نقش اطلاعات محدود و ساده‌سازی‌شده در افغان‌ستیزی در ایران

پیش از این گفتیم:

دانیال کانمن توضیح می‌دهد که سیستم ۱ ذهن (تفکر سریع)، با گرایش به باور خودکار و تعصب تأییدی، اطلاعات همخوان با پیش‌داوری‌ها را به‌سرعت می‌پذیرد و سیستم ۲،(تفکر تحلیلی) در صورت خستگی یا مشغولیت، قادر به اصلاح آن نیست. این مکانیسم در افغان‌ستیزی در ایران که رسانه‌ها با تکرار کلیشه‌های منفی (مانند نسبت دادن جرم به مهاجران افغان) و برچسب‌هایی مانند «افغانی»، تصویری تحریف‌شده ایجاد می‌کنند، کاملاً مشهود است. اثر هاله هم باعث تعمیم ویژگی‌های منفی (مثل فقر) به کل جامعه مهاجر می‌شود، در حالی که اخبار جعلی، مانند «شیوع بیماری توسط افغان‌ها»، این تعصبات را تقویت می‌کند. داده‌های آماری افزایش جرم توسط مهاجران را تأیید نمی‌کنند، اما سیستم ۱ به‌دلیل پردازش ساده‌ساز، این کلیشه‌ها را به‌عنوان حقیقت می‌پذیرد. کانمن با پیشنهاد «غیرهمنواسازی خطا» و استقلال منابع اطلاعاتی، مانند تفکیک ارزیابی‌ها و ارائه داده‌های مستقل، راهکارهایی برای کاهش این تعصبات ارائه می‌دهد. این رویکرد می‌تواند با تشویق گفت‌وگوی انتقادی و نمایش تصاویر متنوع از مهاجران، به کاهش افغان‌ستیزی و بهبود هم‌زیستی در سایر ابعاد در ایران کمک کند.

اکنون ادامه بحث:

دانیل کانمن در بخش «آنچه می‌بینی همه‌چیز است» به ویژگی‌های سیستم ۱ می‌پردازد که تنها بر اساس اطلاعات فعال‌شده در ذهن عمل می‌کند و اطلاعاتی که بازیابی نشده‌اند را نادیده می‌گیرد. این سیستم با ساختن منسجم‌ترین داستان ممکن از اطلاعات محدود، بدون توجه به کیفیت یا کمیت داده‌ها، به سرعت نتیجه‌گیری می‌کند. سیستم ۱ به دنبال انسجام است و به فقدان اطلاعات توجهی ندارد، در حالی که سیستم ۲، که می‌تواند با دقت بیشتری شواهد را بررسی کند، اغلب تنبل است و قضاوت‌های شهودی سیستم ۱ را تأیید می‌کند. این ویژگی، که کانمن آن را «آنچه می‌بینی همه‌چیز است» می‌نامد، توضیح می‌دهد چرا ما در شرایط کمبود اطلاعات به‌راحتی به نتیجه‌گیری‌های نادرست می‌رسیم و چرا قضاوت‌هایمان اغلب تحت تأثیر اطلاعات ناقص قرار می‌گیرند.

«آنچه می‌بینی همه‌چیز است» به توضیح بسیاری از سوگیری‌های قضاوت و تصمیم‌گیری کمک می‌کند. برای مثال، در آزمایش‌هایی که شواهد یک‌طرفه ارائه شد، افرادی که تنها یک طرف ماجرا را شنیدند، قضاوت‌های مطمئن‌تری داشتند تا کسانی که هر دو طرف را شنیدند، زیرا اطلاعات محدود داستان منسجم‌تری ایجاد می‌کند. سیستم ۱ با ایجاد انسجام و سهولت شناختی، ما را به پذیرش سریع اطلاعات وامی‌دارد، حتی اگر اطلاعات ناقص یا گمراه‌کننده باشند. این ویژگی، اگرچه اغلب در دنیای پیچیده به تصمیم‌گیری سریع کمک می‌کند، اما ممکند است به قضاوت‌های نادرست منجر شود.

سیستم ۱ به‌طور مداوم و بدون تلاش، ارزیابی‌های پایه‌ای از محیط انجام می‌دهد، مانند تشخیص دوست از دشمن یا ارزیابی تهدیدها و فرصت‌ها. این ارزیابی‌ها، که ریشه در تکامل دارند، در قضاوت‌های شهودی نقش مهمی ایفا می‌کنند. سیستم ۱ همچنین در درک زبان، محاسبه شباهت‌ها، و نسبت دادن علّیت فعال است، اما در ارزیابی متغیرهای جمع‌مانند (مانند طول کل خطوط یا ارزش نجات تعداد زیادی پرنده) ناتوان است، زیرا به جای جمع، به نمونه‌های prototypical یا میانگین‌ها تکیه می‌کند. این محدودیت‌ها نشان می‌دهند که چگونه سیستم ۱، با وجود کارآمدی در بسیاری از موقعیت‌ها، می‌تواند ما را به سمت قضاوت‌های ناقص هدایت کند، به‌ویژه زمانی که اطلاعات محدودی در دسترس است.

 این مکانیسم توضیح می‌دهد که چرا با وجود نبود شواهد آماری محکم، کلیشه‌هایی مانند «افغان‌ها عامل جرم و بیکاری هستند» به‌راحتی در ذهن افراد نهادینه می‌شوند. ذهن به‌جای بررسی عمیق، به روایت‌های ساده‌سازی‌شده تکیه می‌کند، زیرا این رویکرد از نظر شناختی کم‌هزینه‌تر است.

اتباع افغانستانی تاکنون بیش از ۳ میلیارد دلار در ایران سرمایه‌گذاری کرده‌اند که این سرمایه‌گذاری‌ها موجب تزریق نقدینگی، اشتغال‌زایی و تعامل با بخش خصوصی شده است. بیش از نیمی از شرکت‌های خارجی ثبت‌شده در ایران متعلق به مهاجران افغان است که نشان‌دهنده نقش فعال اقتصادی این گروه اجتماعی در ایران است.

نیروی کار مهاجر افغان در بخش‌های مختلف اقتصادی ایران، به ویژه در ساخت‌وساز، کشاورزی و خدمات شهری، نقش غیرقابل انکاری دارد. در برخی پروژه‌های ساختمانی اطراف تهران، سهم کارگران افغان بیش از ۶۰ درصد است و در استان‌هایی مانند کرمان و خراسان رضوی کشاورزی بدون حضور این نیروها تقریباً متوقف می‌شود. همچنین نیروی کار افغان مکمل بازار کار ایران است و جایگزین نیروی کار ایرانی نمی‌شود.

حضور بیش از ۶۰ هزار دانشجوی افغان در دانشگاه‌های ایران و پرداخت شهریه توسط آنها بیش از ۱۷ میلیون دلار درآمد ایجاد کرده است. همچنین مهاجران افغان مالیات مستقیم و غیرمستقیم قابل توجهی به خزانه دولت واریز می‌کنند؛ به طوری که مالیات مستقیم آنها بیش از ۸۵۷ میلیون دلار و مالیات غیرمستقیم بیش از ۳۷۱ میلیون دلار برآورد شده است.

این نمونه‌ها نشان می‌دهد که مهاجران افغان نه تنها بار اقتصادی نیستند، بلکه منبع مهمی از سرمایه، نیروی کار و درآمد برای اقتصاد ایران محسوب می‌شوند.

با این حال سیستم ۱ به‌ندرت اطلاعات غایب (مانند مشارکت مثبت مهاجران در اقتصاد یا جامعه) را در نظر می‌گیرد و به این ترتیب سوگیری شناختی سبب تقویت پیش‌داوری‌ها و تبعیض علیه مهاجران شده است. برای کاهش این اثر، باید سیستم ۲ (تفکر تحلیلی) را فعال کرد؛ از جمله با پرسش‌هایی مانند: «آیا این اطلاعات کامل است؟» یا «آمارهای معتبر چه می‌گویند؟». همچنین، ارائه تصاویر متنوع و واقع‌بینانه از مهاجران در رسانه‌ها و گفتمان عمومی می‌تواند به تعدیل این سوگیری کمک کند. در مجموع آگاهی از این مکانیسم ذهنی به ما کمک می‌کند تا از قضاوت‌های شتابزده پرهیز کنیم و تصمیم‌های عادلانه‌تری بگیریم.

پاسخ به سئوال ساده‌تر

دانیل کانمن در بخش «تطبیق شدت» و «پاسخ به سؤال ساده‌تر» به توانایی‌های سیستم ۱ در قضاوت‌های شهودی می‌پردازد. سیستم ۱ می‌تواند شدت یا میزان را در ابعاد مختلف (مانند شادی، محبوبیت، شدت جرم یا موفقیت سیاسی) مقایسه و تطبیق دهد. برای مثال، اگر بدانید «احمد» در چهارسالگی به‌روانی می‌خواند، می‌توانید این دستاورد را با مقیاس‌های دیگر مانند قد یک مرد، درآمد حرفه‌ای، شدت جرم یا معدل فارغ‌التحصیلی تطبیق دهید. این تطبیق شدت، که به‌صورت خودکار و بدون زحمت انجام می‌شود، به سیستم ۱ اجازه می‌دهد پاسخ‌های سریع و شهودی ارائه دهد، حتی اگر این پاسخ‌ها از نظر آماری نادرست باشند.

سیستم ۱ در مواجهه با پدیده افغان‌ستیزی به‌صورت خودکار از مکانیسم «تطبیق شدت» استفاده می‌کند. برای مثال، وقتی رسانه‌ها یک مورد جرم توسط یک فرد افغان را پررنگ می‌کنند، سیستم ۱ به‌راحتی این رویداد را با مقیاس‌های کلی‌تر مانند «تهدید امنیت ملی» یا «فرهنگ خشونت‌آمیز» تطبیق می‌دهد، بدون آنکه نیاز به شواهد آماری داشته باشد. این همان «پاسخ به سؤال ساده‌تر» است: به‌جای بررسی پیچیده‌ترین عوامل اجتماعی و اقتصادی مؤثر بر جرم، ذهن به یک توضیح ساده و در دسترس (یعنی «افغان‌ها خطرناک‌اند») متوسل می‌شود. این مکانیسم توضیح می‌دهد که چرا حتی یک رویداد معدود می‌تواند به کلی‌گویی‌های گسترده درباره تمام مهاجران منجر شود.

 کانمن در ادامه توضیح می‌دهد که سیستم ۱ همچنین به دلیل «تفنگ ذهنی» (mental shotgun) بیش از آنچه لازم است محاسبات انجام می‌دهد. برای مثال، در آزمایشی که شرکت‌کنندگان باید تشخیص می‌دادند آیا کلمات قافیه دارند (مانند VOTE و GOAT)، املای متفاوت کلمات به‌طور ناخواسته آن‌ها را کند کرد، زیرا سیستم ۱ به‌طور خودکار املا را نیز بررسی کرد، حتی اگر دستورالعمل فقط به صدا مربوط بود. این نشان می‌دهد که سیستم ۱ کنترل دقیقی بر محاسبات ندارد و اغلب بیش از نیاز پردازش می‌کند.

 برای نمونه، هنگام مواجهه با یک افغانستانی، سیستم ۱ نه‌تنها به رفتار فعلی فرد، بلکه به‌صورت خودکار به ویژگی‌های ظاهری، لهجه، یا پیش‌داوری‌های قبلی نیز توجه می‌کند، حتی اگر این اطلاعات ارتباطی به موقعیت نداشته باشند. این پردازش اضافی باعث می‌شود تعصبات عمیق‌تر شوند.

رسانه‌های داخلی اغلب زنان مهاجر افغان را افرادی خانه‌نشین، ناتوان از مشارکت اجتماعی و اقتصادی، و فاقد مهارت یا تحصیلات معرفی می‌کنند. این در حالی است که بسیاری از زنان افغان در ایران نه تنها در امور خانه‌داری بلکه در مشاغل سخت و حتی تخصصی فعالیت دارند، اما این تلاش‌ها و توانمندی‌ها در رسانه‌ها کمتر دیده می‌شود یا نادیده گرفته می‌شود.

کودکان افغان معمولاً به عنوان گروهی به تصویر کشیده می‌شوند که در حاشیه جامعه ایران قرار دارند و از ادغام اجتماعی و دسترسی به حقوق شهروندی محروم‌اند. این پیش‌فرض باعث می‌شود موفقیت‌های تحصیلی، استعدادها و تلاش‌های کودکان افغان برای ادغام در جامعه ایران کمتر بازتاب یابد و بیشتر بر چالش‌ها و مشکلات آنان تأکید شود.

این پیش‌فرض‌ها موجب نادیده گرفتن واقعیت‌های متنوع و ظرفیت‌های مثبت زنان و کودکان افغان در جامعه ایران می‌شود. بنابراین حتی هنگام مواجهه با یک زن توانمند افغانستانی یا یک کودک افغانستانی نخبه، سیستم ۱ به‌جای پذیرش این استثناها، به دنبال نشانه‌هایی می‌گردد که کلیشه قبلی را تأیید کند. این تمایل به «پردازش بیش‌ از حد» اطلاعات، تغییر نگرش را دشوار می‌سازد و تعصبات را پایدار نگه می‌دارد.