Computational Approaches to the Study of Corruption

积分的paradigm--一个计算模型

Paradox of integration -- a computational model

Peter Blau（Exchange and Power in Social Life，Wiley and Sons，1964）强调了社会群体融合的矛盾方面。在整合过程中，群体成员在争夺社会地位的同时，也扮演着受众的角色。在这里，我们表明，当竞争战胜了认可的愿望，一个急剧的转变打破了所有的友好关系。然而，正如布劳所描述的那样，地位高的人倾向于更多地接受他人;这是通过赞扬他人和揭示自己的弱点来实现的。在我们的模型中，这一行动平滑了过渡，改善了人际关系。

Mechanistic Models in Computational Social Science

Quantitative social science is not only about regression analysis or, in general, data inference. Computer simulations of social mechanisms have a 60-year long history. They have been used for many different purposes -- to test scenarios, test the consistency of descriptive theories (proof-of-concept models), explore emergent phenomena, forecast, etc. In this essay, we sketch these historical developments, the role of mechanistic models in the social sciences, and the influences from the natural and formal sciences. We argue that mechanistic computational models form a common ground for social…

大数据技术在计算社会科学中的应用价值

The Value of Using Big Data Technologies in Computational Social Science

社交网络中的现象的发现促使人们对该领域重新产生了兴趣。然而，社交网络中的数据可能非常庞大，需要可扩展的大数据架构。相反，大数据的研究需要社交媒体数据的数量和速度来测试其可扩展性。不仅如此，适当的数据处理和采集数据集的挖掘涉及数据的多样性，准确性和可变性的复杂问题，之后必须进行可视化，然后我们才能看到我们的努力取得成果。本文介绍了从各种可扩展的开源技术集成的主题，多模式和纵向的社会媒体数据集。本文详细介绍了导致在Twitter社交网络中发现社交信息景观的过程，强调了处理社交媒体数据集的经验，使用有趣的方法使数据变得可管理。本文展示了使用可扩展的开源技术获取大量互联数据集用于社会科学研究的可行性和价值。

Computational landscape of user behavior on social media

With the increasing abundance of 'digital footprints' left by human interactions in online environments, e.g., social media and app use, the ability to model complex human behavior has become increasingly possible. Many approaches have been proposed, however, most previous model frameworks are fairly restrictive. We introduce a new social modeling approach that enables the creation of models directly from data with minimal a priori restrictions on the model class. In particular, we infer the minimally complex, maximally predictive representation of an individual's behavior when viewed in isola…

提示优化还是微调？在计算社会科学任务中使用大语言模型的最佳实践

Prompt Refinement or Fine-tuning? Best Practices for using LLMs in Computational Social Science Tasks

本文通过在23项社会知识任务基准上评估现代大语言模型分类方法，提出三项最佳实践：选用更大词汇量和预训练语料库的模型、采用AI增强提示而非简单零样本，以及在任务数据上微调并视数据丰富度决定是否进行多数据集指令微调。

多模态社会行为识别的计算框架

A Computational Framework for Multi-Modal Social Action Identification

我们创建了一个计算框架来理解社会行动，并展示了如何使用这个框架来构建一个开源事件检测工具，该工具具有可扩展的统计机器学习算法和来自世界各地的超过6亿条地理标记推文的子采样数据库。这些推文是在2014年4月1日至2015年4月30日之间收集的，最引人注目的是当黑人生命物质运动开始时。我们展示了这些方法如何被研究人员、政府官员和公众诊断性地用于理解在非常细粒度的时间和地理层面上的和平与暴力集体行动。

计算社会科学研究的公民科学实践：弹出式实验的概念化

Citizen Science practices for Computational Social Sciences research: The conceptualization of Pop-Up Experiments

在公民科学的名义下，志愿者与科学家合作提出并回答现实世界问题的许多创新实践正在全球范围内迅速增长。公民科学可以提供现成的解决方案与公民的积极作用。然而，这个框架还远远没有建立起来，成为计算社会科学研究的标准工具。我们提出了我们在连接计算社会科学与公民科学哲学方面的经验，在我们的案例中，这种经验采取了我们所说的弹出式实验的形式：非永久性的，高度参与性的集体实验，将大数据方法和行为实验协议开发的功能与公民科学的理想相结合。这类规划实验中需要考虑的主要问题分为三类：公众参与、轻型基础设施和知识回归公民。我们解释了实施的解决方案，提供了基于我们自己在城市环境中的经验（西班牙巴塞罗那）的实际例子。我们希望这项工作能够为愿意采用和扩展这种\emph{in-vivo}实践的团体提供指导，并开启关于公民科学框架可以提供研究社会现象的可能性（但也有局限性）的辩论。

社交网络中谣言传播的计算模型及收敛定理

A Computational Model and Convergence Theorem for Rumor Dissemination in Social Networks

谣言的传播，即所谓的来源不明的未经证实的言论，可能会造成大量的社会问题。如果有可能识别影响谣言传播的因素（如代理人的愿望，信任网络等），那么这就可以用来减缓或者阻止它的传播。因此，需要一个计算模型，该模型包括谣言特征和基于他们的愿望在社会成员中传播谣言的方式。我们的研究是围绕社会的同质性与谣言在其中的收敛性之间的关系展开的，结果表明，社会的同质性是谣言传播收敛的必要条件。

计算社会科学家当心：行为数据中的辛普森悖论

Computational Social Scientist Beware: Simpson's Paradox in Behavioral Data

关于人类行为的观察数据通常是异质的，即，由研究中的群体中的亚组产生，这些亚组在大小和行为上各不相同。异质性使分析容易陷入辛普森悖论，即在整个人口中汇总的数据中观察到的趋势可能与潜在的亚组有很大的不同。我说明辛普森的悖论与几个例子来自网络行为的研究，并表明，聚合反应导致错误的结论，潜在的个人行为。然后，我提出了一个简单的方法来测试辛普森悖论是否影响分析结果。辛普森悖论在社会数据中的存在表明，重要的行为差异存在于人群中，而不考虑这些差异可能会扭曲研究结果。

理解计算力学和回声状态网络在社交媒体中的预测能力

Understanding the Predictive Power of Computational Mechanics and Echo State Networks in Social Media

有大量的兴趣了解社交媒体的用户，以预测他们在这个空间的行为。尽管有这种兴趣，但社交媒体中的用户可预测性并没有得到很好的理解。为了研究这个问题，我们考虑了一个在Twitter上有15000名用户的网络，时间跨度为7周。我们采用两种对比的建模范式：计算力学和回声状态网络。这两种方法都试图根据用户过去的行为来建模用户的行为。我们证明，Twitter上的用户的行为可以很好地建模为过程与自我反馈。我们发现，这两种建模方法对大多数用户的性能非常相似，但它们在一小部分用户上的性能不同。通过探索这些性能差异化用户的属性，我们强调了将预测模型应用于动态社交数据所面临的挑战。

Elementary Effects Analysis of factors controlling COVID-19 infections in computational simulation reveals the importance of Social Distancing and Mask Usage

COVID-19 was declared a pandemic by the World Health Organization (WHO) on March 11th, 2020. With half of the world's countries in lockdown as of April due to this pandemic, monitoring and understanding the spread of the virus and infection rates and how these factors relate to behavioural and societal parameters is crucial for effective policy making. This paper aims to investigate the effectiveness of masks, social distancing, lockdown and self-isolation for reducing the spread of SARS-CoV-2 infections. Our findings based on agent-based simulation modelling show that whilst requiring a lockd…

礼貌的计算方法及其对社会因素的应用

A Computational Approach to Politeness with Application to Social Factors

我们提出了一个计算框架，确定礼貌的语言方面。我们的出发点是一个新的语料库的请求注释礼貌，我们用它来评估礼貌理论的各个方面，并发现新的礼貌标记和上下文之间的相互作用。这些发现指导我们构建一个具有独立于领域的词汇和句法特征的分类器，该分类器可操作礼貌理论的关键组成部分，如间接，尊重，非个性化和情态。我们的分类器实现了接近人类的性能，并且在各个领域都是有效的。我们使用我们的框架来研究礼貌和社会权力之间的关系，表明礼貌的维基百科编辑更有可能通过选举获得较高的地位，但是，一旦提升，他们变得不那么礼貌。我们在Stack Exchange上看到了礼貌和权力之间类似的负相关性，在那里，声誉等级最高的用户比声誉等级最低的用户更不礼貌。最后，我们应用我们的分类器初步分析礼貌的性别和社区的变化。

大型社交网络的可扩展分析：数据感知平均场方法

Scalable Analysis for Large Social Networks: the data-aware mean-field approach

对社交网络的研究已经证明，影响动态的因素有内、外生因素。在解释社交网络的动态性方面存在两种建模流：1）通过网络属性预测链接的模型，以及2）考虑社会属性影响的模型。在这项跨学科的研究中，我们努力克服这些当前模型中的一些计算限制。我们采用了平均场模型，它允许构建一个特定于人群的社会知情模型，用于预测大型社交网络中的网络和社会属性的链接。该模型进行了测试人口的会议合著行为，考虑到一些参数，从现有的Web数据。我们解决如何大的社交网络可以保持网络和社会参数建模。我们证明，平均场模型，使用数据感知的方法，使我们能够克服计算负担，从而在网络和社会参数方面的大型社交网络建模的可扩展性问题。此外，我们确认，大型社交网络的发展，通过网络和社会选择的决定，断言网络的动态不能单独从一个单一的角度来研究，但必须考虑社会参数的影响。