Una mejora en un modelo informático puede ayudar a los científicos a predecir mejor los movimientos futuros de las facciones políticas y ubicar dónde podrían interactuar con otros grupos, a menudo rivales, según los investigadores de Penn State. Predecir esos movimientos podría proporcionar un sistema de alerta temprana para posibles conflictos civiles y violencia, agregaron.

En un estudio de datos de un conflicto civil en Nigeria, los investigadores informan que agregar una variable, llamada distancia pronosticada diádica, a un modelo estadístico podría conducir algún día a predicciones más precisas sobre el movimiento de los grupos políticos. La distancia espacial diádica se refiere a la ubicación de dos o más partes entre sí, a diferencia de la variable monádica, que se refiere a la ubicación de una sola parte y se utiliza en la mayoría de los modelos actuales. Para construir esa variable, el equipo también desarrolló un algoritmo que podría proyectar las ubicaciones de los actores en movimiento.

"Los investigadores se han interesado en cómo podemos pronosticar el movimiento de los actores en los conflictos civiles, así como los conflictos políticos, como eventos de protesta o incluso situaciones más graves, como linchamientos y conflictos armados", dijo Sangyeon Kim, estudiante de doctorado en ciencia política y análisis de datos sociales, Penn State. "Sin embargo, no ha habido un enfoque serio sobre la predicción en términos del uso de ambos actores, o múltiples actores, que están involucrados en el conflicto, por lo que nuestra idea básica era crear un diseño que pudiera ayudar a pronosticar la ubicación de esos actores".

Conectando modelado espacial y de red

El estudio combina el modelado espacial (cómo se mueven las personas en el espacio) con el modelado de redes (cómo las personas están conectadas entre sí), según Bruce Desmarais, profesor de ciencias políticas y cocontratado del Instituto de Ciencias Computacionales y de Datos.

"A menudo, las personas realizan investigaciones espaciales o investigan redes, pero intencionalmente queríamos combinar e integrar esos conjuntos de herramientas metodológicas en este proyecto", dijo Desmarais. "Creo que eso se convirtió en la chispa para que nuestro equipo integrara datos espaciales y también datos de redes relacionales, para reunir esos conjuntos de herramientas para mejorar el campo".

Los investigadores, que publicaron sus hallazgos en la revista Political Science Research and Methods , espero que el trabajo futuro mejore el modelo. Predecir los movimientos de las facciones políticas rivales podría conducir a mejores formas de mediar en conflictos y asignar suministros y ayuda, dijo Kim.

"Una de las grandes preguntas es:'¿Dónde ubicaríamos la ayuda a nivel de país, por ejemplo, o a nivel regional?', dijo Kim. "Ese ha sido un tema realmente desafiante tanto para académicos como para profesionales, así que tal vez usar esta metodología podría ayudarlos a encontrar mejores ubicaciones para colocar la ayuda, por ejemplo".

Investigaciones futuras

Los investigadores dijeron que si bien este trabajo preliminar en su nuevo modelo solo ofreció una diferencia insignificante en comparación con un modelo que usó la variable de predicción monádica en su ejemplo actual de aplicación, lo ven como evidencia de que los científicos podrían usar el nuevo modelo algún día con precisión. captura cómo se pueden mover varias partes.

Según Kim, el equipo probó la capacidad de la variable para predecir los movimientos de la Milicia Cristiana durante el conflicto civil en Nigeria, un período de violencia que se extendió desde 2001 hasta 2016. Los datos se extrajeron de informes de los medios sobre los movimientos de la milicia durante el conflicto, añadió Kim.

El uso de esos datos puede ser una de las razones de la pequeña diferencia entre el modelo de los investigadores y los actuales que usan la variable monádica.

"Creemos que esta falta de diferencia se debe en gran medida al problema del nivel de medición:es muy difícil rastrear el movimiento de los grupos armados longitudinalmente con un alto nivel de precisión", dijo Kim.

La investigación futura también puede buscar datos alternativos para el modelo. En el estudio, los investigadores se basaron en informes de los medios que documentaron los movimientos de las facciones políticas; sin embargo, la mayoría de los conflictos civiles documentados en ese conjunto de datos ocurrieron antes de que las redes sociales fueran más accesibles.

"Es posible que podamos usar, por ejemplo, datos de redes sociales", dijo Kim. "Y, si podemos demostrar que el diseño diádico también mejora las predicciones de eventos, eso sería realmente interesante".

Los investigadores dijeron que el modelo se centra en cuatro aspectos clave del historial de ubicaciones de los grupos:su ubicación general promedio, sus movimientos recientes, las ubicaciones donde interactúan los grupos y la cantidad de eventos que ocurren en cada ubicación. + Explora más

Estudio:Las divisiones políticas se han profundizado a nivel mundial