در دنیای امروز، شبکه‌های اجتماعی مانند توییتر (که اکنون با نام X شناخته می‌شود) به بستری اصلی برای تبادل نظر و شکل‌گیری افکار عمومی در مورد مسائل حیاتی اجتماعی و سیاسی تبدیل شده‌اند. یکی از مهم‌ترین این مسائل، «تغییر اقلیم» است که گفتگو پیرامون آن به طور فزاینده‌ای در فضای مجازی گسترش یافته است. با این حال، این فضا تنها محلی برای آگاهی‌بخشی نیست، بلکه به میدانی برای دوقطبی‌سازی سیاسی و انتشار اطلاعات نادرست (Misinformation) نیز بدل شده است.

اهمیت این مقاله در آن است که تلاش می‌کند با رویکردی داده‌محور و علمی، پویایی گفتگوهای آنلاین درباره تغییر اقلیم را درک کند. این پژوهش به جای تکیه بر تحلیل‌های کیفی محدود، از حجم عظیمی از داده‌ها بهره می‌برد تا الگوهای رفتاری کاربران، ساختار جوامع آنلاین و تأثیر رویدادهای جهانی بر این گفتگوها را شناسایی کند. درک این پویایی‌ها برای سیاست‌گذاران، فعالان محیط زیست و دانشمندان ارتباطات ضروری است تا بتوانند استراتژی‌های مؤثری برای افزایش آگاهی عمومی، مقابله با اطلاعات نادرست و تشویق به اقدامات جمعی برای کند کردن روند تغییرات اقلیمی طراحی کنند.

این مقاله حاصل همکاری گروهی از پژوهشگران با تخصص‌های مکمل است:

• یاشاسوی پاپنجا (Yashaswi Pupneja)
• جوزف زو (Joseph Zou)
• ساشا لوی (Sacha Lévy)
• شنیانگ هوانگ (Shenyang Huang)

زمینه‌های تحقیقاتی این مقاله در تقاطع سه حوزه کلیدی علوم کامپیوتر قرار دارد: شبکه‌های اجتماعی و اطلاعاتی، پردازش زبان طبیعی (NLP) و یادگیری ماشین. این ترکیب میان‌رشته‌ای به محققان اجازه داده است تا هم ساختار ارتباطات میان کاربران (تحلیل شبکه) و هم محتوای متنی گفتگوها (تحلیل زبان) را با استفاده از ابزارهای پیشرفته محاسباتی مورد بررسی قرار دهند و به درکی عمیق و چندبعدی از موضوع دست یابند.

هدف اصلی این پژوهش، درک چگونگی تأثیر رویدادهای دنیای واقعی بر دیدگاه‌ها و نظرات افراد در مورد موضوعات مرتبط با تغییر اقلیم در شبکه‌های اجتماعی است. برای دستیابی به این هدف، محققان مجموعه داده‌ای عظیم شامل ۱۳.۶ میلیون توییت از ۳.۶ میلیون کاربر را در یک بازه زمانی ۱۳ ساله (از ۲۰۰۶ تا ۲۰۱۹) استخراج و تحلیل کرده‌اند.

محور اصلی تحلیل، بررسی تغییرات در ساختار جوامع آنلاین حول رویدادهای کلیدی مانند «کنفرانس اعضای کنوانسیون سازمان ملل متحد در مورد تغییر اقلیم» (COP) است. این کنفرانس‌ها به عنوان نقاط عطف جهانی، فرصتی برای مشاهده واکنش‌ها و تغییرات در افکار عمومی فراهم می‌کنند. این مقاله به عنوان گامی اولیه در جهت درک تکامل جوامع حامی محیط زیست (Pro-climate change) عمل می‌کند. پاسخ به این سوالات به ما کمک می‌کند تا بفهمیم چگونه می‌توان آگاهی مردم را نسبت به تغییرات اقلیمی افزایش داد و افراد بیشتری را به تلاش‌های مشترک برای مقابله با این بحران جهانی فراخواند.

پژوهشگران برای تحلیل این حجم عظیم از داده‌ها از یک روش‌شناسی چندمرحله‌ای و پیچیده بهره برده‌اند که شامل سه بخش اصلی است:

• ساخت و تحلیل گراف شبکه: اولین قدم، تبدیل داده‌های تعاملات کاربران به یک مدل قابل تحلیل بود. محققان یک «گراف زمانی» (Temporal Graph) از شبکه منشن‌های کاربر-به-کاربر (User-user mentions) ساختند. در این گراف، هر کاربر یک گره (Node) و هر منشن (اشاره به نام کاربری دیگر با علامت @) یک یال (Edge) جهت‌دار است. این ساختار به آن‌ها اجازه داد تا جریان اطلاعات و الگوهای ارتباطی میان افراد را به‌دقت ردیابی کنند.
• شناسایی جوامع آنلاین: برای فهم ساختارهای اجتماعی پنهان در شبکه، از الگوریتم تشخیص جامعه لووِن (Louvain Algorithm) استفاده شد. این الگوریتم قدرتمند، گروه‌هایی از کاربران را شناسایی می‌کند که تعاملات درونی آن‌ها بسیار بیشتر از تعاملاتشان با کاربران خارج از گروه است. این گروه‌ها یا «جوامع» (Communities) می‌توانند نمایانگر گروه‌های همفکر، فعالان یک حوزه خاص، یا حتی اتاق‌های پژواک (Echo Chambers) باشند. تحلیل تغییرات این جوامع در اطراف رویدادهای COP، هسته اصلی تحلیل شبکه را تشکیل می‌دهد.
• تحلیل محتوای متنی با NLP: برای درک «چه چیزی» در این جوامع گفته می‌شود، از دو تکنیک کلیدی پردازش زبان طبیعی استفاده شد:
  • تحلیل احساسات (Sentiment Analysis): این تکنیک برای ارزیابی بار عاطفی توییت‌ها (مثبت، منفی یا خنثی) به کار گرفته شد. با این روش می‌توان فهمید که آیا لحن گفتگوها در مورد تغییر اقلیم در طول زمان خوش‌بینانه‌تر شده است یا بدبینانه‌تر و آیا رویدادهای خاصی باعث تغییر ناگهانی در احساسات عمومی شده‌اند.
  • مدل‌سازی موضوعی (Topic Modeling): این ابزار برای کشف موضوعات اصلی مورد بحث در میان میلیون‌ها توییت استفاده شد. به جای خواندن دستی توییت‌ها، الگوریتم به طور خودکار خوشه‌هایی از کلمات را که اغلب با هم ظاهر می‌شوند شناسایی کرده و آن‌ها را به عنوان «موضوعات» دسته‌بندی می‌کند. موضوعاتی مانند «سیاست‌گذاری کربن»، «انرژی‌های تجدیدپذیر»، «انکار علم اقلیم» یا «فجایع طبیعی» می‌توانند از این طریق شناسایی شوند.

اگرچه مقاله خود را «گام اول» می‌نامد، اما تحلیل‌های انجام‌شده به یافته‌های مهمی اشاره دارند:

• تأثیر رویدادهای COP بر پویایی شبکه: نتایج نشان می‌دهد که در بازه‌های زمانی نزدیک به برگزاری کنفرانس‌های COP، حجم فعالیت و تعاملات در شبکه به شدت افزایش می‌یابد. این رویدادها مانند یک کاتالیزور عمل کرده و باعث شکل‌گیری یا تقویت جوامع آنلاین حامی اقدامات اقلیمی می‌شوند. همچنین، گفتگوها از حالت کلی به مباحث تخصصی‌تر و سیاسی‌تر (مانند مذاکرات و تعهدات کشورها) تغییر جهت می‌دهند.
• وجود دوقطبی‌سازی شدید: الگوریتم تشخیص جامعه به وضوح وجود دو یا چند کلان-جامعه مجزا را نشان می‌دهد که تعامل بسیار کمی با یکدیگر دارند. یک جامعه بزرگ متشکل از دانشمندان، فعالان محیط زیست و شهروندان نگران است و جامعه‌ای دیگر، هرچند کوچکتر، از کاربران شکاک یا منکر تغییر اقلیم تشکیل شده است. این جدایی ساختاری، نشان‌دهنده وجود اتاق‌های پژواک است که در آن اطلاعات متضاد به ندرت نفوذ می‌کند.
• تکامل موضوعات گفتگو: مدل‌سازی موضوعی نشان داد که موضوعات مورد بحث در طول ۱۳ سال به طور قابل توجهی تکامل یافته‌اند. در سال‌های اولیه (۲۰۰۶-۲۰۱۰)، بحث‌ها بیشتر بر سر مبانی علمی تغییر اقلیم بود. اما در سال‌های اخیر، تمرکز به سمت راه‌حل‌های سیاستی، عدالت اقلیمی، نقش شرکت‌های بزرگ و جنبش‌های جوانان (مانند Fridays for Future) تغییر کرده است.
• رشد جوامع حامی محیط زیست: تحلیل زمانی نشان می‌دهد که جوامع طرفدار اقدامات اقلیمی در طول زمان هم از نظر تعداد کاربران و هم از نظر تراکم ارتباطات داخلی، رشد قابل توجهی داشته‌اند. این یافته امیدبخش، حاکی از افزایش آگاهی و بسیج عمومی در فضای دیجیتال است.

این پژوهش فراتر از یک تحلیل آکادمیک، دستاوردها و کاربردهای عملی مهمی دارد:

• ابزاری برای رصد افکار عمومی: روش‌شناسی ارائه‌شده می‌تواند به عنوان یک داشبورد زنده برای رصد و تحلیل افکار عمومی در مورد تغییر اقلیم عمل کند و به سیاست‌گذاران کمک کند تا نبض جامعه را در دست داشته باشند.
• بهبود استراتژی‌های ارتباطی: با شناسایی موضوعات داغ، احساسات غالب و بازیگران کلیدی در هر جامعه، فعالان محیط زیست و سازمان‌ها می‌توانند پیام‌های خود را بهینه‌سازی کرده و به طور مؤثرتری با مخاطبان خود ارتباط برقرار کنند.
• مقابله با اطلاعات نادرست: درک ساختار شبکه‌هایی که اطلاعات نادرست را منتشر می‌کنند، اولین قدم برای مقابله با آن‌هاست. این تحلیل‌ها می‌توانند به شناسایی منابع اصلی و الگوهای انتشار اخبار جعلی کمک کنند.
• ارزیابی تأثیر کمپین‌ها: سازمان‌ها می‌توانند از این روش برای ارزیابی تأثیر کمپین‌های آگاهی‌رسانی خود استفاده کنند و ببینند که آیا توانسته‌اند ساختار شبکه را تغییر دهند یا گفتگوی عمومی را به سمت موضوعات مورد نظر خود هدایت کنند.

مقاله «بررسی دیدگاه‌ها نسبت به تغییر اقلیم در شبکه‌های اجتماعی» یک نمونه برجسته از چگونگی استفاده از علوم داده برای روشن کردن یکی از پیچیده‌ترین چالش‌های عصر ماست. این تحقیق با ترکیب هوشمندانه تحلیل شبکه و پردازش زبان طبیعی، تصویری کلان و دقیق از چشم‌انداز دیجیتال گفتگوهای اقلیمی ارائه می‌دهد.

این پژوهش نشان داد که رویدادهای جهانی مانند کنفرانس‌های COP نقشی حیاتی در بسیج و شکل‌دهی به جوامع آنلاین دارند، اما همزمان، فضای مجازی با پدیده خطرناک دوقطبی‌سازی و اتاق‌های پژواک روبروست. دستاوردهای این مقاله نه تنها به درک بهتر این پویایی‌ها کمک می‌کند، بلکه راه را برای توسعه ابزارها و استراتژی‌هایی هموار می‌سازد که می‌توانند به افزایش آگاهی، ترویج گفتگوی سازنده و در نهایت، تشویق افراد بیشتر برای پیوستن به تلاش جهانی برای مقابله با تغییر اقلیم منجر شوند.