پایان نامه
“نقش ضعیف؛ اثری از گفتار”

**مقدمه و طرح مسئله: آیا دادهها میتوانند خودشان سخن بگویند؟**

پایاننامه با طرح یک پرسش به ظاهر ساده آغاز میشود: «آیا دادهها میتوانند خودشان سخن بگویند؟» نویسنده با اشاره به نمونههایی از فضای مجازی (مانند توییت ران دیسانتیس دربارهی ماسک، پستهای بیل گیتس و کمپینهای داده محور) نشان میدهد که این عبارت اغلب به صورت استعاری به کار میرود تا به دادهها مشروعیت ببخشد. اما در واقعیت، دادهها هرگز خنثی نیستند و همیشه توسط کنشگران اجتماعی (دانشمندان، سیاستمداران، روزنامهنگاران و کاربران عادی) گردآوری، تفسیر، روایت و بازنشر میشوند. به بیان دیگر، «داده» زمانی به «شاهد» یا «دلیل» (Evidence) تبدیل میشود که در بستری تعاملی و گفتوگویی، برای حمایت از یک ادعا به کار گرفته شود و مورد پذیرش مخاطب قرار گیرد.

پایاننامه استدلال میکند که برای درک چگونگی این فرآیند، نمیتوان صرفاً بر «صحت» یا «دروغی» بودن اطلاعات تمرکز کرد؛ بلکه باید به شیوههای زبانی و تعاملاتی توجه داشت که از طریق آنها، دادهها در فضای عمومی جان میگیرند و به جریان میافتند. نویسنده این فرآیند را «فرامتنی کردن» (Entextualization) مینامد و معتقد است که توجه به این ابعاد زبانی و ارتباطی میتواند نگاهی تازه به نحوهی شکلگیری و پذیرش شواهد در دنیای دیجیتال ارائه دهد.

—

**فصل دوم: چارچوب نظری – از داده تا شاهد**

در این فصل، نویسنده به مبانی نظری پژوهش میپردازد و از دو حوزهی اصلی مطالعات علم و فناوری (STS) و جامعهشناسی زبان (Sociolinguistics) بهره میگیرد.

– **همهی دادهها دیدگاهی هستند:** نویسنده با استناد به اندیشمندانی چون چارلز گودوین و ویراستاران کتاب “Raw Data is an Oxymoron” تأکید میکند که داده، به خودی خود، امری «خام» و عینی نیست. دادهها همواره با هدفی اجتماعی تولید، پردازش و مصرف میشوند و بنابراین، اساساً دیدگاهی و وابسته به بافت اجتماعی خود هستند.

– **تمایز داده، اطلاعات و شاهد:** برای روشنتر شدن بحث، تفاوت این سه مفهوم تشریح میشود. «داده» ثبت اطلاعات است. «اطلاعات» دادهی سازمانیافتهای است که هنوز در خدمت یک ادعا درنیامده است. اما «شاهد» زمانی پدید میآید که داده در خدمت استدلال یا ادعایی قرار گیرد و برای مخاطب قانعکننده باشد. به عبارت دیگر، شاهد شدن یک داده، فرآیندی تعاملی، اقناعی و اجتماعی است.

– **نقش محوری «موضع» (Stance):** نویسنده برای پل زدن بین این نظریهها، مفهوم «موضع» را از جامعهشناسی زبان انتخاب میکند. موضع به جایگاهگیری فرد در گفتوگو، ابراز عقیده، احساس، یا سنجش میزان قطعیت نسبت به یک ادعا اطلاق میشود. موضع، نحوهی تعامل فرد با مخاطب، موضوع گفتوگو و خودِ گفتار را نشان میدهد و ابزاری قدرتمند برای تحلیل چگونگی صورتبندی شواهد است.

– **چالشهای محاسباتی:** نویسنده تلاشهای قبلی در حوزهی پردازش زبان طبیعی (NLP) برای تشخیص موضع را مرور میکند. این تلاشها اغلب به مسئلهای دودویی (موافق/مخالف) تقلیل یافتهاند و نمیتوانند پیچیدگیهای تعاملی و چندلایهی موضع را در دنیای واقعی منعکس کنند. نویسنده نتیجه میگیرد که رویکردهای محاسباتی موجود، برای درک عمق مفهوم موضع ناکافی هستند و نیاز به رویکردی ظریفتر است.

– **معرفتشناسی (Epistemic Stance) و شاهدگونگی (Evidentiality):** در ادامه، نویسنده تمرکز خود را بر یک بُعد خاص از موضع یعنی «موضع معرفتشناختی» و «شاهدگونگی» معطوف میکند. شاهدگونگی به جنبههایی از گفتار اشاره دارد که منبع دانش یا نوع شواهد گوینده را مشخص میکند (مثلاً اینکه آیا خودش شاهد بوده، از کسی شنیده، یا استنتاج کرده است). قیدهایی مانند «ظاهراً»، «گزارش شده که»، و «به اصطلاح» نمونههایی از نشانگرهای زبانی هستند که شاهدگونگی را رمزگذاری میکنند. نویسنده نشان میدهد که این نشانگرها، فراتر از انتقال صرف منبع خبر، دارای بار تعاملی و اجتماعی هستند؛ مثلاً قیدهای گزارشگرانه (Reportative adverbs) مانند allegedly میتوانند گوینده را از مسئولیت در قبال درستی جمله مبرا کنند و فضایی از تردید یا تعلیق باور ایجاد نمایند.

در نهایت، این فصل با این نتیجهگیری به پایان میرسد که شاهدگونگی، بهویژه در زبان انگلیسی، عمدتاً با مجموعهای محدود از نشانگرهای زبانی (مانند برخی قیدها و عبارات) بیان میشود و همین امر، امکان مطالعهی کمّی و مقیاسپذیر آن را در حجم عظیمی از دادههای شبکههای اجتماعی فراهم میآورد.

—

**فصل سوم: مطالعه موردی – حقیقت در #ufotwitter**

نویسنده برای بررسی عملی نظریههای خود، جامعهی گفتوگویی (Discourse Community) فعال در توییتر را با هشتگ #ufotwitter به عنوان مطالعهی موردی انتخاب میکند. این جامعه، به دلیل ماهیت خاص خود (بحث در مورد پدیدههای ناشناخته در غیاب مراجع قدرت و اعتبار نهادی)، بستری غنی برای بررسی شاهدگونگی است.

– **بستر پژوهش (یوفولوژی):** نویسنده پیشینهای از یوفولوژی ارائه میدهد؛ از حادثهی روزول در سال ۱۹۴۷ تا گزارش اخیر پنتاگون در سال ۲۰۲۱. یوفولوژی به دلیل ماهیت فرضی و فقدان مشروعیت علمی و سیاسی، همیشه به دنبال روشهای ارتباطی جایگزین بوده و از رسانههای جمعی برای انتشار یافتههای خود استفاده کرده است. این ویژگی، آن را به نمونهای عالی برای مطالعهی نحوهی تولید، اشاعه و جدال بر سر شواهد در فضای آنلاین تبدیل میکند.

– **گردآوری داده:** نویسنده با استفاده از API توییتر، مجموعهدادههایی شامل بیش از ۲۳۰,۰۰۰ توییت اصلی (غیررتوییتی) که حاوی هشتگ #ufotwitter هستند، در بازهی ۲۰۱۹ تا ۲۰۲۱ جمعآوری میکند.

– **تنوع در کاربرد قیدهای شاهدگونگی:** نویسنده به بررسی این پرسش میپردازد که آیا زیرگروههای مختلف در این جامعه، قیدهای شاهدگونگی را به شکل متفاوتی به کار میبرند؟ تلاشها برای یافتن خوشههای معنادار بر اساس تعاملات کاربران یا مدلسازی موضوعی (Topic Modeling) نتیجهای در بر ندارد؛ چرا که جامعهی #ufotwitter بسیار کوچک و فشرده است و کاربران با دیدگاههای مختلف (حتی شکاکان و معتقدان سرسخت) حاضر به تعامل با یکدیگر هستند.

– **چارچوب مشارکت (Participation Framework):** نویسنده برای تحلیل دقیقتر، یک چارچوب مفهومی ابداع میکند که شش نقش تعاملی را در فرآیند شاهدگونگی مشخص میکند: «پدیده» (UFO)، «نمایش پدیده»، «شاهد/نویسنده»، «گوینده/روایتگر»، «مسئول اجتماعی» و «مخاطب». با کدگذاری دستی ۸۰۰ توییت بر اساس این چارچوب، مشخص میشود که قیدهای شاهدگونگی عمدتاً بر روی «پدیده» و «نمایش آن» متمرکز هستند، اما بخش قابل توجهی نیز بر روی نقشهای انسانی درگیر در فرآیند ارائهی شواهد تأکید دارند. این یافته نشان میدهد که کاربران #ufotwitter آگاهی ظریفی از ماهیت چندوجهی شواهد دارند.

– **تأثیر بر تعامل:** در ادامه، نویسنده رابطهی بین استفاده از قیدهای مختلف و میزان تعامل (پاسخ، لایک، ریتوییت) را بررسی میکند. نتایج نشان میدهد که استفاده از قید «allegedly» به طور چشمگیری با افزایش تعامل همراه است: این توییتها به طور میانگین ۱۰.۲ برابر ریتوییت و ۸.۵ برابر پاسخ بیشتری دریافت میکنند. قید «supposedly» نیز چنین اثری دارد، اما «reportedly» چنین نیست.

—

**فصل چهارم: «اثر شایعه» (The Hearsay Effect)**

این فصل به بررسی عمیقتر پدیدهی کشف شده در فصل قبل میپردازد و آن را «اثر شایعه» مینامد: پدیدهای که در آن ارائهی شواهد با نشانگرهای زبانی دال بر ضعف (مانند شایعه یا گزارش دست دوم)، به میزان قابل توجهی تعامل و واکنش بیشتری را در فضای آنلاین برمیانگیزد.

– **تعریف شایعه از منظر زبانشناختی:** شایعه به عنوان گزارشی دست دوم تعریف میشود که گوینده خود را از مسئولیت در قبال صحت آن مبرا میکند. این نوع گزارهها، مخاطب را در موقعیتی قرار میدهند که خود دربارهی صحت آن قضاوت کند. قیدهای شاهدگونهای مانند allegedly، دقیقاً همین کارکرد را دارند: یعنی گوینده بدون ابراز نظر خود، گزارهای را مطرح میکند و بار اثبات آن را به دیگری وا میگذارد.

– **بررسی علیت (Causality):** پرسش اصلی این است که آیا این افزایش تعامل، ناشی از خود قید است یا ویژگیهای دیگری در متن؟ نویسنده تلاش میکند با استفاده از مدلهای زبانی بزرگ مانند BERT به این سوال پاسخ دهد. هدف این است که مدلی آموزش داده شود تا میزان تعامل یک توییت را از روی متن پیشبینی کند. با روشهای مختلف (طبقهبندی، رگرسیون، و شبکههای سهتایی)، مدلها بر روی دادههای #ufotwitter تنظیم دقیق (Fine-tune) میشوند. اگرچه نتایج این مدلها به دلیل پیچیدگی مسئله، محدودیتهای محاسباتی و زمان، به یک پاسخ قطعی نمیرسد، اما این تلاش نشان میدهد که رویکردهای محاسباتی برای بررسی نقش عناصر زبانی خاص (مانند قیدها) در میزان تعامل، در عین دشواری، حوزهای امیدوارکننده است.

– **قابلیت تعمیم اثر شایعه:** برای سنجش این اثر در سایر زمینهها، نویسنده با جستجوی قید allegedly، ۳ میلیون توییت از حوزههای مختلف (مانند کووید-۱۹، جنگ اوکراین، کودتای میانمار، NBA، و حواشی افراد مشهور) جمعآوری کرده و اثر شایعه را در هرکدام محاسبه میکند. نتایج نشان میدهد که شدت این اثر در #ufotwitter (با ضریب ۸.۵۳) به مراتب بیشتر از سایر حوزههاست. جالبترین یافته، مربوط به حوزهی «اطلاعات منبعباز» (OSINT – Open Source Intelligence) در جنگ اوکراین است که پس از فیلتر کردن کاربران این حوزه، ضریب اثر شایعه از ۱.۲۹ به ۳.۱۲ افزایش مییابد. این نشان میدهد که اثر شایعه، منحصر به #ufotwitter نیست و در جوامعی که مرجعیت نهادی و اعتماد به ساختارهای سنتی قدرت پایین است و کاربران به صورت داوطلبانه به گردآوری و تحلیل دادههای عمومی میپردازند (همچون OSINT)، نمود بیشتری دارد.

– **قدرت شواهد ضعیف:** نویسنده در بخش پایانی این فصل، به تفسیر «قدرت شواهد ضعیف» میپردازد. او استدلال میکند که این پدیده، فراتر از یک «اشتباه» شناختی یا سوگیری ساده است و میتواند تفسیرهای مختلفی داشته باشد:
۱. **دعوت به بازبینی دقیقتر:** ارائهی شواهد به صورت ضعیف و مشروط، ممکن است مخاطب را به بررسی موشکافانهتر وادارد.
۲. **مشروعیت در غیاب اعتماد:** در فضایی که اعتماد به نهادها پایین است، قیدهایی که نشان میدهند گوینده «فقط گزارشگر است»، ممکن است به دادهها اعتبار بخشند، زیرا گوینده با صراحت نظری نداده است.
۳. **راز و سرمایهی اجتماعی:** انتشار گزارههای مبهم و مبتنی بر شایعه، میتواند به عنوان نوعی سرمایهی اجتماعی عمل کند و حس نزدیکی به «راز بزرگ» را در جامعه تقویت نماید.
۴. **ایجاد جهانهای ممکن:** این نشانگرهای زبانی فضایی از ابهام و چندگانگی ایجاد میکنند که در آن، تفاسیر مختلف از شواهد میتوانند به طور همزمان وجود داشته باشند و به گفتوگو دامن بزنند.

—

**نتیجهگیری و جمعبندی پایانی**

پایاننامه با جمعبندی ایدههای اصلی خود به پایان میرسد:

– **مفهوم «اثر شایعه»** به عنوان یافتهی اصلی پژوهش معرفی میشود که نشان میدهد در برخی بسترهای آنلاین، ارائهی شواهد به صورت ضعیف و مبتنی بر گزارش دست دوم، نه تنها باعث کاهش اعتبار نمیشود، بلکه میتواند به عاملی برای جلب توجه، تعامل و مشارکت بیشتر بدل شود.

– **محدودیتهای مدلهای محاسباتی:** نویسنده با اذعان به این نکته که مدلهای پیچیدهی NLP نتوانستند پاسخ قاطعی برای علیت ارائه دهند، تأکید میکند که درک این پدیده، مستلزم بافتشناسی فرهنگی و اجتماعی عمیق است و به تنهایی با ابزارهای کمّی میسر نیست.

– **آیندهی پژوهش:** پیشنهاد میشود که پژوهشگران با ترکیب روشهای کمّی (کلانداده) و کیفی («توصیف ضخیم»)، به تحلیل مفاهیم پیچیدهای چون موضع و شاهدگونگی در مقیاس وسیع بپردازند تا بتوانند نحوهی شکلگیری و گردش اطلاعات و اطلاعات نادرست را در دنیای دیجیتال امروز که به شدت قطبی شده، بهتر درک کنند.

– **پیامدهای پژوهش:** درک «قدرت شواهد ضعیف» میتواند گامی حیاتی برای شناخت و مدیریت اکوسیستمهای اطلاعاتی پرنوسان و ناپایدار شبکههای اجتماعی در عصر حاضر باشد و نگاه ما را به مسئلهی اطلاعات نادرست (Misinformation) عمیقتر از یک تقابل سادهی «حقیقت» و «دروغ» کند.
“`html

اثر شایعه: چرا شواهد ضعیف در توییتر ویروسی میشوند؟**

معمایی که هزاران توییت را کلید زد

اگر به شما بگویم که در شبکه‌های اجتماعی، گفتن «من یک بشقاب‌پرنده دیدم» توجه کمتری جلب می‌کند تا گفتن «ظاهراً کسی یک بشقاب‌پرنده دیده»؟ دقیقاً همین اتفاقی است که محققان ام‌آیتی کشف کردند. در مطالعه‌ای گسترده روی ۲۳۰,۰۰۰ توییت دربارهٔ بشقاب‌پرنده‌ها، الگوی عجیبی پیدا شد: گزاره‌هایی که با برچسب «شایعه» مشخص شده‌اند، به طور مداوم از ادعاهای مطمئن و قاطع عملکرد بهتری دارند. هرچه کاربر بیشتر نشان دهد که ممکن است اشتباه کند، تعامل بیشتری دریافت می‌کند. چرا؟

—

داده‌ها: آزمایشی با ۲۳۰,۰۰۰ توییت

تیم تحقیقاتی با استفاده از API توییتر، تمام توییت‌های حاوی هشتگ #ufotwitter را بین سال‌های ۲۰۱۹ تا ۲۰۲۱ بررسی کردند. نتیجه‌شان این بود: توییت‌هایی که از کلمهٔ «allegedly» (ظاهراً / به‌اصطلاح) استفاده کرده‌اند، به طور میانگین **۱۰ برابر بیشتر ریتوییت و ۸.۵ برابر بیشتر پاسخ** دریافت کرده‌اند. «supposedly» (گویا) هم دور از انتظار نبود. اما «reportedly» (گزارش شده که) که حالتی خنثی‌تر دارد، چنین تأثیری نداشت.

> *«توییت‌هایی که کلمهٔ “allegedly” در متن آنهاست، به طور میانگین ۱۰.۲۱۴ برابر ریتوییت و ۸.۵۲۹ برابر پاسخ بیشتر از میانگین کل مجموعه دریافت می‌کنند.»*

—

چرا این خلاف عقل سلیم است؟

عرف می‌گوید که ما به سمت اطمینان جذب می‌شویم. میم‌ها، خشم و ادعاهای جسورانه دقیقاً به خاطر این که جایی برای تردید باقی نمی‌گذارند، ویروسی می‌شوند. اما «اثر شایعه» نشان می‌دهد که موضوع عمیق‌تر از این حرف‌هاست:

۱. **شواهد ضعیف، مخاطب را به مشارکت دعوت می‌کند.** وقتی ادعای قطعی ندارید، یک شکاف ایجاد می‌کنید که مخاطب می‌تواند آن را پر کند. مردم وارد می‌شوند تا تأیید، رد یا تفسیر کنند—که همهٔ اینها تعامل را بالا می‌برد.

۲. **اعتماد به نهادها کاهش یافته است.** در جوامعی مثل #ufotwitter یا محققان اطلاعات منبع‌باز (OSINT)، کاربران مرجعیت رسمی ندارند. نمی‌توانند بگویند «من می‌دانم این درست است» چون کسی به آنها اعتماد ندارد. در عوض می‌گویند «یک نفر ادعا کرده که این اتفاق افتاده» که به طرز عجیبی معتبرتر به نظر می‌رسد، چون شفاف است.

۳. **تعلیق باور، نوعی سرمایه است.** مطالعه نشان می‌دهد که این قیدها «مخاطب‌محور» هستند—یعنی مسئولیت را به گوش‌دهنده منتقل می‌کنند. این کار، مالکیت مشترکی از فرایند جستجوی حقیقت ایجاد می‌کند و خوانندگان منفعل را به مشارکت‌کنندگانی فعال تبدیل می‌کند.

—

فقط بشقاب‌پرنده‌ها نیستند: ارتباط با اطلاعات منبع‌باز (OSINT)

محققان این الگو را روی ۸ موضوع دیگر هم آزمایش کردند—از داشبوردهای کووید-۱۹ تا جنگ اوکراین. «اثر شایعه» در جاهای مختلف بسیار متفاوت بود. در بحث‌های خبری جریان اصلی، به سختی دیده می‌شد. اما در میان محققان OSINT (تحلیلگران آماتوری که جنگ را رصد می‌کنند)، به شدت افزایش یافت. وقتی تیم، توییت‌های حساب‌های تأییدشدهٔ OSINT را جدا کردند، اثر از ۱.۲۹ به ۳.۱۲ جهش کرد.

> *«اثر شایعه در بسترهایی تشدید می‌شود که اعتماد نهادی پایین است و مراجع معرفت‌شناختیِ مرکزی وجود ندارند.»*

—

این یعنی چه برای عصر اطلاعات ما؟

«اثر شایعه» فقط یک عجیب‌بودگی توییتری نیست. این یک نشانه است از اینکه ما در فضاهای پراکنده و پسا-مرجعی، چگونه حقیقت را هدایت می‌کنیم. وقتی هیچ کس کلید قطعیت را در دست ندارد، زبانمان تغییر می‌کند. به جای اعلامیه، به نقل‌قول حرف می‌زنیم. به جای نتیجه‌گیری، به دعوت.

این پیامدهای عمیقی برای اطلاعات نادرست دارد. اگر «شواهد ضعیف» عملکرد بهتری داشته باشد، مبارزه با دروغ با «فقط حقایق» یعنی جنگیدن با جنگی که تمام شده. در عوض، باید بفهمیم چرا مخاطبان عدم‌قطعیت را پاداش می‌دهند—و اینکه آیا این یک مشکل است یا یک فرصت.

—

حرف آخر

عنوان این مطالعه، *یک پایان‌نامه، به‌اصطلاح*، فقط یک بازی هوشمندانه با کلمات نیست. یک هشدار است. در دنیایی که حقیقت مذاکره می‌شود، حتی یک پانوشت هم می‌تواند تبدیل به تیتر یک شود. و قدرتمندترین جمله‌ای که می‌توانید بگویید، ممکن است همان جمله‌ای باشد که از آن کاملاً مطمئن نیستید.