Novi metodološki i paradigmatski krajolik društvenih znanosti (II dio)

Društvene znanosti proživljavaju metodološku revoluciju koja nadmašuje bilo koju transformaciju od kvantitativne revolucije sredinom 20. stoljeća (vidi Evolucija statističkih metoda u društvenim znanostima: od deskriptivne statistike do računalne inteligencije (I dio)). Ova transformacija predstavlja više od tehnološke nadogradnje postojećih alata. Radi se o fundamentalnom preispitivanju načina na koji razumijemo društvo. Konvergencija velikih količina digitalnih podataka, eksponencijalnog rasta računalnih kapaciteta i sofisticiranih algoritama, posebice proboja velikih jezičnih modela (LLM), mijenja same temelje empirijskog istraživanja društvenih fenomena. Svaki klik, svaka objava i svaka digitalna interakcija postaje podatak spreman za analizu, otvarajući dosad nezamislive istraživačke mogućnosti.

Tri stupa metodološke revolucije

Ova transformacija počiva na tri međusobno povezana stupa, pri čemu se svaki naslanja na prethodni stvarajući tako novu platformu za društvena istraživanja. Računalni zaokret predstavlja prvi i najvidljiviji stup ove transformacije. Institucionalizacija računalne društvene znanosti omogućila je istraživačima da konačno nadiđu ograničenja tradicionalne statistike. Revolucionarnost leži u činjenici da umjesto oslanjanja na ankete i ograničene uzorke, sada postaje moguće analizirati digitalne tragove koji predstavljaju bihevioralne ostatke ljudske online aktivnosti, omogućujući tako proučavanje društvene dinamike na (skoro) populacijskoj razini. Salganikova utjecajna knjiga Bit by Bit elegantno artikulira ovaj paradigmatski pomak, a koji operacionalizira strojno učenje, NLP i mrežnu analizu za otkrivanje obrazaca koji su prije bili skriveni u podacima. Facebookov eksperiment na 61 milijun ljudi demonstrirao je ne samo tehnički potencijal već i sposobnost otkrivanja fundamentalnih mehanizama društvenog ponašanja na dosad nezamislivoj skali. Ključni pomak leži u analizi otkrivenih preferencija umjesto tradicionalnog otkrivanja preferencija, jer digitalni tragovi pružaju neposredan uvid u ponašanje ljudi, a ne samo u njihove iskaze o ponašanju.

Međutim, kvantitativna revolucija predstavlja samo dio šire slike. Tehnološko proširenje kvalitativnog istraživanja pokazuje da digitalna transformacija ne marginalizira interpretativne pristupe. Naprotiv, ona dramatično povećava njihov doseg i dubinu. Pinkova Digitalna etnografija pruža fascinantan uvid u mogućnosti rigoroznog proučavanja digitalnih okruženja na jednako temeljit način kao što klasična etnografija proučava tradicionalne zajednice. U tome je kontekstu, primjerice, zanimljivo istaknuti postojanje platformi za mobilnu etnografiju, npr. indeemo.com, koje omogućuju prikupljanje podataka u stvarnom vremenu diljem svijeta. Pri tome valja imati na umu da, kako pokazuje Boellstorffova virtualna etnografija Second Life autentični etnografski rad nije ništa manje vrijedan u potpuno digitalnim prostorima.

Treći i možda najznačajniji element predstavlja sazrijevanje metodologije mješovitih metoda, poznato kao  dio trećeg metodološkog pokreta. Ova istraživačka paradigma konačno premošćuje povijesni jaz između kvantitativnog i kvalitativnog pristupa. Creswell i Greene razvili su sofisticiranu tipologiju koja omogućava formalnu integraciju ovih različitih pristupa, otvarajući prostor za sinergijske uvide nedostupne pojedinačnim metodama.

Nove metodologije, infrastruktura i vještine

Ova metodološka revolucija donosi arsenal metodologija koje mijenjaju samu prirodu društvenog istraživanja. Procesuiranje prirodnog jezika (NLP) najbolje ilustrira ovaj pomak. U doba kada se gotovo sva ljudska komunikacija reflektira u digitalnom tekstu, NLP postaje ključ za analizu milijuna objava, novinarskih arhiva, digitaliziranih knjiga,  zakonodavnih zapisa ili korporativnih izvještaja, pretvarajući ih u strukturirane podatke spremne za analizu. U praksi to znači da procjena sentimenta u stvarnom vremenu omogućava praćenje emocionalnog pulsa društva tijekom političkih debata ili kriznih situacija.  Tematsko modeliranje otkriva latentne strukture u javnom diskursu koje bi inače ostale nevidljive[1], praćenje difuzije narativa kroz digitalne ekosisteme pokazuje precizne mehanizme kako se ideje šire, transformiraju i utječu na društvo[2]. Pojava LLM-ova, naravno, eksponencijalno proširuje ove analitičke mogućnosti[3].

Paralelno s analizom teksta, strojno učenje otkriva složene, nelinearne odnose koje tradicionalni statistički modeli jednostavno ne mogu uhvatiti. Njegova visoka prediktivna preciznost inicijalno je stvorila epistemološku napetost s duboko ukorijenjenom posvećenošću društvenih znanosti uzročnom zaključivanju. No upravo ta napetost katalizirala je inovativni razvoj hibridnih pristupa koji zadržavaju najbolje karakteristike oba svijeta, integrirajući sposobnost rukovanja velikim količinama podataka u analitičke okvire koji još ujedno mogu identificirati uzročne odnose.

Analiza društvenih mreža nadopunjuje ovu metodološku sliku omogućujući vizualizaciju društvenih odnosa. Konceptualizirajući društvo kao mrežu međusobno povezanih čvorova, istraživači mogu empirijski proučavati kako se društveni kapital stvara i mobilizira, kako informacije postaju viralne, tko su ključni akteri u kompleksnim mrežama, prema kojim principima se ideje šire kroz društvene strukture i sl.

Sve ove metodologije zahtijevaju fundamentalno novu infrastrukturu. Računalstvo u oblaku, računalne  klastere visokih performansi (HPC), pristup vlasničkim podacima koje kontroliraju tehnološki giganti, sve to postaje preduvjet suvremenog istraživanja. Još važnije, traži se potpuno nova razina kompetencija. Python i R postaju temelj jednako važan kao poznavanje klasične teorije. Upravljanje bazama podataka, biblioteke strojnog učenja, algoritamska logika postaju nezaobilazne vještine. Sveučilišta diljem svijeta već odgovaraju na ovaj izazov pokretanjem specijaliziranih programa koji obrazuju „hibridne istraživače“ jednako familijarne s Bourdieuom i Pythonom, s Weberom i web scrapingom.

Učinci kroz disciplinarni krajolik

Različite discipline odgovaraju na ovu transformaciju na jedinstvene načine koji otkrivaju njihove duboke epistemološke karakteristike i intelektualne tradicije.

Ekonomija, sa svojom naglašenom tradicijom kvantitativne rigoroznosti, ne prihvaća nove alate nekritički. Disciplina prolazi kroz proces promišljene adaptacije, pažljivo integrirajući računalne metode u svoj etablirani epistemološki okvir. Razlog ovog opreza leži u fundamentalnoj posvećenosti ekonomije razumijevanju uzročnosti. Disciplina inzistira ne samo na predviđanju što će se dogoditi, već na razumijevanju zašto. Ova posvećenost stvara produktivnu napetost s kulturom strojnog učenja koja često prioritizira predikciju nad objašnjenjem. Ekonomisti odgovaraju razvojem sofisticiranih hibridnih pristupa. Koriste algoritme strojnog učenja za identificiranje složenih obrazaca u masivnim skupovima podataka, zatim te uvide strateški ugrađuju u tradicionalne okvire uzročnog zaključivanja. Primjetna je također i sve intenzivnija implementacija NLP metodologija i tehnologija koje omogućuju pretvaranje komunikacija središnjih banaka i korporativnih izvještaja u kvantitativne podatke visoke frekvencije, otvarajući analitički prozor u tržišno raspoloženje s preciznošću koja prije nije bila moguća.

Sociologija demonstrira još dublji i refleksivniji angažman s računalnim zaokretom. Disciplina koristi nove alate ne samo instrumentalno, već ih simultano proučava kao društvene fenomene koji zaslužuju kritičku analizu. S jedne strane, teorije društvenog kapitala sada se empirijski testiraju na milijunima LinkedIn profila, otkrivajući kako slabe veze i strukturne rupe funkcioniraju u digitalnoj ekonomiji. Umjesto mukotrpnog kodiranja ograničenog broja novinskih članaka, sociolozi analiziraju milijune objava na društvenim mrežama, stvarajući seizmograf za praćenje evolucije društvenih normi gotovo u stvarnom vremenu. Kritički aspekt sociološkog pristupa leži u ispitivanju samih alata digitalne transformacije. Primjerice, algoritmi za zapošljavanje nisu neutralni tehnički instrumenti, nego predstavljaju potencijalne mehanizme društvene stratifikacije koji mogu perpetuirati povijesne pristranosti pod krinkom objektivnosti. Platforme društvenih mreža nisu samo kanali komunikacije, već aktivno dizajnirana okruženja koja oblikuju ljudsko ponašanje i društvene odnose.

Komunikologija prolazi kroz najdublju, gotovo egzistencijalnu transformaciju među svim društvenim znanostima. Razlog leži u činjenici da je njen predmet proučavanja, ljudska komunikacija, fundamentalno promijenio svoju prirodu postajući inherentno digitalan. Disciplina koja je nekad analizirala ograničene medijske artefakte danas se suočava s beskonačnim oceanom podataka. Svaka objava, komentar, dijeljenje i reakcija postaju dio permanentnog digitalnog zapisa ljudske interakcije. Komunikolozi nisu pasivni promatrači ove transformacije, nego aktivno oblikuju razvoj novih metodologija. Koriste NLP tehnologije kao sofisticirani barometar javnog diskursa, prateći emocionalne valove koji se kreću kroz društvo tijekom političkih kriza ili društvenih pokreta. Mrežnom analizom precizno vizualiziraju kako informacije, ali jednako važno i dezinformacije, postaju viralne, identificirajući kritične točke pojačanja i filtriranja koje definiraju suvremeni javni diskurs.

Politologija iskorištava digitalnu revoluciju za učinkovitije kvantificiranje brojnih političkih fenomena. Algoritmi sada sistematski analiziraju cjelokupne korpuse zakonodavnih dokumenata i političkih govora, mjereći ideološke pozicije s granularnošću koja otkriva suptilne pomjere u političkom spektru. Podaci društvenih mreža funkcioniraju kao senzori javnog mišljenja u stvarnom vremenu, omogućujući istraživačima praćenje političke mobilizacije tijekom njenog odvijanja, umjesto post factum rekonstrukcije. Ova digitalna metamorfoza transcendira puku metodološku promjenu. Ona predstavlja autentični paradigmatski pomak koji redefinira fundamentalne aspekte istraživanja: što konstituira legitimno istraživačko pitanje, što se smatra valjanom metodom te što predstavlja prihvatljiv dokaz?

Novi metodološki imperativi za nove generacije istraživača

Nova generacija istraživača mora ovladati dvostrukom pismenošću, biti jednako kompetentna u društvenoj teoriji i programiranju, sposobna elegantno navigirati između objašnjavanja uzročnih mehanizama i predviđanja budućih trendova. Ključna kompetencija 21. stoljeća postaje intelektualna sinteza organskog povezivanja računalnih metoda s klasičnom teorijom, evaluiranje prediktivnih modela kroz leću socijalne filozofije, dizajniranje digitalnih eksperimenata s dubokim razumijevanjem njihovih etičkih implikacija. Budućnost društvenih znanosti ne pripada ni metodološkim konzervativcima koji ignoriraju digitalne alate, ni tehnološkim entuzijastima koji zaboravljaju teorijske temelje. Pripada sintetskim misliocima sposobnima integrirati ove svjetove, transformirajući obećanje digitalne revolucije u dublje, nijansiranije i u konačnici humanističko razumijevanje sve složenije društvene stvarnosti našeg digitalnog doba.

[1] https://journals.sagepub.com/doi/10.1177/14727978251337967

[2] https://journals.sagepub.com/doi/pdf/10.1177/13548565221091809

[3] https://journals.sagepub.com/doi/10.1177/25152459251325174

Ovaj tekst je sufinanciran sredstvima Fonda za poticanje pluralizma i raznovrsnosti elektroničkih medija.