| # | عنوان | توضیحات |
|---|---|---|
| 1 | جایگاه درس در برنامه درسی دوره | در یک پاراگراف، جایگاه این درس در برنامه درسی دوره دکتری جامعه‌شناسی اقتصادی و توسعه، به عنوان یک درس تخصصی و ابزاری، بسیار کلیدی است. این درس پلی میان مباحث نظری پیچیدگی اجتماعی و نیازهای پژوهشی دانشجویان دکتری است. در حالی که سایر دروس به تئوری‌ها و مباحث تخصصی حوزه اقتصادی و توسعه می‌پردازند، این درس ابزارها و رویکردهای نوین پژوهشی را برای تحلیل پدیده‌هایی که ذاتاً پیچیده، غیرخطی و چندعاملی هستند، فراهم می‌کند. این دانشجو را قادر می‌سازد تا از تحلیل‌های خطی و ساده‌انگارانه فراتر رفته و به پرسش‌هایی پاسخ دهد که روش‌های سنتی قادر به حل آن‌ها نیستند؛ در نتیجه، به ارتقاء کیفیت پایان‌نامه و توانایی دانشجو برای مشارکت در لبه‌های دانش جهانی در حوزه خود کمک می‌کند. |
| 2 | هدف کلی | هدف کلی این درس، تربیت پژوهشگرانی در مقطع دکتری است که قادرند پیچیدگی‌های اجتماعی در حوزه‌های اقتصاد و توسعه را با رویکردی نوآورانه و فراتر از روش‌های خطی و سنتی تحلیل کنند. این درس دانشجویان را با پارادایم پیچیدگی، ابزارهای پیشرفته‌ای مانند مدل‌سازی مبتنی بر عامل (ABM) و تحلیل شبکه آشنا می‌سازد. در نهایت، دانشجویان مهارت‌های لازم برای طراحی، اجرا و ارائه پروژه‌های پژوهشی را کسب می‌کنند که پدیده‌های چندعاملی، غیرخطی و برآمده (emergent) را درک و تبیین می‌کنند و بدین ترتیب، آن‌ها را برای پیشبرد مرزهای دانش در حوزه خود آماده می‌سازد. |
| 3 | شایستگی های پایه | دانشجو باید با مبانی نظری جامعه‌شناسی اقتصادی و توسعه آشنا باشد تا بتواند پدیده‌های پیچیده را در بافت نظری خود تحلیل کند. همچنین، برای فهم و پیگیری مباحث درس، آشنایی اولیه با روش‌های تحقیق کمی و کیفی ضروری است، هرچند درس بر آن‌ها تمرکز ندارد. از نظر مهارت‌های تحلیلی، توانایی تفکر سیستمی و درک روابط غیرخطی از اهمیت بالایی برخوردار است. در نهایت، با توجه به ماهیت فنی برخی از ابزارهای مورد بحث، داشتن مهارت‌های اولیه کار با کامپیوتر و مدیریت داده به موفقیت دانشجو در کارگاه‌های عملی کمک شایانی می‌کند. |
| 4 | اهداف یادگیری | اهداف دانشی درک مفاهیم کلیدی: دانشجویان باید با مفاهیم اصلی نظریه پیچیدگی مانند سیستم‌های پیچیده، برآمدگی (emergence)، حلقه‌های بازخورد و نقاط عطف آشنا شوند و تفاوت آن‌ها را با رویکردهای خطی و تقلیل‌گرایانه درک کنند. آشنایی با ابزارها: دانشجویان باید با انواع رویکردهای تحلیلی نوین مانند مدل‌سازی مبتنی بر عامل (ABM)، تحلیل شبکه‌های اجتماعی (SNA) و تحلیل داده‌های کلان برای مطالعه پدیده‌های پیچیده آشنا شوند. شناخت کاربردها: دانشجویان باید با نمونه‌های کاربردی این رویکرد در حوزه‌های تخصصی خود (جامعه‌شناسی اقتصادی و توسعه) آشنا شوند. اهداف مهارتی تفکر سیستمی: توانایی تحلیل پدیده‌های اجتماعی به عنوان یک سیستم پیچیده و شناسایی روابط غیرخطی و چندعاملی. کاربرد ابزارها: توانایی استفاده از نرم‌افزارهای تخصصی برای انجام تحلیل‌های پیچیده مانند مدل‌سازی ساده، تحلیل شبکه و تحلیل متون. طراحی پژوهش: توانایی تدوین یک پروپوزال (طرح‌نامه) پژوهشی برای یک سیستم پیچیده، از طرح سؤال تا انتخاب ابزار مناسب برای تحلیل. اهداف نگرشی نگرش انتقادی: دانشجویان باید دیدگاهی انتقادی نسبت به روش‌های سنتی پژوهش پیدا کنند و محدودیت‌های آن‌ها را در مواجهه با پدیده‌های پیچیده درک کنند. نگرش خلاقانه: دانشجویان باید بتوانند با استفاده از رویکردهای نوین، راه‌حل‌های خلاقانه‌ای برای مسائل پژوهشی خود بیابند. اعتماد به نفس: کسب اعتماد به نفس لازم برای کار در لبه‌های دانش و انجام پژوهش‌های نوآورانه و بین‌رشته‌ای. |
| 5 | روش تدریس | برای این درس در مقطع دکتری، روش تدریس باید ترکیبی از رویکردهای نظری و عملی باشد تا دانشجویان به طور عمیقی با پیچیدگی اجتماعی آشنا شوند. این روش بر مشارکت فعال و یادگیری مبتنی بر پروژه تأکید دارد و شامل سه بخش اصلی است. در بخش اول، استاد با ارائه مباحث نظری کلیدی، زمینه فکری را برای دانشجویان فراهم می‌کند و از طریق بحث‌های گروهی، فهم آن‌ها را از مفاهیم پیچیده تعمیق می‌بخشد. در بخش دوم، دانشجویان در کارگاه‌های عملی شرکت می‌کنند که در آن‌ها، با استفاده از نرم‌افزارهای تخصصی مانند NetLogo و Gephi، به تحلیل مدل‌های شبیه‌سازی و شبکه‌های اجتماعی می‌پردازند. این کارگاه‌ها فرصتی برای تمرین و خطا و کسب مهارت‌های فنی به شمار می‌روند. در نهایت، بخش سوم به یک پروژه پایانی اختصاص دارد که در آن هر دانشجو، یک مسئله پژوهشی را با رویکرد پیچیدگی طراحی کرده، بخشی از آن را اجرا و در انتهای ترم به صورت کامل ارائه می‌دهد. این فرآیند، یادگیری را از یک تجربه صرفاً نظری به یک مهارت کاربردی تبدیل می‌کند. |
| 6 | وظایف دانشجو | در این درس، وظیفه دانشجو فراتر از یادگیری صرف مطالب نظری است و بر مشارکت فعال و پیوسته تمرکز دارد. دانشجو باید با آمادگی کامل در کارگاه‌های عملی شرکت کند و در طول ترم، به صورت گام به گام یک پروژه پژوهشی عملی را پیش ببرد. این پروژه شامل طراحی یک مسئله با رویکرد پیچیدگی، انتخاب ابزار مناسب (مانند تحلیل شبکه یا مدل‌سازی)، و در نهایت، ارائه نتایج به صورت کامل و حرفه‌ای است. همچنین، انتظار می‌رود دانشجو با مطالعه منابع معرفی‌شده، در بحث‌های کلاسی فعالانه شرکت کرده و با پرسش و پاسخ‌های انتقادی، به تعمیق فهم خود و سایر همکلاسی‌ها کمک کند. |
| 7 | منبع | Arthur, W. B. (1995). Increasing returns and path dependence in the economy. University of Michigan Press. Axtell, R. (2007). Agent-based computing: The Axtell reader. Brookings Institution Press. Bastian, M., Heymann, S., & Jacomy, M. (2009). Gephi: An open-source software for exploring and manipulating networks. ICWSM. Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77-84. Byrne, D. (2005). Complexity, science, and the social sciences. In L. Leydesdorff (Ed.), The Oxford handbook of social science. Oxford University Press. Byrne, D., & Callaghan, G. (2014). Complexity theory and the social sciences: The state of the art. Routledge. Castellani, B., & Hafferty, F. W. (2009). Sociology and complexity science. Springer. Conte, R., et al. (2012). Manifesto of computational social science. European Physical Journal Special Topics, 214(1), 325-346. Epstein, J. M. (2006). Generative social science: Studies in agent-based computational modeling. Princeton University Press. Granovetter, M. S. (1973). The strength of weak ties. American Journal of Sociology, 78(6), 1360-1380. Holland, J. H. (2014). Complexity: A very short introduction. Oxford University Press. King, G., Keohane, R. O., & Verba, S. (1994). Designing social inquiry: Scientific inference in qualitative research. Princeton University Press. Lazer, D., et al. (2009). Computational social science. Science, 323(5915), 721-723. Macal, C. M., & North, M. J. (2010). Tutorial on agent-based modeling and simulation. Journal of Simulation, 4(3), 151-161. Mitchell, M. (2009). Complexity: A guided tour. Oxford University Press. Savage, M., & Burrows, R. (2007). The coming crisis of empirical sociology. Sociology, 41(5), 885-899. Scott, J. (2017). Social network analysis. SAGE Publications. Snijders, T. A. B. (2017). Stochastic actor-oriented models for network dynamics. Annual Review of Statistics and Its Application, 4(1), 343-363. Sterman, J. D. (2000). Business dynamics: Systems thinking and modeling for a complex world. McGraw-Hill Education. Wasserman, S., & Faust, K. (1994). Social network analysis: Methods and applications. Cambridge University Press. |
| 8 | نحوه ارزشیابی | ارزشیابی در این درس، به جای تمرکز بر یک امتحان نهایی، بر عملکرد پیوسته و پروژه‌محور دانشجو استوار است تا هم توانایی نظری و هم مهارت‌های عملی او را بسنجد. این فرآیند شامل سه بخش اصلی است: ۱) مشارکت کلاسی که شامل حضور فعال در بحث‌ها و کارگاه‌های عملی است، ۲) تکالیف هفتگی که تمرینات عملی مربوط به هر جلسه را دربرمی‌گیرد، و ۳) پروژه پایانی که از مهم‌ترین بخش‌ها است و در آن، دانشجو یک مسئله پژوهشی را با رویکرد پیچیدگی طراحی و تحلیل کرده و یافته‌های خود را به صورت کتبی و شفاهی ارائه می‌دهد. این رویکرد تضمین می‌کند که ارزشیابی، توانایی دانشجو در طراحی، اجرا و ارائه یک پژوهش پیچیده را به طور جامع ارزیابی کند. |