5.2.2 سیاسی منشور کی بھیڑ کوڈنگ

سیاسی منشور، عام طور پر ماہرین کی طرف سے کیا جاتا ہے کچھ کوڈنگ، عظیم تر ری اور لچک کے نتیجے میں ایک انسانی گنتی منصوبے کی طرف سے کارکردگی کا مظاہرہ کیا جا سکتا ہے.

کہکشاں چڑیا گھر کی طرح، بہت سے حالات موجود ہیں جہاں سماجی محققین ایک تصویر یا متن کا ٹکڑا کوڈ، درجہ بندی یا لیبل کرنا چاہتے ہیں. اس طرح کی تحقیق کا ایک مثال سیاسی منشوروں کا کوڈ ہے. انتخابات کے دوران، سیاسی جماعتوں نے ان کی پالیسی پوزیشنوں کی وضاحت اور فلسفہ کی راہنمائی کی. مثال کے طور پر، یہاں 2010 سے برطانیہ میں لیبر پارٹی کے منشور کا ایک ٹکڑا ہے:

"ہماری عوامی خدمات میں کام کرنے والے لاکھوں لوگ، برطانیہ کی بہترین اقدار ہنستے خطرات وہ اپنے طور پر برداشت کرنے کے لئے نہیں ہونا چاہئے کی طرف سے ان کی حفاظت کرتے ہوئے اپنی جان کے سب سے زیادہ بنانے کے لئے لوگوں کو بااختیار بنانے میں مدد دے. ہم کر مارکیٹوں منصفانہ کام میں حکومت کے کردار کے بارے زیادہ نڈر ہونے کی ضرورت ہے بس کے طور پر، ہم نے حکومت کا جرات مندانہ مصلحین رہنے کی ضرورت ہے. "

یہ منشوروں میں سیاسی سائنسدانوں کے لئے قیمتی اعداد و شمار شامل ہیں، خاص طور پر وہ لوگ جنہوں نے انتخابات کا مطالعہ کیا اور پالیسی کے مباحثے کی متحرک. منظم طریقے سے ان منشوروں سے معلومات نکالنے کے لئے، محققین نے منشور کے پروجیکٹ کو تخلیق کیا، جس نے 50 ممالک میں تقریبا 1،000 جماعتوں سے 4،000 منشور جمع کیے اور اس کے بعد سیاسی سائنسدانوں کو منظم طور پر منظم کیا. ہر منشور میں ہر سزا ایک 56 قسم کے سکیم کا استعمال کرتے ہوئے ایک ماہر کی طرف سے کوڈڈ کیا گیا تھا. اس باہمی تعاون کے نتیجے میں ان دستخط میں سرایت کردہ معلومات کا خلاصہ وسیع پیمانے پر ڈیٹا بیس ہے، اور یہ ڈیٹا بیس 200 سے زیادہ سائنسی کاغذات میں استعمال کیا گیا ہے.

کینیت بینوٹ اور ساتھیوں (2016) نے منشور کا کوڈنگ کام لینے کا فیصلہ کیا جو پہلے سے ماہرین کی طرف سے کارکردگی کا مظاہرہ کیا تھا اور اسے ایک انسانی حساباتی منصوبے میں تبدیل کر دیا گیا تھا. نتیجے کے طور پر، انہوں نے ایک کوڈنگ کے عمل کو تخلیق کیا جو زیادہ سے زیادہ ریگولیبل اور زیادہ لچکدار ہے، یہ سستا اور تیز نہیں ہے.

برطانیہ میں چھ حالیہ انتخابات کے دوران پیدا ہونے والے 18 منشوروں کے ساتھ کام کرنا، بینوٹ اور ساتھیوں نے مائکروٹاسک مزدور مارکیٹ (ایمیزون میکسیکو ترک اور CrowdFlower مائیکروٹاس مزدور مارکیٹوں کی مثالیں ہیں؛ اس طرح کے بازاروں پر مزید ، باب 4 دیکھیں). محققین نے ہر منشور کو لے لیا اور اسے اس جملے میں تقسیم کیا . اس کے بعد، ایک شخص ہر سزا کو کوڈنگ اسکیم کو لاگو کرتا تھا. خاص طور پر، قارئین سے کہا گیا تھا کہ ہر سزا کو اقتصادی پالیسی (بائیں یا دائیں) کے حوالے سے، سماجی پالیسی (لبرل یا قدامت پرستی)، یا نہ ہی (اس کی شکل 5.5). ہر سزا تقریبا پانچ مختلف لوگوں کی طرف سے کوڈت کیا گیا تھا. آخر میں، یہ درجہ بندی ایک اعداد و شمار کے ماڈل کا استعمال کرتے ہوئے مشترکہ کیا گیا جس نے انفرادی رٹر اثرات اور مشکلات کے دونوں اثرات کا حساب کیا. بالکل، بینوٹ اور ساتھیوں نے تقریبا 1500 لوگوں سے 200،000 درجہ بندی جمع کی.

شکل 5.5: بینوٹ اور ایل سے کوڈنگ سکیم. (2016). معاشرتی پالیسی (لبرل یا قدامت پرستی)، یا نہ ہی اقتصادی پالیسی (بائیں یا دائیں) کا حوالہ دیتے ہوئے ہر قید کو قید کرنے کے لئے کہا گیا تھا. بنوٹ اور ایل سے اطلاق (2016)، اعداد و شمار 1.

شکل 5.5: Benoit et al. (2016) سے کوڈنگ سکیم Benoit et al. (2016) . معاشرتی پالیسی (لبرل یا قدامت پرستی)، یا نہ ہی اقتصادی پالیسی (بائیں یا دائیں) کا حوالہ دیتے ہوئے ہر قید کو قید کرنے کے لئے کہا گیا تھا. Benoit et al. (2016) سے اطلاق Benoit et al. (2016) ، اعداد و شمار 1.

بھیڑ کوڈنگ کے معیار کا اندازہ کرنے کے لۓ، بنوٹ اور ساتھیوں نے بھی اسی طرح کے طریقہ کار کا استعمال کرتے ہوئے اسی طرح کے منشوروں میں 10 ماہرین، پروفیسرز اور گریجویٹ طالب علموں کی سیاسی سائنس کی شرح میں بھی. اگرچہ بھیڑ کے ارکان کے درجہ بندی ماہرین کی درجہ بندی کے مقابلے میں زیادہ متغیر تھے، اتفاق رائے کی بھیڑ کی درجہ بندی میں اتفاق ماہر کی درجہ بندی کے ساتھ قابل ذکر معاہدے (اعداد و شمار 5.6). یہ موازنہ ظاہر کرتا ہے کہ، جیسا کہ کہکشاں زو کے ساتھ، انسانی حساباتی منصوبوں کو اعلی معیار کے نتائج پیدا کر سکتے ہیں.

شکل 5.6: ماہر تخمینوں (ایکس محور) اور بھیڑ کا تخمینہ (یو - محور) برطانیہ سے 18 پارٹی کے منشوروں کو سنبھالنے کے دوران قابل ذکر معاہدے میں تھے (بینیٹ اور اے اے 2016). کوائف نامہ تین سیاسی جماعتوں (قدامت پسند، لیبر، اور لبرل ڈیموکریٹٹس) اور چھ انتخابات (1987، 1992، 1997، 2001، 2005، اور 2010) سے تھے. بنوٹ اور ایل سے اطلاق (2016)، اعداد و شمار 3.

اعداد و شمار 5.6: ماہر تخمینوں ( \(x\) ایکسس) اور بھیڑ کا اندازہ ( \(y\) -کسس) برطانیہ سے 18 پارٹی کے منشوروں کو سنبھالنے کے قابل قابل معاہدے میں موجود تھے (Benoit et al. 2016) . کوائف نامہ تین سیاسی جماعتوں (قدامت پسند، لیبر، اور لبرل ڈیموکریٹٹس) اور چھ انتخابات (1987، 1992، 1997، 2001، 2005، اور 2010) سے تھے. Benoit et al. (2016) سے اطلاق Benoit et al. (2016) ، اعداد و شمار 3.

اس نتیجے پر بلڈنگ، بینوٹ اور ساتھیوں نے ان کی بھیڑ کوڈنگ سسٹم کا استعمال کرتے ہوئے تحقیق کرنے کے لئے استعمال کیا جو منشور پروجیکٹ کے ذریعہ ماہر چلانے کوڈنگ کے نظام کے ساتھ ناممکن تھا. مثال کے طور پر، منشور کے پروجیکٹ نے مریضوں کے موضوع پر دستخط نہیں کی، کیونکہ 1980 کی دہائی کے دوران کوڈنگ کی منصوبہ بندی کی تیار کی گئی جب یہ خاص موضوع نہیں تھا. اور، اس موقع پر، منشور کے پروجیکٹ کے لئے یہ منطقانہ طور پر ممکن نہیں ہے کہ اس معلومات کو قبضہ کرنے کے لئے اپنے منشوروں کو واپس جائیں. لہذا، یہ ظاہر ہوتا ہے کہ امیگریشن کی سیاست کا مطالعہ کرنے میں دلچسپی رکھنے والے محققین قسمت سے باہر ہیں. تاہم، بینو اور ساتھیوں نے اس کوڈنگ کو اپنی انسانی تحریری نظام کا استعمال کرنے میں کامیاب کر دیا تھا- ان کے تحقیق کے سوال کو تیزی سے اور آسانی سے اپنی مرضی کے مطابق.

امیگریشن پالیسی کا مطالعہ کرنے کے لئے، انہوں نے برطانیہ میں 2010 کے عام انتخابات میں آٹھ جماعتوں کے لئے منشوروں کو نشانہ بنایا. ہر منشور میں ہر سزا کے طور پر کوڈت کیا گیا تھا کہ آیا یہ امیگریشن سے متعلق ہے، اور اگر ایسا ہوتا ہے، چاہے وہ امیگریشن، غیر جانبدار، یا امیگریشن تھا. ان منصوبوں کو شروع کرنے کے 5 گھنٹوں کے اندر، نتائج میں تھے. انہوں نے $ 360 کی مجموعی قیمت پر 22،000 سے زائد جوابات جمع کیے تھے. اس کے علاوہ، بھیڑ کے تخمینے نے ماہرین کے پہلے سروے کے ساتھ قابل ذکر معاہدے کا اظہار کیا. اس کے بعد، حتمی امتحان کے طور پر، دو ماہ بعد، محققین نے اپنی بھیڑ کوڈنگ کی. چند گھنٹوں کے اندر، انہوں نے ایک بھیڑ کوڈڈ ڈیٹا بیس پیدا کیا ہے جس سے ان کے اصل بھیڑ کوڈڈ ڈیٹا مقرر سے مل کر مل گیا. دوسرے الفاظ میں، انسانی علوم نے انہیں سیاسی مضامین کی کوڈنگ پیدا کرنے میں فعال کیا جو ماہر تشخیص کے ساتھ اتفاق کیا گیا تھا اور دوبارہ پیش کی جا سکتی تھی. اس کے علاوہ، کیونکہ انسانی عہد تیز اور سستا تھا، ان کے لئے یہ آسان تھا کہ امیگریشن کے بارے میں ان کے مخصوص تحقیق کے سوال میں ان کے ڈیٹا کے مجموعے کو اپنی مرضی کے مطابق بنائیں.