کلان داده ها و گذار پارادایمی در پژوهش های اجتماعی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 202

فایل این مقاله در 43 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISIH-14-1_001

تاریخ نمایه سازی: 18 اردیبهشت 1401

چکیده مقاله:

اتوپیای موعود مدرنیسم، محقق نشد و انسان ناکام از تحقق آرمان های عصر مدرنیسم، دست به خلق جهانی به موازات جهان طبیعی زد. ماحصل زندگی انسان در این جهان موازی مجازی، تولید مستمر میلیاردها ردپای دیجیتالی در کسری از ثانیه و ظهور کلان داده ها است. در پی تحول پدیدآمده در زندگی اجتماعی انسان و تحولاتی که در نتیجه ظهور کلان داده در سطح دسترسی پژوهشگران به واقعیت های پیچیده و رابطه ای اجتماعی به وجود آمده است، دانش و مهارت های پژوهش اجتماعی نیز نیازمند تحول و بازنگری است. یکی از دشوارترین پرسش های مطرح شده در جامعه علمی کنونی این است که کلان داده تا چه حد مبانی روش شناسی پژوهش علمی و فراتر از آن، علم بشری را متحول می سازد؟ آیا در آستانه وقوع یک گذار پارادایمی در علوم اجتماعی قرار داریم؟ آیا نظریه به عنوان سنگ بنای نظام علم مدرن، به پایان راه خود رسیده است؟ نگارندگان در پی پاسخگویی به دو پرسش بنیادین مطرح شده، ابتدا با بررسی عمیق و مرور سیستماتیک مدارک علمی، که در بازه زمانی ۲۰۰۹ تا ۲۰۲۱ منتشر شده‍اند، با رویکردی فرارشته ای، دیدگاه ها و استدلال های گاه متعارض اندیشمندان حوزه های فلسفه علم، علوم داده و شاخه های مختلف علوم اجتماعی را مورد مطالعه و کنکاش قرار داده اند و پس از آن با خوانش انتقادی و تحلیل متون منتخب، ضمن رد ادعای بی نیازی علم مبتنی بر کلان داده از نظریه، نتیجه می گیرند کلان داده آغازگر یک گذار پارادایمی در علم و پژوهش اجتماعی است.

کلیدواژه ها:

کلان داده ، گذار پارادایمی ، پژوهش اجتماعی داده محور ، پایان نظریه

نویسندگان

حمید ضرغام بروجنی

دانشیار مدیریت گردشگری، گروه مدیریت گردشگری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

فیروزه فرخیان

دانشجوی دکتری مدیریت گردشگری، گروه مدیریت گردشگری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • اکاشا، سمیر(۱۳۹۳). فلسفه علم(مترجم: هومن پناهنده). تهران: انتشارات فرهنگ معاصر. ...
  • ایمان، محمدتقی؛ و کلاته ساداتی، احمد(۱۳۹۱). آسیب شناسی روش توسعه ...
  • فراستخواه، مقصود (۱۳۹۹). روش تحقیق کیفی در علوم اجتماعی با ...
  • مهدی زاده، سیدمحمد (۱۳۹۶). نظریه های رسانه: اندیشه های رایج ...
  • Adler, M. J. (۱۹۸۶). A guidebook to learning: for a ...
  • Alemany Oliver, M., & Vayre, J. S. (۲۰۱۵). Big data ...
  • Balazka, D., & Rodighiero, D. (۲۰۲۰). Big data and the ...
  • Bhattacherjee, A. (۲۰۱۲). Social Science Research: Principles, Methods, and Practices. ...
  • Boyd, D., & Crawford, K. (۲۰۱۲). Critical questions for big ...
  • Brereton, P., Kitchenham, B. A., Budgen, D., Turner, M., & ...
  • Cao, L. (۲۰۱۸). Data Science Thinking: The Next Scientific, Technological ...
  • Chandler, D. (۲۰۱۵). A world without Causation: Big Data and ...
  • Connor, A., Sosa, R., Jackson, A. G., & Marks, S. ...
  • Cowls, J., & Schroeder, R. (۲۰۱۵). Causation, correlation, and big ...
  • Crawford, K. (April. ۰۱, ۲۰۱۳). The Hidden Biases in Big ...
  • Desjardins, F. (April. ۱۷, ۲۰۱۹). How much data is generated ...
  • Halford, S., & Savage, M. (۲۰۱۷). Speaking Sociologically with Big ...
  • Hodgson, G. (۲۰۱۵). A Trojan horse for sociology: Preferences versus ...
  • Lagoze, C. (۲۰۱۴). Big Data, data integrity, and the fracturing ...
  • Leu, F., Chen, C. K., Susanto, H. (۲۰۱۹). The Emerging ...
  • Li, J., Xu, L., Tang, L., Wang, S., & Li, ...
  • Mazzocchi, F. (۲۰۱۵). Could Big Data be the end of ...
  • Philip Chen, C. L., & Zhang, C.-Y. (۲۰۱۴). Data-intensive applications, ...
  • Sloan, L., & Quan-Haase, A. (Eds.). (۲۰۱۷). The SAGE handbook ...
  • Stevens, M., Wehrens, R., & de Bont, A. (۲۰۱۸). Conceptualizations ...
  • نمایش کامل مراجع