社会演替理论

Wang Cheng-Jun edited this page Dec 19, 2016 · 1 revision

计算传播学是计算社会科学的重要分支。它主要关注人类传播行为的可计算性基础,以传播网络分析、传播文本挖掘、数据科学等为主要分析工具,(以非介入地方式)大规模地收集并分析人类传播行为数据,挖掘人类传播行为背后的模式和法则,分析模式背后的生成机制与基本原理,可以被广泛地应用于数据新闻和计算广告等场景,注重编程训练、数学建模、可计算思维。

Clone this wiki locally


Table of Contents

社会演替论大纲

  • 李林倬(芝加哥大学社会学系)
  • 王成军(南京大学新闻传播学院)
  • 吴令飞(芝加哥大学知识实验室)
(9月21日集智俱乐部报告)

Cases

  • 国家:罗马帝国衰亡
  • 地区与行业:东北老工业基地 / 香港
  • 公司:诺基亚 (《浪潮之巅》, IT行业的变革)
  • 科学技术与理论:deep learning

Insight from 复杂系统研究

什么是资源

生态系统中的能量,政治系统里的权力,经济系统的货币,信息系统的信息和注意力, 社会系统的人际关系、复杂网络中的链接 。

社会学理论

社会学三大分支:种族、性别、阶层(流动性,最有挑战性的研究对象) 结构主义的社会学视角:单个产品、技术、组织的兴衰,必须在系统中宏观地看 A misssing pieces in 阶层和代际传承理论/国家革命与社会运动:资源再分配需要high resolution and universal 的理论框架

以上都是一些宽泛的研究领域, 有没有一些有代表性的理论?Team science/Science of Science

社会演替的核心问题

社会演替的模式、机制、普世原则

  • 社会组织如何崛起又如何衰亡?
  • 社会组织为何崛起又为何衰亡?
  • 大组织有优势还是小组织有优势?
  • 更狭窄一些:一旦一个社会最大组织衰亡,其拥有的资源是如何在新的系统内重新再分配,是优先分给次大的组织,还是最小的组织?(为什么资源分配很重要? 资源分配问题:如何打土豪?如何分田地?通过组团合作?)

为什么选择这个研究视角

  • 1)Barabasi等人的优先链接模型描述了agent崛起的过程,但没有描述agent新陈代谢的过程,特别地,agent衰亡的过程(aging effect太trivial, 为什么?);
  • 2)借鉴物理学的思维,忽略agent之间其他的区别,只关注agent size,并且衰亡和size之间的关系;
  • 3)既high resolution,可用数据回答,可以建立数学模型,又有较强的社会学意义;
重点研究的系统:互联网知识生产社区内项目的演替与用户的新陈代谢

数据

要求:既有高清的个体行为,又有较大规模,使得可以在个体微观行为和集体宏观动力学之间建立联系。

社会演替的数学模型(备选)

  • 生态中性漂移理论(neutral theory)
  • 资源的Preferential Return理论
  • 热传导模型/Fokker–Planck equation(heat-equation)
猜想:衰亡也是优先链接的?
  • Relocation of an observing window
  • “双规”:用户在每一个时间点必须出现一次
  • 局域性vs全局性扩散:
  • 热传导正比于温度是全局性扩散
  • <math>\delta T / T</math>
400px 400px
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.cm as cm

ts=np.array(range(1,100))
cmap = cm.get_cmap('rainbow',8)

gamma1, gamma2= 0.4, 0.8
lambda1, lambda2= -0.1, -0.1

plt.plot(ts,ts**gamma1*np.exp(lambda1*ts),'b.-',label='small')
plt.plot(ts,ts**gamma2*np.exp(lambda2*ts),'r.-',label='large')
plt.legend(loc ='upper right',numpoints=1,fontsize=10)
plt.show()
ts=np.array(range(1,100))
ts = ts*0.05
cmap = cm.get_cmap('rainbow',8)

gammaV= 0.2
lambdaV= -0.2

plt.plot(ts,ts**gammaV,'b.-',label='power')
plt.plot(ts,np.exp(lambdaV*ts),'rs-',label='exponential')
plt.plot(ts,ts**gammaV*np.exp(lambdaV*ts),'g.-',label='all')

plt.legend(loc ='upper left',numpoints=1,fontsize=10)
plt.show()

政策后果

  • 对组织与社会运动的理解与分析
  • (互联网)社区发展策略
  • 税收等政策

致谢

感谢宾州州立大学靳擎,芝加哥大学贾士麟等人参与讨论。题图版权属于http://www.3lian.com/edu/2016/04-22/1461289333290819.html