Spatial-netværksmodellering kan tilbyde en ny vej til overvågning af politiske hotspots

En forbedring af en computermodel kan hjælpe videnskabsmænd med bedre at forudsige politiske fraktioners fremtidige bevægelser og finde, hvor de kan interagere med andre - ofte rivaliserende - grupper, ifølge Penn State-forskere. At forudsige disse træk kan give et tidligt varslingssystem for potentielle civile konflikter og vold, tilføjede de.

I en undersøgelse af data fra en civil konflikt i Nigeria rapporterer forskerne, at tilføjelse af en variabel, kaldet en dyadisk forudsagt afstand, til en statistisk model en dag kan føre til mere præcise forudsigelser om politiske gruppers bevægelser. Dyadisk rumlig afstand refererer til placeringen af ​​to eller flere parter fra hinanden, i modsætning til monadisk variabel, som refererer til placeringen af ​​en enkelt part og bruges i de fleste nuværende modeller. For at bygge denne variabel udviklede teamet også en algoritme, der kunne projicere placeringen af ​​bevægende skuespillere.

"Forskere har været interesserede i, hvordan vi kan forudsige aktørernes bevægelse i civile konflikter, såvel som politiske konflikter, såsom protestbegivenheder eller endnu mere alvorlige situationer, såsom lynchninger og væbnede konflikter," sagde Sangyeon Kim, doktorand i statskundskab og social dataanalyse, Penn State. "Der har dog ikke været en seriøs tilgang til forudsigelse i forhold til at bruge begge aktører - eller flere aktører - der er involveret i konflikten, så vores grundlæggende idé var at skabe et design, der kunne hjælpe med at forudsige placeringen af ​​disse aktører."

Tilslutning af rumlig og netværksmodellering

Undersøgelsen fusionerer både rumlig modellering – hvordan mennesker bevæger sig i rummet – med netværksmodellering – hvordan mennesker er forbundet med hinanden, ifølge Bruce Desmarais, professor i statskundskab og medlejer fra Institute for Computational and Data Sciences.

"Ofte laver folk rumlig forskning, eller de laver netværksforskning, men vi ønskede med vilje at kombinere og integrere disse metodiske værktøjssæt i dette projekt," sagde Desmarais. "Jeg tror, ​​det blev gnisten for vores team var at integrere rumlige data og også relationelle netværksdata for at samle disse værktøjssæt for at forbedre området."

Forskerne, som offentliggjorde deres resultater i tidsskriftet Political Science Research and Methods , håber, at det fremtidige arbejde vil forbedre modellen. At forudsige rivaliserende politiske fraktioners bevægelser kan så føre til bedre måder at mægle konflikter og fordele forsyninger og bistand på, sagde Kim.

"Et af de store spørgsmål er:"Hvor vil vi for eksempel placere bistand på landniveau eller på regionalt niveau?" sagde Kim. "Det har været et virkelig udfordrende emne for både akademikere og praktikere, så måske bruge dette denne metode kunne hjælpe dem med at finde bedre steder at placere hjælp, for eksempel."

Fremtidig forskning

Forskerne sagde, at selvom dette foreløbige arbejde med deres nye model kun gav en ubetydelig forskel sammenlignet med en model, der brugte den monadiske forudsigelsesvariabel i deres nuværende eksempel på anvendelse, ser de det som bevis på, at forskere kunne bruge den nye model til en dag præcist. fange, hvordan flere parter kan bevæge sig.

Ifølge Kim testede holdet variablen på dens evne til at forudsige den kristne milits bevægelser under civilkonflikten i Nigeria, en periode med vold, der strakte sig fra 2001 til 2016. Dataene blev hentet fra mediernes beretninger om militsens bevægelser under konflikten, tilføjede Kim.

Brugen af ​​disse data kan være en årsag til den lille forskel mellem forskernes model og de nuværende, der bruger den monadiske variabel.

"Vi mener, at denne ikke-forskel i høj grad skyldes problemet med måleniveauet:det er meget svært at spore væbnede gruppers bevægelse i længderetningen med et højt niveau af nøjagtighed," sagde Kim.

Fremtidig forskning kan også se på alternative data for modellen. I undersøgelsen stolede forskerne på medierapporter, der dokumenterede de politiske fraktioners bevægelser, men det meste af de civile stridigheder, der blev dokumenteret i det datasæt, fandt sted, før sociale medier blev bedre tilgængelige.

"Det er muligt, at vi for eksempel kunne bruge data på sociale medier," sagde Kim. "Og hvis vi kan vise, at det dyadiske design også forbedrer forudsigelserne af begivenheder, ville det være virkelig interessant."

Forskerne sagde, at modellen fokuserer på fire nøgleaspekter af gruppernes placeringshistorie:deres gennemsnitlige generelle placering, deres seneste bevægelser, steder, hvor grupper interagerer, og antallet af begivenheder, der finder sted på hvert sted. + Udforsk yderligere

Undersøgelse:Politiske splittelser er blevet uddybet globalt