二十一世纪的宗教归属:基于世界价值观调查的机器学习视角
机器学习
2023-10-18 v1 计算机与社会
摘要
本文对世界价值观调查全球收集的数据进行定量分析。该数据用于研究社会中个体宗教信仰、价值观与行为的变化轨迹。利用随机森林,我们旨在识别宗教性的关键因素,并基于国家层面数据将调查受访者分类为信教与不信教。我们采用重采样技术平衡数据并改善不平衡学习性能指标。变量重要性分析的结果表明,在多数国家中年龄与收入是最重要的变量。结果结合关于宗教与人类行为的基本社会学理论进行讨论。本研究是将机器学习应用于识别参与世界价值观调查的 30 国数据潜在模式的实例。变量重要性分析与不平衡数据分类的结果,为社会科学理论家与研究者提供了有价值的见解。
引用
@article{arxiv.2310.10874,
title = {Religious Affiliation in the Twenty-First Century: A Machine Learning Perspective on the World Value Survey},
author = {Elaheh Jafarigol and William Keely and Tess Hartog and Tom Welborn and Peyman Hekmatpour and Theodore B. Trafalis},
journal= {arXiv preprint arXiv:2310.10874},
year = {2023}
}