การปรับปรุงโมเดลคอมพิวเตอร์อาจช่วยให้นักวิทยาศาสตร์คาดการณ์ความเคลื่อนไหวในอนาคตของกลุ่มการเมืองได้ดีขึ้น และค้นหาตำแหน่งที่พวกเขาอาจมีปฏิสัมพันธ์กับกลุ่มอื่น ซึ่งมักจะเป็นคู่แข่งกัน ตามที่นักวิจัยของ Penn State การคาดการณ์การเคลื่อนไหวเหล่านั้นอาจเป็นระบบเตือนภัยล่วงหน้าสำหรับความขัดแย้งและความรุนแรงที่อาจเกิดขึ้นได้ พวกเขากล่าวเสริม
ในการศึกษาข้อมูลจากความขัดแย้งทางแพ่งในไนจีเรีย นักวิจัยรายงานว่าการเพิ่มตัวแปรที่เรียกว่า dyadic ทำนายระยะทาง ลงในแบบจำลองทางสถิติในวันหนึ่งอาจนำไปสู่การคาดการณ์ที่แม่นยำยิ่งขึ้นเกี่ยวกับการเคลื่อนไหวของกลุ่มการเมือง Dyadic spatial Distance หมายถึงตำแหน่งของฝ่ายตั้งแต่สองคนขึ้นไปจากกันและกัน ซึ่งต่างจากตัวแปร monadic ซึ่งหมายถึงตำแหน่งของฝ่ายเดียวและใช้ในแบบจำลองปัจจุบันส่วนใหญ่ ในการสร้างตัวแปรนั้น ทีมงานยังได้พัฒนาอัลกอริธึมที่สามารถฉายตำแหน่งของนักแสดงที่กำลังเคลื่อนไหวได้
“นักวิจัยมีความสนใจในวิธีที่เราสามารถคาดการณ์การเคลื่อนไหวของนักแสดงในความขัดแย้งทางแพ่ง เช่นเดียวกับความขัดแย้งทางการเมือง เช่น เหตุการณ์ประท้วง หรือสถานการณ์ที่ร้ายแรงยิ่งขึ้น เช่น การลงประชามติและความขัดแย้งทางอาวุธ” ซังยอน คิม นักศึกษาปริญญาเอกใน รัฐศาสตร์และการวิเคราะห์ข้อมูลทางสังคม รัฐเพนน์ “อย่างไรก็ตาม ยังไม่มีแนวทางที่จริงจังในการคาดการณ์ในแง่ของการใช้นักแสดงทั้งสอง หรือนักแสดงหลายคน ซึ่งเกี่ยวข้องกับความขัดแย้ง ดังนั้นแนวคิดพื้นฐานของเราคือการสร้างการออกแบบที่สามารถช่วยคาดการณ์ตำแหน่งของนักแสดงเหล่านั้นได้”
การเชื่อมต่อแบบจำลองเชิงพื้นที่และเครือข่าย
Bruce Desmarais ศาสตราจารย์ด้านรัฐศาสตร์และสถาบัน Computational and Data Sciences กล่าวว่าการศึกษาได้รวมเอาการสร้างแบบจำลองเชิงพื้นที่ทั้งสองเข้าด้วยกัน – วิธีที่ผู้คนเคลื่อนที่ในอวกาศ – ด้วยการสร้างแบบจำลองเครือข่าย – วิธีที่ผู้คนเชื่อมต่อกัน
“บ่อยครั้ง ผู้คนทำวิจัยเชิงพื้นที่หรือทำวิจัยเครือข่าย แต่เราตั้งใจที่จะรวมและบูรณาการชุดเครื่องมือระเบียบวิธีเหล่านั้นในโครงการนี้” Desmarais กล่าว “ฉันคิดว่านั่นกลายเป็นจุดประกายสำหรับทีมของเรากำลังรวมข้อมูลเชิงพื้นที่และข้อมูลเครือข่ายเชิงสัมพันธ์ เพื่อดึงชุดเครื่องมือเหล่านั้นมารวมกันเพื่อปรับปรุงภาคสนาม”
นักวิจัยซึ่งตีพิมพ์ผลการวิจัยของพวกเขาใน วารสารการวิจัยและระเบียบวิธีรัฐศาสตร์หวังว่างานในอนาคตจะปรับปรุงรูปแบบดังกล่าว คิมกล่าวว่าการคาดการณ์การเคลื่อนไหวของกลุ่มการเมืองที่เป็นคู่แข่งกันอาจนำไปสู่วิธีที่ดีกว่าในการไกล่เกลี่ยความขัดแย้งและจัดสรรอุปทานและความช่วยเหลือ
“คำถามสำคัญประการหนึ่งคือ ‘เราจะวางความช่วยเหลือในระดับประเทศ เช่น หรือระดับภูมิภาคไว้ที่ใด” คิมกล่าว “นั่นเป็นหัวข้อที่ท้าทายมากสำหรับทั้งนักวิชาการและผู้ปฏิบัติงาน ดังนั้นการใช้วิธีการนี้อาจช่วยให้พวกเขาหาสถานที่ที่ดีกว่าเพื่อให้ความช่วยเหลือได้ เป็นต้น”
การวิจัยในอนาคต
นักวิจัยกล่าวว่าในขณะที่งานเบื้องต้นเกี่ยวกับโมเดลใหม่ของพวกเขาให้ความแตกต่างเพียงเล็กน้อยเมื่อเทียบกับแบบจำลองที่ใช้ตัวแปรการทำนาย monadic ในตัวอย่างการใช้งานปัจจุบัน พวกเขามองว่าเป็นหลักฐานว่านักวิทยาศาสตร์สามารถใช้แบบจำลองใหม่ได้อย่างแม่นยำในหนึ่งวัน จับได้ว่าหลายฝ่ายจะเคลื่อนไหวอย่างไร
จากข้อมูลของ Kim ทีมงานได้ทดสอบตัวแปรเกี่ยวกับความสามารถในการทำนายการเคลื่อนไหวของ Christian Militia ระหว่างความขัดแย้งทางแพ่งในไนจีเรีย ซึ่งเป็นช่วงเวลาแห่งความรุนแรงที่ยืดเยื้อระหว่างปี 2544 ถึง 2559 ข้อมูลนี้ดึงมาจากบัญชีสื่อเกี่ยวกับการเคลื่อนไหวของกองทหารอาสาสมัครระหว่าง ความขัดแย้ง Kim กล่าวเสริม
การใช้ข้อมูลดังกล่าวอาจเป็นเหตุผลหนึ่งที่ทำให้เกิดความแตกต่างเพียงเล็กน้อยระหว่างแบบจำลองของนักวิจัยกับแบบจำลองปัจจุบันที่ใช้ตัวแปร monadic
“เราเชื่อว่าความไม่แตกต่างนี้ส่วนใหญ่เกิดจากปัญหาระดับการวัด: เป็นการยากมากที่จะติดตามการเคลื่อนไหวของกลุ่มติดอาวุธในแนวยาวด้วยความแม่นยำสูง” คิมกล่าว
การวิจัยในอนาคตอาจดูข้อมูลทางเลือกสำหรับแบบจำลองนี้ด้วย ในการศึกษา นักวิจัยอาศัยรายงานของสื่อที่บันทึกความเคลื่อนไหวของกลุ่มการเมือง อย่างไรก็ตาม ความขัดแย้งทางแพ่งส่วนใหญ่ที่บันทึกไว้ในชุดข้อมูลนั้นเกิดขึ้นก่อนที่โซเชียลมีเดียจะเข้าถึงได้ดีขึ้น
“เป็นไปได้ที่เราสามารถใช้ข้อมูลเช่น ข้อมูลโซเชียลมีเดีย” คิมกล่าว “และถ้าเราสามารถแสดงให้เห็นว่าการออกแบบไดอาดิกส์ยังช่วยปรับปรุงการทำนายเหตุการณ์ด้วย นั่นก็น่าสนใจจริงๆ”
นักวิจัยกล่าวว่า โมเดลนี้มุ่งเน้นไปที่สี่แง่มุมที่สำคัญของประวัติตำแหน่งของกลุ่ม ได้แก่ ตำแหน่งทั่วไปโดยเฉลี่ย การเคลื่อนไหวล่าสุด ตำแหน่งที่กลุ่มโต้ตอบกัน และจำนวนเหตุการณ์ที่เกิดขึ้นในแต่ละสถานที่
Howard Liu อาจารย์ในรัฐบาล University of Essex ทำงานร่วมกับ Desmarais และ Kim ในการศึกษานี้
