طبق اصل جهان کوچک (Small world principle) هر دو شخص دلخواه روی کرهٔ زمین با 6 واسطه یا کمتر به هم مرتبط می‌شوند.
به گزارش گرداب - پس از ماجرای ادوارد اسنودن و افشاگری‌های سایت ویکی لیکس، تقریباً، همه اطمینان پیدا کردند که اطلاعات ما در فضای مجازی توسط سازمان‌های مختلف اطلاعاتی به‌صورت دقیق بررسی می‌شود؛ اما زمانی‌که به مکالمه‌های خود در فضای مجازی نگاهی می‌اندازیم، با حجم انبوهی از پیام‌ها مواجه می‌شویم که بدون شک امکان بررسی و خوانش همه آن‌ها وجود ندارد و این سؤال به وجود می‌آید که چگونه می‌شود حجم فراوانی از اطلاعات مورد تجزیه و تحلیل قرار گیرد، اگرچه که به دلیل ورود نرم‌افزار‌های ارتباطاتی در زندگی روزمره، تمامی اخبار شوک‌آفرین در این عرصه، تأثیرگذاری خود را از دست داده‌اند و کاربران فضای مجازی در این محیط به زندگی خود ادامه داده و هراسی از به‌اشتراک‌کذاری اطلاعات شخصی خود ندارند.
تحلیل شبکه
یکی از روش‌های تحقیق پیچیده و در عین حال کمتر شناخته شدهٔ گروه‌های اجتماعی در ایران، روش تحلیل شبکه است. درواقع، برای بررسی شبکه‌های اجتماعی (نه صرفاً شبکه‌های اجتماعی مجازی) می‌توان از این روش تحقیق استفاده کرد. این روش، روشی که علیرغم سایر روش‌های پژوهش اجتماعی، در وهلهٔ اول به انسان و ویژگی‌های روحی و روانی او، اظهاراتش و... اهمیتی نمی‌دهد بلکه آن چه مهم است شکل و ساختار ارتباطی است که با دیگران برقرار می‌کند.
به‌طور مثال، بنا داریم فعالیت فضای مجازی آقای «الف» را در شبکه اجتماعی تلگرام تجزیه و تحلیل کنیم. در این هنگام با حجم انبوهی از پیام‌های غیرمفیدی مواجه هستیم که ایشان به‌صورت تفریحی در این مدت چند سال با دیگران به اشتراک گذاشته است و امکان بررسی تک‌تک آن‌ها وجود ندارد. در این‌جاست که می‌توان با تحلیل شبکه به این شناخت برسیم.
مولفه‌های مهم در تحلیل رفتار
ما با دو متغیر مواجه هستیم:۱. گره و ۲. رابطه.
منظور گره افرادیند که در گروه هستند. فرد الف یک گره و فرد ب گرهی دیگر است و هر پیامی که بین این دو فرد برقرار می‌شود، رابطه است. این روش با عدد و شمارش روابط سروکار دارد.
در این مرحله، با استفاده از نرم افزار‌های موجود رابطهٔ آن‌ها را به‌صورت عددی به دست می‌آوریم که فرد الف چه میزان با فرد ب رابطه داشته است.
همان‌طورکه گفته شد، این رابطه با تعداد پیام‌هایی که افراد برای یکدیگر ارسال کرده‌اند، مشخص می‌شود، اما در این روش بنا نیست که صرفاً رابطهٔ فرد الف با ب را بسنجیم بلکه تمامی ارتباطات فرد وارد نرم‌افزار شده (لازم به ذکر است پیام‌هایی که توسط ما حذف شده‌اند، به هیچ‌وجه در هاست مرکزی حذف نشده است و ازقضا ممکن است در سیستم مرکزی به‌عنوان داده‌های حساسی که فرد «الف» آن را حذف کرده برچسب‌گذاری شود و دستیابی به آن‌ها با سهولت بیشتری امکان‌پذیر باشد) و پس از آن نسبت رابطه با همهٔ افرادی که فرد «الف» با آن‌ها ارتباط برقرار کرده، مشخص شوند.
تحلیل شبکه چگونه رفتار ما را شناسایی می‌کند؟
درابتدا، این جمع‌بندی به‌صورت ماتریس عددی یا سوسیومتر مشخص می‌شوند. به این صورت که داده‌ها به نرم‌افزار داده می‌شود (عمدتاً از نرم افزار یونیست استفاده می‌شود) و پس از آن به‌صورت ماتریس خروجی آن را به دست می‌آوریم.
مثلا ماتریس زیر نشان‌گر ارتباط میان چهار نفر است، صفر یعنی هیچ پیامی مبادله نشده و یک به این معناست که یک پیام ارسال شده است؛ اما طبیعتاً ارتباطات در فضای مجازی به شکل صفر و یک نیست، بلکه میزان پیام‌های مبادله‌شده بسیار فراوان و رابطه‌ها وزن‌دار هستند؛ یعنی تعداد و فراوانی تماس، قوت پیوند، مدت رابطه و... نیز در آن‌ها مشهود است.
بدون شک، دادهٔ خام به شکل بالا برای فهم کلی ارتباط میان آن‌ها بسیار مشکل است. بدین ترتیب، می‌توان از نرم‌افزار‌های موجود برای فهم بصری این ارتباطات نیز استفاده کرد که با رسم گراف به‌سادگی، رابطهٔ میان افراد مشخص می‌شود.
هر کدام از نقطه‌های رنگی یک «گره» و «مؤلفه» هستند؛ یعنی یک فرد و هر خط سیاهی که بین آن‌ها ترسیم شده است، بیانگر پیامی است که به دیگری منتقل شده است. به هر میزان که افراد با هم رابطهٔ بیشتری داشته باشند در کنار هم‌دیگر قرار می‌گیرند.
به‌طور مثال، اگر آقای «الف» گره سمت راست باشد دوستان نزدیک وی را می‌توان با گره‌های کناری‌اش شناخت و افرادی که با وی ارتباط کمتری دارند را دور از وی می‌توان دید. نکته جالب آن است که ممکن است خیلی از افراد در این فرآیند با یکدیگر به طور مستقیم ارتباط نداشته باشند؛ یعنی دوستانِ مشترکی بین‌شان باشند که ارتباطی با هم دارند درحالیکه ممکن است آن‌ها حتی یکدیگر را نشناسند.
آزادی با شش درجه!
جالب است اگر بدانیم طبق اصل جهان کوچک (Small world principle) هر دو شخص دلخواه روی کرهٔ زمین با ۶ واسطه یا کمتر به هم مرتبط می‌شوند. اولین بار حدود هشتاد سال پیش، یک نویسنده مجارستانی به نام کارینتی نظریه شش درجه جدایی (Six Degrees of Separation) را مطرح کرد. در آن زمان، کسی به این نظریه توجهی نکرد، ولی بعدها، یک جامعه‌شناس آمریکایی، میلگرام، سعی کرد با ارائه نظریه «دنیای کوچک» همان مفهموم را برساند. این نظریه به مدد شبکه اجتماعی فیس‌بوک تأیید شد.
ازسویی دیگر، احتمالاً این سؤال به وجود می‌آید که به چه علت برخی گره‌ها بزرگ‌تر و برخی دیگر کوچک‌تر هستند. باید گفت که در این گراف پس از دسته‌بندی اولیه، نرم افزار افراد را به دو گروه اصلی و فرعی تقسیم‌بندی کرده است. در این‌جا با مفهوم مرکزیت، درجه و... مواجه می‌شویم.
جایی‌که با توجه به معیار‌های گوناگون مانند حجم ورودی و خروجی افرادی به عنوان افراد اصلی و محور شناخته می‌شوند که تأثیرگذاری آن‌ها بیشتر از سایرین است و اندازهٔ آن‌ها را بزرگ‌تر نشان می‌دهد تا به‌واسط آن به اهمیت آن‌ها پی ببریم.
افرادی نیز تأثیر چندانی نداشته و با دایره‌های کوچک‌تری مشخص شده‌اند، افرادی نیز ایزوله بوده و با بقیه ارتباط چندانی ندارند و تعداد خطوط مواصلاتی به آن‌ها بسیار اندک است.
نشانه‌های مجازی ما را معرفی می‌کنند
در این حالت ما می‌توانیم نزدیک‌ترین افراد را به فرد «الف» شناسایی کنیم. فقط کافی است ببینیم نزدیک فرد الف کدام دایره‌ها هستند و حتی افرادی که وجه مشترک زیادی با وی داشته، اما ارتباط چندانی با او ندارند. اگرچه هنوز حجم پیام‌های مراوداتی فراوان است، با محدودشدن جامعه آماری می‌توان به سایر آزمون‌ها برای تحلیل شبکه و افراد حاضر در گروه پرداخت.
عبارت‌های پرتکرار، محدوده زمانی مکالمه، حتی درصد فراوانی و کیفیت شکلک‌ها، فایل‌های صوتی و تصویری و... نیز می‌توان برای تحلیل آنچه مدنظر است، شناسایی کرد.
لازم به ذکر است، این شیوهٔ تبیین‌شده تنها بخشی از دنیای وسیع تحلیل شبکه است که در میان پژوهشگران ایرانی جای چندانی ندارد و تلاش شد تا به‌واسطه آشنایی با این روش، بتوان راهی نوین را جهت پردازش و تجزیه‌وتحلیل شبکه‌های اجتماعی نشان داد و ازسویی دیگر به این فهم رسید که بدون داشتن هیچ‌گونه دانش و سیستم‌عامل امنیتی نیز می‌توان به‌راحتی حضور افراد در فضای مجازی را رصد کرد و به شناسایی دقیق ایشان و احتمالاً استفاده یا سوءاستفاده از آن‌ها مبادرت ورزید، برای کسب اطلاعات بیشتر از ماجرای اسنودن و افشاگری‌های وی از کنترل شهروندان کرهٔ زمین پیشنهاد می‌شود فیلم اسنودن ساختهٔ الیور استون را مشاهده نمایید.
