详细内容或原文请订阅后点击阅览
数据驱动分析揭示武装冲突的三种原型
研究人员使用机器学习将冲突分为三种类型，揭示了尽管分类明确，但预测冲突严重程度的局限性。
来源:Scientific Inquirer用于描述冲突的语言自然地反映了关于不同形式的暴力如何出现和发展的假设。 “例如，我们认为‘内战’是内部冲突的结果，我们争论战争是否应该被定性为‘入侵’或‘防御’。同样，专家们也以类似的方式给冲突贴上标签，以表明重要的属性，并使冲突之间的模式具有可比性，以便用于系统分析、预警和政策决策，”复杂性科学中心（CSH）的主要作者尼拉吉·库什瓦哈（Niraj Kushwaha）解释道。
然而，“现有的冲突分类在很大程度上是启发式的，这意味着它们依赖于经验法则或专家判断，这些规则可能会有所不同，并且可能难以重现，”CSH 的 Eddie Lee 补充道。
新冲突标签
在英国皇家学会开放科学杂志上发表的新研究中，研究人员使用机器学习算法直接从数据中识别冲突标签。通过将武装冲突地点和事件数据项目二十多年的细粒度冲突数据与整个非洲的气候、地理、基础设施、经济和人口统计信息相结合，他们旨在以可重复且基于经验的方式对冲突进行分类。
“这些新标签在某种程度上与专家标签重叠，但并不相同，”Lee 说。 “专家们对他们熟悉的冲突和地区有着令人难以置信的直觉，但全世界每年都会发生数以万计的冲突事件。没有一个专家能够理解所有这些复杂性。这里有一个定量和自动化分析的机会，以支持全球和可转移的专业知识，”李继续说道。
三种类型的冲突
“我们的算法方法通过让数据说话来了解冲突类型。结果出人意料地简单，”Lee 解释道。在 1997 年至今发生的数千起非洲冲突中，该团队确定：
视频
数据驱动的现实检查
新的冲突地图