چطور شبکه‌های اجتماعی بیماری‌های همه گیر را پیش بینی‌ میکنند؟

در ۱۰ سال گذشته ، من وقتم را صرف پیدا کردن اینکه چطور و چرا انسانها از خودشان شبکه‌های اجتماعی می‌‌سازند. شبکه اجتماعی که من در مورد آن صحبت میکنم از این شبکه‌های اجتماعی که جدیدا در اینترنت پیدا شده نیست بلکه، نوعی از شبکه اجتماعی است که انسانها از صدها هزار سال پیش در اطراف خود درست میکردند از زمانی‌ که ما از قارهٔ آفریقا جدا شدیم. بنابراین من روابط بین دوستان ، همکاران هم نژاد ها و خویشاوندان با سایر افراد را ترسیم میکنم. که هر یک از این افراد روابط مشابه ای با دیگران دارند و این روابط به صورت نامحدود در مسیری گسترش پیدا می کنند و در نهایت شما شبکه ای نظیر این را میبینید هر نقطه‌ یک فرد هست و هر خط بین آن ها نمایانگر روابط بین دو فرد است انواع روابط مختلف و در نهایت جامعه وسیعی از انسان ها به این صورت خواهیم داشت که همه ما در آن حضور داریم.
من و همکارم، جیمز فلر برای مدتی است که در این رابطه مطالعه میکنیم تا ببینیم قوانین محاسباتی، اجتماعی بیولوژی و روانشناختی حاکم بر این شبکه ها چه گونه شکل گرفته و قوانین مشترک برای شکل گیری این شبکه ها چیست و چگونه بر زندگی ما تاثیر میگذارند اما اخیرا به این فکر افتادیم که ببینیم چطور می شود از این اطلاعات طور دیگری استفاده کرد، و راهی برای بهتر شدن دنیا پیدا کرد. کارهای بهتر انجام داد تا در عمل بتوان مسائل را حل کرد، نه اینکه فقط مسائل را درک کرد بنابراین اولین چیزی که فکر کردیم میتوان از عهده اش بر آمد مسئله چگونگی پیش بینی بیماری های همه گیر بود در حال حاضر وضعیت پیش بینی بیماری های همه گیر اگر عضو یک مرکز کنترل دارو و یا یکی از افراد ملی باشید به گونه ای است که باید منتظربمانید و اطلاعات جمع کنید از پزشکان و آزمایشگاه ها ی مرتبط که شیوع یا بروز مسئله خاصی را گزارش میکنند تعداد بسیار زیادی به بیماری خاصی تشخیص داده می شوند یا بیماران دیگری تشخیص داده می شوند و همه این اطلاعات با کمی تاخیر در یک مکان جمع آوری می شوند و اگر همه چیز خوب پیش برود یک تا دوهفته بعد تازه می فهمید که بیماری همه گیر از کجا شروع شده حدودا یک سال پیش بود که ایده ای رواج یافته بود در رابطه با {روند آنفولانزای گوگل}، که با توجه به آنفولانزا و نحوه جست و جوی مردم میتوانیم بفهمیم که آنفولانزا کجا بوده و وضعیت همه گیری امروز چگونه بوده است و شیوع این همه گیری به چه شکل بوده اما چیزی که من امروز قرار است به شما نشان دهم ابزاری است که از طریق آن نه تنها خیلی سریع در رابطه با یک بیماری همه گیر هشداردریافت میکنیم بلکه در حقیقت خیلی زود میتوان این بیماری همه گیر را شناسایی کرد و در واقع این ایده فقط برای پیش بینی همه گیری میکروبها مناسب نیست بلکه برای انواع همه گیری میتوان از آن استفاده کرد برای مثال هر چیزی که از طریق اجتماع شیوع پیدا می کند میتواند از این طریق شناخته شود از موضوعات انتزاعی مانند وطن دوستی، نوع دوستی، یا مذهب گرفته تا کارهایی مثل رفتار غذایی، خرید کتاب نوشیدن، کلاه ایمنی دوچرخه سواری و سایر کارهای ایمنی یا محصولاتی که مردم ممکن است بخرند خرید لوازم الکترونیکی یا هرچیزی که در آن نوعی گسترش بین فردی وجود دارد نوعی انتشار نوع آوری که همه این ها با استفاده از مکانیزمی که توضیح خواهم داد قابل درک و قابل پیش بینی هستند پس از آنجایی که احتمالا همه شما میدانید شیوه کلاسیک فکر در رابطه با این موضوع را انتشار نوآوری یا منحنی تصویب می نامند در محور عمودی افرادی که مبتلا به بیماری شده اند نمایش داده شده و در محور افقی زمان و در همان ابتدا افراد زیادی به بیماری آلوده نشده اند و در اینجا یک منحنی هلالی شکل شبیه به حرف S داریم و دلیل به وجود آمدن این شکل این است که در ابتدا مثلا زمانی که یک یا دو نفر آلوده یا مبتلا به بیماری شده اند دو نفر دیگر را بیمار و مبتلا می کنند و در عوض این دو نفر چهار، هشت، شانزده و همین طور افراد دیگر را مبتلا میسازند و ما به مرحله رشد همه گیری منحنی خواهیم رسید و در نهایت یک جمعیت آلوده به بیماری می شود. با گذر زمان تعداد افرادی که قابل مبتلا کردن هستند کم تر و کم تر میشود تا به پایان منحنی نزدیک می شویم و به این منحنی هلالی شکل کلاسیک می رسیم و این منحنی برای میکروبها، ایده ها پذیرش محصول، رفتار و چیزهایی شبیه به این هم صادق است. اما این چیزها به صورت تصادفی بین جمعیت ها انتشار پیدا نمیکنند آن ها از طریق شبکه ها انتشار پیدا می کنند زیرا همان طور که گفتم ما درون شبکه ها زندگی میکنیم و این شبکه ها ویژگی های خاصی دارند حالا اگر به شبکه ای مثل این نگاه کنید ۱۵۰ نفر میبینید و یک سری خطوط... نقطه ها افراد هستند و خطوط نماینگر روابط دوستانه ممکن است ببنید بعضی از افراد نقاط مختلفی از شبکه را اشغال کردند روابط مختلفی بین افراد وجود دارد در اینجا روابط دوستی، خویشاوندی روباط زناشوهری، روابط همکاری روابط همسایه ای و شبیه به آن وجود دارد و چیزهای مختلفی که از طریق گره های مختلفی گسترش می یابد به عنوان مثال، بیماریهایی که از طریق روابط جنسی منتقل می شوند از طریق گره های روابط جنسی منتقل خواهند شد یا مثلا رفتار سیگار کشیدن افراد ممکن است از دوستانشان تاثیر گرفته باشد و یا رفتار هم نوع دوستی و کمک به خیریه از همکارانشان تاثیر گرفته باشد یا همسایه هایشان اما همه جایگاه های شبکه مثل هم نیستند پس اگر به این نگاه کنید سریع متوجه می شوید که تعداد روابط افراد با یکدیگر متفاوت است. برخی افراد با یک نفر در ارتباط هستند برخی دیگر با دو نفر برخی با ۶ نفر و دیگری با ۱۰ نفر و این تعداد روابط را " درجه گره " یا " تعداد روابط گره " می گویند. اما نکته دیگری هم وجود دارد اگر به گره های A و B نگاه کنید هر دو با ۶ نفر در ارتباط هستند اما اگر به این عکس شبکه به طور کلی از بالا نگاه کنید احساس میکنید چیزی متفاوت در رابطه با نقطه A و B وجود دارد. پس بگذارید یک سوال بپرسم. با این سوال موضوع را بهتر میتوانم منتقل کنم. ترجیح می دهید کدام یک از این افراد باشید؟ اگر یک میکروب کشنده در حال گسترش در این شبکه بود؟ A یا B شنونده ها: B نیکولاس چریستکیس: بله B، کاملا واضح است. B در گوشه این شبکه قرار دارد. حالا ترجیح می دهید کدام یک از این افراد باشید؟ وقتی یک شایعه داغ در حال گسترش در شبکه است. A. شما نزدیک ترین فردی هستید که از او قدردانی می شود. احتمال شنیدن خبر توسط A بیش تر از بقیه است و خیلی زود متوجه خبر ها در شبکه می شود به علت جای ساختاری اش درون شبکه A در واقع فردی مرکزی است. و این می تواند فرمول ریاضی داشته باشد. بنابراین اگر بخواهیم رد چیزی را بگیریم که در شبکه در حال گسترش است ایده الش این است که یک سری گیرنده به افراد مرکزی شبکه متصل کنیم. همچنین گره A نظارت بر افرادی که در مرکز شبکه قرار دارند و تا حدودی ردیابی به موقع هر چیزی که درون شبکه در حال گسترش است. بنابراین اگر دیدید که این افراد میکروب یا اطلاعاتی را دریافت کردند، متوجه خواهید شد که به زودی همه افراد میکروب یا اطلاعات را دریافت خواهند کرد و مسلما این کار خیلی بهتر از این است که روی ۶ نفر به صورت تصادفی و بدون رجوع به ساختار جمعیت نظارت داشته باشیم. نظارت داشته باشیم چیزی که خواهید دید شبیه به این خواهد بود در پنل سمت چپ دوباره منحنی جذبی شبیه به حرف S داریم خط قرمز نقطه نقطه نشان می دهد که جذب در انتخاب تصادفی افراد چگونه شکل می گیرد و خط سمت راست که به سمت چپ حرکت کرده نشان می دهد که جذب در مرکز افراد داخل شبکه چگونه صورت میگیرد روی محور عمودی تجمع افرادی است که مورد سرایت قرار گرفته اند و محور افقی زمان است و در سمت راست اطلاعات مشابه ای میبینید اما در اینجا همراه شیوع روزانه و چیزی که اینجا میبینید مثل اینجاست تعداد کمی مبتلا شده اند و بعد زیاد و زیادتر می شوند تا به اینجا می رسند و اینجا نقطه اوج همه گیری است اما سمت چپ اتفاقی است که برای افراد مرکزی می افتد و این تفاوت زمان بین این دو شناسایی و هشدار سریع تر را در رابطه با همه گیری احتمالی در یک جمعیت انسانی را برای ما مهیا می سازد. با این وجود مشکل اینجاست که ترسیم نقشه شبکه همیشه امکان پذیر نیست این کار بسیار پر هزینه است و عملی نیست. غیر اخلاقی است یا اگر بخواهم رک بگویم اصلا امکان پذیر نیست. بنابراین چگونه می توانیم بفهمیم که چه کسانی در مرکز شبکه قرار دارند آن هم بدون ترسیم نقشه شبکه نتیجه ای که ما گرفتیم این بود که از واقعیتی قدیمی و حقیقتی شناخته شده در رابطه با شبکه های اجتماعی استفاده کنیم که این گونه مطرح می شود آیا میدانستید که دوستانتان از شما دوستان بیش تری دارند؟ دوستانتان از شما دوستان بیش تری دارند، این به عنوان پارادکس دوستی شناخته می شود فردی بسیار اجتماعی را در یک شبکه اجتماعی در نظر بگیرید مثل یک میزبانی که صد نفر مهمان دارد و یک مردم گریز که فقط یک دوست دارد و شما یک فرد را به صورت تصادفی از جمعیت انتخاب میکنید احتمال اینکه میزبان را بشناسند خیلی بیش تر است و اگر میزبان مهمانی را به عنوان دوست خود انتخاب کنند آن میزبان صد دوست خواهد داشت بنابراین او دوستان بیش تری نسبت به سایر افراد خواهد داشت و در اصل این چیزی است که به عنوان پارادکس دوستی شناخته میشود دوستان افرادی که به طور تصادفی انتخاب شده اند درجه بیش تری دارند و نسبت به خود افرادی که تصادفی انتخاب شده اند مرکزی تر هستند اگر تنها افراد پیرامون شبکه را تصور کنید میتوانید درک بصری نسبت به این موضوع داشته باشید اگر این فرد را انتخاب کنید تنها فردی که او می تواند به عنوان دوستش انتخاب کند این فرد است که از نظر ساختاری باید حداقل به طور معمول دو دوست یا تعداد بیش تری دوست داشته باشد و این روند پیرامون هر گره رخ می دهد و در واقع این روند در تمام شبکه ها رخ می دهد. وقتی داخل شبکه می شوید هر فردی که انتخاب میکنید وقتی یک فرد تصادفی، یکی از دوستانش را انتخاب میکند به مرکز شبکه نزدیک تر می شوید بنابراین فکر کردیم می توانیم این ایده را به کار گیریم تا ببینیم آیا می شود پدیده ها را داخل شبکه ها پیش بینی کرد زیرا الان با این ایده می توانیم یک نمونه تصادفی از مردم را انتخاب کنیم و از آن ها بخواهیم که دوستانشان را مشخص کنند دوستانشان مرکزی تر خواهند بود و می توانیم این کار را بدون ترسیم نقشه شبکه انجام دهیم این ایده را در مورد شیوع آنفولانزای H1N1 در یکی از دانشکده های هاروارد مورد آزمایش قرار دادیم. زمستان سال ۲۰۰۹ یعنی چند ماه پیش هزارو سیصد دانشجو را به صورت تصادفی انتخاب کردیم از آن ها خواستیم تا دوستانشان را معرفی کنند و هر روز هم افراد تصادفی و هم دوستانشان را دنبال کردیم. تا ببینیم که آیا مبتلا به همه گیری آنفولانزا شده اند یا خیر. و با توجه به اینکه آیا دانشجویان به خدمات درمانی دانشگاه مراجعه کرده بودند یا خیر این کار را به صورت غیر مستقیم انجام دادیم و همچنین از آن ها خواستیم چند بار در هفته تا به صورت مستقیم از طریق ایمیل با ما در ارتباط باشند درست همان چیزی اتفاق افتاد که انتظار داشتیم. گروه تصادفی روی خط قرمز نشان داده شده و همه گیری در گروه دوستان به سمت چپ حرکت کرده و تفاوت بین این دو شانزده روز است با مشاهده گروه دوستان میتوانیم شانزده روز زودتر از یک همه گیری که در شرف وقوع در یک جمعیت انسانی است با خبر شویم. علاوه بر این اگر شما یک تحلیل گری بودید که در مورد همه گیری مطالعه می کردید یا حتی در مورد پیش بینی جذب یک محصول تحقیق می کردید کاری که می توانید انجام دهید این است که یک نمونه تصادفی از جمعیت را انتخاب کنید و از آن ها بخواهید که دوستانشان را معرفی کنند و سپس آن ها را دنبال کنید هم افراد تصادفی را دنبال کنید و هم دوستانشان را در بین دوستان اولین مدرک بالای صفری که روی صفحه نمودار مشاهده کردید مثلا در جذب نوآوری مدرکی است از یک همه گیری قریب الوقوع یا اولین باری که دیدید دو منحنی از هم دور می شوند همان طور که سمت چپ نشان داده شده زمانی که نمونه های تصادفی -- زمانی که دوستان افزایش می بایند و از نمونه تصادفی بالاتر می روند و منحنی آن ها شروع به حرکت میکند که اینجا با خط سفید نشان داده شده چهل و شش روز قبل از اینکه به اوج همه گیری برسیم این اتفاق افتاده پس این تکنیکی است که توسط آن می توانیم از شیوع یک آنفولانزای همه گیر در یک جمعیت جلوگیری کنیم باید بگویم که میزان پیشرفته بودن اخطاری که یک نفر در مورد چیزی می تواند دریافت کند بستگی به عوامل زیادی دارد. ممکن است با توجه به نوع بیماری بیماری های متفاوت با استفاده از این تکنیک هشدار های متفاوتی اعلام کنند، یا حتی اتفاقات دیگری که در حال وقوع است یا اگر بخواهمم رک بگویم در ساختار یک شبکه انسانی. حالا در مورد ما با وجود اینکه لازم نبود اما نقشه شبکه دانشجویان را ترسیم کردیم. این نقشه ۷۱۴ دانشجو و گره های دوستانشان است. حالا در یک دقیقه میخواهم این نقشه را به حرکت در آورم و تغییرات روزانه شبکه را در ۱۲۰ روز نشان دهم. نقاط قرمز نمایانگر افرادی مبتلا به آنفولانزا هستند و نقاط زرد نمایانگر دوستان افرادی است که مبتلا به آنفولانزا هستند سایز نقطه ها متناسب با تعداد دوستانی است که از یک نفر آنفولانزا گرفته اند. پس هر چه نقطه بزرگتر باشد نشان دهنده این است که تعداد بیش تری از دوستانتان به آنفولاتزا مبتلا هستند. و اگر به این تصویر نگاه کنید، اینجا در سیزدهم سپتامبر هستیم تعداد کسانی که مبتلا به آنفولانزا هستند کم است اینجا گسترش آنفولانزا را در میانه شبکه میبینید اینجا ۱۹ اکتبر است. در نوامبر به شیب منحنی همه گیری نزدیک می شویم. بنگ بنگ بنگ ، حالا تعداد زیادی نقطه در مرکز شبکه میبینید و در اینحا مقداری کاهش در شیوع آنفولانزا میبینید و تا پایان دسامبر روز به روز تعداد کم تر می شود و این نوع تصویر سازی نشان می دهد که این نوع همه گیری ها مرکز را نشانه میگیرند و افراد مرکزی را قبل از دیگران تحت تاثیر قرار می دهند حالا همان طور که پیشنهاد دادم این روش تنها به میکروب ها محدود نمیشود. و روی هر چیزی که در یک جمعیت پخش می شود تاثیر گذار است اطلاعات در جمعیت پخش می شود هنجار ها در جمعیت پخش می شوند رفتار ها در جمعیت پخش می شوند و منظور من از رفتار می تواند چیزهایی مثل اخلاق مجرمانه رفتار انتخاباتی، یا رفتار های مربوط به سلامتی مثل سیگار کشیدن یا واکسیناسیون جذب محصول یا هر نوع رفتار دیگری که مربوط به تاثیرات درون فردی می شود. اگر من قرار است کاری انجام دهم که افراد کنار من را تحت تاثیر قرار دهد این تکنیک می تواند زودتر هشدار دهد و جذب در یک جکعیت را زودتر شناسایی کند نکته اصلی برای این کار این است که باید تاثیرات درون فردی حتما وجود داشته باشد صرفا با یک مکانیزم انتشاری نمی توان همه را به طور یکسان تحت تاثیر قرار داد حالا برداشتی مشابه با توجه به شبکه می توان داشت البته برداشتی متفاوت نیز می توان داشت. برای مثال،در مورد مداخله های گروهی برای تغییر یک نفر خاص برای مثال اکثر شما با شعار ایمنی جامعه آشنا هستید و اگر بخواهیم این جمعیت را از یک بیماری محفوظ کنیم لازم نیست که همه افراد را در برابر بیماری مقاوم سازیم اگر ۹۶۰ نفر را واکسینه کنیم انگار صد در صد افراد را مقاوم کردیم زیرا اگر حتی یک یا دو نفر از افراد واکسینه نشده مبتلا به بیماری شوند دیگر کسی نیست که به بیماری مبتلا شود آنها توسط افراد واکسینه شده احاطه شده اند بنابراین ۹۶ درصد به خوبی ۱۰۰ درصد عمل میکند برخی از دانشمندان تخمین زده اند اگر ۳۰ درصد از جمعیت ۱۰۰۰ تایی را تصادفی انتخاب کنید و این ۳۰۰ نفر را واکسینه کنیم چه اتفاقی خواهد افتاد آیا ایمن سازی سطحی جمعیت خواهیم داشت؟ جواب خیر است اما اگر شما این ۳۰۰ نفر را انتخاب کنید و از آن ها بخواهید که دوستانشان را معرفی کنند و از آن ها بخواهید که دوستانشان را معرفی کنند و دوستان این ۳۰۰ نفر را نیز واکسینه کنید همان میزان ایمنی جامعه را خواهیم داشت انگار که ۹۶ درصد جمعیت را با همان تاثیر واکسینه کرده اید به علاوه بودجه نیز به مقدار زیادی کاهش می یابد. ایده های مشابهی میتواند مورد استفاده قرار گیرد، مثلا هدف قرار دادن توزیع پشه بند هدف قرار دادن توزیع پشه بند اگر بتوانیم ساختار شبکه های روستاها را درک کنیم متوجه خواهیم شد در کار چه کسی می توانیم مداخله کنیم تا این نوع شیوع را پرورش دهیم. یا اگر رک بخواهم بگویم برای تبلیغ هر نوع محصولی اگر بفهمیم که چه طور باید مورد هدف قرار دهیم روی کارایی آنچه سعی در به دست آوردنش داریم اثر خواهد گذاشت در واقع می توانیم از همه داده های منابع امروز برای انجام این کار استفاده کنیم این نقشه 8 میلیون از کاربران موبایل در کشورهای اروپایی است هر نقطه نشانگر یک فرد است و هر خط نمایانگر میزان تماس های برقرار شده بین افراد می توانیم از چنین داده هایی که به صورت غیر مستقیم به دست آمده است استفاده کنیم تا نقشه همه کشور را ترسیم کنیم و بفهمیم که هر فردی بدون نیاز به تحقیق و پرس و جوی مستقیم کجای این شبکه قرار گرفته است و نوع ساختار درونی این ارتباطات را کشف خواهیم کرد سایر منابع اطلاعاتی که در این رابطه موجود است از تعاملات ایمیلی گرفته تا تعاملات آنلاین، شبکه های اجتماعی آنلاین و غیره. در واقع در دوره ای قرار داریم که من آن را تلاش برای جمع آوری داده عظیم و غیر مستقیم می نامم. همه این ها روش هایی غیر مستقیم برای جمع آوری داده هستند تا شبکه ای حساس بسازیم که به وسیله آن بتوان جمعیت را دنبال کرد و فهمید که چه اتفاقی در جمعیت در حال رخ دادن است و بتوان در جمعیت مداخله و وضعیت را بهبود بخشید زیرا این تکنولوژی های جدید نه تنها می گوید چه کسی با چه کسی صحبت میکند بلکه میگوید که هرنفر دقیقا کجاست و با توجه به مطالبی که آپلود می کنند متوجه میشویم که به چه چیزی فکر می کنند و چه خرید هایی انجام می دهند و می تواند همه این داده های اداری را یک جا جمع و پردازش کرد تا بتوان رفتار های انسانی را طوری فهمید که تا کنون نمیتوانستیم بنابراین می توانیم به عنوان مثال از خرید سوخت راننده های کامیون استفاده کنیم راننده های کامیون در کارشان سوخت می خرند و وقتی روی نمودار خرید سوخت راننده های کامیون افزایشی دیدیم می فهمیم که بحران اقتصادی در حال از بین رفتن است یا می توانیم سرعت مردم در بزرگراه ها را با استفاده از تلفن همراهشان نظارت کنیم و شرکت تلفن همراه می تواند ببیند که به محض اینکه سرعت پایین می آید راننده به ترافیک رسیده است و می توانند از این اطلاعات مشترکین خود استفاده کنند البته فقط مشترکینی که در همان بزرگراه هستند و پشت ترافیک قرار دارند یا حتی می توانیم نحوه نسخه نوشتن پزشکان را به طور غیر مستقیم نظارت کنیم و ببینیم که انتشار نوآوری در مورد داروها در شبکه پزشکان چگونه رخ می دهد همین طور می توانیم رفتار خرید مردم را نظارت کنیم و ببینیم این نوع پدیده ها چگونه در بین جمعیت پخش می شود و به نظر من سه راه برای استفاده از این داده های عظیم و غیرمستقیم وجود دارد یکی از این مثال ها کاملا غیر مستقیم بود مثل نمونه راننده های کامیون که ما در حقیقت هیچ ارتباطی با جمعیت نداریم یکی از این مثال ها نیمه مستقیم بود مثل مثال آنفولانزا که از برخی افراد می خواهیم که دوستانشان را معرفی کنند و غیر مستقیم دوستانشان را نظارت می کنیم آیا آنفولانزا گرفته اند یا خیر؟ سپس هشدار می دهیم یا مثلا اگر یک شرکت مخابراتی هستید، میفهمید که چه افرادی در مرکز این شبکه قرار دارند و به آن افراد می گویید: ممکن است هر روز درجه حرارت بدنتان را برایمان بفرستید؟ فقط کافیه دما را برایمان پیامک کنید و اطلاعات وسیعی در رابطه با درجه حرارت بدن افراد کسب خواهید کرد اما تنها از طریق افرادی که در مرکز شبکه قرار دارند و می توانید درمقیاس وسیعی با استفاد از کم ترین میزان دریافتی از مردم گسترش همه گیری یک بیماری رانظارت کنید یا در نهایت می تواند کاملا مستقیم باشد مثلا من می دانم که امروز سخنران های بعدی راجع به امروز صحبت خواهند کرد و همان طور که مردم ممکن است به طور جهانی در اموری مثل ویکی ها عکاسی و نظارت بر انتخابات شرکت کنند و اطلاعاتی را آپلود کنند که به ما اجازه دهد اطلاعات را یک جا جمع کنیم تا روند اجتماعی و پدیده های اجتماعی را بفهمیم در واقع من فکر می کنم که در دسترس بودن این داده ها خبر از یک عصر جدید در در چیزی دارد که من و دیگران آن را علوم اجتماعی محاسباتی می نامیم این تقریبا شبیه به وقتی است که گالیله اختراع کرد -- یا اختراع نکرد بلکه تصمیم گرفت از تلسکوپ استفاده کند و توانست آسمان را طور دیگری نگاه کند یا لئوهنوک از وجود میکروسکوپ باخبر شد یا در واقع میکروسکوپ را اختراع کرد تا توانست زیست شناسی را طور دیگری نگاه کند اما حالا ما به همه این نوع داده ها دسترسی داریم که به ما این امکان را می دهد که روند اجتماعی و پدیده های اجتماعی را درک کنیم طوری که هیچ وقت برای ما امکان پذیر نبود و با استفاده از این علم می توانیم بفهمیم که دقیقا چطور کل بهتر است از جمع همه تکه ها و در واقع می توانیم از این بینش استفاده کنیم تا شرایط جامعه و انسان ها را بهبود بخشیم متشکرم