امنیت ملی (Oct 2022)
شناسایی زودهنگام سیگنال‌های ناآرامی در رسانه‌های اجتماعی (مطالعۀ موردی اعتراضات سال 97 ایران در تلگرام)
Abstract
ایران از زمان فراگیری شبکۀ دیتای تلفن همراه تا امروز بیش از 35 میلیون کاربر پیام‌رسان‌های اجتماعی دارد. فراگیری رسانه‌های اجتماعی (در ایران با ضریب نفوذ 49%) در بین عموم مردم و کارکردهای متنوع آنها می‌تواند نقطۀ شروع استفاده از سنجش اجتماعی باشد؛ در این حالت کاربران مشابه یک حسگر، داده‌هایی برای واکافت فراهم می‌کنند؛ یکی از کاربردهای سنجش اجتماعی مدیریت بحران است. ازآنجایی‌که شناسایی زودهنگام رویدادها و بحران‌های سیاسی، اقتصادی و اجتماعی از اهمیت بالایی برای مدیریت جامعه برخوردار است؛ روشی که بتواند با استفاده از واکافت کلان داده‌ها به این هدف بپردازد؛ به‌عنوان یک سیستم پدافندی می‌تواند از هزینه‌های انسانی، اقتصادی و اجتماعی بحران‌ها و رخدادها کاسته و به‌عنوان یک ابزار برای بالابردن آگاهی موقعیتی و ارتقا امنیت ملی مورد بهره‌برداری قرار گیرد. مجموعۀ داده پژوهش حاضر بر اساس خزش و متن‌کاوی خشونت کلامی در یک میلیون و چهارصد هزار کانال عمومی فارسی پیام‌رسان تلگرام در سال 97 جمع‌آوری‌شده و پس از پالایش بر اساس سری زمانی میانگین متحرک نمایی مدل شده است؛ برای شناسایی سیگنال‌های بحران در این مدل از اسیلاتور تعقیب‌گر روند مومنتوم (که بیشتر در تحلیل‌های مالی از آن استفاده می‌شود.) و میانگین متحرک همگرایی واگرایی (مکدی) تحلیل شده است؛ از این واکافت در علوم اجتماعی محاسباتی نخستین بار است که در جهت پیش‌بینی بحران‌های امنیتی و حوادث سیاسی و ایجاد امکان اشراف حاکمیتی بر آن استفاده شده است. بر اساس یافته‌های پژوهش، حداقل 6 اعتراض اجتماعی کشور در سال 97 پیش از رخداد، قابل شناسایی و مدیریت بوده است؛ همچنین سامانه‌ای که بتواند از چنین واکافتهایی درکلان داده‌های رسانه‌های اجتماعی به‌صورت بلادرنگ استفاده کند، کارایی لازم برای اعلان هشدار زودهنگام و اندازه‌گیری مخاطرات سیاسی و امنیتی جامعه را خواهد داشت.
