Results found: 2

Search results

Search:
in the keywords: obliczeniowe nauki społeczne

Sort By:

Limit search:

Pomiędzy data science a performansem. O niektórych wyzwaniach stojących przed współczesną socjologią

100%

Pietrowicz K.

Ruch Prawniczy, Ekonomiczny i Socjologiczny

2020

vol. 82

issue 4

335-346

The article is an attempt to describe the state of contemporary sociology and one of the challenges facing our discipline. This challenge is the emergence of data science: an approach that deals in a systematic, quantitative way with the analysis of digitally accumulated unstructured data on human behavior. Importantly, data science analyses do not draw on the achievements of sociology, neither in theories nor in the research methods. However, data science is replacing sociology (and other social sciences) outside the academic world. The paper tries to show how data science differs from other, earlier challenges for sociology.

Artykuł jest próbą opisania stanu współczesnej socjologii i jednego z wyzwań stojących przed naszą dyscypliną. Wyzwaniem tym jest pojawienie się data science: tj. podejścia, które w systematyczny, ilościowy sposób zajmuje się analizą gromadzonych cyfrowo nieustrukturyzowanych danych, dotyczących zachowań ludzi. Co ważne, analizy data science nie korzystają z dorobku socjologii ani w odniesieniu do tradycji teoretycznej, ani w odniesieniu do metod badawczych. Zastępują jednak socjologię (i inne nauki społeczne) poza światem akademickim. Tekst próbuje pokazać, czym data science różni się od innych, wcześniejszych wyzwań, przed którymi stała socjologia.

Application of Cluster Analysis in Research on the Spatial Dimension of Penalised Behaviour

100%

Porębski A.

Acta Universitatis Lodziensis. Folia Iuridica

2021

vol. 94

97-120

Prezentowany artykuł poświęcony jest wykorzystaniu w socjologii prawa oraz kryminologii środowiskowej jednej z nowoczesnych metod obliczeniowych przydatnych do badania dużych zbiorów danych – analizy skupień (grupowania; klasteryzacji). Metoda ta pozwala na podzielenie zbioru obserwacji na ustaloną liczbę podzbiorów takich, że elementy tego samego podzbioru są do siebie możliwie podobne, a elementy różnych podzbiorów – możliwie odmienne. Jeśli dane dotyczą położenia geograficznego, na przykład umiejscowienia przestępstw, rezultatem wykorzystania analizy skupień będzie podział obszaru na ustaloną liczbę wewnętrznie spójnych rejonów według zobiektywizowanego kryterium. Podzielenie badanego terytorium na mniejsze części tradycyjnie, w dużym stopniu arbitralnych, takich jak na przykład podział administracyjny. z zastosowaniem klasteryzacji wydaje się być lepszym rozwiązaniem od kryteriów stosowanych W pracy przedstawiono szczegółową charakterystykę hierarchicznych metod analizy skupień, a następnie wykorzystano metody kombinatoryczną k-średnich oraz hierarchiczną Warda do podziału zbioru danych o zgłoszeniach przestępstw w mieście Baltimore w latach 2014–2019. Wykazano, że powstały w ten sposób podział różni się w sposób znaczący od podziału administracyjnego Baltimore, a także że zwiększanie liczby grup powstających jako wynik analizy skupień prowadzi do pożądanego w pewnych przypadkach wzrostu wariancji zmiennych opisujących strukturę przestępczości w poszczególnych częściach miasta. Utworzone przy użyciu klasteryzacji podziały wykorzystano także do zweryfikowania hipotezy o odmienności struktury przestępczości w różnych obszarach Baltimore. Głównym celem pracy jest zachęcenie do stosowania w badaniach społecznych nowoczesnych metod analizy danych oraz pokazanie, że analiza skupień może być cennym narzędziem w kryminologicznych i socjologicznoprawnych analizach poświęconych relacji między prawem a przestrzenią.

This paper is focused on some of the possibilities of the use of cluster analysis (clustering) in criminology and the sociology of law. Cluster analysis makes it possible to divide even a large dataset into a specified number of subsets in such a way that the resulting subsets are as homogenous as possible, and at the same time differ from each other substantially. When analysing geographical data, e.g. describing the location of crimes, the result of cluster analysis is a division of a territory into a certain number of coherent areas based on an objective criterion. The division of the territory under study into smaller parts is more insightful when the clustering method is applied compared to an arbitrary division into official administrative units. The paper provides a detailed description of hierarchical cluster analysis methods and an example of using the Ward’s hierarchical method and the k-means combinational method to divide data on crime reports in the city of Baltimore between 2014 and 2019. The analysis demonstrates that the resulting division differs considerably from the administrative division of Baltimore, and that increasing the number of groups emerging as a result of cluster analysis leads to an increase of variance of variables describing the structure of crime in individual parts of the city. The divisions obtained using clustering are used to verify the hypothesis on differences in crime structure in different areas of Baltimore. The main aim of the paper is to encourage the use of modern methods of data analysis in social sciences and to present the usefulness of cluster analysis in criminology and the sociology of law research.

Refine search results

1 Acta Universitatis Lodziensis. Folia Iuridica

1 Ruch Prawniczy, Ekonomiczny i Socjologiczny

1 Pietrowicz K.

1 Porębski A.

1 2021

1 2020

Search results

Pomiędzy data science a performansem. O niektórych wyzwaniach stojących przed współczesną socjologią

Application of Cluster Analysis in Research on the Spatial Dimension of Penalised Behaviour