迈向国际关系数据科学：挖掘 CIA 世界概况
数字图书馆
2020-10-13 v1
摘要
本文呈现一项三组件工作。第一组件设定整体理论背景，其论点为世界日益增加的复杂性使国际关系（IR）在理论与实践上均更难取得成功。信息时代与21世纪事件使 IR 理论与实践偏离实际政策制定（Walt, 2016），并使其固守于难以证伪的观点与政治理论。与此同时，“第四范式——数据密集型科学发现”（Hey et al., 2009）的兴起与数据科学的强化提供了替代方案：“计算国际关系”（Unver, 2018）。运用传统与当代以数据为中心的工具可助更新 IR 领域，使其更贴近现实（Koutsoupias, Mikelis, 2020）。然而数据科学与 IR 的“联姻”并非万灵药。认知与实践均需改变。最重要的是，为使数据科学进入 IR，相关数据必须存在。此即第二组件的作用所在。我挖掘提供覆盖全球所有国家的跨域数据的 CIA 世界概况。随后，我执行各类数据预处理任务，以简单机器学习补全缺失值，提供更完整数据集为顶点。最后，第三组件呈现若干利用所生成数据集的项目，以通过实际示例说明数据科学对 IR 的相关性。继而讨论有关本项目未来发展的想法，以优化之并确保连续性。总体而言，我希望通过提供实际示例并为未来研究提供燃料，贡献于 IR 中“第四范式”的讨论。
引用
@article{arxiv.2010.05640,
title = {Towards International Relations Data Science: Mining the CIA World Factbook},
author = {Panagiotis Podiotis},
journal= {arXiv preprint arXiv:2010.05640},
year = {2020}
}
备注
A Computational International Relations Project. For code and datasets see Github link in 2nd page