COVID-19期间国家关系交互网络时空分析研究

COVID-19疫情不断蔓延为国际政治、外交关系等带来深刻影响。目前基于复杂网络方法的国际关系研究较少考虑节点的空间属性,难以探索国际关系的动态演化模式及其空间分布特征。该文提出一种结合时间序列聚类与空间统计的国家关系交互网络演化模式探测方法。基于2020年1月-2021年3月的GDELT数据构建国家关系交互网络,基于节点的演化特征,应用K-means聚类算法将节点划分为6种类型,结合局部连接统计方法分析节点演化模式的空间分布特征。研究表明:面对疫情冲击,各国为控制疫情蔓延倾向于参与合作交互事件;国家关系交互网络中的不同时序演化模式总体按照节点的点度中心性强度由高到低分布;疫情防控期间网络中始终处于边缘地位的节点在空间分布上呈现聚集特征,而核心节点空间分布较分散。通过研究网络节点的时序演化模式及空间分布特征可为公共卫生危机事件期间国际关系与地缘政治研究提供新思路,对于危机事件期间制定外交政策与应对策略具有一定参考价值。

学科融合的计算社会学与社会地理计算教学方法探索

计算社会学与社会地理计算是一门遥感科学与技术、地理信息科学与社会科学跨学科交叉融合的开创性课程。介绍了该课程的教学内容体系,并以武汉大学2020年第三学期首次开设的该课程为例进行了教学方法探索和实践,对课程所采取的讲座式教学、文献阅读分析作业、时事数据分析大作业、课程成果展示、小组合作、MOOC课程在线教学等对教学改革创新措施进行了分析和讨论,并给出了进一步改进的思路和建议。

特殊事件中国际关系网络时序演化分析

21世纪以来的国际关系错综复杂、瞬息万变,给世界的经济、政治、安全、外交等带来了深刻影响。及时掌握国际关系的变化对中国外交政策制定、整体发展规划有着极为重要的意义。随着大数据时代的来临,应用大数据方法结合国际关系定量分析的工具对国际关系变化模式进行及时、有效地挖掘成为了一个重要的议题。强时效性、高信息量的新闻事件大数据蕴含能及时地反映出国际事件影响全球国际关系的信息。网络化挖掘作为一种面向大数据的信息挖掘方法,因其具象化的关系表达方式和丰富的结构分析方法组成为数据驱动的国际关系研究的重要方法。以短期国际事件为背景,对新闻事件大数据进行网络化挖掘,进行国际关系网络的时序演化分析,能够在短期国际事件造成国际关系变化的场景下,提供应对国际关系变化的解决方案参考。本文以中美贸易战为例研究特殊事件中国际关系网络的时序演化模式:基于GDELT新闻事件数据进行国际关系网络的构建,利用复杂网络方法进行信息挖掘并进行国际关系分析。首先利用该数据构建国际关系网络,然后用动态社区划分方法对其进行时序演化模式探测,最后结合点分布模式、核密度分析、空间自相关等空间分析方法对其进行空间特性分析。研究发现:①在特殊事件发生过程中,网络社区的演化方式与发生的子事件类型具有很强的相关性;②同一社区的节点在空间分布上一般呈现明显的聚集特征,特定区域节点加入不同社区频率高,节点网络属性值的空间高值分布随事件发生而改变;③网络局部特征值随子事件发生往往会发生较大变化。本文的研究为短期国际事件中的国际关系动态变化实证分析提供了一个新的视角,为国际关系研究的空间转向提供了一个新的思路,在方法层面对数据驱动的国际关系研究进行了补充,同时也为大数据的网络化挖掘提供了参考。

基于GDELT新闻数据的冲突强度定量表达及冲突事件检测研究

全球范围内各种冲突经常发生,及时分析各种冲突关系并监测其变化,提前干预、实施人道主义救援,可以有效避免冲突的爆发与升级。冲突事件通常被各种新闻媒体及时报道,并被记录于新闻数据库中。提取新闻数据中的冲突事件信息并量化冲突强度,从而分析国家冲突强度的变化是一种可行思路。GDELT实时监测着不同来源的新闻,自动提取新闻中的事件与事件属性信息,并将事件总体划分为冲突与合作2种类型。本文以GDELT为数据源,综合考虑事件数量、事件影响性、事件关注度多个因素,针对不同空间研究尺度提出了一种利用全球冲突指数与局部冲突指数对冲突强度定量表达的方法。在全球尺度上,计算全球各国全球冲突指数衡量国家冲突强度,分析全球国家冲突强度空间分布规律。在国家尺度上,计算局部冲突指数衡量一个国家的冲突强度变化情况,并在冲突强度定量表达的基础上,研究一种基于距离的时间序列冲突检测方法检测冲突事件的发生。研究发现:(1)冲突强度高的国家主要集中在非洲和中东地区,全球冲突强度在空间上存在明显的集聚现象;(2)国家局部冲突指数的突增通常对应于一些冲突事件的发生,使用本文的冲突检测方法可以有效地及时检测这种突增现象,并能为冲突预警提供支持。本文的研究成果可以为国际冲突关系分析,以及国际救援组织的决策提供参考。