Causalify - Vzročnost v dinamiki svetovnih dogodkov
Oznaka in naziv projekta
J2-1736 Causalify - Vzročnost v dinamiki svetovnih dogodkov
J2-1736 Causalify - Causality in global social dynamics
Logotipi ARRS in drugih sofinancerjev
Projektna skupina
Vodja projekta: prof. dr. Dunja Mladenić
Sodelujoče raziskovalne organizacije: Povezava na SICRIS
Sestava projektne skupine: Povezava na SICRIS
Vsebinski opis projekta
Namen projekta je najti v globalni družbeni dinamiki »rime« v obliki ponavljajočih se samopodobnih vzorcev. Kompleksnost, kot se pojavlja v globalni družbeni dinamiki, bo predstavljena kot povzetek, razumljiv tudi nestrokovnjakom. Projekt CAUSALIFY je sestavljen iz treh, še dokaj neobdelanih raziskovalnih vprašanj, ki so vsa povezana z analizo in razumevanjem delovanja družbe:
'Kakšne so zakonitosti in strukture, ki vplivajo na razvoj medsebojno povezanih globalnih dogodkov?
'Kakšni so elementi (namernega ali nenamernega) vpliva in manipulacije na poročanje o novicah?
- 'Kateri so ponavljajoči se vzorci v razvoju globalnih dogodkov, če jih izrazimo kot verjetnostne vzročne šablone?
Osnovni podatki sofinanciranja so dostopni na spletni strani. Povezava na SICRIS.
Faze projekta in opis njihove realizacije
Znanstveni del projekta sestavljajo delovni paketi WP2-WP4, ki temeljijo na uporabi sistema »Event Registry« (prilagojen za raziskave v WP1) za poskuse in validacijo raziskovalnih vprašanj na realnih podatkih. Sledi podrobnejši opis tehnik v znanstvenih delovnih paketih:
WP2 (Modeliranje globalne družbene dinamike) bomo razvili teoretični okvir za modeliranje dinamičnega grafa medsebojno povezanih dogodkov kot hierarhičnega več-nivojskega kompleksnega sistema, temelječega na konceptu »popularnost + podobnost« (»Popularity versus similarity in growing networks«). Teoretični pristop bomo ovrednotili na realnih podatkih.
WP3 (Modeliranje vpliva) bomo razvili metodologije za analizo in modeliranje širjenja informacij prek geografskih in jezikovnih meja s poudarkom na pristranskosti poročanja, kapaciteti pasovne širine različnih informacijskih kanalov, ter družbenem vplivu. Ta delovni paket bo uporabljal orodja »vede o kompleksnosti« (npr. povratne zanke med dogodki in poročanjem o njih, modeliranje širjenja informacij z ovirami) in z družboslovnimi tehnikami.
- WP4 (Modeliranje vzročnosti) bomo uporabili metode strojnega učenja na omrežju poveznih dogodkov. Pomemben gradnik bo analitična funkcija za primerjavo zaporedij dogodkov, kjer bomo uporabili tehniko »vrednotenje naklona« (angl. Propensity scoring). To funkcijo bomo uporabili za konstrukcijo hierarhičnega markovskega modela za učenje vzročnih šablon iz zaporedij dogodkov. Dobljeno ogrodje in modele bomo analitično ovrednotili na realnih podatkih iz sistema »Event Registry«.