सोशल तंत्रज्ञान — लोकांना ऑनलाइन संवाद साधण्यास आणि सामग्री सामायिक करण्यास अनुमती देणारी डिजिटल साधने — जगातील बऱ्याच भागासाठी मानवी जोडणीचे प्रमुख माध्यम बनले आहे. तरीही हे मंच लोकांना त्यांच्या जीवनाबद्दल वाटणाऱ्या समाधानास मदत करतात की हानी करतात, हा वर्तणूक विज्ञानातील सर्वाधिक चर्चित प्रश्नांपैकी एक आहे.

Georgetown University, University of Southern California (USC) आणि University of California, Berkeley येथील संशोधकांच्या नव्या रेखांशाच्या अभ्यासात या वादाच्या दोन्ही बाजूंना फारसा दिलासा मिळत नाही. Nature Human Behaviour मध्ये प्रकाशित या विश्लेषणात प्रौढांच्या सोशल तंत्रज्ञानाच्या वापरातील बदलांवरून त्यांच्या नंतरच्या जीवनसमाधानाचा अंदाज लावता येतो यास फारसा पुरावा आढळला नाही.

विरुद्ध निष्कर्ष देत राहणारा वाद

अनेक वर्षांपासून सोशल मीडिया आणि आरोग्य यांवरील अभ्यास परस्परविरोधी दिशा दाखवत आहेत, आणि हा मतभेद केवळ सूराचा प्रश्न नाही. नव्या पेपरचे सह-प्रथम लेखक Kostadin Kushlev यांनी निरीक्षण केले की सोशल तंत्रज्ञानाबद्दलची सार्वजनिक चर्चा तीव्र मते निर्माण करत असली, तरी मूळ संशोधनाचा नोंदीचा आधार कमी एकसंध आहे. वेगवेगळ्या संघांनी समान डेटासेटचे विश्लेषण करून आकडेवारीचा अर्थ काय आहे याबाबत परस्परविरोधी वाचन केले आहे.

प्रश्न सहसा कसा मांडला जातो यातच बरीच अडचण आहे, असे Kushlev यांनी सुचवले. सोशल मीडिया आरोग्यासाठी चांगला आहे का, असे विचारणे म्हणजे खाणे हृदयासाठी चांगले आहे का, असे विचारण्यासारखे आहे — असे त्यांनी म्हटले; अशा मांडणीत अत्यंत भिन्न वर्तणुका एकाच लेबलाखाली गुंडाळल्या जातात आणि उत्तर व्यक्ती व परिस्थितीवर किती अवलंबून आहे याकडे दुर्लक्ष होते. ही उपमा समस्येच्या मूळाशी जाते: इतकी व्यापक श्रेणी की तिला एकच निर्णय शक्य नाही.

अभ्यासाच्या रचनेचा पुनर्विचार

नवीन डेटा गोळा करण्यापूर्वी Kushlev आणि त्यांच्या सहकाऱ्यांनी विद्यमान साहित्य आणि सार्वजनिक भाष्याचा आढावा घेतला, आणि अभ्यासांमध्ये निष्कर्ष इतके अस्थिर का राहिले हे स्पष्ट करू शकणाऱ्या संरचनात्मक कमतरता शोधल्या. या आढाव्यात सुधारणेसाठी काही शक्यता समोर आल्या, आणि संघाने त्या एकामागून एक नव्हे तर एकाच वेळी सोडवण्याचे ठरवले.

मंचांना स्वतंत्र तंत्रज्ञान म्हणून पाहणे

काही चर्चा सोशल मीडियाकडे एकच अखंड तंत्रज्ञान म्हणून पाहतात. संशोधन संघाने मात्र प्रत्येक मंचाची स्वतंत्रपणे तपासणी केली, कारण फोटो सामायिकरणाचे अ‍ॅप, खाजगी संदेश सेवा आणि सार्वजनिक चर्चा मंच यांनी त्यांच्या वापरकर्त्यांवर सारखा परिणाम होईलच असे नाही. त्यांना एकत्र करून पाहिल्यास परस्परविरोधी परिणाम एकमेकांना रद्द करू शकतात आणि एकत्रित गुणात लपून जाऊ शकतात.

त्याच व्यक्तींवर कालांतराने लक्ष ठेवणे

लोकसंख्येचा एकच क्षणचित्र न घेता संशोधकांनी त्याच व्यक्तींचा वारंवार मागोवा घेतला. या रेखांशाच्या रचनेमुळे एखाद्या व्यक्तीतील बदलांची तुलना त्या व्यक्तीने नंतर नोंदवलेल्या जीवनसमाधानाशी करता येते — एकाच क्षणी घेतलेल्या दोन मोजमापांमधील एकवेळच्या सहसंबंधापेक्षा ही अंदाजाची बरीच बलवान चाचणी आहे.

उत्तर तुम्ही कोण आहात यावर अवलंबून आहे का, हे विचारणे

सोशल तंत्रज्ञान आणि आरोग्य यांतील कोणताही संबंध लोकसंख्याशास्त्रीय गटांनुसार बदलतो का, हेही संघाने तपासले — वय, लिंग, वंश, शिक्षण आणि उत्पन्न यांच्या आधारे. हे महत्त्वाचे आहे कारण लोकसंख्येच्या एका भागात दिसणारा परिणाम दुसऱ्या भागात अदृश्य किंवा उलटा असू शकतो. एकच सरासरी जितके उघड करते त्यापेक्षा जास्त लपवू शकते.

प्रभाव वेगळे करण्यासाठी तयार केलेली सांख्यिकीय पद्धत

या अभ्यासाने डेटातील भिन्नता-स्रोत वेगळे करण्याच्या क्षमतेसाठी निवडलेल्या सांख्यिकीय पद्धतीचा वापर केला — हा फरक सोप्या विश्लेषणांमध्ये सहसा अस्पष्ट होतो. या तंत्राचा उद्देश एखाद्या व्यक्तीसाठी कालांतराने खरोखर काय बदलत आहे हे वेगळे करण्यास मदत करणे हा होता, त्या बदलांना सोशल तंत्रज्ञान जास्त किंवा कमी वापरणाऱ्या लोकांमधील स्थिर फरकांशी गल्लत न करता.

अर्थ लावण्यासाठी हे महत्त्वाचे आहे. जास्त वापरणारे कमी समाधान नोंदवत असतील, तर तो नमुना मंच लोकांना कसे वाटते ते बदलत असल्याचे दर्शवू शकतो, किंवा आधीच एक विशिष्ट भावना असलेले लोक विशिष्ट मंचांकडे झुकतात हेही दर्शवू शकतो. व्यक्ती-अंतर्गत बदल व्यक्ती-अंतरील फरकांपासून वेगळा करणारी रचना या दोन गोष्टी वेगळ्या ओळखण्यास अधिक सक्षम असते.

निकालांत काय दिसले

या अधिक कठोर निकषावर, सोशल तंत्रज्ञानाचा वापर आणि त्यानंतरचे जीवनसमाधान यांना जोडणारा पुरावा मोठ्या प्रमाणात मिळालाच नाही. लोक या मंचांचा किती वापर करतात यातील बदलांवरून त्यांनी नंतर किती समाधान अनुभवले याचा विश्वासार्ह अंदाज लागला नाही.

हा निकाल विशेष लक्षणीय आहे कारण आधीच्या कामात गोंधळ निर्माण करणाऱ्या समस्या दुरुस्त करण्यासाठी हा अभ्यास रचला गेला होता. त्यात व्यक्तींचा कालांतराने मागोवा घेतला, मंच वेगळे केले, लोकसंख्याशास्त्रीय भिन्नता तपासली आणि सामान्य सांख्यिकीय सापळे टाळण्यासाठी तयार केलेले विश्लेषणात्मक तंत्र वापरले. हे फायदे असूनही अंदाजाचा संकेत कमकुवतच राहिला.

शून्य निष्कर्ष म्हणजे कथेचा शेवट नाही

  • हा अभ्यास अमेरिकेत राहणाऱ्या प्रौढांशी संबंधित आहे, त्यामुळे त्याचे निष्कर्ष इतर देश, संस्कृती किंवा माध्यम-वातावरण यांना लागू होतील असे गृहीत धरता येणार नाही.
  • जीवनसमाधान हे व्यापक, स्वतः नोंदवलेले माप आहे. झोप, मनःस्थिती, लक्ष किंवा चिंता यांत दिसणारे परिणाम नोंदवण्यासाठी ते केवळ खूप स्थूल माप असू शकते.
  • विश्लेषणात सरासरी नमुने पाहिले गेल्याने, विशिष्ट उपगटांत किंवा विशिष्ट वापर-वर्तणुकींत केंद्रित असलेले अर्थपूर्ण परिणाम नाकारता येत नाहीत.
  • अंदाजाचा संबंध आढळला नाही याचा अर्थ असा संबंध अस्तित्वातच नाही हे सिद्ध झाले असे नाही; शून्य निकाल संभाव्य परिणामांची श्रेणी संकुचित करतात, प्रश्न बंद करत नाहीत.

पुढील संशोधनासाठी हे काम काय सुचवते

संशोधकांनी त्यांचे योगदान अधिक अचूक संशोधन-कार्यक्रमाकडे टाकलेले पाऊल म्हणून मांडले. सोशल तंत्रज्ञान आणि आरोग्य यांविषयीचा व्यापक प्रश्न परस्परविरोधी उत्तरे देत राहिला, तर क्षेत्राला समस्येचे लहान, अधिक स्पष्टपणे परिभाषित तुकड्यांत विभाजन करावे लागेल: विशिष्ट मंच, विशिष्ट वैशिष्ट्ये, विशिष्ट लोकसंख्या आणि अर्थपूर्ण कालावधीत मोजलेले विशिष्ट परिणाम.

या भर बदलाकडे रचनेचाही निर्देश होतो. परस्परसंवादी मंचांचे काही घटक वापरकर्त्यांवर एकसमान नव्हे तर वेगवेगळा परिणाम करत असतील, तर कोणते घटक महत्त्वाचे आहेत — आणि कोणासाठी — हे ओळखणे संपूर्ण श्रेणी फायदेशीर आहे की हानिकारक यावरील वादापेक्षा कितीतरी अधिक उपयुक्त ठरेल. डिजिटल आरोग्य, पालकांचे मार्गदर्शन आणि उत्पादन रचना यांविषयीच्या चर्चांना व्यापक निर्णयांपेक्षा यंत्रणांविषयीच्या अधिक स्पष्ट पुराव्यांचा फायदा होईल.

मुख्य मुद्दा

सध्या हा अभ्यास बराच काळ परस्परविरोधी मथळ्यांचे वर्चस्व असलेल्या वादात एक कठोर, रेखांशाचा डेटा-मुद्दा जोडतो. अमेरिकेतील ज्या प्रौढांनी त्यांच्या सोशल तंत्रज्ञानाच्या सवयी बदलल्या, त्यांचे नंतरचे जीवनसमाधान सरासरीने अंदाज लावता येईल अशा दिशेने बदलले नाही. हा दावा वादातील कोणत्याही बाजूला आवडेल त्यापेक्षा अरुंद आहे, पण तो अधिक स्पष्ट आहे — आणि पुढील अभ्यासांसाठी उच्च निकष ठरवतो.

हा लेख Phys.org च्या वृत्तांकनावर आधारित आहे. मूळ लेख वाचा.

Originally published on phys.org