Это краткое изложение исследовательского проекта моей магистерской практики с Indicia Consulting летом 2018 года. Для тех, кто интересуется более подробно, здесь — более подробный отчет, а здесь — окончательный отчет с Indicia.

Задний план

Мой практикум был шестым этапом многолетнего исследовательского проекта. Калифорнийская энергетическая комиссия заказала этот более крупный проект, чтобы понять потенциальную связь между индивидуальным потреблением энергии и использованием технологий. На этапах с первого по пятый мы выделили определенные кластеры поведения и отношения к внедрению новых технологий, которые Indicia назвала киберчувствительностью, и продемонстрировали, что киберчувствительность имеет тенденцию ассоциироваться с готовностью внедрять энергосберегающие технологии, такие как интеллектуальные счетчики. .

Это привело к ключевому вопросу: Как определить киберчувствительность среди более широких слоев населения, таких как сообщество, округ или штат? Ответить на этот вопрос было главной целью моего практического проекта.

На последних этапах исследовательского проекта команда использовала этнографические исследования, чтобы установить критерии того, является ли кто-то киберчувствительным, на основе нескольких часов интервью и наблюдений за использованием технологий. Эти интервью и наблюдения, безусловно, помогли исследовательской группе проанализировать модели поведения и отношения, определить, какие модели были значительными, и развить их в концепцию киберчувствительности, но они требуют слишком много времени и ресурсов, чтобы проводить их со всем населением. Как правило, у человека нет возможности опросить всех в сообществе, округе или штате. Я стремился решить эту проблему непосредственно в своем проекте.

Цель проекта

Общая цель проекта состояла в том, чтобы создать масштабируемый метод для оценки того, проявляет ли кто-то киберчувствительность, на основе данных, измеримых по всему населению. При этом проект также помог удовлетворить следующие исследовательские потребности:

  1. Создан метод дальнейшего масштабирования для более крупного населения, оценивающий, были ли киберчувствительные люди более склонны внедрять энергосберегающие технологии в сообществе, округе или штате.
  2. Предоставлена ​​инфраструктура для определения того, насколько кампании по энергосбережению, нацеленные на киберчувствительных людей, снизят потребление энергии в Калифорнии.
  3. Помогла Калифорнийской энергетической комиссии определить наилучшие способы привлечения киберчувствительных лиц для конкретных кампаний по энергосбережению.

Проект

Я использовал моделирование машинного обучения, чтобы создать процесс принятия решений, чтобы изолировать киберчувствительных людей от населения. Случайные леса и деревья решений создали лучшие модели для нужд Indicia: случайные леса с точки зрения точности и надежности, а деревья решений с точки зрения расшифровки человеком. С их помощью я создал программируемую, но понятную для человека структуру, чтобы определить, является ли человек киберчувствительным, на основе поведения и других характеристик, которые организация может легко оценить среди всего населения. Таким образом, любая энергетическая организация могла легко понять, воспроизвести и развить модель, поскольку ее было легко читать людям и кодировать с помощью вычислений. Таким образом, организации могут как использовать, так и совершенствовать его для своих целей.

Вывод

Это краткий обзор моего магистерского практического проекта. Более подробно о том, что я моделировал, как я это делал, к каким результатам оно привело и как оно вписывалось в более широкие потребности многолетнего исследовательского проекта, смотрите мой полный отчет.

Я действительно ценил возможность, которую он представил, чтобы испачкать руки, интегрируя этнографию и науку о данных, чтобы помочь решить реальную проблему. Это краткое изложение лишь поверхностно касается того, что Indicia сделала с Калифорнийской энергетической комиссией для поощрения устойчивого использования энергии в обществе. Надеюсь, однако, что это вдохновит вас на объединение этнографии и науки о данных для решения любых сложных вопросов, с которыми вы сталкиваетесь. Это определенно помогло мне.

Спасибо Susan Mazur-Stommen и Haley Gilbert за помощь в организации и завершении проекта. Я хотел бы поблагодарить мой профессорский комитет в Университете Мемфиса — доктора Кери Брондо, доктора Теда Маклина, доктора Дипака Венугопала и доктора Кэтрин Хикс — за их академическую поддержку.

Первоначально опубликовано здесь:https://ethno-data.com/masters-practicum-summary/. Для получения дополнительной информации о веб-сайте и других статьях перейдите на https://ethno-data.com/.