفاده از داده به تنهایی کافی نیست!!