دید از بالا؛ تحلیل الگوهای پنهان جامعه با قدرت بینظیر کلانداده
آیا تا به حال به این فکر کردهاید که حرکت هزاران نفر در مترو یا الگوی خرید مردم در شب عید، چه داستانهایی درباره آینده اقتصاد و فرهنگ ما میگوید؟ آشنایی با مفهوم دید از بالا (The View from Above) و استفاده از بیگداتا (Big Data) برای تحلیل رفتارهای جمعی، یکی از ضروریترین ابزارهای درک جهان مدرن است. در این مقاله میخواهیم ببینیم چطور دادههای عظیم به ما کمک میکنند تا الگوهای پنهان جامعه را که با چشم غیرمسلح قابل رویت نیستند، شناسایی و تحلیل کنیم. آیا واقعاً الگوریتمها میتوانند شورشها، اپیدمیها یا حتی برنده انتخابات بعدی را پیشبینی کنند یا ما فقط در حال غرق شدن در اقیانوسی از اعداد هستیم؟
فهرست مطالب
- ۱. بیگداتا چیست و چگونه لنزهای ما را به جامعه تغییر میدهد؟
- ۲. ردپای دیجیتال؛ از لایکهای فیسبوک تا جابجاییهای GPS
- ۳. تحلیل شبکههای اجتماعی و کشف قطببندیهای سیاسی
- ۴. پیشبینی بیماریها و اپیدمیها قبل از گزارشهای رسمی
- ۵. اقتصاد رفتاری و تاثیر بیگداتا بر تصمیمات خرید ما
- ۶. مدیریت شهری هوشمند؛ وقتی ترافیک با دادهها روان میشود
- ۷. جرمشناسی پیشگیرانه؛ آیا میتوان جلوی جرم را قبل از وقوع گرفت؟
- ۸. نقش هوش مصنوعی در استخراج معنا از آشوب دادهها
- ۹. پارادوکس حریم خصوصی؛ بهای دانستن الگوهای جمعی چیست؟
- ۱۰. خطاهای الگوریتمی و خطر سوگیری در تحلیل دادههای بزرگ
- ۱۱. آینده جامعهشناسی دیجیتال و حکمرانی مبتنی بر داده
- ۱۲. ابزارهای دموکراتیکسازی داده برای شهروندان عادی
۱. بیگداتا چیست و چگونه لنزهای ما را به جامعه تغییر میدهد؟
بیگداتا یا دادههای عظیم تنها به معنای حجم زیادی از اطلاعات نیست، بلکه به سرعت تولید، تنوع و صحت این دادهها نیز اشاره دارد که به “چهار V” معروف هستند (Volume, Velocity, Variety, Veracity). در گذشته، جامعهشناسان برای درک جامعه به نظرسنجیهای محدود و نمونهگیریهای کوچک متکی بودند، اما امروز ما به کل دادههای یک جمعیت در لحظه دسترسی داریم. این تغییر پارادایم به ما اجازه میدهد تا به جای حدس و گمان، با دقت ریاضی به تحلیل رفتارهای انسانی بپردازیم. دید از بالا یعنی دیدن جنگل به جای تکتک درختها، که باعث میشود ساختارهای کلان قدرت و تعاملات اجتماعی به وضوح نمایان شوند.
استفاده از بیگداتا مانند داشتن یک تلسکوپ اجتماعی است که به ما اجازه میدهد پدیدههایی را ببینیم که پیش از این در شلوغی زندگی روزمره گم میشدند. برای مثال، تحلیل دادههای تماسهای تلفنی در یک کشور میتواند به خوبی مرزهای فرهنگی و اقتصادی پنهانی را نشان دهد که بر روی نقشههای سیاسی رسمی وجود ندارند. این دادهها به ما میگویند که مردم واقعاً چگونه با هم ارتباط دارند و چه مناطقی از نظر اجتماعی منزوی شدهاند. در واقع، بیگداتا به ما کمک میکند تا “بیولوژی جامعه” را درک کنیم و بفهمیم که چطور تصمیمات کوچک فردی در نهایت به روندهای بزرگ ملی و جهانی تبدیل میشوند.
۲. ردپای دیجیتال؛ از لایکهای فیسبوک تا جابجاییهای GPS
هر حرکت ما در فضای مجازی و حتی فیزیکی، یک ردپای دیجیتال (Digital Footprint) بر جای میگذارد که به منبعی ارزشمند برای تحلیلگران تبدیل شده است. از جستجوهای ما در گوگل گرفته تا تراکنشهای بانکی و موقعیت مکانی که گوشیهای هوشمند ثبت میکنند، همگی قطعاتی از پازل بزرگ شخصیت جمعی ما هستند. تحلیل این ردپاها میتواند تمایلات پنهان جامعه، از نگرانیهای بهداشتی گرفته تا امیدهای اقتصادی را فاش کند. این دادهها بسیار صادقانهتر از نظرسنجیها هستند، چرا که مردم در خلوت خود با موتورهای جستجو، واقعیتر از زمانی که به یک پرسشگر پاسخ میدهند، عمل میکنند.
برای مثال، تحلیل دادههای GPS تاکسیهای اینترنتی در یک شهر بزرگ میتواند الگوهای پنهان نابرابری در دسترسی به خدمات رفاهی را نشان دهد. یا بررسی لایکها و اشتراکگذاریها در شبکههای اجتماعی میتواند به ما بگوید که کدام ایدهها در حال گسترش هستند و کدامها در حال مرگ. این ردپاها به دانشمندان اجازه میدهند تا “ضربان قلب” شهرها را اندازه بگیرند و متوجه شوند که در چه ساعاتی و در چه نقاطی، تراکم جمعیت و تعاملات به اوج خود میرسد. دید از بالا به واسطه این ردپاها، جامعه را به یک موجود زنده و شفاف تبدیل کرده است که هر حرکتش قابل ردیابی و تحلیل علمی است.
۳. تحلیل شبکههای اجتماعی و کشف قطببندیهای سیاسی
شبکههای اجتماعی به آزمایشگاههای بزرگی برای مطالعه روانشناسی تودهها تبدیل شدهاند، جایی که بیگداتا میتواند چگونگی شکلگیری عقاید و گسترش اخبار جعلی (Fake News) را تحلیل کند. با بررسی گرافهای ارتباطی، محققان میتوانند “اتاقهای پژواک” (Echo Chambers) را شناسایی کنند؛ فضاهایی که در آن افراد فقط با کسانی در ارتباط هستند که همفکرشان باشند. این پدیده منجر به قطببندی شدید سیاسی در جوامع مدرن شده است که از طریق تحلیل دادههای بزرگ به خوبی قابل ردگیری و اثبات است. دید از بالا به ما نشان میدهد که چطور الگوریتمهای پیشنهاددهنده به طور ناخواسته شکافهای اجتماعی را عمیقتر میکنند.
تحلیل بیگداتا در انتخاباتهای اخیر در سراسر جهان نشان داده که چطور گروههای کوچک اما سازمانیافته میتوانند با استفاده از دادههای رفتاری کاربران، پیامهای تبلیغاتی بسیار هدفمند (Micro-targeting) ارسال کرده و رای آنها را تغییر دهند. این موضوع چالشهای جدی برای دموکراسی ایجاد کرده است، چرا که اراده عمومی میتواند توسط قدرتهای پنهان دادهمحور دستکاری شود. از سوی دیگر، همین دادهها میتوانند برای شناسایی و مقابله با نفرتپراکنی و سازماندهی کمکهای مردمی در زمان بحرانها نیز استفاده شوند. درک این الگوهای پنهان در شبکههای اجتماعی، کلید فهم سیاست در قرن بیست و یکم است.
۴. پیشبینی بیماریها و اپیدمیها قبل از گزارشهای رسمی
یکی از درخشانترین کاربردهای بیگداتا در حوزه سلامت عمومی، توانایی پیشبینی شیوع بیماریها پیش از اعلام رسمی توسط نهادهای بهداشتی است. با تحلیل کلمات کلیدی جستجو شده در گوگل، مانند “علائم آنفولانزا” یا “خرید داروهای تببر”، میتوان نقاط داغ شیوع را چند روز زودتر از آمارهای بیمارستانی شناسایی کرد. این زمان طلایی به مقامات اجازه میدهد تا منابع دارویی را به سرعت به مناطق درگیر منتقل کنند و از گسترش بیشتر بیماری جلوگیری نمایند. در زمان پاندمی کرونا، بیگداتا و تحلیل جابجایی جمعیت نقش حیاتی در مدلسازی سرعت انتشار ویروس و تاثیر قرنطینهها داشت.
علاوه بر بیماریهای واگیردار، بیگداتا به شناسایی الگوهای بیماریهای مزمن و عوامل محیطی موثر بر سلامت نیز کمک میکند. مثلاً با تطبیق دادههای کیفیت هوا و مراجعات به مراکز درمانی، میتوان به دقت تاثیر آلودگی بر سلامت تنفسی یک منطقه خاص را سنجید. این دیدگاه کلان به پزشکان و سیاستگذاران اجازه میدهد تا به جای تمرکز بر درمان فردی، بر “پیشگیری جمعی” تمرکز کنند. قدرت بیگداتا در اینجا نه فقط در اعداد، بلکه در نجات جان انسانها نهفته است؛ جایی که الگوهای پنهان به ما هشدار میدهند که خطر در کجا و چه زمانی در کمین است.
۵. اقتصاد رفتاری و تاثیر بیگداتا بر تصمیمات خرید ما
در دنیای تجارت، بیگداتا به ابزاری قدرتمند برای پیشبینی رفتار مصرفکننده و بهینهسازی زنجیرههای تامین تبدیل شده است. شرکتهای بزرگ با تحلیل تاریخچه خرید، زمانهای آنلاین بودن و حتی سرعت اسکرول کردن شما، میدانند که چه زمانی و چه محصولی را به شما پیشنهاد دهند تا احتمال خرید به حداکثر برسد. این دید از بالا به شرکتها اجازه میدهد تا الگوهای مصرف کلان را شناسایی کرده و قبل از اینکه تقاضا ایجاد شود، برای آن برنامهریزی کنند. اقتصاد رفتاری (Behavioral Economics) امروزه به شدت با تحلیل دادههای بزرگ گره خورده است تا انگیزههای ناخودآگاه خریداران را کشف کند.
جالب است بدانید که تحلیل بیگداتا میتواند حتی بحرانهای اقتصادی را از طریق تغییر در الگوهای خرید کالاهای لوکس یا ضروری پیشبینی کند. وقتی مردم به طور جمعی شروع به خرید محصولات ارزانتر میکنند، این دادهها خیلی زودتر از آمارهای دولتی، رکود را نشان میدهند. این شفافیت دادهای به کسبوکارهای کوچک هم کمک میکند تا با درک نیازهای واقعی محله خود، خدماتی دقیقتر ارائه دهند. با این حال، مرز باریکی بین “پیشنهاد هوشمندانه” و “دستکاری ذهنی” وجود دارد که بیگداتا مدام در حال حرکت روی آن است. در نهایت، ما در دنیایی زندگی میکنیم که سلیقه ما نه فقط توسط خودمان، بلکه توسط الگوهای استخراج شده از میلیونها نفر دیگر شکل میگیرد.
۶. مدیریت شهری هوشمند؛ وقتی ترافیک با دادهها روان میشود
شهرهای هوشمند (Smart Cities) تجسم فیزیکی قدرت بیگداتا در بهبود زندگی روزمره هستند، جایی که هر چراغ راهنمایی و هر سنسور در جاده، دادههایی را برای بهینهسازی جریان ترافیک تولید میکند. با دید از بالا، مدیران شهری میتوانند گرههای ترافیکی را قبل از وقوع پیشبینی کرده و با تغییر زمانبندی چراغها یا پیشنهاد مسیرهای جایگزین به رانندگان، از اتلاف وقت میلیونها نفر جلوگیری کنند. این تحلیل الگوهای پنهان جابجایی، به طراحی بهتر خطوط اتوبوس و مترو نیز کمک میکند تا بیشترین کارایی را برای شهروندان داشته باشند. مدیریت شهری بدون داده، مانند رانندگی با چشم بسته در یک بزرگراه شلوغ است.
علاوه بر ترافیک، بیگداتا در مدیریت مصرف انرژی و آب نیز نقش کلیدی دارد؛ به طوری که با تحلیل الگوهای مصرف در ساعات مختلف، میتوان بار شبکه را متعادل کرد و از قطعیهای ناخواسته جلوگیری نمود. جمعآوری هوشمند زباله بر اساس پر شدن مخازن و پایش امنیت شهری از طریق تحلیل تصاویر دوربینها، همگی بخشی از این دیدگاه کلان هستند. این تکنولوژی شهر را به مکانی پاسخگوتر و انسانیتر تبدیل میکند که در آن منابع بر اساس نیاز واقعی و نه حدس و گمان توزیع میشوند. هدف نهایی این است که شهر مانند یک ارگانیسم هماهنگ عمل کند که در آن بیگداتا نقش سیستم عصبی مرکزی را بر عهده دارد.
۷. جرمشناسی پیشگیرانه؛ آیا میتوان جلوی جرم را قبل از وقوع گرفت؟
یکی از بحثبرانگیزترین حوزههای استفاده از بیگداتا، جرمشناسی پیشگیرانه (Predictive Policing) است که در آن از الگوریتمها برای شناسایی مناطق و زمانهای پرخطر برای وقوع جرم استفاده میشود. با تحلیل دادههای تاریخی جرایم، وضعیت آب و هوا، رویدادهای ورزشی و حتی روزهای واریز حقوق، پلیس میتواند نیروهای خود را در نقاطی مستقر کند که احتمال وقوع جرم در آنها بیشتر است. این دید از بالا به کاهش نرخ جرم و افزایش امنیت عمومی کمک شایانی کرده است، چرا که حضور پیشگیرانه پلیس به خودی خود بازدارنده است. الگوهای پنهان جرم، اغلب با متغیرهایی مرتبط هستند که برای ذهن انسان به راحتی قابل تشخیص نیستند.
اما این حوزه با چالشهای اخلاقی بزرگی نیز روبروست؛ ترس از اینکه الگوریتمها به جای پیشبینی جرم، سوگیریهای نژادی یا طبقاتی موجود در دادههای قدیمی را تکرار کنند. اگر بیگداتا بگوید یک محله خاص پرخطر است و پلیس مدام در آنجا حضور داشته باشد، طبیعتاً جرایم بیشتری هم در آنجا ثبت میشود و این یک چرخه معیوب ایجاد میکند. برای جلوگیری از این اتفاق، دانشمندان در حال توسعه الگوریتمهای “عادلانه” هستند که بدون سوگیری به تحلیل دادهها بپردازند. هدف این است که از قدرت بیگداتا برای ایجاد امنیتی هوشمندانه و منصفانه استفاده شود که در آن پیشگیری بر سرکوب مقدم باشد.
۸. نقش هوش مصنوعی در استخراج معنا از آشوب دادهها
بیگداتا به تنهایی فقط کوهی از اعداد و متون نامنظم است؛ آنچه به این دادهها جان میدهد و آنها را به دانش تبدیل میکند، هوش مصنوعی (AI) و یادگیری ماشین است. الگوریتمهای پیشرفته میتوانند در میان میلیاردها رکورد داده، روابطی را پیدا کنند که هیچ انسانی قادر به کشف آنها نیست. هوش مصنوعی در واقع “چشم” این دید از بالاست که میتواند نویزها را فیلتر کرده و الگوهای واقعی جامعه را استخراج کند. بدون قدرت پردازشی AI، ما در سیل اطلاعات غرق میشدیم بدون اینکه بتوانیم از آنها برای بهبود جامعه استفاده کنیم.
از تحلیل احساسات (Sentiment Analysis) در توییتر برای درک میزان رضایت عمومی گرفته تا پردازش تصاویر ماهوارهای برای تخمین میزان فقر در مناطق دورافتاده، همگی با همکاری بیگداتا و هوش مصنوعی ممکن شدهاند. این ترکیب قدرتمند به ما اجازه میدهد تا “شبیهسازیهای اجتماعی” دقیقی انجام دهیم و تاثیر سیاستهای مختلف را قبل از اجرا در دنیای واقعی، در مدلهای کامپیوتری بسنجیم. آینده تحلیل دادهها به سمتی میرود که هوش مصنوعی نه تنها الگوها را پیدا میکند، بلکه دلایل پنهان پشت آنها را نیز برای ما توضیح میدهد. این همکاری، سطح جدیدی از خرد جمعی را برای تمدن ما به ارمغان آورده است.
۹. پارادوکس حریم خصوصی؛ بهای دانستن الگوهای جمعی چیست؟
استفاده از بیگداتا برای دیدن الگوهای جامعه همواره با یک چالش بنیادی همراه است: نقض حریم خصوصی افراد (Privacy Paradox). برای اینکه بتوانیم دید دقیقی از بالا داشته باشیم، نیاز به دادههای دقیق از پایین داریم که اغلب شامل جزئیترین اطلاعات شخصی کاربران است. بسیاری از مردم از اینکه دادههایشان برای تحلیلهای کلان استفاده شود ناراضی هستند، در حالی که همزمان از خدماتی که بر پایه همین دادهها ارائه میشود (مثل مسیریابی دقیق یا پیشنهادات خرید شخصی) لذت میبرند. این تضاد، یکی از بزرگترین چالشهای حقوقی و اخلاقی عصر ماست.
تکنولوژیهایی مثل “حریم خصوصی تفاضلی” (Differential Privacy) در حال توسعه هستند تا به محققان اجازه دهند الگوهای جمعی را بدون شناسایی هویت تکتک افراد استخراج کنند. با این حال، همیشه خطر بازشناسایی (Re-identification) وجود دارد؛ یعنی با ترکیب چند پایگاه داده مختلف، بتوان هویت یک فرد را از دل دادههای بینام بیرون کشید. ما باید به دنبال تعادلی باشیم که در آن از مزایای بیگداتا برای پیشرفت جامعه بهرهمند شویم بدون اینکه آزادیها و حریم خصوصی فردی را قربانی کنیم. قانونگذاریهای مدرن مانند GDPR در اروپا، تلاشهایی برای بازگرداندن کنترل دادهها به دست خود شهروندان در این دنیای شفاف هستند.
۱۰. خطاهای الگوریتمی و خطر سوگیری در تحلیل دادههای بزرگ
یکی از بزرگترین سوءبرداشتها درباره بیگداتا این است که اعداد هرگز دروغ نمیگویند؛ اما در واقعیت، دادهها میتوانند به شدت گمراهکننده باشند اگر به درستی جمعآوری یا تفسیر نشوند. سوگیری دادهها (Data Bias) زمانی رخ میدهد که ورودیهای ما نماینده واقعی کل جامعه نباشند؛ مثلاً تحلیل نظرات توییتر فقط نشاندهنده افکار کسانی است که از این پلتفرم استفاده میکنند، نه کل جمعیت. اگر این محدودیتها نادیده گرفته شوند، دید از بالا به جای یک تصویر واقعی، یک تصویر اعوجاج یافته و نادرست از جامعه ارائه خواهد داد که میتواند منجر به تصمیمات فاجعهبار شود.
علاوه بر این، الگوریتمها ممکن است همبستگی (Correlation) را با علیت (Causality) اشتباه بگیرند. فقط به این دلیل که دو پدیده با هم رخ میدهند، به این معنا نیست که یکی باعث دیگری شده است. برای جلوگیری از این خطاهای علمی، تحلیلگران باید همواره نگاهی نقادانه داشته باشند و نتایج بیگداتا را با مطالعات میدانی و کیفی تطبیق دهند. ما نباید عقل سلیم و تجربه انسانی را فدای خروجیهای سرد ماشین کنیم. دید از بالا باید ابزاری برای تقویت فهم ما باشد، نه جایگزینی برای تفکر عمیق و درک پیچیدگیهای بیپایان رفتار انسانی.
۱۱. آینده جامعهشناسی دیجیتال و حکمرانی مبتنی بر داده
ما در حال حرکت به سمتی هستیم که حکمرانی مبتنی بر داده (Data-driven Governance) به استاندارد جدید اداره جوامع تبدیل شود. در این آینده، سیاستها به جای ایدئولوژیهای خشک، بر اساس بازخوردهای لحظهای و تحلیل الگوهای واقعی بیگداتا تنظیم میشوند. جامعهشناسی دیجیتال به ما کمک میکند تا تاثیر هر قانون یا تغییر اقتصادی را در همان لحظه بر روی گروههای مختلف مردم بسنجیم و در صورت لزوم، مسیر را اصلاح کنیم. این مدل از حکمرانی میتواند به شدت کارآمدتر، شفافتر و پاسخگوتر از سیستمهای بوروکراتیک فعلی باشد.
تصور کنید بودجههای دولتی به صورت خودکار به مناطقی تخصیص یابد که دادهها نشاندهنده نیاز فوری به آموزش یا بهداشت در آنهاست. یا سیستمهای تامین اجتماعی که قبل از اینکه فردی دچار فقر مطلق شود، سیگنالهای خطر را دریافت کرده و حمایتهای لازم را فعال کنند. البته این آینده درخشان نیازمند زیرساختهای اخلاقی و نظارتی بسیار قوی است تا از تبدیل شدن به یک دیکتاتوری دیجیتال جلوگیری شود. قدرت دید از بالا باید در خدمت توانمندسازی مردم باشد، نه کنترل آنها. ما معماران این سیستمهای جدید هستیم و باید اطمینان حاصل کنیم که بیگداتا در جهت عدالت اجتماعی و رفاه همگانی به کار گرفته میشود.
۱۲. ابزارهای دموکراتیکسازی داده برای شهروندان عادی
قدرت بیگداتا نباید فقط در انحصار دولتها و شرکتهای بزرگ باشد؛ دموکراتیکسازی دادهها (Data Democratization) به معنای در دسترس قرار دادن ابزارهای تحلیل برای شهروندان عادی است تا آنها هم بتوانند الگوهای محیط زندگی خود را ببینند. پروژههای داده باز (Open Data) به مردم اجازه میدهند تا بر عملکرد مسئولین نظارت کنند، کیفیت محیط زیست خود را بسنجند و برای حل مشکلات محلی داوطلب شوند. وقتی مردم به دادهها دسترسی داشته باشند، میتوانند با استدلالهای قویتر در گفتگوهای اجتماعی شرکت کنند و از حقوق خود دفاع نمایند. دید از بالا باید به یک دید همگانی تبدیل شود.
اپلیکیشنهای موبایلی که دادههای ترافیک، آلودگی یا قیمتها را به اشتراک میگذارند، نمونههای سادهای از این روند هستند. در آینده، ابزارهای بصریسازی دادهها به قدری ساده خواهند شد که هر کسی بدون نیاز به دانش برنامهنویسی، بتواند الگوهای پنهان در محله یا شهر خود را کشف کند. این شفافیت، اعتماد اجتماعی را تقویت کرده و مشارکت مدنی را افزایش میدهد. بیگداتا پتانسیل این را دارد که به بزرگترین ابزار توانمندسازی بشر در تاریخ تبدیل شود، به شرطی که دانشِ استخراج شده از آن، نوری باشد که بر تمام زوایای تاریک جامعه میتابد و راه را برای همه روشن میکند.
جمعبندی نهایی
دید از بالا به واسطه بیگداتا، انقلابی در درک ما از واقعیتهای اجتماعی ایجاد کرده است. ما اکنون قادریم الگوهای پنهانی را در سلامت، اقتصاد، ترافیک و سیاست ببینیم که پیش از این غیرقابل تصور بود. این قدرت تحلیل، اگرچه با چالشهای جدی در زمینه حریم خصوصی و سوگیریهای الگوریتمی روبروست، اما ابزاری بیبدیل برای ساختن شهرهایی هوشمندتر، جوامعی ایمنتر و حکمرانی کارآمدتر محسوب میشود. کلید موفقیت در عصر دادهها، نه تنها در جمعآوری بیتهای بیشتر، بلکه در استفاده اخلاقی و هوشمندانه از آنها برای بهبود کیفیت زندگی انسانهاست. ما باید یاد بگیریم که همزمان با دیدن الگوهای بزرگ، کرامت و آزادی تکتک انسانهایی که این دادهها را میسازند، حفظ کنیم.









مطلب بسیار جالبی بود. چطور می شود از این تکنولوژی بهره برداری کرد؟ من خبرهای زیادی خوانده ام که مردم با استفاده از گوگل ایرث مثلا آثار باستانی کشف کرده اند و یا کشتی نوح.
دوستی میگفت که منجمان آماتور ایرانی با همین تصاویر یک دهانه برخوردی ناشی از شهاب سنگ را که خیلی قدیمی است در سیستان و بلوچستان پیدا کرده اند.
این موضوعات نشان میدهد که اطلاعات وقتی در دسترس همه باشد سیل دانایی همه نادانیها و ناامیدیها را با خود خواهد برد.
پیروز باشید هم شما و هم دوستان گوگلی
تصویر گوگل ارث در سال 1975 یعنی 34 سال پیش!
جالب است که تنها چند سال از عمر گوگل ارث می گذرد، احتمالا تصویر فوق را از ناسا یا یک جای دیگری گرفته باشند.
ممنون. به تازگی وبلاگ خیلی سریع آپ دیت می شود. چند وقت بود که به این سرعت کار نمی کردی آقای دکتر!
اگر به تصویر دقت کنید، تصاویر متعلق به گوگل ارث هستند. گوگل ارث گرچه تنها چندین سال است که به راه افتاده، اما لزوما از تصاویر ماهوارهای سالهای اخیر استفاده نمیکند و به عکسهای با قدمت بیشتر هم دسترسی دارد.
والا ما هم همین را گفتیم :)
ممنون علیرضا جان. کار تو و زحماتت در وبلاگستان فارسی کم نظیر است.
با سلام
بدون شک وبلاگ “یک پزشک” بهترین و حرفه ای ترین وبلاگ بوجود آمده توسط یک ایرانیست
اگر بنده کاره ای در سازمان های دولتی بودم ، شما را بهترین وبلاگنویس و وبلاگتان را بهترین وبلاگ ایران انتخاب میکردم
واقعا ممنون از این همه تلاش شما
واقعا صحبتهایتان زیبا و حرفه ای است
موفق باشید
از لطفتون ممنونم.
جناب مجیدی عزیز ، اگر امکان دارد بخش “درباره من” را پُر کنید ، خیلی علاقه دارم که با شما بیشتر آشنا بشوم
سلام
لطفا این مطلب را بخوانید:
http://safzav.wordpress.com/2008/12/05/climate-change/
درباره اشتباه ترجمه ای است که متاسفانه مصطلح است و در نوشته شما نیز هست.
از مطلبتان لذت بردم :)
ممنونم. من هم احساس میکردم آب و هوا معادل کاملا دقیقی نیست.