Relationer och likhet: Exempel politisk och ekonomisk analys i geo

2012-02-13
Låt oss tydliggöra blue light relationer och entropi, likhet i relationer, ögonblickets aktiva symboler och kategorier diskuterat i Sniffs värld med ett exempel på hur vi kan tänka oss en enkel modell för hur idéer rör sig geografiskt.

Detta är precis som föregående inlägg diskuterande dessa både i text och bild minnesanteckningar relaterat till ett mer omfattande arbete. Här för hur skillnaderna i relationer kan förklaras med vad som går att utveckla till goda och pedagogiskt tydliga exempel både i ekonomisk och politisk analys. Modell-resonemang är dock förenklat.

Vi betraktar en geografisk plats vi är intresserade av. Denna befinner sig i mitten av "karten". Till ett antal andra symboler i blue light har vi våra "motorvägar" från tidigare exempel. Dessa representerar relationer mellan i referensinformation inlärt implicit påverkande och underförstått även utan samförekomst hittad i textanalys.


Symbolerna filtrerar vi först med kategorier. Vi söker en grupp av speciella symboler. Jämför med hur vi när vi söker något speciellt ex. fåglar eller träd filtrerar vår uppmärksamhet så att vi huvudsakligen lägger märke till den aktuella kategorien. Rummet i övrigt är fortfarande aktivt och hanteras av vår kognition men vi tänker inte närmare på det.

Här väljer vi att filtrera symbolerna till endast geografiska entiteter med en direkt relation till den plats vi är intresserad av.

För varje sådan symbol hämtar vi upp de symboler dessa är "anslutna" till i ögonblicket utan krav på anslutning i referensinformation d.v.s. vad de just nu är associerade till i mutual information (eller jämförbart mått) över något tröskelvärde fångat ex. via press, sociala media, e-post, satellit eller vad helst som ger ett sample av människornas diskussion och informationsöverföring med varandra. Människor vi ser avslappnat sola på en strand från satellit-foto kommunicerar information implicit p.s.s. människor som samlat marscherar med plakat gör det eller koncentrationen människor i samband med nöjes-tillställningar i städerna (likt den lilla ej särskilt formella fallstudien jag bloggade kort om då gjord på Uppsala 2009 eller 2010 för att känna på koncentrationen av människor som mått lite praktiskt också).

För varje sådan symbol tar vi ut känslornas dimensionerna i förändring. Nu är frågan hur vi översätter det till spridning mot vår mitt:

Vi ska först konstatera att vi kan skatta symbolens laddning globalt respektive lokalt. I aktuell implementation anpassad för news drilling och sökning har jag gjort det globalt vilket givet stora globala diskussionspunkter och idag snabbt informationsutbyte är en god start:

1. Vi kan se det som att förändring i attityd, känsla m.m. associerat till en symbol av något styrs av intensiteten i deras kontakter med information som uttrycker en olikhet.

2. Sådan förändring kan gå olika vägar där commotion med motsatta riktningar från två grupper är situationen där deras åsikt associerat till symbolen är ytterst skild och ej konvergerar till en "utjämnad" samsyn utan går i konflikt.

3. Oavsett vilken väg är spelet förändrat med internet jämfört ex. med tiden när Royal Society grundades i England för att främja vetenskapen och brevväxlingar pågående under många för att övertyga diverse matematiker och fysiker (ex. Newton) om att berätta vad de lärt var en viktig del organisationen spelade. Människor talar mer med varandra och attityder förändras snabbt. Det är tror jag den enklare vägen för att fånga oväntad förändring (och kanske det enda tillräckligt beräkningseffektivt givet att vi här konvergerar till antalet noder och mängd data i datastrukturen emedan vi för det andra alternativet om generellt infört alla symboler snarare än vilka vi ev. mer exakt följer växer oerhört snabbt exponentiellt vilket snabbt bottnar även de största cpu-gridarna världen har åtminstone kommersiellt hindrande möjlighet att få svar snabbt. Ett något lite relaterat exempel på samma fenomen har vi i hur mängden data ökar när vi går från 1gram till 2gram och vidare till 3-gram o.s.v. ex. illustrerat med data för filerna till Google Ngrams genererad under lång tid på Yahoo-griden).

Vi kan emellertid fortfarande ta ner en skattning till hur det påverkar vår symbol via hur kraftig associationen är (det finns en fin avvägning här mellan att fånga oväntad förändring andra missar och uttrycka exakthet rörande om vad vi exakt resonerar med där viss acceptans för reduktion i det senare är den väg som togs i denna modell för att göra det första enklare vilket utifrån kunskap hjärnan kan motiveras väl där vi kan se det som att gruppen aktiverade symboler givet features skapar världen i punkten bättre men ordentligt förenklat förklarat längre fram från perspektiv men gör vissa applikationer utanför förändring, känslor m.m. vad man behöver komplettera med andra ramverk och lösningar för vilket dock många finns för).

Vidare utanför associationen i ögonblicket d.v.s. hur ofta symbolen i ögonblicket förekommer tillsammans med blue light noden (antingen den lokaliserade utanför mitten eller mitten eller båda beroende på tillämpning och beräkningskraft som ska läggas) också hur benägen symbolen i blue lights rymd av referens-relationer är att associera ut till andra symboler d.v.s. blue light entropin.

Låt oss nu bryta resonemanget för att tänka konkret: Vad är symbolerna vi hittar i ögonblicket? Är vad vi söker analys i relaterat ex. till politiska rörelser eller ekonomi är mer intressant vad som är verktyg, metoder eller kan jämföras med sådana. D.v.s. vad som är möjligheter att genomföra något mer energieffektivt. Det är vad som kan förändra och skapa den typ av association i sådant mer potent. Förekomsten av ett nytt verktyg kan vara så kraftfullt om den positiva associationen i omgivande flock är hög att mycket stora skillnader i features relativt invanda verktyg övervinns att verktyget i sig skapar ökad rörelse av information i helt andra frågor där verktyget i sig kommer med i diskussionen även utanför ökad diskussion som direkt kan hänföras till verktyget. Facebook och Twitter rörande demokratirörelserna i Arabvärlden är givetvis självklara exempel (vilket man visst kan diskutera mindre tråkigt och omständligt än så här men det här är egentligen ett draft till ett mer seriöst dokument och jag föredrar sådana lite tråkiga och med en del spontant fångat).

Hur benäget är nu förändring i symboler att gå från en geo-nod utanför vår mitt till mitten? Vi kan skatta det från rörelser i ögonblicket liksom via flera andra metoder runt relationer. Vi kan emellertid också göra det med likhet i features där vi ser blue light relationerna representerade en projektion av dessa. Finns hög likhet i dessa ger det en (förvånande) god indikation på kulturell likhet. För ett land när vi söker ett åt får vi träffar från de mest till statsstaten associerade områdena som utbildning, sjukvård, militär o.s.v. för fallet när denna likhet får vikta likhet i uttryckta känslor över en längre period (Wikinews corpus från starten fram till slutet 2011).

Det kritiska här är dock vilket det aktuella perspektiv är. Vi vill fånga rörelsen mot Syrien från de omgivande relaterade noderna vi filtrerat ut som relevanta. Vi använder alla symboler i ögonblicket associerade till dessa men vi förstår från verktyg och deras direkta värde liksom vad de visar att en viktig "dimension" i detta är för folket i mitt-noden att se nya möjligheter och faror, och vägar att mer energieffektivt relativt snabb-tid och tankar inför framtiden hantera det.

Därför är perspektivet från mitten mot respektive annan nod. Det innebär att mittnoden tolkar likhet och olikhet utifrån sig själv. Features denna har den andra saknar är olikhet (ex. viktat med blue light men andra mått beroende på situation kan vara bättre t.ex. ekonomiska värden, antal användare m.m.). En gemensam feature är likhet.

En feature den andra har men vi saknar ser vi inte. Vi vet bara att den är okänd. Med mindre än att den andra noden marscherar mot oss eller att vi modigt utforskar den kan vi strunta i den. Söker vi rörelserna till folkets kollektiv mer än t.ex. något etablerat som upplever hot av en förändring och okänt (jfr traditionella medias förr ofta lätt irrationella reaktioner på Wikipedia och bloggar) säger vi att dessa features varken är likhet eller olikhet. Vi kan också förstå detta från att vi kan se likhet som resultatet av gemensam kultur (med mer eller mindre trevlig historik) och olikhet resultatet av influenser från andra kulturer.

Högre likhet indikerar fler kanaler mellan nodernas folk vilket den uttryckta likheten är ett resultat av. Vi kan förstå det på samma sätt för forskning där relationer mellan sådana noder är resultatet av att människor specialiserat sig på båda områdena eller samarbetat mellan dem. Likheten i sig approximerar likhet i språk vilket också underlättar spridningen.

Blue light entropin ger oss därför hur gärna en nod tenderar att associera utåt (den tolkning vi här väljer) och likheten i relationer som features hur benägna vi är att se möjligheter i nytt (vi ser möjligheten tydligare).

De emotionella dimensionerna i sig är budskapet och meningen i vad symbolen för med sig (eller egentligen mer korrekt den rörelse symbolen i vad vi kan uttrycka med ord eller bild för att mäta skattar i en punkt). Betraktar vi över tidpunkter finns givetvis mer att göra och vikter kan skattas men detta är ett tydligare exempel på några vägar att förstår relationerna.

Än mer konkretiserat kan vi symbolen vara kraftigt positivt och i tillväxt för det, ha hög blue light entropi och uttryckas kraftigt i symboler i blue light relationer liggande nära oss i feature-likhet och steg. Vi kan förvänta oss att den påverkar vår mitt punkt och i den påverkan också mer mot spread än commotion.

Hade situationen istället varit fara och hot där verktyg för det söks hade associationen från perspektivet varit negativ. Påverkan hade troligare varit närmare commotion där mer entydig målinriktad användning med mindre mer långsiktigt kreativt tänkande om möjlig användning inom mindre beprövade områden (spread).