Ben WilliamsonBilgisayar kodu, yazılım ve algoritmalar Nigel Thrift’in çağdaş “yaşam dünyamızın” “teknolojik bilinçaltı” olarak tasvir ettiği şeye derinden saplandı ve hızla, yükseköğretimin günlük fonunun parçası hâline geliyor. Doğal, beşerî ve sosyal bilimler genelinde akademik araştırmalara bilgisayar kodlu teknolojiler gittikçe daha fazla aracılık ediyor ve bunları artırıyor. Bu, belki de en fazla doğa bilimlerinde ve büyük insan genom veri tabanı gibi gelişmelerde bariz. Geoffrey Bowker’ın ileri sürdüğü üzere, bu tür veri tabanları gittikçe, bilimin “nihai sonucu” olarak bilimsel makale fikrine (kuramsal çerçevesi, hipotezi ve uzun biçimli tartışmasıyla) bir meydan okuma olarak görülüyor:
Çoğu uygulayıcısına göre ideal veri tabanı kuram-nötr olmalı ama ilerleme amacıyla birkaç bilimsel disiplin için ortak temel olarak hizmet etmeli… Bu yeni ve genişletilmiş bilimsel arşivleme sürecinde veri, bilim insanları tarafından yeniden kullanılabilir olmak zorunda. Bir kişinin vardığı sonuçlarını basitçe bir makalede kutsalmışçasına saklaması mümkün değil; bilim insanı, verilerini diğer bilim insanlarının kolayca işleyebileceği bir veri tabanına yerleştirmek zorundadır.
Bilgisayar veri tabanlarıyla ilişkilendirilen, görünüşte kuram-nötr olan sıralama, düzenleme, sınıflandırma ve hesaplama çağdaş büyük bilimin temelini oluşturan altyapıların kilit bir parçası hâline geldi. Dünyanın kodlanması ve veri tabanına dönüştürülmesi yine de büyük bilimle sona ermiyor. Sosyal ve beşerî bilimlerde de başlıca bir meşgale hâline geliyor.
Büyük Yöntemler
Sosyal ve beşerî bilimlerde çeşitli disiplinlerin genelinde artık “büyük veri” oluşturuluyor ve harekete geçiriliyor. Araştırma kurulları aracılığıyla büyük veri araştırma merkezlerine yapılan devasa hükümet yatırımlarıyla kolaylaştırılan, sosyal ve beşerî bilgi ve kuram üretimi artık yazılım kodu, algoritmalar ve bunların işlediği veri üzerinden sahneye konan “büyük yöntemlerden” etkileniyor.
Wired dergisinden Chris Anderson gibi bazı hevesli yorumcular için büyük veri ve onla ilişkili algoritmik teknikleri, “kuramın sonunu” ve disipline yönelik uzmanlığı beraberinde getiriyor:
Bu, muazzam miktarlarda verinin ve uygulamalı matematiğin, kullanılabilecek başka her aracın yerini aldığı bir dünya. Dilbilimden sosyolojiye, insan davranışına dair her kuramı defedin. Taksonomiyi, ontolojiyi ve psikolojiyi unutun. İnsanların yaptıkları şeyleri neden yaptıklarını kim bilir? Mesele yapıyor olmaları ve bunu benzeri görülmemiş bir doğrulukla takip edip, ölçebiliyoruz. Yeterli veriyle, sayılar fazla söze gerek bırakmıyor.
Diğer bir Wired makalesinin şu provokatif başlığı vardı: “Büyük Veri ve Kuramcının Ölümü”. Bu tür iddialar sosyal bilimlerin abartılı ölüm ilanlarını temsil etse de Emma Uprichard’ın açıkladığı üzere, büyük veri yazılımı ve onun algoritmik analiz teknikleri sosyal bilimsel bilgi üretiminin kurumsal pratiklerine ve alanlarına dair konvansiyonel görüşlere gittikçe daha fazla meydan okuyor.
Algoritmik Uzmanlık
Sosyal bilimler akademiden kaçıyormuş gibi gözüküyor. Viktor Mayer-Schonberger ve Kenneth Cukier’ın iddia ettiği üzere, sosyal bilimcilerin yerine, sosyal medya ortamının yeni uzmanları Google, Facebook, Amazon ile yazılım ve veri analizi şirketlerinin “algoritmistleri” ve büyük veri analistleri. Algoritmistler büyük veri analizlerini ve değerlendirmelerini üstlenen, bilgisayar bilimi, matematik ve istatistik alanlarıyla birlikte politika, hukuk, iktisat ve sosyal araştırma açılarından uzmanlar. Örneğin Facebook’un, “Facebook’un bildikleri”nden sorumlu olan ve “Facebook’un genel olarak işletme ve sosyal bilimini ilerletmeyi umdukları içgörülere dair veri madenciliği için matematik, programlama becerileri ve sosyal bilimi uygulayabilen” bir Veri Bilimi Ekibi var. Facebook’un “kurum içi sosyologlarının” yönettiği Veri Bilimi Ekibi, insanların davranışlarının nedenlerini anlamaya yönelik “devrim yapmak” için Facebook’un muazzam veri kaynaklarını harekete geçirmeyi hedefliyor.
Benzer yöntemler siyasette de kullanılıyor. Düşünce kuruluşu Demos yakın zamanda, büyük veri üzerinden “toplumu hareket halinde görmeyi” hedefleyen, “sosyal medya bilimine” adanmış bir araştırma merkezini, Sosyal Medya Analiz Merkezi’ni (CASM) kurdu. Araştırma direktörü Carl Miller’ın açıkladığı üzere:
Var olan yeni veri türleriyle başa çıkmak için bunlarla başa çıkabilen yeni büyük veri teknikleri kullanmamız gerekiyor: Veri taşkınlarını düzenlemek için bilgisayar sistemleri, veriyi istediğimiz gibi şekillendirip kalıba sokmak için algoritmalar ve karmaşıklığı anlama dönüştürmek için veriyi görselleştirme yolları.
Altta yatan “sosyal medya bilimi”, yeni politika fikirlerini canlandırmak için vatandaşların davranışlarının analiz edilebileceğine ve bir tür veri olarak anlaşılacağına dair bir inanç. Sosyal bilim, teknoloji ve politika alanları genelinde çalışan “politika laboratuvarları”nın —Nesta’daki Kamu Hizmetleri İnovasyon Laboratuvarı, New York’un Governance Lab’i (Yönetişim Laboratuvarı) ve Danimarka’nın MindLab’i gibi— ortaya çıkışı sosyal bilim uzmanlığının nasıl farklılaştığına dair daha fazla kanıt sunuyor. Düşünce kuruluşları ve politika laboratuvarları açısından büyük veriyi analiz edip görselleştirmek için sofistike algoritmik teknikleri kullanmanın siyasi vaadi, hükümetin müdahalesini iyileştirmek amacıyla benzeri görülmemiş sadakatle, toplumları ve halkları görünür kılmaktır.
Sosyolojik Yazılım
“Dijital sosyoloji” ve “dijital sosyal araştırma” gibi yaklaşımların yakın zamanda ortaya çıkması ticari sosyal medya şirketleri, Ar&Ge laboratuvarları ve düşünce kuruluşlarının sosyal bilimsel uzmanlığa yönelik hak talebinde bulundukları bir zamanda, sosyal bilimin anlamlılığına dair disipliner endişeleri yansıtıyor.
Çoğu araştırmacı dijital ve sosyal araştırma yöntemleri arasındaki sinerjiler konusunda iyimser. Lev Manovich gibi dijital sosyal araştırmacıların kullandığı, gelişmekte olan yöntemler günlük faaliyetleri belgelemek için Twitter’ın ve blogların kullanımını, zaman içinde muazzam nüfus eğilimlerini ve sosyal davranışları ortaya çıkarmak için arama motoru analitiklerinin harekete geçirilmesini, kültürel ve sosyal örüntüleri tespit etmek için Instagram görüntülerinin analizini, Facebook’taki sosyal ağ oluşumu vb.ni içeriyor. Bu platformlar sosyal hayatla ilgili verinin sürekli oluşumuna olanak sağlıyor ve yeni biçimlerde sosyal veri, analiz ve görselleştirmeyi mümkün kılıyor.
David Beer’ın naklettiği üzere, veri için ağda sürünebilen, madencilik yapabilen, yakalayabilen ve kazıyabilen yazılım türü akademik araştırmada güçlü olma potansiyeline sahip. Sosyal medya toplayıcıları, algoritmik veri tabanı analitikleri ve “sosyolojik yazılım” olarak adlandırılabilecek diğer biçimler devasa miktarlarda verideki sosyal örüntüleri görme, kendimizi ve toplumlarımızı nasıl “görüp” “bildiğimizi” artırma kapasitesine sahip. Sosyolojik yazılım bize çok daha büyük ampirik, analitik ve tartışmaya açık potansiyel sunuyor.
Yöntemlerin İyileştirilmesi
Başka araştırmacılar için görünüş daha az umut verici. Lisa Gitelman veriyi, görselleştirmeler ve temsiller ya da “veri tabanı estetiği” olarak grafik biçimde harekete geçirme kapasitesinin, verinin retorik, tartışmaya açık ve ikna edici işlevini genişlettiğini ileri sürüyor. Üstelik, yazılım ve büyük veri yerleşik sosyal araştırmayı ciddi biçimde tehdit ederek, kurumsal teknoloji şirketlerinin Ar&Ge laboratuvarları da dahil, bir hayli kaynak sağlanmış birkaç araştırma merkezindeki veri analizi ve bilgi üretiminin bir noktada toplanmasıyla ilişkilendiriliyor.
Noortje Marres sosyal hayatın belgelenmesi amacıyla yeni cihazların ve formatların yayılması üzerine düşünmek için başka bir yol öneriyor. Kendisi, “sosyal araştırmanın yeniden dağılımını” kabul etmemiz ve sosyal bilimi, sosyal araştırma rollerinin farklı aktörler arasında dağıtıldığı bir “paylaşılan başarı” olarak görmemiz gerektiğini ileri sürüyor. Araştırmanın bu şekilde yeniden dağıtılması akademik araştırmacılar, yazılım geliştiriciler, veri analistleri, ticari Ar&Ge laboratuvarları ve blog yazarları ile tweet yazanlar gibi insan aktörleri, aynı zamanda da tümü dijital sosyal araştırmanın sahnelenmesine katkı sağlayan veri tabanları, yazılım, algoritmalar, platformlar ve diğer dijital cihazlar, medya ve alt yapılar gibi daha geniş bir dizi aktörü içerecektir. Sosyal araştırma, cihazların ve platformların kullanımı üzerinden yeniden şekillenip, yeniden tasarlandığından dolayı, araştırmanın bu çeşitli aktörler arasında yeniden dağıtılması, Marres’ın ileri sürdüğü üzere, “yöntemlerin iyileştirilmesini” zorunlu kılacaktır.
Yeniden dağılım, iyileştirme süreci ya da Evelyn Ruppert, John Law ve Mike Savage’ın ifade ettiği gibi, “sosyal bilim yöntemlerinin yeniden kurulması”, dijital cihazların hem sosyal hayatların maddesinin bir parçası hem de bu hayatları bilmek için gerekli metodolojik düzeneğin bir parçası olduğunu kabul etmek anlamına gelmektedir. Kendileri üzerinde durdukları üzere, dijital cihazlar yalnızca sosyal ve diğer ilişkileri değil, aynı zamanda sosyal bilim yöntemlerinin tam da varsayımlarını ve bu ilişkilere dair nasıl ve ne bildiğimizi yeniden işleyip, onlara aracılık ediyor.
Benzer şekilde, David Beer “akademide algoritmalar” üzerine bir makalede, SPSS’in, GoogleScholar’ın, LexisNexis’in, ayrıca bilgiyi çerçeveleyen ve sosyal dünyayı belli yollarla kodlaştıran -analiz nesnelerini şekillendiren-, gelişmekte olan sosyal medya ve veri analitik cihazlarının “algoritmik normallikleri” üzerinden, yazılım algoritmalarının sosyal araştırmaya gittikçe daha çok müdahale etmekte olduğunu göstermiştir.
Verileştirilen Kimlikler
Dijital cihazlar ayrıca, yükseköğretim kurumları ile akademik araştırmacıların profesyonel kimliklerini ve kişisel hayatlarını yeniden işleyip, bunlara aracılık ediyor. Roger Burrows üniversitelerdeki araştırmacıların çalışmalarının artık çeşitli ölçme ve hesaplama cihazlarından çıkan “metrikleştirme”ye tabi olduklarını ileri sürmüştür. Bunlar, birçoğu kod, yazılım ve algoritmik güç biçimleri yoluyla gittikçe daha fazla sergilenen, bibliyometri, atıf indeksleri, iş yükü modelleri, şeffaf maliyetlendirme verisi, araştırma ve öğretim kalite değerlendirmeleri ve ticari üniversite lig tablolarını içeriyor. Sonuç olarak, Deborah Lupton “niceliksel benlik”in akademik bir versiyonunun ortaya çıkmakta olduğunu öne sürüyor: verim ve etkinin nicel ölçümlerine dayalı bir meslekî kimlik.
“#BenimÖzneleştirmem” başlıklı bir makalede yazan felsefe araştırmacısı Gary Hall, bugünün sosyal medyasının, belirli bir gelişmekte olan “epistemik çevre”nin kurucusu olduğunu ileri sürmektedir. “Geleneksel” akademik bilgi üretiminin epistemik çevresi, tekil yazarlığa dair Romantik görüşe ve yazımda, uzun biçimli tartışmada ve kitapların yayınlanmasında cisimlenen yaratıcı dehaya dayalıydı. Ancak yeni sosyal medya altyapıları çağdaş bilimsel bilgi üretiminin epistemik çevresini yeniden şekillendiriyor.
Yükseköğretimin gelişmekte olan epistemik çevresinde, akademisyenler ağlarını genişletmek, atıflarını yükseltmek, meslekî profillerini tanıtmak ve etki oluşturmak için sosyal medya platformlarını ve açık erişim yayıncılık ortamlarını gittikçe daha fazla kullanarak, kendi kendine girişimci blog yazarları ve tweet yazanlar olmaya teşvik ediliyorlar. Twitter, Facebook, LinkedIn ve Academia.edu gibi ticari sosyal medya platformları, akademisyenlerin yarattığı, sergilediği ve dolaşıma soktuğu araştırma, bilgi ve kuram üzerinden, her gün ağ bağlantılı altyapının parçası hâline geliyorlar. Hall’ın ifade ettiği üzere, gelişmekte olan epistemik çevre:
… kendi medya teknolojileri üzerinden düşüncelerimizi ve davranışımızı değiştirme ve homojenleştirme biçimi sebebiyle, bizim onu icat ettiğimiz kadar, bizi ve kendi bilgi işimizi, felsefemizi ve zihinlerimizi icat ediyor.
Daha açık olmak gerekirse, akademisyenler karmaşık kodlu alt yapılar ve cihazlar vasıtasıyla veri haline geliyor. Geoffrey Bowker “veri değilsen, yoksun” yazmıştır; aynısı yükseköğretimdeki akademisyenler için de geçerli. Verinin ve algoritmaların yükseköğretim üzerinde gelişmekte olan etkileri ciddi sosyal bilimsel sorgulamanın öznesi olmalıdır.
Bilgisayar kodlu yazılım cihazları ve sofistike algoritmalar akademik uygulamaya ve bilgi üretimine gittikçe daha fazla aracılık ettikçe, onları artırdıkça, hatta otomatikleştirdikçe, “kuramın sonu” ve “kuramcının ölümü” ile karşı karşıya olup olmadığımız daha fazla araştırmaya yönelik açık soru olarak kalmaktadır. Akademik çalışma gerçekten Google ve Facebook’un medya makineleri tarafından homojenize edilip işleniyor mu, özel Ar&Ge laboratuvarlarının ve ticari teknoloji şirketlerinin “algoritmaları” disipliner uzmanlık ve bilgi üretiminin yerini alıyor mu?
Yükseköğretimdeki araştırmacılar için görev, bu yeni alt yapılar, cihazlar, uzmanlar ve kuruluşlar genelinde, araştırmanın güncel olarak yeniden dağıtılmasına açık ve tetikte olmak ve incelemekte olduğumuz sosyal dünyaya dair bilgimize, kuramlarımıza ve anlayışlarımıza, yazılım koduyla algoritmik gücün nasıl aracılık ettiğinin, bunları nasıl artırdığının ve hatta nasıl ortak ürettiğinin farkında olmaktır.
