Методы вычислительных социальных наук могут помочь спасти миллионы жизней от социально-экономических и когнитивных расстройств, а также революционизировать местную академию.

Бангладеш является одной из немногих развивающихся стран мира, добившихся многообещающих успехов на конкурентных рынках труда, производстве сырья и валовом экономическом развитии. Но в секторах качественного образования, технологий, НИОКР и научных мер в государственной политике это получилось довольно плохо. Продолжающаяся пандемия привела в полный беспорядок государственные институты. Различные отчеты предсказывали, что огромные слои населения перейдут к низшей классовой структуре, что поставит около 250 миллионов человек на грань голодной смерти библейских масштабов. Кроме того, в этом сезоне Бангладеш переживает беспрецедентные наводнения, в результате которых одна треть страны ушла под воду, затронув миллионы людей в 162 подрайонах. Последняя перепись населения проводилась девять лет назад, в 2011 году. Помимо этого, ощущается острая нехватка индивидуальных данных, поскольку большая часть регистрируемых государством данных существует на бумаге, а не в виртуальных базах данных. Следовательно, читатель, возможно, понимает сложность выявления уязвимых слоев населения и их стратификации по спектру от наиболее пострадавших до наименее затронутых. Означает ли это, что народ Бангладеш обречен?

Нет, они не. Уступите место CSS.

Как раз тогда, когда всякая надежда кажется потерянной из-за неправильной политики, недоверия к рекомендациям по охране здоровья, суеверий и общей апатии, новая область исследований может пригодиться для спасения миллионов людей, пострадавших либо от SARS-CoV-2, либо от катастрофического наводнения.

Вычислительная социальная наука (CSS) может стать инструментом, способным обратить вспять ужасающие последствия этих кризисов. В общих чертах, это область социальных исследований, основанная на данных, в которой широко используются большие данные, машинное обучение, обработка естественного языка, анализ социальных сетей и многие другие междисциплинарные и передовые технологии. Цель состоит в том, чтобы найти наиболее практические ответы на наши самые сложные социальные проблемы.

CSS поднимает практику исследований в области социальных наук на новые высоты, анализируя данные в реальном времени на основе жестких научных методов. Он освобождает дисциплину от ее псевдонаучных и философско-диалектических подходов, которые редко дают реальные решения реальных проблем. Он верит в мантру, согласно которой человеческие взаимодействия являются самым сложным явлением во Вселенной. Например, субатомные частицы порождают законы физики; неопределенное взаимодействие между этими частицами порождает область химии; эти частицы вместе образуют органеллы и, в свою очередь, дают жизнь законам биологии. Наконец, взаимодействия между живыми организмами или, в нашем случае, наиболее сложными организмами, т. е. Homo Sapiens, порождают сложную паутину общества как такового. Социальные науки предназначены для изучения этих случайно сложных наборов взаимодействий. Тем не менее, в настоящее время Академия наполнена непонятным жаргоном и практически не использует данные из реальной жизни для подтверждения любого философского утверждения. В этом контексте CSS революционизирует социальные науки.

COVID-19, суеверия и машинное обучение

Модель распространения культурных черт Роберта Аксельрода предполагает, что культурные границы создаются на основе чувства разделения, выравнивания и сплоченности между участниками определенной системы. Это очень похоже на бормотание Стерлингса, на основе которого Крейг Рейнольдс создал свою знаменитую симуляцию Бойдов. Модель Аксельрода является динамичной, предполагающей постоянно меняющиеся модели человеческих взаимодействий и ценностей, соперничества, сотрудничества — модель, которая признает, что культурные границы формируются и трансформируются на основе гомофилии или любви к схожим качествам среди других людей. Невероятно, как случайные и простые правила взаимодействия порождают такие сложные человеческие качества, как сотрудничество, конкуренция, любовьили война. И стоит отметить, что действительно эволюция сотрудничества меняет правила игры для нашего вида, поскольку обеспечивает максимальную отдачу в самых сложных играх на выживание. Итак, если мы хотим пережить вирус, нам нужно сотрудничать.

Но, как и в большинстве других развивающихся стран, люди в Бангладеш все больше скептически относятся к рекомендациям по охране здоровья, предписанным властями. Использование средств индивидуальной защиты, таких как маски для лица или перчатки, резко сокращается. В связи с недавними случаями медицинского мошенничества со стороны нескольких частных больниц, недавним массовым соблюдением Курбан-байрама и либеральными процедурами изоляции население в целом стало чрезмерно неохотно соблюдать социальное/физическое дистанцирование, массовые собрания или даже ходить по больницам на осмотры. Альтернативные псевдолекарства, такие как гомеопатия,лекарства на травах/унани и религиозные суеверия, ведут население по опасному пути, несмотря на рост заболеваемости и массовые наводнения. Эти действия могут иметь катастрофические последствия, если страну охватит вторая волна вируса.

Именно здесь в игру вступает машинное обучение (ML). Конкретные гомофильные поведенческие модели в сообществах, такие как распорядок дня, привычка курить, общественные собрания, ежемесячный доход, участие в политической жизни, классовая структура, доступ в Интернет и т. д. — могут быть использованы для создания алгоритмов, которые могут помочь машинам предсказать будущую траекторию поведенческих результатов. . Выбирая случайные обучающие наборы, проверочные наборы и тестовые наборы, можно отобразить модель поведения всего сообщества, а также можно отследить определенные суеверные элементы, чтобы помочь изменить политику сообщества в чрезвычайных ситуациях.

Объединение машинного обучения с метаданными мобильных телефонов и большими данными

Эта технология отображения социально-экономических условий и когнитивного поведения больших сообществ не является утопической теорией, взятой из научно-фантастического романа. Он используется прямо сейчас, когда вы читаете эту статью. Профессор Джошуа Блюменсток из Калифорнийского университета в Беркли использовал CSS и ML для картирования бедности и богатства в африканских странах. Его работа по картированию личного богатства в Руанде показала многообещающие результаты с точностью более 90%.

Хотя в более бедных странах нет качественных данных о людях, есть другие ресурсы или небольшие данные, к которым можно получить доступ для машинного обучения. В случае с Руандой (как показано на карте) команда профессора Блюменстока использовала журналы звонков или метаданные телефонов для отображения личного богатства руандийцев. Затем они написали какой-то алгоритм, включив в него некоторые проницательные гипотезы, например, те, у кого больше денег, с большей вероятностью позвонят другому человеку, а те, у кого меньше денег, с меньшей вероятностью позвонят. С помощью этих невероятно эффективных карт машинное обучение демонстрирует беспрецедентный потенциал в борьбе с бедностью. В статье, опубликованной в Nature, он говорит:

В Бангладеш правительство надеется использовать записи телефонных разговоров, чтобы определить, соответствуют ли отдельные абоненты более тонким критериям для получения экстренной помощи, например, находятся ли они за чертой бедности или больше всего страдают от приказов оставаться дома.

Далее он добавляет невероятный потенциал «мобильных денег» во времена таких кризисов, когда правительство может максимально быстро выйти на связь без необходимости личного общения с людьми.

Еще одним аспектом является использование больших данных из социальных сетей. В настоящее время наиболее широко используемой социальной платформой в Бангладеш является Facebook с 33 713 000 пользователей по состоянию на 31 марта 2020 года. Из 164,7 миллиона человек около 96,1 миллиона (проникновение 58,4%) являются активными пользователями Интернета. Согласно отчету за 2018 год, у YouTube 29 миллионов зрителей, из которых 28 % — в возрасте от 18 до 24 лет, а еще 23 % — в возрасте от 25 до 34 лет. Это указывает на невероятное количество цифровых следы, оставленные более чем половиной всего населения! В Интернете доступны простые инструменты веб-скрейпинга, которые можно использовать для бесплатного извлечения множества отдельных цифровых следов в электронных таблицах Excel/CSV. Представьте себе возможность картографирования социально-экономических условий в реальном времени, поведенческих характеристик, террористических заговоров, уровня преступности, традиционных границ, неотложных медицинских потребностей, зон затопления, безопасных зон и всего населения в течение нескольких месяцев! Потенциально это может изменить текущие прогнозы относительно последствий кризисов. Отслеживание и картирование данных в режиме реального времени потенциально может спасти миллионы людей от постпандемических экономических и психологических кризисов.

Кроме того, нынешние условия также порождают депрессию, рост преступности и социальные волнения. ОД и СНС могут обеспечить объективные меры для преодоления таких кризисов, включая обращение с преступниками с научной точки зрения с максимальной отдачей для общества. Психика населения в целом может быть защищена от дальнейшего ущерба в процессе, основанном на данных, демократизированном и основанном на потребностях. Это можно сделать всего лишь с помощью нескольких компьютеров и интеллектуальных алгоритмов. Это не технологии будущего. Это можем быть мы, сейчас.

Защита фермеров

Бангладеш чрезвычайно зависит от своих фермеров. Они кормят всю нацию, поскольку отрасли промышленности еще только предстоит стать сильной переменной для экономики, за исключением швейного сектора. Наводнение реки, особенно из Брахмапутры в июне 2020 года, разрушило надежды миллионов людей по всей стране, уничтожив земли площадью в тысячи акров. Наводнения вместе с блокировками подтолкнули миллионы людей к крайней нищете. К концу года страна может даже стать свидетелем ужасающего голода, который может нанести дополнительный ущерб жизни и экономике.

Реки затопляют страну каждый год, и с каждым годом их интенсивность кажется растущей. Опять же, с помощью машинного обучения и цифровых следов у нас теперь есть возможность помочь фермерам и населению в целом. Спутниковые данные о погоде и местных урожаях могут быть собраны и проанализированы компьютерами для прогнозирования изменения климата с впечатляющей точностью. Это было сделано в Колумбии, где фермеры смогли утроить свою производительность. Алгоритм от Neuroscience использовался для расчета собранных данных о погоде и посевах. Этот алгоритм выявил очень специфические проблемы, такие как солнечная радиация или чувствительность к более теплым ночам, что помогло фермерам спланировать и изменить свои стратегии. Поскольку в Бангладеш каждый год происходят стихийные бедствия, такие простые и экономичные проекты могут помочь миллионам людей при разумном и объективном подходе. Это также может помочь в достижении целей ЦУР (например, 2.4) за счет обеспечения устойчивых процессов производства продуктов питания и внедрения устойчивых методов ведения сельского хозяйства для повышения производительности.

Разработка социальных традиций и образования с помощью ML, SNA и цифровых стимулов

Первый случай заражения COVID-19 в Бангладеш был зафиксирован 7 марта 2019 года. В течение двух недель закрылись все учебные заведения. Сегодня пятый месяц кризиса. Миллионы студентов, львиная доля всего населения, сидят дома без какого-либо чувства направления или мотивации. Экзамены и выпускные, все отложено. Хотя некоторые частные университеты проводят онлайн-обучение, государственные университеты, школы и колледжи не имеют такой привилегии.

Кроме того, несмотря на правительственные инструкции по проведению онлайн-обучения, многие преподаватели в государственных университетах открыто неохотно посещают занятия либо из-за своей неуверенности, связанной с отсутствием у них базовых технических знаний, либо просто из-за отсутствия заботы. Некоторые студенты страдают от подобных синдромов. Эта общая апатия или нехватка технических знаний привели к тому, что почти вся система образования страны стоит на месте, в то время как остальной мир идет вперед на полном ходу. К счастью, в отличие от Кении, объявившей академические потери целого года из-за пандемии, правительство Бангладеш пока не приняло подобных решений. Но образовательные учреждения вряд ли откроются до конца 2020 года.

Я уверен, что машинное обучение можно использовать для отслеживания цифровых следов миллионов студентов и преподавателей, но не как средство наблюдения, а как метод создания цифровых стимулов для продвижения онлайн-образования. Алгоритмы могут быть написаны, чтобы помочь студентам с аутизмом. Такие платформы, как Coursera, edX, Future Learn и многие другие, уже помогают стимулировать учащихся, предлагая бесплатные сертификаты и цифровые награды, такие как «почетные значки», для тех, кто успешно завершает курсы. Образование – это инвестиции в будущее не нации, а всего человечества. Правительство также может поощрять учителей. Алгоритмы могут помочь старшим учителям быстро освоить новые технологии и программное обеспечение для проведения конференций. Машинное обучение может предложить более инновационные способы управления преподавательским сообществом, а также отслеживание возможности коррупции и ненужного нежелания. Анализ социальных сетей может помочь повлиять на 3 степени подключения с помощью соответствующих политик, например, друзей друзей друзей. Этот неконтролируемый и целостный метод может помочь стимулировать учителей и учащихся, создав чувство ответственности и осведомленности. В то же время нация восстанавливается после пандемии и наводнения.

Элементы социальных традиций, которые подпитывают нынешний кризис, также можно отследить и выделить с помощью алгоритмов машинного обучения. Как я уже говорил, людей связывают гомофильные элементы и контекстуальные чувства братства. Традиции нестабильны; они меняются. Такие потенциально вредные компоненты или обычаи, например, массовые собрания, суеверные ритуалы, чудодейственные лекарства и т. д., могут быть изолированы и социально спроектированы или выделены для повышения осведомленности населения.

В заключение я хочу сказать, что вычислительная социальная наука может произвести революцию в обществе, каким мы его видим. Нынешняя практика социальных наук в академических кругах, особенно в Бангладеш, нуждается в изменении. Это больше не отдельная дисциплина, а объединение естественных, вычислительных и гуманитарных наук в целом. Потому что, если мы не будем думать об этом нестандартно и пренебрежем использованием данных и математики, то мы не получим всей картины.

Конечная цель социальных наук состоит в том, чтобы анализировать социальные сложности на благо человечества. И если то, что мы изучаем, не помогает достижению этой цели, то есть ли вообще смысл его изучать?