恐怖主义与激进化 mechanistic 与数据驱动模型综述

近年来激进意识形态的快速传播引发了一系列全球性的恐怖袭击。从文化角度理解极端主义倾向如何萌芽、发展并驱使个人采取行动十分重要，同时也有助于制定应对与预防策略。人口统计研究、对激进个体的访谈、恐怖数据库的分析表明，激进化路径沿渐进步骤发生，其中年龄、社会背景及极端思想的同伴交流起着主要作用。此外，社交媒体的出现提供了新的沟通渠道，便利了招募，并加速了从轻微不满到肆无忌惮狂热的跨越。尽管对导致完全极端主义的过程与环境的完整社会学理解仍然缺乏，但使用建模与数据分析的定量方法可提供有益见解。我们综述了统计力学、应用数学、数据科学中一些有助于描述和理解激进化与恐怖活动的方法。具体而言，我们聚焦于持有极端观点的群体分隔室模型、年龄结构激进群体的连续时间模型、格点与社会网络上作为社会传染过程的激进化、耦合恐怖分子与反恐主体的对抗演化博弈，以及研究恐怖事件时空聚集的点过程。我们还介绍了机器学习方法在开源恐怖数据库上的近期应用。最后，我们讨论了制度干预的作用以及去激进化策略可能最为有效的阶段。