پدیده ی فقر (۱۳۹-۰۱۰)

تفاوت بارزی بین نگاه شرقی به مسئله ی فقر و نگاه غربی به آن در طول تاریخ قابل مشاهده بوده است. در شرق فقر بعنوان یک پدیده ی برحق پذیرفته شده و جوری با آن تا شده است که گویا همیشه بوده و تا همیشه نیز خواهد بود. اما در غرب (بویژه از زمان رنسانس تاکنون) فقر چونان یک آفت و بیماری موقتی اجتماعی تلقی شده و تمام تلاش متفکران، مدیران و سیاستمداران این بوده است که این پدیده ی مذموم از سطح جامعه بشکل همیشگی پاک شود.

در اثر این دو نگاه متفاوت به این پدیده ی یکسان، ساز و کارهای مختلفی نیز برای پرداختن عملی به این موضوع اتخاذ شده است. در نگاه شرقی همه ی تلاش بر این بوده است که مداوما ارزش های نوع دوستانه و کمک به همنوع در بوق و کرنا شوند تا اینکه مردم خود بشکل دایمی دستگیر فقرا بوده و ته مانده ی جیب و یا سفره شان را نصیب ایشان کنند. تبلیغ ارزش های بشردوستانه و ثواب گرایانه اگرچه شرط لازم برای برچیدن بساط فقر است اما شرط کافی آن نمی تواند که باشد.

در نگاه غربی برای از بین بردن فقر جامعه بر آن است که نظامات تامین اجتماعی (Welfare) و مالیاتی پیشرفته ای را سامان دهد. صدالبته آن مدیر و یا سیاستمداری که به فکر تشکیل این قسم نهادها می افتد، در اثر همان منتالیته ی انسان گرایانه و کمک به همنوع این مهم را رقم می زند، اما صرفا در همان سطح خُرد و شخص محور وارد عمل نمی شود. او می داند که هر پدیده ی نامطلوبی معلول یک نظام نادرست بوده و حال می بایست که با اصلاح آن نظام بشکل سیستماتیک و از خلال همکاری دولت و ملت بیماری اجتماعی مورد نظر را حل و فصل نماید.

۱۲۳۱۹

یک دیدگاه برای “پدیده ی فقر (۱۳۹-۰۱۰)

  1. بحث جالبی است دی داد عزیز،
    این بحث شما را می شود در یک جامعه مصنوعی مدلسازی کرد. بدین شکل:
    جامعه ای متشکل از تعدادی عامل می سازیم و ابتدا برای هر عامل یک بردار دوتایی در نظر می گیریم که مولفه اول موجودی و مولفه دوم بدهکاری باشد. حال چند اصل را وضع می کنیم و آنها را تحت یادگیری قرار می دهیم. اصلها می توانند متنوع باشند، اما برخی قطعی هستند؛ مثلاً هر عامل به دنبال منفی نشدن جمع دو مولفه بردارش است. هر عامل با احتمالی می تواند از مولفه اول بردار خودش به مولفه بردار عاملی که ترازش منفی است اضافه کند و …
    در فرم دوم تشکیل جامعه مصنوعی، همان قوانین را داریم، اما یک کف احتمالاتی مشخص قرار می دهیم که پدیده افزودگی از مجموع مثبتها به مجموع منفی ها کاملا تصادفی نباشد (مصداق چارچوبه نظام مند).
    به عقیده من پس از بارها اجرا کردن این دو جوامع و یادگیری شاهد خواهیم بود که متوسط افرادی که تراز منفی دارند در جوامع نوع دوم از نوع اول کمترند.
    این نوع مدلسازی می تواند گفته های شما را در بستر ریاضیات و هوش مصنوعی تایید کند.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *