در دنیای امروز، شهرها به کانون‌های اصلی فعالیت‌های اجتماعی، اقتصادی و سیاسی تبدیل شده‌اند. تصمیماتی که در شوراهای شهر و شهرداری‌ها گرفته می‌شود، تأثیر مستقیمی بر زندگی روزمره میلیون‌ها شهروند دارد. با این حال، پژوهش در زمینه حکمرانی شهری و تحلیل سیاست‌گذاری‌های محلی همواره با یک چالش بزرگ روبرو بوده است: کمبود داده‌های ساختاریافته و باکیفیت. جلسات شوراهای شهر اغلب ساعت‌ها به طول می‌انجامند و محتوای آن‌ها در قالب فایل‌های صوتی یا ویدیویی حجیم بایگانی می‌شود. استخراج اطلاعات معنادار از این حجم عظیم داده‌های بدون ساختار، کاری طاقت‌فرسا، زمان‌بر و پرهزینه است که عملاً تحقیقات تطبیقی و مقیاس‌پذیر را غیرممکن می‌سازد.

مقاله «شوراها در عمل: خودکارسازی پالایش داده‌های حکمرانی شهری برای پژوهش» نوشته اوا مکسفیلد براون و نیکلاس وبر، راهکاری نوآورانه برای غلبه بر این چالش ارائه می‌دهد. این مقاله با بهره‌گیری از پیشرفت‌های اخیر در حوزه هوش مصنوعی، به‌ویژه الگوریتم‌های گفتار به متن (Speech-to-Text) و پردازش زبان طبیعی (Natural Language Processing)، یک پلتفرم متن‌باز به نام «پروژه داده‌های شورا» یا Council Data Project (CDP) را معرفی می‌کند. اهمیت این پژوهش در آن است که با خودکارسازی فرآیند جمع‌آوری، پالایش و تحلیل داده‌های جلسات شوراهای شهر، در را به روی افق‌های جدیدی از تحقیقات در علوم سیاسی، جامعه‌شناسی شهری و سیاست‌گذاری عمومی می‌گشاید و شفافیت و پاسخگویی را در سطح محلی افزایش می‌دهد.

این مقاله توسط دو پژوهشگر برجسته در تلاقی حوزه‌های علم داده، علوم اجتماعی محاسباتی و کتابخانه‌های دیجیتال به رشته تحریر درآمده است. اوا مکسفیلد براون (Eva Maxfield Brown) و نیکلاس وبر (Nicholas Weber)، با تکیه بر تخصص خود، به طراحی و توسعه زیرساختی پرداخته‌اند که می‌تواند شکاف میان داده‌های خام دولتی و نیازهای پژوهشگران را پر کند. این اثر در دسته مقالات «کتابخانه‌های دیجیتال» طبقه‌بندی شده است، زیرا هدف اصلی آن ایجاد یک آرشیو دیجیتال، هوشمند و قابل جستجو از داده‌های حکمرانی است که پیش از این دسترسی به آن‌ها بسیار دشوار بود. این پروژه نمونه‌ای درخشان از کاربرد فناوری برای حل مسائل پیچیده در علوم انسانی و اجتماعی است.

مقاله با این فرض آغاز می‌شود که تحقیقات تطبیقی در مقیاس بزرگ روی حکمرانی شهری به دلیل فقدان داده‌های باکیفیت، بسیار دشوار و اغلب غیرممکن است. اما پیشرفت‌های اخیر در فناوری‌های هوش مصنوعی، امکان جمع‌آوری و تحلیل داده‌های دولت‌های محلی را به شیوه‌ای کارآمدتر فراهم کرده است. نویسندگان در این مقاله، پلتفرم متن‌باز Council Data Project (CDP) را به عنوان راهکاری برای تولید مجموعه داده‌های نوین برای تحقیقات در این حوزه معرفی می‌کنند.

مشارکت اصلی این پژوهش دو وجه دارد:

• وجه اول: اثبات کارایی زیرساخت: نویسندگان نشان می‌دهند که CDP به عنوان یک زیرساخت قدرتمند، قادر است داده‌های تطبیقی و قابل اعتمادی را در مورد حکمرانی شهری گردآوری و آماده‌سازی کند. این پلتفرم فرآیند تبدیل ساعت‌ها گفتگوی جلسات به متن قابل تحلیل را خودکار می‌کند.
• وجه دوم: نمایش قابلیت تحلیلی: از طریق یک تحلیل اکتشافی بر روی داده‌های سه شهرداری مختلف، مقاله نشان می‌دهد که چگونه می‌توان از داده‌های تولید شده توسط CDP برای کسب بینش در مورد عملکرد دولت‌های محلی در طول زمان استفاده کرد. این تحلیل‌ها نشان‌دهنده پتانسیل عظیم این داده‌ها برای پاسخ به سوالات پژوهشی جدید است.

قلب این پژوهش، معماری و عملکرد پلتفرم Council Data Project (CDP) است. این سیستم یک خط لوله (pipeline) پردازش داده را پیاده‌سازی می‌کند که ورودی آن، فایل‌های صوتی یا ویدیویی جلسات شوراهای شهر و خروجی آن، یک پایگاه داده ساختاریافته و غنی‌شده است. مراحل اصلی این فرآیند به شرح زیر است:

• جمع‌آوری داده (Data Ingestion): پلتفرم به طور خودکار به وب‌سایت‌های شهرداری‌ها متصل شده و فایل‌های چندرسانه‌ای جلسات را دانلود می‌کند. همچنین اطلاعات فراداده‌ای (metadata) مانند تاریخ جلسه، دستور جلسه و اعضای حاضر را استخراج می‌کند.
• آوانویسی خودکار (Automatic Transcription): در این مرحله، از الگوریتم‌های پیشرفته گفتار به متن برای تبدیل محتوای صوتی جلسات به متن نوشتاری استفاده می‌شود. این فرآیند یکی از پیچیده‌ترین بخش‌هاست، زیرا با چالش‌هایی مانند کیفیت پایین صدا، هم‌پوشانی صحبت‌ها و لهجه‌های مختلف روبرو است.
• پردازش زبان طبیعی (NLP): متن خام تولید شده در مرحله قبل، وارد فرآیندهای NLP می‌شود. در این بخش، متن به جملات و پاراگراف‌ها تقسیم‌بندی شده، علائم نگارشی اضافه می‌شود و متن برای تحلیل‌های بعدی آماده می‌شود. هدف نهایی، تولید متنی تمیز و قابل فهم است.
• ساختاردهی و ذخیره‌سازی: داده‌های پردازش‌شده، شامل متن آوانویسی شده، اطلاعات زمانی (timestamps) و فراداده‌های جلسه، در یک پایگاه داده ساختاریافته ذخیره می‌شوند. این ساختار به پژوهشگران اجازه می‌دهد تا به راحتی در میان هزاران ساعت جلسه جستجو کرده، الگوها را شناسایی و داده‌ها را برای تحلیل‌های آماری استخراج کنند.

نکته بسیار مهم این است که کل این پلتفرم به صورت متن‌باز (Open-Source) توسعه داده شده است. این به آن معناست که هر پژوهشگر، روزنامه‌نگار یا شهروند علاقه‌مندی می‌تواند از آن برای تحلیل داده‌های شهر خود استفاده کند یا در توسعه و بهبود آن مشارکت نماید.

مقاله دو دسته یافته اصلی را ارائه می‌دهد. اول، اثبات می‌کند که زیرساخت CDP به طور مؤثری کار می‌کند و قادر به تولید داده‌های قابل اعتماد در مقیاس بزرگ است. این خود یک دستاورد فنی مهم محسوب می‌شود.

دوم، تحلیل‌های اکتشافی بر روی داده‌های سه شهرداری، پتانسیل تحقیقاتی این پلتفرم را به نمایش می‌گذارد. برای مثال، پژوهشگران توانستند:

• روند موضوعات را در طول زمان ردیابی کنند: با تحلیل فراوانی کلمات کلیدی مانند «مسکن»، «حمل‌ونقل عمومی» یا «امنیت»، می‌توان مشاهده کرد که چگونه اولویت‌های یک شورا در طول ماه‌ها یا سال‌ها تغییر می‌کند. به عنوان نمونه، تحلیل‌ها ممکن است نشان دهد که بحث در مورد «بی‌خانمانی» پس از یک بحران اقتصادی خاص در شهر “الف” به شدت افزایش یافته، در حالی که در شهر “ب” تمرکز اصلی بر روی «توسعه زیرساخت‌ها» باقی مانده است.
• الگوهای مشارکت اعضا را تحلیل کنند: با اینکه تشخیص خودکار گوینده هنوز در مراحل اولیه است، داده‌ها امکان تحلیل میزان صحبت کردن هر عضو و موضوعات مورد علاقه آن‌ها را فراهم می‌آورند. این امر می‌تواند به ارزیابی میزان فعالیت و تخصص اعضای شورا کمک کند.
• تحلیل‌های تطبیقی میان‌شهری انجام دهند: برای اولین بار، امکان مقایسه سیستماتیک سیاست‌ها و گفتمان‌های حاکم بر شهرهای مختلف فراهم شده است. پژوهشگران می‌توانند بررسی کنند که شهرهای مختلف چگونه به یک چالش مشترک (مانند همه‌گیری کووید-۱۹) واکنش نشان داده‌اند.

مهم‌ترین دستاورد این مقاله، دموکراتیزه کردن دسترسی به داده‌های حکمرانی محلی است. پلتفرم CDP موانع فنی و مالی را برای مطالعه عملکرد دولت‌های محلی به شدت کاهش می‌دهد و فرصت‌های جدیدی را برای گروه‌های مختلف ایجاد می‌کند:

• پژوهشگران علوم اجتماعی: می‌توانند سوالات جدیدی در مورد پویایی‌شناسی قدرت، فرآیندهای سیاست‌گذاری، و تأثیر ساختارهای سیاسی بر خروجی‌ها بپرسند.
• روزنامه‌نگاران داده‌محور: می‌توانند با تحلیل روندهای جلسات شورا، گزارش‌های تحقیقی عمیق‌تری در مورد عملکرد مسئولان منتخب خود تهیه کرده و شفافیت را افزایش دهند.
• شهروندان و فعالان مدنی: می‌توانند به سادگی موضوعات مورد علاقه خود را در جلسات شورا دنبال کرده و از نحوه تصمیم‌گیری‌ها آگاه شوند.
• خود شهرداری‌ها: می‌توانند از این ابزار برای تحلیل عملکرد خود، بهبود فرآیندهای داخلی و ایجاد آرشیوهای هوشمند و قابل جستجو از جلساتشان استفاده کنند.

به طور خلاصه، CDP از یک «داده تاریک» (Dark Data) – داده‌ای که جمع‌آوری شده اما غیرقابل استفاده است – یک منبع ارزشمند و قابل استفاده برای تولید دانش و نظارت دموکراتیک می‌سازد.

مقاله «شوراها در عمل» با موفقیت نشان می‌دهد که چگونه می‌توان با استفاده از ابزارهای محاسباتی مدرن، چالش دیرینه کمبود داده در مطالعات حکمرانی شهری را برطرف کرد. پلتفرم Council Data Project نه تنها یک ابزار فنی کارآمد است، بلکه یک زیرساخت علمی و اجتماعی است که می‌تواند به تقویت پژوهش، شفافیت و دموکراسی در سطح محلی کمک شایانی کند.

نویسندگان در پایان، مسیرهای هیجان‌انگیزی را برای توسعه آینده این پروژه ترسیم می‌کنند. این مسیرها عمدتاً بر بهبود پلتفرم با استفاده از مدل‌های یادگیری ماشین پیشرفته‌تر متمرکز هستند:

• تشخیص خودکار گوینده (Speaker Annotation): توسعه مدل‌هایی که بتوانند به طور دقیق مشخص کنند کدام بخش از متن توسط کدام عضو شورا بیان شده است.
• ایجاد خودکار رئوس مطالب (Outline Generation): خلاصه‌سازی خودکار جلسات طولانی و ایجاد فهرستی از موضوعات اصلی مورد بحث برای دسترسی سریع به محتوا.
• تشخیص موجودیت‌های نام‌دار (Named Entity Recognition): شناسایی و برچسب‌گذاری خودکار اسامی افراد، سازمان‌ها و مکان‌های ذکر شده در جلسات برای ایجاد داده‌های پیوندی (Linked Data) و اتصال اطلاعات به پایگاه‌های دانش جهانی.

این پیشرفت‌ها در آینده، CDP را به ابزاری قدرتمندتر برای تبدیل کلمات به دانش و تقویت بنیان‌های حکمرانی دموکراتیک در عصر دیجیتال تبدیل خواهند کرد.