심리학, 컴퓨터 및 사회 현상
최근 몇 년 동안 사회의 "디지털화"라고 불리는 것이 과학자들이 사회, 심리적, 정치적, 경제적 현상을 연구하는 방식을 변화 시켰습니다. 2020 년 뉴욕 대학교 데이터 센터 (Center for Data Science)에 따르면 우리는 35 제곱 바이트의 데이터를 생성 할 것입니다. 시스코 블로그 게시물에 따르면 단일 제타 바이트 데이터는 약 2 억 5 천만 개의 DVD 데이터와 동일합니다. "전산 사회 과학"분야의 많은 연구자들은 새로운 미디어 플랫폼 및 기술에 대한 사회의 집착으로 인해 발생하는 인간 행동에 관한 풍부한 데이터 (대용량 데이터)를 활용합니다. 전산 사회 과학은 광범위한 의미에서 불평등, 의료, 교육, 환경 및 민주주의와 같은 복잡한 사회 현상의 모델링, 시뮬레이션 및 분석을위한 전산 도구의 사용입니다.
빅 데이터에서 발생하는 새로운 기회 또한 새로운 도전을 불러옵니다. 그러한 도전 중 하나는 학제 간 협력이 정확히 평범하지 않을 때 학문 분야를 포괄하는 문제를 조사하기 위해이 데이터를 사용하는 방법입니다. 예를 들어 컴퓨터 과학자는 웹에서 긁어 낸 데이터를 수집하고 분석하는 데 필요한 도구에 대한 전문 지식을 갖추고있을 수 있지만 올바른 질문을하고 관련 모델을 공식화하는 데 필수적인 심리학자 또는 사회 학자에 대한 깊은 주제 지식을 갖지 못할 수 있습니다 데이터로 다행스럽게도, 서로 다른 도메인 전문 지식을 가진 연구원 팀이 함께 협력하여 과학적 발견에 대한 빅 데이터의 영향을 극대화하려는 움직임이 있습니다. 결과적으로이 분야에서 일하는 심리학자의 중요성 또한 분명 해지고 있습니다. 그렇다면 계산 과학에 관련된 심리학자는 어떻게 생겼을까요? 다음은 전산 사회 과학에 흥미로운 공헌을 한 몇 명의 심리학자에 대한 간략한 설명입니다.
Rosaria Conte – 이탈리아 로마에있는 ISTC (인지 과학 및 기술 연구소) LABSS (에이전트 기반 사회 시뮬레이션 연구소) 책임자.
닥터 콩테 (Conte 박사)는 이타심, 협력 및 사회적 규범과 같은 긍정적 인 사회적 행동을 연구하기 위해 실험실의 에이전트 기반 모델 (ABM)을 사용하는인지 및 사회 과학자입니다. ABM은 사회 세계의 행위자를 대표하는 "에이전트"와 에이전트가 행동하는 "환경"으로 구성된 컴퓨터 모델을 구축하는 것을 포함합니다. 에이전트는 서로 상호 작용할 수 있으며 자율적으로 프로그래밍됩니다. 콩테의 작품 대부분은 사회적 딜레마에 대한 특별한 해결책을 고 려한다. (즉, 개인의 최선의 움직임이 그룹의 가장 좋은 성과를 내지 못하기 때문에 사회 구성원 간의 협력이 성사되기 어려운 상황). 이전의 연구에 따르면 규범, 협약 및 사회 규정은 사회 구성원이 서로 알 때 사회 협력의 붕괴를 방지하는 데 효과적입니다 (Ostrom, 2005 년 검토 참조). 그러나 개인이 알려지지 않은 낯선 사람을 대면하고 미래의 재주 상을위한 기회가 거의 없거나 거의 없을 때 협력자가 처벌되지 않는 한 협력은 쉽게 무너집니다. Conte와 Giardini (2012)는 ABM을 사용하여 새로운 대안을 제시했습니다. 특히, 그들은 비협조적인 사람을 식별하는 방법으로 명성 확산 (험담)이 어떻게 전개되고 그것이 그룹 협력을 시행하는 비용 효율적인 해결책으로 작용 하는지를 보여주었습니다.
- 자동화가 일자리를 얻고 유니버설 베이직 소득이 도움이 될 수 있습니다
- 10 개의 멀티 태스킹 리스크, 마음과 몸
- 인간의 특성이 특정 뇌 연결과 어떻게 연관되어 있습니까?
- 당신은 객관적인 지도자입니까?
- 내 치료사 어머니는 나를 환자처럼 대우합니다.
Dr. Morteza Dehghani – 남부 캘리포니아 대학의 심리학 조교수.
Dehghani 박사의 연구는 심리학과 인공 지능을 포함하고 있으며 인간의 행동을 조사하기 위해 큰 데이터를 사용합니다. 그는인지의 속성을 조사하기 위해 텍스트 분석 방법과 전통적인 행동 연구를 사용합니다. 한 연구에서, Dehghani와 동료들은 5 가지 기본 도덕적 관심사 – 관리 / 해로움, 공정성 / 부정 행위, 충성 / 배신, 권위 / 전복 및 순결 / 타락 -이 사회적 친밀감을 넓히거나 좁히는 방법을 결정하기 위해 2013 년 미국 정부 셧다운에 대해 731,000 개의 짹짹이를 사용했습니다 사람들 사이. 트위터에서 관계를 관찰 한 결과 트위터에있는 트위터 내의 수사가 트위터에서 두 사람 사이의 거리를 예측하는 가장 좋은 지표라는 것을 알게되었습니다. 즉, 순결은 사람들을 차별적으로 이끌고 함께 묶는 도덕적 토대입니다.
마이클 존스 (Michael Jones) 박사 – 인디애나 대학 블루밍턴 (Bloomington)의인지 모델링 WK Estes Chair.
- 법의학 미디어 심리학을 통해 진실을 찾는
- 패시브 – 공격적인 사람들이 말하는 10 가지
- Confluence, Unity, and Coliberation
- 행복의 길 : 좋은 의도로 포장 됨
- 어린이와 임신의 꿈을 해석하는 법
Jones 박사 연구는인지 모델링, 의미 기억, 인공 지능 및 데이터 과학의 영역을 포괄합니다. 존스 박사 팀은 NSF와 Google이 자금을 지원하는 프로젝트에서 인간이 단어 (의미 론적 학습)의 의미를 어떻게 배우고 이러한 의미를 정신적으로 표현하는지에 대한 모델에 지각 구성 요소를 통합하는 방법을 연구했습니다. 인간 의미 론적 학습의 표준 모델은 의미 체계를 추론하기 위해 언어 패턴 (예 : 단어 빈도, 단어의 동시 발생)에 포함 된 통계 정보 만 사용합니다. 또한 이러한 모델의 대부분은 의미 론적 학습 과정에서 인간이 경험하는 것보다 훨씬 적은 데이터로 학습됩니다. 이러한 문제를 설명하기 위해 Jones의 연구실에서는 사람이 지각 정보를 코딩하는 온라인 게임을 개발했습니다. 이러한 온라인 게임을하는 피험자로부터 수집 된 엄청난 양의 데이터는 지각 및 언어 정보를 통합하는 의미 론적 학습의 전산 모델을 개발하는 데 사용됩니다. 이 게임에 대한 더 자세한 정보와 실험실에서의 작업은 여기를 클릭하십시오.
거기에 도착하는 방법
전산 사회 과학자가되는 데 관심이 있다면 더 많은 학교가이 분야의 프로그램을 제공하기 시작했습니다. 또는 이미 숙련 된 사회 과학자 인 경우 워크샵에 참석하여 소셜 미디어 데이터 (2016 년 6 월 23 일, 노스 웨스턴에서 컨퍼런스 및 관련 워크샵 개최)를 비롯한 빅 데이터를 사용하는 방법을 배우는 것이 좋습니다. 전산 기술이 있지만 공동 작업자를 찾고 있다면 2016 년 2 월에 개최 된이 분야와 같은 네트워킹 기회에 대한 요청을 찾는 것이 유용 할 수 있습니다.
이번 주 게시물을 읽어 주셔서 감사합니다. 즐겁게 보내시기 바랍니다. 아래에서 의견을 말하고 질문하십시오.
Dr. Golding, Lippert 박사 및이 블로그에 게시 한 다른 사람들의 의견은 University of Kentucky의 의견이 아니라 자신의 의견을 표출합니다.
더 원해?
심리학 관련 경력 정보는 웹 사이트에서 확인하십시오.
Goldings 박사 블로그를 통해 대학에서 성공하는 법을 배웁니다.
트위터에 우리를 따르라.
참고 문헌
E. Ostrom, 제도적 다양성 이해, Princeton University Press; 2005 년
