نظریه کنشگر شبکه

در جهانی که انسان، فناوری، طبیعت و داده‌ها به‌طور فزاینده‌ای بر یکدیگر اثر می‌گذارند، تحلیل پدیده‌ها با تکیه بر نگاه‌های سنتی دیگر پاسخ‌گوی پیچیدگی‌های امروز نیست. نظریه کنشگر-شبکه (Actor Network Theory-ANT) با کنار گذاشتن مرز میان کنشگران انسانی و غیرانسانی، چارچوبی تازه برای درک این روابط ارائه می‌دهد و به تقویت تفکر سیستمی در طراحی و آینده‌پژوهی کمک می‌کند. برونو لاتور (Bruno Latour)، فیلسوف و جامعه‌شناس فرانسوی، این رویکرد را در دهه ۱۹۸۰ معرفی کرد و پژوهشگرانی مانند میشل کالون (Michel Callon) و جان لا (John Law) نقش مهمی در توسعه آن داشتند. این نظریه با تمرکز بر شبکه روابط میان تمامی کنشگران، لنزی متفاوت برای فهم سیستم‌های پیچیده در اختیار طراحان و آینده‌پژوهان قرار می‌دهد.

بررسی علم و جامعه پیش از این روی دوگانگی‌های سنتی تکیه داشت. نظریه سوژه و ابژه بر درک انسان از اشیا و ایده‌ها تمرکز می‌کرد. رویکرد انسان و غیرانسان به روابط ما با ماشین‌ها، گیاهان یا حیوانات می‌پرداخت. دیدگاه فرهنگ و طبیعت تعامل دستاوردهای انسانی را با جهان طبیعی بررسی می‌کرد. رویکرد جدید تمام این دوگانگی‌ها را کنار گذاشت تا پویایی سیستم‌ها با نگاهی دقیق‌تر واکاوی شود.

مفاهیم پایه

چند مفهوم اساسی ساختار این نگاه را شکل می‌دهند. کنشگرها (Actants) هسته مرکزی این دیدگاه هستند. این موجودیت‌ها فارغ از انسانی یا غیرانسانی بودنشان ظرفیت عمل و تأثیرگذاری دارند. تمایز میان انسانِ فعال و شیءِ منفعل در اینجا معنایی ندارد و عاملیت در تمام اجزا دیده می‌شود.

مفهوم شبکه‌ها نشان می‌دهد جهان پیرامون ما از اتصالات گسترده‌ای ساخته شده است. تعامل کنشگرها این اتصالات را می‌سازد. تحولات اجتماعی و تکنولوژیک از طریق همین شبکه‌ها پیش می‌روند و تمام اجزای جهان به هم وابسته‌اند.

اصل تقارن (Symmetry) ایجاب می‌کند با همه کنشگرها رفتار برابری داشته باشیم. سوگیری خاصی برای برتری دادن به عناصر انسانی وجود ندارد. تک‌تک موجودیت‌ها برای شکل‌دهی به پویایی شبکه وزن یکسانی می‌گیرند.

مفهوم ترجمه (Translation) نحوه مذاکره و همکاری کنشگرها را برای رسیدن به اهدافشان توصیف می‌کند. این فرآیند محدود به زبان نیست و جریان دانش، قدرت و منابع را در سراسر شبکه پوشش می‌دهد.

ترسیم شبکه‌ها

شناسایی کنشگرها و درک روابطشان نیازمند فرآیندی دقیق است. کار با مشاهده و مستندسازی جامع تمام نهادهای حاضر در یک محیط شروع می‌شود. مشارکت‌کنندگان انسانی در کنار فناوری‌ها، مصنوعات و عوامل طبیعی بررسی می‌شوند. تک‌تک این اجزا توانایی تغییر نتایج را دارند.

دیاگرام‌های بصری برای نمایش اتصالات این نهادها رسم می‌شوند. بررسی دقیق ظرفیت هر نهاد برای اثرگذاری به شناسایی بهتر کنشگرها کمک می‌کند. تحلیل ماهیت تعاملات نشان می‌دهد نقش‌ها در طول زمان با چه الگویی تغییر می‌کنند. این بررسی جزئیات پنهان وابستگی‌ها را روشن می‌سازد. الگوها، توزیع قدرت و نقاط مداخله‌ی احتمالی از طریق همین نقشه‌برداری مشخص می‌شوند.

کاربردهای عملی

حوزه‌های آکادمیک و حرفه‌ای متنوعی از این رویکرد تأثیر پذیرفته‌اند. برنامه‌ریزی شهری، مطالعات زیست‌محیطی و بررسی کارایی سازمانی نمونه‌هایی از این حوزه‌ها هستند. راه‌حل‌ها با در نظر گرفتن تمام بازیگران مرتبط طراحی می‌شوند. بررسی عملکرد دانشمندان، تجهیزات آزمایشگاهی و دانش تولیدشده چارچوب جدیدی پیدا کرده است. دانش در دل شبکه‌ها ساخته می‌شود و فرآیندی خطی ندارد.

مقاله‌ای در سال ۲۰۱۷ پویایی توسعه شهری را در محله ساوامالا در بلگراد بررسی کرد. ماریا سوتینوویچ (Marija Cvetinovic) و همکارانش در این پژوهش نشان دادند درک الگوهای پیچیده توسعه در شهرهای مدرن به روش‌های علمی پیشرفته‌ای نیاز دارد. ترسیم سیستم‌ها با این رویکرد به تجسم بهتر فرآیندهای شهری کمک می‌کند. ابزارهای انطباق‌پذیر با کمک این تجسم بصری مدیریت توسعه را کارآمدتر می‌کنند.

طراحی تعامل

این دیدگاه اهمیت زیادی برای طراحی تعامل دارد. فناوری هم‌زمان ابزار و مشارکتی فعال در شکل‌دهی به تجربیات انسانی است. طراحان با این نگاه تمرکزشان را از رابط‌های صرفاً کاربردی به سمت سیستم‌های تعاملی پیچیده تغییر می‌دهند. عاملیت عناصر مختلف اعم از افراد، اشیا و فناوری‌ها به رسمیت شناخته می‌شود.

رابط‌های انطباق‌پذیر با الهام از همین تفکر ساخته می‌شوند. این رابط‌ها به نیازهای متغیر کاربران واکنش نشان می‌دهند. مفهوم کاربردپذیری بسط می‌یابد تا تأثیرات جوامع و بوم‌شناسی طبیعی را نیز در بر بگیرد. درک ارتباط انسان، فناوری و جهان مادی مسیر را برای طراحی‌های نوآورانه‌تر هموار می‌سازد.

آینده‌نگاری و طراحی فردا

آینده‌پژوهی با برجسته کردن تعامل میان بازیگران انسانی و غیرانسانی، چشم‌اندازهای کامل‌تری از آینده ترسیم می‌کند. عاملیت مشترک این کنشگرها فرآیند تصور آینده را جامع‌تر می‌سازد و نادیده گرفتن روابط میان آن‌ها می‌تواند به شکل‌گیری نقاط کور در تحلیل‌های آینده‌نگارانه منجر شود. ترکیب نظریه کنشگر-شبکه با روش‌هایی مانند تحلیل لایه‌ای علت‌ها (CLA)، روش دلفی و استیپکس (STEEPX) امکان بررسی هم‌زمان ابعاد سیاسی، اقتصادی، اجتماعی، فناوری، محیطی و سایر عوامل اثرگذار را فراهم می‌کند و درک پویایی سیستم‌های پیچیده را بهبود می‌بخشد. از آنجا که تفکر سیستمی مهارتی طبیعی برای ذهن انسان نیست، نظریه کنشگر-شبکه چارچوبی برای پرورش این توانایی فراهم می‌کند و مسیر طراحی راه‌حل‌های نوآورانه و آینده‌هایی پایدارتر را هموار می‌سازد.