اخلاق به عنوان ستونی اساسی در ساختار اجتماعی بشر، نقش حیاتی در رفاه و همبستگی جوامع ایفا می‌کند. اما درک و تعریف افراد از مفاهیم اخلاقی، ثابت و ایستا نیست؛ بلکه پدیده‌ای پویا و دستخوش تغییر است که با گذر زمان و تحت تأثیر عوامل مختلف تحول می‌یابد. این تغییرات می‌توانند از طریق رویدادهای تاریخی، تحولات فرهنگی، پیشرفت‌های فناورانه یا حتی گفتمان‌های عمومی شکل بگیرند. درک چگونگی و چرایی این دگرگونی‌های اخلاقی، نه تنها برای جامعه‌شناسان و فلاسفه، بلکه برای سیاست‌گذاران و برنامه‌ریزان اجتماعی نیز از اهمیت ویژه‌ای برخوردار است.

پیشرفت‌های اخیر در پردازش زبان طبیعی (NLP) ابزارهای قدرتمندی برای تحلیل متون فراهم آورده‌اند و نشان داده‌اند که متن، بستر موثری برای آشکارسازی و مطالعه تغییرات اخلاقی است. با این حال، تا پیش از این تحقیق، تلاش منسجمی برای کمی‌سازی و ردیابی دقیق منابع اصلی این تغییرات اخلاقی صورت نگرفته بود. مقاله‌ای که توسط آیدا رمضانی و همکارانش ارائه شده است، پاسخی نوآورانه به این چالش دیرینه می‌دهد.

این مقاله یک چارچوب ناظر (Unsupervised Framework) نوین را معرفی می‌کند که قادر است منابع متنی تغییرات اخلاقی را نسبت به یک موجودیت خاص در طول زمان ردیابی کند. اهمیت این پژوهش در این است که از شناسایی صرف تغییرات اخلاقی فراتر رفته و به هسته اصلی چگونگی شکل‌گیری این تغییرات می‌پردازد؛ یعنی ریشه‌ها و عواملی که از طریق گفتار و نوشتار، بر درک اخلاقی جامعه اثر می‌گذارند. چنین بینشی می‌تواند به درک عمیق‌تری از پویایی‌های اجتماعی و فرهنگی منجر شود و ابزاری قدرتمند برای پیش‌بینی و مدیریت تحولات اخلاقی در اختیار قرار دهد.

این مقاله حاصل تلاش مشترک پژوهشگرانی با تخصص‌های مرتبط در حوزه علوم کامپیوتر و پردازش زبان طبیعی است:

• آیدا رمضانی (Aida Ramezani)
• زینینگ ژو (Zining Zhu)
• فرانک رودزیچ (Frank Rudzicz)
• یانگ شو (Yang Xu)

نویسندگان این مقاله در حوزه‌های محاسبات و زبان (Computation and Language) فعالیت می‌کنند که نشان‌دهنده رویکرد میان‌رشته‌ای آن‌ها است. زمینه تحقیق آن‌ها در تقاطع پردازش زبان طبیعی، هوش مصنوعی، و علوم اجتماعی محاسباتی قرار دارد. این ترکیب دانش به آن‌ها اجازه می‌دهد تا از قدرت الگوریتم‌های پیشرفته برای تحلیل حجم عظیمی از داده‌های متنی استفاده کرده و الگوهای پیچیده اجتماعی، به ویژه تغییرات اخلاقی، را از دل این داده‌ها استخراج کنند.

تحقیقات در این زمینه به طور فزاینده‌ای بر استفاده از کلان‌داده‌های متنی (Textual Big Data)، نظیر شبکه‌های اجتماعی، مقالات خبری، و اسناد تاریخی، متمرکز شده است تا دیدگاه‌های جدیدی در مورد رفتار انسان، افکار عمومی، و پویایی‌های فرهنگی ارائه دهد. این مقاله به طور خاص بر توانایی NLP برای فراتر رفتن از تحلیل سطحی متن و رسیدن به لایه‌های عمیق‌تری از معنا، مانند ارزش‌های اخلاقی و تغییرات آن‌ها، تأکید دارد.

مقاله “چارچوبی ناظر برای ردیابی منابع متنی تغییرات اخلاقی” به معضل پویایی و ناپایداری درک اخلاقی افراد و جوامع می‌پردازد. چکیده این مقاله به وضوح نقاط کلیدی آن را روشن می‌سازد:

• مسئله اصلی: درک اخلاقی افراد پایدار نیست و در طول زمان تغییر می‌کند. در حالی که پردازش زبان طبیعی در شناسایی این تغییرات در متن موفق بوده، اما تاکنون تلاشی برای کمی‌سازی و شناسایی منشأ این تغییرات صورت نگرفته است.
• راه حل پیشنهادی: معرفی یک چارچوب ناظر نوین برای ردیابی منابع متنی تغییرات اخلاقی نسبت به موجودیت‌ها (اشیاء، افراد، مفاهیم) در طول زمان. مفهوم “ناظر” به این معناست که مدل برای یادگیری نیازی به برچسب‌گذاری دستی داده‌ها درباره منابع تغییر اخلاقی ندارد، که این خود یک مزیت بزرگ در کار با داده‌های حجیم و پیچیده است.
• روش‌شناسی: تغییرات اخلاقی با استفاده از توزیع‌های موضوعی احتمالی (Probabilistic Topical Distributions) مشخص می‌شوند. این روش به مدل اجازه می‌دهد تا موضوعات پنهان در متن را شناسایی کرده و نوسانات در فراوانی یا ارتباط این موضوعات را به عنوان نشانه‌ای از تغییر در درک اخلاقی در نظر بگیرد. سپس، متن منبعی که بیشترین تأثیر را بر سیر زمانی اخلاقی دارد، استنتاج می‌شود.
• ارزیابی: چارچوب پیشنهادی بر روی مجموعه‌ای متنوع از داده‌ها، از جمله شبکه‌های اجتماعی و مقالات خبری، ارزیابی شده است. این تنوع داده‌ها نشان‌دهنده توانایی چارچوب در تعمیم‌پذیری به پلتفرم‌های مختلف گفتمان عمومی است.
• یافته‌های کلیدی:
  • چارچوب نه تنها قادر به تشخیص قضاوت‌های اخلاقی ظریف انسانی است، بلکه موضوعات منبع منسجم تغییرات اخلاقی را که توسط رویدادهای تاریخی ایجاد شده‌اند، شناسایی می‌کند.
  • کاربرد عملی: این روش برای تحلیل اخبار مربوط به همه‌گیری کووید-۱۹ به کار گرفته شده و توانایی آن در شناسایی منابع تغییرات اخلاقی در رویدادهای اجتماعی با تأثیر بالا و در زمان واقعی (real-time) را به نمایش گذاشته است.

در مجموع، این مقاله یک گام مهم رو به جلو در درک پویایی‌های اخلاقی جامعه برمی‌دارد و ابزاری قدرتمند برای تحلیل علل و ریشه‌های این تغییرات ارائه می‌دهد.

ستون فقرات این پژوهش، چارچوب ناظر (Unsupervised Framework) آن است که نیازی به داده‌های برچسب‌گذاری شده قبلی برای شناسایی منابع تغییرات اخلاقی ندارد. این ویژگی بسیار مهم است زیرا جمع‌آوری و برچسب‌گذاری دستی چنین داده‌هایی کاری بسیار دشوار، زمان‌بر و پرهزینه است.

روش‌شناسی به صورت زیر عمل می‌کند:

• مشخص کردن تغییرات اخلاقی با توزیع‌های موضوعی احتمالی:

  در ابتدا، مفهوم تغییر اخلاقی با استفاده از مدل‌سازی موضوع (Topic Modeling) کمی‌سازی می‌شود. مدل‌سازی موضوع، تکنیکی در پردازش زبان طبیعی است که به کشف “موضوعات” یا “تم‌های” انتزاعی پنهان در یک مجموعه از اسناد کمک می‌کند. هر موضوع به عنوان توزیعی از کلمات (به عنوان مثال، موضوع “بهداشت عمومی” ممکن است شامل کلماتی مانند “واکسن”، “ماسک”، “بیماری”، “پروتکل” باشد) و هر سند به عنوان توزیعی از موضوعات نمایش داده می‌شود.

  نویسندگان مقاله، تغییرات در توزیع این موضوعات را در طول زمان به عنوان شاخصی از تغییرات اخلاقی در نظر می‌گیرند. برای مثال، اگر در یک دوره زمانی خاص، موضوعات مرتبط با “آزادی فردی” در مقایسه با “مسئولیت اجتماعی” پررنگ‌تر شوند، این می‌تواند نشانه‌ای از تغییر در اولویت‌های اخلاقی جامعه باشد. این رویکرد به مدل اجازه می‌دهد تا بدون نیاز به تعاریف صریح از “خوب” یا “بد”، الگوهای مرتبط با قضاوت‌های اخلاقی را از داده‌ها استخراج کند.

• استنتاج متن منبع تأثیرگذار:

  پس از شناسایی تغییرات اخلاقی از طریق توزیع‌های موضوعی، گام بعدی شناسایی متون یا موضوعاتی است که بیشترین تأثیر را بر این سیر زمانی اخلاقی داشته‌اند. این بخش از روش‌شناسی احتمالاً شامل تحلیل‌های علّی (Causal Analysis) یا مدل‌های تأثیر (Influence Models) است که بررسی می‌کنند چگونه ظهور یا کاهش اهمیت یک موضوع خاص در متن، منجر به تغییر در توزیع کلی موضوعات اخلاقی می‌شود.

  برای مثال، فرض کنید در مورد موجودیت “واکسن”، در ابتدا تمرکز بر روی کارایی و ایمنی باشد. سپس، با انتشار اخباری درباره عوارض جانبی نادر یا محدودیت‌های دسترسی، ممکن است یک تغییر اخلاقی رخ دهد که در آن مباحثی مانند “عدالت در توزیع” یا “اخلاق اجبار” برجسته شوند. چارچوب این تحقیق قادر است مشخص کند که کدام مقالات خبری یا پست‌های شبکه‌های اجتماعی حاوی این اطلاعات، به عنوان منابع اصلی این تغییرات اخلاقی عمل کرده‌اند.

• مجموعه داده‌های متنوع:

  برای ارزیابی قدرت و تعمیم‌پذیری چارچوب، از مجموعه‌های داده‌ای متنوعی استفاده شده است. این شامل پلتفرم‌های رسانه‌های اجتماعی (که منعکس‌کننده افکار عمومی و گفتمان روزمره هستند) و مقالات خبری (که اغلب پوشش‌دهنده رویدادهای مهم و شکل‌دهنده افکار عمومی هستند) می‌شود. این تنوع اطمینان می‌دهد که چارچوب قادر است در محیط‌های مختلف اطلاعاتی کارآمد باشد و تنها محدود به یک نوع خاص از داده نیست.

به طور خلاصه، این روش‌شناسی با ترکیب قدرت مدل‌سازی موضوعی و تحلیل زمانی، راهی نوین برای کاوش و درک پویایی‌های اخلاقی در مقیاس وسیع ارائه می‌دهد.

تحقیقات انجام شده با استفاده از چارچوب پیشنهادی، نتایج بسیار چشمگیر و بینش‌های عمیقی را به ارمغان آورده است. یافته‌های کلیدی این مطالعه شامل موارد زیر است:

• دقت در ثبت قضاوت‌های اخلاقی ظریف انسانی:

  این چارچوب نه تنها قادر به شناسایی تغییرات کلی در درک اخلاقی است، بلکه می‌تواند تغییرات ظریف و دقیق (fine-grained) را نیز در قضاوت‌های اخلاقی انسان ثبت کند. این بدان معناست که مدل می‌تواند تفاوت‌های کوچک در معنای اخلاقی کلمات یا عبارات را که در طول زمان متحول می‌شوند، تشخیص دهد. برای مثال، ممکن است کلمه “نظارت” در یک دوره زمانی بیشتر با “امنیت” گره خورده باشد، اما پس از یک رسوایی حریم خصوصی، بار اخلاقی آن به سمت “نقض حریم خصوصی” و “عدم اعتماد” متمایل شود. توانایی چارچوب در ثبت این ظرایف، آن را به ابزاری قدرتمند برای تحلیل‌های عمیق اجتماعی تبدیل می‌کند.

• شناسایی موضوعات منبع منسجم تغییرات اخلاقی ناشی از رویدادهای تاریخی:

  یکی از مهمترین دستاوردهای این تحقیق، توانایی چارچوب در شناسایی منابع متنی منسجم و مرتبط است که عامل تغییرات اخلاقی بوده‌اند. این منابع اغلب با رویدادهای تاریخی یا اجتماعی مهم پیوند خورده‌اند. به عنوان مثال، در پی بحران‌های اقتصادی، ممکن است متونی که بر “فداکاری” و “همبستگی ملی” تأکید دارند، به عنوان منابع تغییر اخلاقی در جهت پذیرش محدودیت‌های اقتصادی شناسایی شوند. یا پس از یک جنبش اجتماعی بزرگ، متونی که درباره “حقوق اقلیت‌ها” یا “عدالت اجتماعی” صحبت می‌کنند، به عنوان کاتالیزور تغییر در درک اخلاقی جامعه نسبت به این گروه‌ها یا مفاهیم عمل کرده‌اند.

  این قابلیت به پژوهشگران و سیاست‌گذاران اجازه می‌دهد تا نه تنها چه چیزی تغییر کرده، بلکه چرا و توسط چه محتوایی این تغییر رخ داده است را درک کنند. این امر برای طراحی مداخلات مؤثر و یا پیش‌بینی واکنش‌های عمومی به رویدادهای آتی بسیار ارزشمند است.

• کاربرد در همه‌گیری کووید-۱۹:

  چارچوب برای تحلیل اخبار مربوط به همه‌گیری کووید-۱۹ به کار گرفته شد. نتایج نشان داد که این چارچوب به طور مؤثری منابع متنی تغییرات اخلاقی را در طول این بحران جهانی شناسایی کرده است. برای مثال، این سیستم توانست الگوهایی را کشف کند که نشان می‌داد چگونه اخبار مربوط به کمبود تجهیزات پزشکی، اثرات قرنطینه بر اقتصاد، یا بحث‌های پیرامون واکسیناسیون اجباری، به تدریج درک عمومی و اخلاقی جامعه را نسبت به مفاهیمی مانند “آزادی فردی”، “مسئولیت جمعی” و “نقش دولت در بحران” تغییر داده‌اند. این کاربرد عملی در یک رویداد اجتماعی با تأثیر بالا و در زمان واقعی، بر کارایی و سودمندی روش پیشنهادی تأکید می‌کند.

به طور خلاصه، این یافته‌ها نشان می‌دهند که چارچوب ارائه شده نه تنها از لحاظ نظری قدرتمند است، بلکه در عمل نیز توانایی تحلیل پدیده‌های پیچیده اجتماعی و شناسایی ریشه‌های تغییرات اخلاقی را دارد.

توانایی این چارچوب در ردیابی منابع متنی تغییرات اخلاقی، دریچه‌های جدیدی را به روی کاربردهای عملی و دستاوردهای علمی در حوزه‌های مختلف باز می‌کند. برخی از مهمترین کاربردها و دستاوردهای آن عبارتند از:

• تحلیل و مدیریت بحران‌های اجتماعی در زمان واقعی:

  همانطور که در مورد همه‌گیری کووید-۱۹ نشان داده شد، این چارچوب ابزاری قدرتمند برای شناسایی سریع منابع تغییرات اخلاقی در طول بحران‌های بزرگ اجتماعی است. دولت‌ها، سازمان‌های بهداشت عمومی و نهادهای غیردولتی می‌توانند از این روش برای درک واکنش‌های عمومی به سیاست‌ها، ردیابی تأثیر اطلاعات نادرست (disinformation) بر درک اخلاقی جامعه و تنظیم استراتژی‌های ارتباطی خود در زمان واقعی بهره ببرند.

• طراحی سیاست‌گذاری عمومی مبتنی بر داده:

  سیاست‌گذاران می‌توانند با استفاده از این چارچوب، پیش‌بینی کنند که چگونه یک سیاست جدید یا یک رویداد آتی ممکن است بر درک اخلاقی جامعه تأثیر بگذارد و چه نوع گفتمانی می‌تواند به حمایت یا مخالفت با آن سیاست منجر شود. این امر به طراحی سیاست‌های عمومی آگاهانه‌تر و مقبول‌تر کمک شایانی می‌کند.

• پژوهش‌های جامعه‌شناختی و روان‌شناختی:

  این روش به جامعه‌شناسان و روان‌شناسان اجتماعی امکان می‌دهد تا پویایی‌های فرهنگی و اخلاقی جوامع را با جزئیات بی‌سابقه‌ای مطالعه کنند. آن‌ها می‌توانند عوامل متنی مؤثر بر شکل‌گیری هنجارهای اجتماعی، ارزش‌ها و تابوهای جدید را شناسایی کرده و سیر تکامل تاریخی آن‌ها را در مقیاس وسیع تحلیل کنند.

• فیلتر کردن و مبارزه با اطلاعات نادرست و نفرت‌پراکنی:

  با شناسایی منابع متنی که به صورت مخرب، درک اخلاقی جامعه را تغییر می‌دهند (مانند ترویج نفرت، تعصب یا اطلاعات نادرست)، می‌توان ابزارهایی برای مقابله با این پدیده‌ها توسعه داد. این امر به پلتفرم‌های آنلاین کمک می‌کند تا محتوای مضر را شناسایی و مدیریت کنند.

• اخلاق در هوش مصنوعی (AI Ethics):

  با توجه به رشد سریع هوش مصنوعی، نگرانی‌هایی در مورد پیامدهای اخلاقی آن وجود دارد. این چارچوب می‌تواند به ردیابی چگونگی تغییر درک اخلاقی عمومی نسبت به فناوری‌های هوش مصنوعی (مانند حریم خصوصی داده‌ها، تصمیم‌گیری خودکار، یا تأثیر بر اشتغال) و شناسایی منابع این تغییرات کمک کند، که برای توسعه هوش مصنوعی مسئولانه و اخلاقی بسیار حیاتی است.

دستاورد اصلی این مقاله، ارائه یک ابزار تحلیلی قدرتمند است که شکاف موجود در درک ما از پویایی‌های اخلاقی را پر می‌کند. این ابزار نه تنها می‌تواند به فهم بهتر گذشته کمک کند، بلکه راهنمایی برای آینده نیز فراهم می‌آورد.

مقاله “چارچوبی ناظر برای ردیابی منابع متنی تغییرات اخلاقی” توسط آیدا رمضانی و همکارانش، یک پیشرفت چشمگیر در حوزه پردازش زبان طبیعی و علوم اجتماعی محاسباتی محسوب می‌شود. این پژوهش با ارائه یک چارچوب ناظر نوین، برای اولین بار امکان کمی‌سازی و ردیابی دقیق منابع متنی را فراهم می‌آورد که مسئول تغییرات در درک اخلاقی جامعه نسبت به موجودیت‌های خاص در طول زمان هستند.

اهمیت این تحقیق در این است که از شناسایی صرف تغییرات اخلاقی فراتر رفته و به ریشه‌های این تغییرات می‌پردازد. با استفاده از توزیع‌های موضوعی احتمالی برای مشخص کردن تغییرات اخلاقی و استنتاج متون تأثیرگذار، این چارچوب نشان داده است که قادر به ثبت قضاوت‌های اخلاقی ظریف انسانی و شناسایی موضوعات منبع منسجم است که توسط رویدادهای تاریخی تحریک می‌شوند.

کاربرد موفقیت‌آمیز این روش در تحلیل اخبار مربوط به همه‌گیری کووید-۱۹، قدرت و سودمندی آن را در مواجهه با رویدادهای اجتماعی با تأثیر بالا و در زمان واقعی به اثبات رسانده است. دستاوردهای این پژوهش پیامدهای گسترده‌ای برای سیاست‌گذاری عمومی، مدیریت بحران، پژوهش‌های جامعه‌شناختی و حتی توسعه اخلاقی هوش مصنوعی دارد.

در نهایت، این مقاله نه تنها یک ابزار تحلیلی قدرتمند را معرفی می‌کند، بلکه بینش‌های عمیقی در مورد چگونگی شکل‌گیری و تحول ارزش‌های اخلاقی در جوامع مدرن ارائه می‌دهد. در جهانی که اطلاعات به سرعت در حال انتشار است و گفتمان عمومی به طور مداوم در حال تغییر است، توانایی درک این که چه چیزی و چرا درک اخلاقی ما را تغییر می‌دهد، بیش از پیش حیاتی شده است. این تحقیق گامی بلند در جهت دستیابی به این درک است و راه را برای مطالعات آتی در زمینه پویایی‌های اخلاقی و تأثیر متون بر آن‌ها هموار می‌سازد.