Een verbetering van een computermodel kan wetenschappers helpen de toekomstige bewegingen van politieke facties beter te voorspellen en te lokaliseren waar ze zouden kunnen interageren met andere - vaak rivaliserende - groepen, volgens onderzoekers van Penn State. Het voorspellen van die bewegingen zou een systeem voor vroegtijdige waarschuwing kunnen bieden voor mogelijke civiele conflicten en geweld, voegde ze eraan toe.

In een studie van gegevens uit een burgerconflict in Nigeria, rapporteren de onderzoekers dat het toevoegen van een variabele, een dyadische voorspelde afstand genaamd, aan een statistisch model op een dag zou kunnen leiden tot nauwkeurigere voorspellingen over de beweging van politieke groeperingen. Dyadische ruimtelijke afstand verwijst naar de locatie van twee of meer partijen van elkaar, in tegenstelling tot monadische variabele, die verwijst naar de locatie van een enkele partij en wordt gebruikt in de meeste huidige modellen. Om die variabele te bouwen, ontwikkelde het team ook een algoritme dat de locaties van bewegende acteurs kon projecteren.

"Onderzoekers zijn geïnteresseerd in hoe we de beweging van de actoren in civiele conflicten kunnen voorspellen, evenals politieke conflicten, zoals protestevenementen of zelfs ernstiger situaties, zoals lynchpartijen en gewapende conflicten", zegt Sangyeon Kim, doctoraalstudent in politieke wetenschappen en sociale data-analyse, Penn State. "Er is echter geen serieuze benadering van voorspelling geweest in termen van het gebruik van beide actoren - of meerdere actoren - die bij het conflict betrokken zijn, dus ons basisidee was om een ​​ontwerp te maken dat zou kunnen helpen de locatie van die actoren te voorspellen."

Verbinden van ruimtelijke en netwerkmodellering

De studie combineert zowel ruimtelijke modellering - hoe mensen zich in de ruimte bewegen - met netwerkmodellering - hoe mensen met elkaar verbonden zijn, volgens Bruce Desmarais, hoogleraar politieke wetenschappen en medehuurder van het Institute for Computational and Data Sciences.

"Vaak doen mensen ruimtelijk onderzoek of doen ze netwerkonderzoek, maar we wilden die methodologische toolkits bewust combineren en integreren in dit project", zegt Desmarais. "Ik denk dat dat de vonk werd voor ons team door ruimtelijke gegevens en ook relationele netwerkgegevens te integreren, om die toolkits samen te brengen om het veld te verbeteren."

De onderzoekers, die hun bevindingen publiceerden in het tijdschrift Political Science Research and Methods , hopen dat toekomstige werkzaamheden het model zullen verbeteren. Het voorspellen van de bewegingen van rivaliserende politieke facties zou dan kunnen leiden tot betere manieren om conflicten te bemiddelen en levering en hulp toe te wijzen, zei Kim.

"Een van de grote vragen is:"Waar zouden we bijvoorbeeld hulp op landniveau of op regionaal niveau plaatsen?", zei Kim. "Dat was een heel uitdagend onderwerp voor zowel academici als praktijkmensen, dus misschien gebruiken deze methode zou hen kunnen helpen betere locaties te vinden om bijvoorbeeld hulp te plaatsen."

Toekomstig onderzoek

De onderzoekers zeiden dat hoewel dit voorbereidende werk aan hun nieuwe model slechts een verwaarloosbaar verschil bood in vergelijking met een model dat de monadische voorspellingsvariabele in hun huidige toepassingsvoorbeeld gebruikte, ze het wel zien als bewijs dat wetenschappers het nieuwe model op een dag nauwkeurig zouden kunnen gebruiken vastleggen hoe meerdere partijen kunnen bewegen.

Volgens Kim heeft het team de variabele getest op zijn vermogen om de bewegingen van de christelijke militie te voorspellen tijdens het burgerconflict in Nigeria, een periode van geweld die zich uitstrekte van 2001 tot 2016. De gegevens zijn ontleend aan mediaverslagen over de bewegingen van de militie tijdens het conflict, voegde Kim eraan toe.

Het gebruik van die gegevens kan een reden zijn voor het kleine verschil tussen het model van de onderzoekers en het huidige model dat de monadische variabele gebruikt.

"Wij zijn van mening dat dit niet-verschil grotendeels te wijten is aan het probleem met het meetniveau:het is erg moeilijk om de beweging van gewapende groepen in de lengterichting met een hoge mate van nauwkeurigheid te traceren", zei Kim.

Toekomstig onderzoek kan ook kijken naar alternatieve gegevens voor het model. In het onderzoek vertrouwden de onderzoekers op mediaberichten die de bewegingen van de politieke facties documenteerden, maar de meeste burgeroorlogen die in die dataset werden gedocumenteerd, vonden plaats voordat sociale media beter toegankelijk werden.

"Het is mogelijk dat we bijvoorbeeld data van sociale media zouden kunnen gebruiken", zegt Kim. "En als we kunnen aantonen dat het dyadische ontwerp ook de voorspellingen van gebeurtenissen verbetert, zou dat echt interessant zijn."

De onderzoekers zeiden dat het model zich richt op vier belangrijke aspecten van de locatiegeschiedenis van de groepen:hun gemiddelde algemene locatie, hun recente bewegingen, locaties waar groepen met elkaar omgaan en het aantal gebeurtenissen dat op elke locatie plaatsvindt. + Verder verkennen

Studie:Politieke verdeeldheid is wereldwijd verdiept