导图社区 计算社会科学
这是一篇关于计算社会科学思维导图,计算社会科学(CSS)是一门深度融合传统社会科学、计算科学、环境科学和工程科学的新兴交叉学科,深受赫伯特・A. 西蒙(Herbert A. Simon)等 20 世纪学科先驱思想的启发,核心旨在借助计算科学理论与现代计算技术,重新审视、解析社会科学领域的各类现实问题,打破传统定性研究的局限,推动社会研究走向量化与可仿真的全新阶段。本书系统梳理计算社会科学的核心研究范式,重点阐述四大支柱研究方法,分别为社会信息的自动提取、社会网络分析、社会的复杂性理论以及社会仿真建模。社会信息自动提取实现海量文本与多元社会数据的规模化采集与解析;社会网络分析聚焦个体与群体之间的关联结构,挖掘关系背后的社会运行逻辑;社会复杂性理论跳出简单因果视角,解释社会系统涌现、演化等复杂特征;社会仿真建模则通过模型复现社会动态演变过程。书中同时对一系列配套方法工具展开探讨,清晰阐明如何运用各类计算手段完成不同层次的社会复杂性分析,从微观个体行为到宏观群体演化逐层拆解社会现象。除此之外,本书还深入考察社会现象语境之下知识的跨学科整合路径,探讨多学科理论如何相互借鉴、互补融合,帮助读者建立起兼具人文思辨与计算思维的完整研究视野。无论社科专业的在校学习者,还是从事交叉领域研究的科研从业者,都可以通过本书系统掌握计算社会科学的基础方法与研究逻辑。
提示: 本内容由社区用户上传并分享。平台不对内容的真实性、合法性、知识产权归属及是否侵害第三方权利进行事前审核或保证。本内容可能包含受版权保护的图片、字体或其他第三方素材,使用前请自行确认授权范围。
收录我在非主业领域零散做的笔记,文学/音乐/游戏/心理学…
无障碍是产品、设备、服务、车辆或环境的设计,以便残障人士可以使用。无障碍设计的概念和无障碍开发的实践确保了“直接访问” 和“间接访问”,即与人的辅助技术的兼容性。无障碍可以被视为“访问能力”并从某些系统或实体中受益。随着2023年9月我国第一部无障碍法律《无障碍环境建设法》正式生效,无障碍物理环境和网络环境的建设成为大势所趋和硬性要求。
媒体可及性(accessibility)技术可以为感官功能缺损的用户提供可供替代的技术支持和信息获取方式,从而实现用户信息获取和传播的无障碍。传统的媒体可及性研究将视角集中于计算机硬件的技术实现上,对于无障碍内容、用户使用和可及性技术的影响方面缺乏关注,使研究范式以“技术”为中心。网络技术的兴起和广泛应用,使用户的能动性被激发,技术不再是阻隔残障者与健常人信息获取和使用的屏障,数字技术与多媒体互换技术为无障碍传播的实现提供了有利的技术条件。本研究正是对新媒体可及性技术及其传播无障碍实现方面的多维度研究。本书将分为三大部分(共七章),从新媒体的可及性技术实现、视听障碍用户新媒体技术的使用和评价、基于新媒体可及性技术的用户传播行为及影响三个方面,对基于新媒体技术的无障碍传播问题进行研究。
库存管理实际上涉及所有与运筹学有关的基本理论,在理想的情况下,学生至少应该掌握了最优化理论、随机过程及动态规划.
以用户为中心的系统设计(User-Centered Systems Design)包含对用户需求的关注,对活动、任务以及需求的分析,早期的测试和评估,以及迭代式设计。比其他方法有更加广泛的关注点,但是它实际上更加强调用户,而不是关注于征集需求和说明的规范化方法,不是一个线性死板的设计过程,而是一个更加灵活、迭代式的设计方法。
社区模板帮助中心,点此进入>>
收录我在非主业领域零散做的笔记,文学/音乐/游戏/心理学…
无障碍是产品、设备、服务、车辆或环境的设计,以便残障人士可以使用。无障碍设计的概念和无障碍开发的实践确保了“直接访问” 和“间接访问”,即与人的辅助技术的兼容性。无障碍可以被视为“访问能力”并从某些系统或实体中受益。随着2023年9月我国第一部无障碍法律《无障碍环境建设法》正式生效,无障碍物理环境和网络环境的建设成为大势所趋和硬性要求。
媒体可及性(accessibility)技术可以为感官功能缺损的用户提供可供替代的技术支持和信息获取方式,从而实现用户信息获取和传播的无障碍。传统的媒体可及性研究将视角集中于计算机硬件的技术实现上,对于无障碍内容、用户使用和可及性技术的影响方面缺乏关注,使研究范式以“技术”为中心。网络技术的兴起和广泛应用,使用户的能动性被激发,技术不再是阻隔残障者与健常人信息获取和使用的屏障,数字技术与多媒体互换技术为无障碍传播的实现提供了有利的技术条件。本研究正是对新媒体可及性技术及其传播无障碍实现方面的多维度研究。本书将分为三大部分(共七章),从新媒体的可及性技术实现、视听障碍用户新媒体技术的使用和评价、基于新媒体可及性技术的用户传播行为及影响三个方面,对基于新媒体技术的无障碍传播问题进行研究。
库存管理实际上涉及所有与运筹学有关的基本理论,在理想的情况下,学生至少应该掌握了最优化理论、随机过程及动态规划.
以用户为中心的系统设计(User-Centered Systems Design)包含对用户需求的关注,对活动、任务以及需求的分析,早期的测试和评估,以及迭代式设计。比其他方法有更加广泛的关注点,但是它实际上更加强调用户,而不是关注于征集需求和说明的规范化方法,不是一个线性死板的设计过程,而是一个更加灵活、迭代式的设计方法。
计算社会科学
引言
前计算时代
可以追溯到古希腊时期:亚里士多德
现代社会科学
通常意义下应该追溯到17世纪,孔德为代表的法国社会科学家
五大社会科学:现代人类学、经济学、政治学、心理学、社会学
相关领域:沟通、教育、地理、历史、法律、语言、管理……
计算社会科学
定义:以计算为媒介,以不同规模的社会团体为着眼点,对社会学领域开展的跨学科研究,其研究对象小到个体行为者,大到社会群体。
并不局限于大数据、社会网络分析、或是社会仿真模型
计算范式
范式在科学中至关重要,因为范式通过定向研究来定义观察问题的视角。范式通常提供的是特别有用的观察视角,即认识世界的综合性方法
计算社会科学是基于一种社会的信息加工范式,信息在理解社会系统和进程起作用的过程中具有关键作用
信息加工范式
内容
计算社会科学将信息处理视为关键要素,用作理解和解释社会以及社会中的个人是如何运作或行动从而产生复杂系统
方法
信息加工范式将计算作为建模和理解社会复杂性的重要工具性手段
计算方法必定依赖于历史、统计、数学、田野调查、遥感、可视化分析等方法,以进一步理解和解释社会复杂性
基于工具的学科
在各个文化中,除了新的概念、理论或数据,仪器也总能推动并革新科学,它们是创造新科学的主要工具
许多人文学科在计算的辅助下进行转型,这样的转型是不可逆的
不是纯理论科学
包含纯科学和应用政策分析(应用科学)两部分
纯科学研究
案例
研究社会中各种异质主体种族隔离规律的理论敏感性;
通过建模研究无领导群体行动是如何在拥有机器人一般辐射分布视力、自主决策能力的有移动性智能主体社群中发生的;
研究群体在危机处理中可能的表现,例如与第一批急救人员及其各5自支持系统交互时的危机处理;
研究极端自然灾害对于风险评估的影响、造成巨大灾难的潜在可能以及减灾计划等。
应用政策
案例
建立高保真、基于主体的模型,从而以非法律手段减轻纽约市邻里间的种族隔离;
建立以实证校准为基础的中东、北非各国的社会网络模型,从而研究“阿拉伯之春”的可能起源;
研究新卡特里娜飓风来袭时,奥尔良州人民做何反应,以及急救人员和各自的支持系统如何激活;
参考地理空间建立基于主体的模型,用于研究美国东海岸如何应对季节性飓风以及气候变化引发的多变天气状况。
使用专有名词往往(但不总会)事半功倍,但计算社会科学不仅仅需要使用专有名词,尤其那些高质量的计算社会科学,还一定要给其他政策分析方法增添价值,比其他分析工具提供更多的见解和知识。
纯科学和应用科学存在协同效应
有的纯研究可以生成应用程序以完善政策的制定(正向)(基础科学完善政策)
政策领域所谓的“可怕难题”也会为重要研究问题带来灵感(反向)(政策需求指导基础研究)
一些协同效应可能会随着其所在领域发展到更加成熟的阶段而增强
科学研究和政策制定的差异
期望不同
基础科学产出新的知识和理解
应用政策分析在实际操作层面更追求结果
训练不同
提供的是不同的概念、工具及方法
动机不同
纯科学家:希望获得学术荣誉
应用政策分析师:希望晋升到组织中更高的职位
设施不同
纯科学实验:实验室和研究中心
应用政策分析:智库是应用政策分析的专用地点
两类场所都可以是学术的、私人的或者政府的,主要差异在于其核心使命以及相关的支持基建
公开程度不同
纯科学研究
被公开的频率极高,尤其是涉及公共问题时,例如气候变化、健康、通信、经济、国家安全等
相关资源通常是开放的,除非研究者为了率先发表文章时会暂时关闭权限
应用政策研究
通常没有那么高的公开度,尤其是涉及有关公共事务的敏感信息或是私营咨询公司为保护知识产权而要求强制执行保密协议之时
科学研究和政策制定的共同点
需要术语的明晰
系统性概念的形成
对证据的尊重
严密的思考
详尽的记录
两个领域中都有优异的、平庸的或是糟糕的工作
应用计算社会科学的另一特征是,即便不使用任何预测或预报,也可以使人们更好地理解其他方法难以解释的复杂情况。
社会
一个复杂适应系统
初步定义:一个随着外部环境的改变而改变其社会结构及进程等状态的系统
复杂适应系统是通过系统的运作机制发生相变(具有显著差异的静态和动态)而起作用的,为的是当环境条件、目标或资源发生变化和发展时系统可以保证总体的表现
eg家庭可以被看作复杂适应系统的社会组织
基础:亲属关系,有些家庭能可持续发展数十年,有些家庭则会分崩离析
家庭中的每个人都会长大改变,去适应环境,做出改变
在许多社会系统中,适应是普遍而频繁的,因为内部组成部分和内在关系都愿意且能够,甚至要求发生改变,从而使得这样的开放系统持续、改进、繁荣
三重实体分类
自然系统
包括自然界中生物物理实体及动态,几乎或完全没有人和人工制品的存在
常见的是荒野景观、动物、生命体的生物化学、包括人脑作为自然器官的生理习性
人类系统
是一个有思想和躯体的个体,决策者、行为者、主体、人等类似术语都代表人类系统
人工系统
由人类构思、设计、建造、维护的,包括工程与社会结构,这些结构起到的是人与自然之间的缓冲作用
西蒙《人工科学》提出的人工制品理论
本质:人工制品存在的起因是其功能,它们是人与自然之间的缓冲
千百年来各个社会中人们建造的人工制品,根据不同的目标可以是有形的(工程性的、物理存在的,如建筑),也可以是无形的(组织性的、社会性的,如居委会)
人工制品属于适应性策略反应
计算与社会科学
计算是科学家在社会、物理和生物领域所使用的一门正式学科,用于发现并推动前沿知识的发展,也促进了社会科学计算范式的形成
社会过程是算法的,社会体系也是由算法支持的
计算机的结构和功能
所有计算都可以被视为一个问题解决系统,其中包含了硬件与软件组成的子系统
从计算的角度来说,代码与数据不同,代码是用于处理数据的
在社会科学中,数据和信息代表不同的概念
数据(次级概念)通常指原始数据,而信息(高级概念)以数据为基础,或是从数据中提取,为知识提供了基础
data是拉丁文datum(事实)的复数形式
代码风格的一般性原则
可读性
驼峰式命名
注释
模块化
防错性代码
eg要避免无限循环
抽象、表征、符号
抽象
在计算机科学中,抽象指隐藏信息
计算社会科学依靠多来源从现实世界的原始刺激信号中抽象出关键实体、想法和过程
抽象来源
社会理论
满足内部与外部效力标准的社会理论
海德的认知平衡理论
李嘉图Ricardo的比较优势理论
唐斯Downs的中位选民理论
社会理论是对相关社会实体、变量和动力的抽象,在理解和解释社会现象中非常重要
社会规则
一些最有科学价值的社会规则的理论解释和规则描述可以用数学方法表示
心理测量学的韦伯-费希纳定律
经济学的帕累托定律
政治科学的迪韦尔热定律
社会规则也包含了相关的社会实体、变量、用于解释社会现象的函数关系
正式和非正式的观察
正式观察:民族志、内容分析、自动信息提取、文本挖掘等
非正式观察:历史叙述、媒体、关于社会现象的其他来源
对社会现象的观察可以描述参与者,包括信仰、社会关系,以及个人、集体的其他特征
能够模拟现象的计算算法
人工算法
(有时)可以严密地复制社会现象,但不像社会理论那样提供因果关系
表征
无论是实证观察,理论构建或建模方面,抽象都是科学研究中必要的早期步骤,第二步则需要对抽象进行表征
表征抽象的社会实体:参与者、社会关系与机构……
需要向计算机呈现的信息
实数
整数
字母数字数据
包括名义变量或分类变量
指令
有效表征:指帮助回答指定研究问题的数据类型选择
高效表征:根据CPU周期或RAM大小来选择数据类型以实现计算成本的最小化
符号
符号对于表达从抽象中衍生的表征是必要的
在统计和数学模型中,“符号”指方程和其他正式结构(如矩阵、树、图),在计算科学中则是指用于编写软件代码的编程语言
高级编程语言的符号特征
专有性
可专门用于解决一系列科学问题,eg数值计算、数据可视化、网路动态
可移植性
可用于不同计算机、不同操作系统上
可靠性
优化
速度、记忆和能量是优化最常见的几个目标
多重方法
可替代的多种途径,重点强调命令式、陈述式和其他特性
自动内存管理
处理丰富的复杂性
本体论
本体论指“存在的东西”或“有用实体的情况”
整个社会世界由社会体系及其环境组成,社会世界的所有实体都有一个共同的关键性本体论特征:它们构成了其中相关的对象和类,一个对象属于一个类
面向对象建模
object-oriented modeling, OOM
面向对象模型的主要功能在于促使我们感兴趣的最相关的一组类、对象及其关系实现抽象。我们将抽象集合为模型或抽象系统,而称真实世界的系统为指示系统/焦点系统/目标系统(更常用)
三个独立的抽象类别
类
同一类中的对象共享所有常见的类级特征,这在面向对象建模中被称为“继承”
对象
关系
本体论抽象强调了人工系统的缓冲、自适应或界面字符。根据西蒙的理论,人工制品是人与自然之间的中介,前者适应后者
A: S⇌N
社会系统S中的人创造人工制品A,使其在自然环境N中运行
面向对象的程序设计
object-oriented programming, OOP
统一建模语言UML
(unified modeling language, UML)一种标准化符号系统,用于对类、对象、它们之间的关系、动态交互和其他重要科学特征的复杂系统进行图形化处理
UML是严密而具有特定科学意义的图形,类似流程图和甘特图
20世纪90年代被发明,最初的目的是为了确保大型组织在进行复杂代码项目时,其各类计算机程序员和软件工程师可以对给定的编程项目具有普遍理解,并进行有效合作
三种最有用的UML
类图class diagram
是给定社会世界或利益条件下主要实体和关系的图形表征
两个主要组成部分
表示类或对象的矩形
它们之间表示关系的连接
三种元素标记
箭头记号
箭头形式有明确而确切的含义
继承
空心箭头
聚合
空心菱形箭头,箭头指向更高阶类(超类)
组合
实心菱形箭头
泛化
箭头
描述关系的描述性动词
一个实体对另一个实体所起的作用或功能
在“泛化”中使用
关系的多样性
四种常见的关系类型
继承
属于同一类的所有对象都共享或继承一类特定特征
“is a”的关系
实例
政治学的政治制度
人类学的社会复杂性
心理学的认知平衡
经济学的货物
社会学的组织
聚合
在自然语言有包含的意思。这是一种松散的集合,在某些情况下可能是临时的
“has a”的关系
聚合的关键特征是,其成员可以在聚合不存在的情况下生存
实例
人类信仰系统:由概念(表现为节点)和它们之间的关系(有价值的连接)组成
社会:由拥有共同属性的个人组成
经济体:由生产者、消费者、贷款人组成
耦合的社会-技术-自然系统:包含相互互动的社会、人工和生物物理部分
组合
是一种更强的的聚合形式,当成员类与超类形成组合关系时,则用组合替代聚合
当超类不存在时,这组成员类也不存在
"is constituted by"(构成)的关系
实例
官僚机构:由局或行政单位组成,这些单位因对整个组织的贡献而存在
国家:省、县和其他行政单位通过组合较大的国家建立联系
和聚合的差异
许多与社会科学息息相关的聚合实体实际上是组合,而不仅仅是聚合
聚合和组合之间的关键差异在概念上是十分微妙的,在理论和实践中又是显著的,但不幸的是通常在社会科学对各类复杂实体的理论和研究中都是隐性的
组合的跨度像一棵树,而聚类形成了一个网络
混合关系
一些复杂社会系统有
泛化
表征用动词连接任意两个实体的关系
用一个箭头和最能描述这种关系的动词来表示
图例
UML双重图形
可以用来以比抽象模型更详细的方式表征抽象系统或现实世界系统
UML图最常见的用途是用其抽象组件来表示一个模型,而不是真实世界
模型图(抽象)与现实图(经验)之间的差异强调了抽象忽略的所有元素
多重性
多重性指类或对象实例的精确适量
ps在计算UML符号中用于表示值的范围的是符号“..”,而非传统的数学符号“...”
顺序图 sequence diagram
描绘了社会历程中发生在实体间的动态交互
三个主要成分
一组独立的垂直“通道”,每一条代表复合超类中主要的交互实体
指向实体之间各类活动的箭头
用简明的自然语言表述的相关主要事件的大事记
特征
UML中的符号是标准化的,由系统生成而非随意生成
如果无法准确理解所表征的社会历程,就很难绘制出此类图表,研究者至少要规定或假设相关基础科学中缺少理论解释或经验描述的过程中的某些部分
社会历程的基本时空本体论在类、对象(社会空间)和事件(时间)层面是离散的,而非连续存在的。这使整个交互中精确的交互及其顺序的规范成为可能
该图按时间顺序从上到下排列。添加或删除事件需要下移或上移下方的所有内容
相对的是,考古学家由下往上绘制时间线,这与地层分析方法一致,将最古老的时间放在底层
基本记号的信息维度很简单,有大量空间可以通过颜色、色调、图案和其他形状来增添图表中的信息内容
有一个潜在重问题,当必须表示多个对象或类(“通道”)时,序列图会变得非常混乱、难以阅读。所以序列图在建模本体的基数上很难扩展
图例
状态图 state diagram
用于表示系统在其特定操作或生命周期中宏观状态之间的转换
三个组成部分
一组由黑色圆点表示的起始状态
一组已标记的潜在偶发事件,表征为状态之间的过渡
一组已标记的状态作为每次转换的结果,用于体现系统的结束状态
特征
需从左向右读图,随着系统状态演变到每个循环结束,图中展示了各种潜在的转换和循环。
除去开始和结束状态,UML状态图让人联想到代表系统状态和潜在转换的马尔可夫模型。与马尔可夫模型不同,转换的概略通常不会标明。
UML状态图也会让人联想到流程图,但它只强调系统的状态。
类或对象(实体)不会出现在UML状态图中。相反,由于实体之间潜在的相互作用,UML状态图表更关注系统的状态。
在某些状态中,通过询问“接下来会发生什么”来指定每次转换。
UML状态图在形式上是图。具体来说是一种有向图。如果已知转移概率(或其他衡量状态之间联系的方法),则也可进行加权。
图例
表示动态
属性
在计算社会科学中,表征社会实体的特征、变量或参数被称为属性
对象的属性称为对象变量,类的属性被成为类变量
图例
第一,类和对象名称写在图中每一格的中心位置,并且首字母大写(像专有名词一样),最好使用黑体(如类、对象、政体)。
第二,对象的名称带下划线(如对象、省)。
第三,属性的首字母应小写,单词间无间距(如classAttributel),始终采用左对齐
第四,每个属性的数据类型都要写在属性名称(attributeName)后。
第五,操作的书写方式类似,随后是左括号和右括号。
第六,属性和操作所谓的“可见性”或“可访问性”由加号或减号表示,分别用于代表公共或私有状态。
+:公共属性可以被其他任何类查看并使用
-:私有属性只有在其自身的类中才可以访问
#:属性受到保护,只可在当前类和子类中访问
定义静态
操作
操作会改变一个或多个属性的值,从而改变对象和类的状态
在对象层面,操作被称为方法
指定动态
都被封装在类或对象中
数据结构
(以下按照通用顺序列出)
元组
元组中的元素是有序的
数组
列表
队列
堆栈
包
一组可以包含重复项的值,定义同“多重集合”
集合
哈希表/字典
树
图
模块、模块化
可计算性、计算复杂性
算法
算法是一组可以实现预期结果的计算步骤
搜索
二分搜索
适用于长列表
线性搜索
适用于短列表
排序
选择排序
归并排序
递归
信息自动获取
信息自动提取最初被称为量化内容分析,诞生于20世纪60年代
语言学和内容分析原则
语法学
主要研究自然人类语言的规则,这些规则决定了语言的使用方式,有多少种语言就有多少种语法
句法学
是语法规则的一部分,指的是短句和句子正确组合起来的方式
语义学
指的是某个词条的定义(definiens),而词条本身被称为定义项(definendum)
在通信理论中,信息(message)代表一个给定信号(signal)的含义。根据香农和韦弗的通信理论,信息(相当于定义)会被解码成信号(相当于定义项),然后进行传送
句法分析
将文本中的句子分析为句法成分,如主谓宾的过程
语境十分重要,脱离了语境的词频结果被称为“语境外关键词”,和“语境内关键词”对应
EPA-空间
奥斯古德与合作者发现,自然语言中使用的所有单词都会由人的认知过程大致分为三个维度,是从大规模语料库的词汇中提取出来的排名前三的正交因子:
评价性因素 Evaluation
好-坏
效能性因素 Potency
强-弱
动能因素 Activity
快-慢
图例
意义:社会科学历史上首次可以通过各个元素的坐标测量任何一对单词、术语、对象之间的语义距离
含义的跨文化普遍性
EPA-空间不仅对英语是一个通用结构,也同样适用于其他许多语言和文化,如西班牙文、马来文、中文、意大利文、希伯来文、法文、日文等
性别会造成一些差异,但这些差异通过奥斯古德的一些基本方法便可以被量化和测量
情感控制理论
核心原则:个体会对他人和情境保持相对稳定的情感印象,并相应地管理他们的行为
数据挖掘
定义:信息自动提取进程将多种复杂的、不规则的数据来源作为输入
数据挖掘是一个方法过程,可用于多种研究目的、多个计算社会科学领域
核心:两个重要分析方法
分类categorization
旨在通过一定程度的人类干涉产出分类信息,因此是一种受监督的机器学习
聚类clustering
一种归纳程度更高的数据挖掘分析,是一种不受监督的机器学习
都是一般数据挖掘进程中相似性分析的一部分
方法进程
1.形成研究问题
通过数据挖掘,大量研究问题都得以解决,且范围会一直扩大,因为新的理论、数据和方法会解决新的系列问题
研究谱系的一端是以数据驱动和归纳性研究问题为主的项目,其本质是探索性和发现性的
高度实证模式
研究人员试图以不受先前理论、偏见或先人之见影响的方式提取信息
谱系的另一端是由理论驱动、演绎性研究问题为主的项目,这些问题意在测试更加经典的假设
又名验证性因子分析
研究问题应指导和指明数据选择
2.选择和采集原数据
文本、电子媒体、图像、音频、视频……
世界上最大的开放式访问数据库:社会科学研究网
数据选择的基本原则:特别重视研究问题对于数据选择的指导和决定作用
源数据选择和采集首要考虑的因素:知识产权、道德伦理、公私资助、被试人权、隐私等
3.预处理
扫描
清理
提取标题、副标题、日期和类似的信息字段也可能是必要的
筛选
可能涉及某种形式的预处理分类
可能会涉及选择某些选定阈值以上的元素(eg.某些货币价值以上的贸易交易
重编格式
一个源数据通常需要划分为更小的个体成分单元,以进行整体及部分分析
内容指代提取
eg一些可以表示或暗示具体指代的人物、地点或事件
4.分析
数据挖掘的核心阶段包括一到多种形式的分析
计算社会科学最常见的分析方法
词汇分析
获取一系列要分析的源数据中的词汇及符号(标志、数字、图标、字形等)
特征:注重符号而不考虑精确含义(语义)或语法,因此采取“词袋”的方法进行数据挖掘
相关分析
包括搜索(数据驱动)或测试(理论驱动)术语或符号之间的各种相关关系
相关关系通常是从一个领域/一组术语到另一个领域/一组术语的映射
关系
简单:一致性或共现
复杂:定量形式的相关和因果关系
词法分析
附加的参考文件,如词汇表、分类词典、地名词典以及其他系统定义的辅助集合实体的创建
用途
命名实体识别和提取(named entity recognition and extraction, NER)
分类分析
歧义消除
从计算角度上看,词法分析是一种半监督式学习,近几十年有许多重大进展,但对训练数据进行手动注释依然很有必要
GDELT事件数据库(global data on events, location and tone):计算社会科学中全球性的、最新的、最大最全面的数据库
空间分析
除了具备地名词典所发挥的词法分析作用外,还会使用地理编码、地理集群和类似的地理空间技术等数据挖掘技术
都可以和定量人文地理学的早期分析相关联
语义分析
和词汇、词法分析不同,语义分析主要关注的是意义和实际内容,即具体代表什么
是对词法分析在词典构建中的有益补充
通过标记源数据中的名词、动词和其他本体成分,对不同词类进行机器句法分析,结果通常由名词短语和动词短语组成
机器翻译
自然语言处理
情感分析
情绪内容是情感分析的主要关注点,这种分析形式基于奥斯古德的创举,表明了评价性维度E的重要性
评价性判断也是人类和信仰系统中认知图式的基础
相似性分析
内容的比较和对比
分析方法
分类categorization
旨在通过一定程度的人类干涉产出分类信息,因此是一种受监督的机器学习
两类重要应用
事件数据分析,其中事件主体及其行为影响重大
将提取此类信息的算法叫做分类器
基于主体建模,尤其在模型开发的早期阶段
聚类clustering
一种归纳程度更高的数据挖掘分析,是一种不受监督的机器学习
基于高维原始数据的计算聚合来发现低维数据结构或信息分组
聚类的共同特征:使用大型原始数据输入档案,可以以多种方式从这些原始数据中提取聚类维度,如最优聚类、分区聚类、分阶聚类(树形图)
距离度量和接近度度量
在所比较的数据之间计算
时间规整散点图
匹配时间序列输入和目标数据
路径距离
将时间规整输入和目标数据进行计算
矢量场
差异图
相似向量
矩阵
网络分析
即使在纯人脉网络的范围内,数据挖掘也可用于提取社会群体
网络由节点和连接(在图论中被称为弧/边/顶点,图论是研究网络的数学分支)组成,数据挖掘用于提取与构成源数据网络的节点和连接相关信息
也可以进行空间和时间分析,这使得动态社会网络以空间为参考
序列分析
适用于提取关于给定过程的状态信息以及包括相变在内的动态过渡信息
eg.分析数据挖掘提取的金融数据、政治事件数据、观点数据等,来提取时间模式
时间序列数据中最重要的状态空间表述是隐马尔可夫模型(hidden Markov models, HMM)
强度分析
提取可见或不可见变量的强度
反过来,这些变量可以用作后续分析的输入
异常检测分析
用于检测某种异常或变化的数据挖掘分析
为了检测异常,首先需要建立一个基础或“正常范围”
必须假设源数据表现出显著的稳定性或持久性,具体来讲是基本分布力矩(集中趋势、离散程度等)在测试阶段不会发生显著变化
时间尺度也很重要,较短时间尺度看起来异常的在较长时间尺度看起来可能正常
共时异常
平稳或结构大体稳定的过程或系统内的异常
可能是反复出现的言语模式中的词频变化
历时异常
在该过程的基本结构或生成动力学中检测到的更深层的异常
可能是由话语的实际单词或语法的深层变化引起
超声分析
利用声音来了解新信息或对源数据中的模式做出新的推论
5.交流呈现
具体发现的启示、对该领域或研究的更广泛的影响、潜在的政策影响
交流呈现从大数据中提取出的信息,包括可视化分析,已经成为巨大的科技研究领域
社交网络
社会网络分析
(social network analysis, SNA)是计算社会科学的一大重要领域,包含对整个社会宇宙的审视,是一种理论视角,而非许多方法的集合
为发展社会网络科学提供了一套正式的语言体系,包括支持和推动计算社会科学的视角
支持和延展了复杂的耦合人类-自然-人工系统分析,为其提供了有用的概念、符号和应用原则等
社会网络
起源
亲属网络(10w~1w年前)→酋邦(1w年前)→国家→跨国网络/联盟(6000年前的中乌鲁克时期,中东国家)
组成部分
实体
角色、价值观、情感、想法、地点、属性
网络N由实体的有限集N,表示为{n1, n2, n3...,ng}以及定义在节点集合N上表示为{l1, l2,l3,..., lg}的关系集合L组成
关系
连接、关系、关联、隶属关系、互动、评估
有向网络D
一个具有定向社会关系的社会网络
每种线、每种关联都有明确的方向
eg:交易网络、货币流动
价值网络S
连接上标有效价符号(+、-、0)的社会网络
eg:信仰系统(信仰、反对或一些无关的想法)、情感控制理论
加权网络W
连接具有某种类型的权重或强度
eg:国家间的贸易额、关系强度
多重网络M
节点对之间具有一个或多个多重或并行联系的社会网络
eg:亲属关系、邻里关系、国际关系
聚合
节点级别
社会网络分析的最详细级别,关注节点实体的属性
通常涉及统计概率分布
二元级别
三元级别
eg敌人的敌人是朋友
N元级别
网络级别
定义了一组相关概念、度量及属性,讨论了宏观层次的聚合属性
可能涉及聚合或涌现的性质和现象,因此网络级别通常与复杂的系统分析相关联
动态网络N(t)
一种状态会随着时间t发生变化的社会网络
可以表现出很多有趣的行为形式,如成核、生长、进化、转化、分解、衰减或终止
eg:带有乘客的航空公司班机、联合国系统的演变、全球恐怖分子网络
初级社会网络结构
简单网络
不具有循环或并行或多重连接的网络
链网络
表现为一串节点,也称为线路网
eg供应链和多种形式的多阶段过程
星状网络
中心节点呈放射状与周围所有其他节点相连,也被称为轮形网络
eg分层组织
Y形网络
一条具有分离或散口终端路径的链,也被称为树形网络
eg许多组织结构图、所有延伸形式的游戏
森林网络
由一系列分离的树状结构组成
环状网络
一条节点以环状形式相连的链,没有终端节点
是目前所看到的结构中阶级划分最少的
循环网络、非循环网络
最小的循环是三元结构
连接网络
组件网络
完整网络
二分网络
细胞网络
非平面网络
小世界网络
……
网络矩阵
社会网络的定量度量指标
微观:衡量节点
度
距离
离心率
特征向量中心性
中介中心性
一个节点在其他两个节点之间最短路径中经过并充当连接的次数
宏观:衡量网络
大小
最常见的网络指标
长度
密度
直径
半径
平均度
度量网格中节点的一般连通性,这可能是大小之外最常见的网络指标
度偏度
检测非均匀分布
紧密度
应用
人类认知和信念体系
意向
作为人类,我们对感知到的世界形成了心理意向,使用它们进行判断和决策
通过自身的接收器:感官、范式、图式、理论和类似的认知结构来感知世界,然后形成了对世界的心理意向
无论真实还是想象,我们一直都在使用意向
人们经常共享信念体系(集体信念体系)
四种认知平衡机制
否认
最简单的保持平衡方法,或简单地忽略所有存在问题的部分
支持
超越
用来维持社会凝聚力的一种常见、强大而重要的平衡机制,人们经常会利用这种机制,尤其在危机时期
分化
需要将一个概念划分为多个新派生的概念,得出一些更加复杂但平衡的稳定结构
供应链
供应链是产生最终结果所需的连续操作的线性数组
复杂社会依赖不同类型的供应链提供的大量商品和服务。这些商品和服务既可以是公有的,也可以是私有的
现代制造工艺以及各类服务业都包含供应链,那些支撑关键性基础设施和应急服务的供应链对当代社会的运营效果尤为关键
复合结构
串行网络
并行网络
人的判断几乎总是高估供应链或串行系统的整体可靠性,实际会比短板效应更短
社会复杂性
起源与度量
稳定和退化
君主政体→僭主政体
贵族政体→寡头政体
民主政体→暴民政体
规律
理论
仿真
计算社会科学领域的社会仿真模型具有基础性、多学科、跨学科、多元化的特点
和社交网络一样,这类模型有时会与计算社会科学整体混淆起来,但事实上社会仿真模型也只是整个计算社会科学领域中的一个分支
最早的仿真模型:系统动力学模型
20c60~70s的全球性模型罗马俱乐部(The Club of Rome)
可以使用出色的软件支持系统
方法论
面向变量的模型
属于基于方程的模型
队列模型
用于包含一排或一列主体的社会系统和进程,在不同的站点或加工单元接受“服务”
eg银行、市场、交通站点
面向对象的模型
基于对象定位
最简单的一种:元胞自动机
通常由一个方格或一块块彼此毗邻的网格组成,像棋盘格一样,网格或者单元格的实际形状可以有多种不同形式,方形、六边形、长方形网格是最常用的
先驱是诺伊曼John von Neumann,他也创立了博弈论
基本理念:对给定地点及周围单元格之间发生的纯本地互动进行研究,发现其新兴模式
最著名最重要的应用:对于城市邻里间种族隔离情况的研究
基于主体的模型
agent-based model, ABM
类似动态社会网络
分类
空间上的
组织上的
空间+组织结合的
进化计算模型
根据达尔文进化论中的概念原则,如进化公式等