Perspectives in science - interdisciplinary examples in data-analysis visualization and political decision making

• Autorzy: Sirola M.

Warianty tytułu

PL

Perspektywy w nauce - interdyscyplinarny przykład analizy danych w wizualizacji i podejmowania decyzji w polityce

• Języki publikacji: EN

Abstrakty

EN

This article discusses perspectives in science with a somewhat limited scope. The areas of science included reflect the interest and experience of the author with an interdisciplinary view. Scientific domains, applications and methodologies constitute a characteristic entity. The three main pillars of the model are psychology, civics and energy production. The psychology here is mainly adapted in work environment. The psychology has two main branches one concentrating on individual behaviour and the other on group behaviour. The latter connected to civics converges towards sociology. The energy production represents the industrial view in the model, and it can be broaden wider in the general model, although here we concentrate mostly on the mentioned application area. From psychology we get assistance in user interfaces and visualizations. One branch in civics is politics. From the energy production and civics we get into production models. From psychology and politics we derive a path to decision making. Also from user interfaces, visualizations and even production models we get into decision making. System technics has a connection to decision making as well as to the other fields mentioned here. Data analysis can be used as a tool in all these fields. In addition scientific visualization is discussed, and visualization examples are presented. The use of data analysis in political decision making is presented as a more detailed example. For instance in predicting the voting behaviour in a society data from preelection gallup poll reviews and voting advice applications can be used. This political example shows the opportunity to cross fields in science to derive interesting results.

PL

W tym artykule omówiono perspektywy zastosowania różnych podejść w nauce, jeśli chodzi o analizę danych i ich wizualizację. Dziedziny nauki omówione w publikacji odzwierciedlają zainteresowania i doświadczenia autora. Omówione dziedziny nauki, programy i metody mają charakter interdyscyplinarny i wynikają z badań autora. Trzy główne filary modelu to: psychologia, społeczeństwo i produkcja energii. Psychologia tutaj jest analizowana głównie w środowisku pracy. Ma ona dwa główne działy: jeden koncentruje się na indywidualnych zachowaniach, a drugi na zachowaniach grupowych. Produkcja energii reprezentuje przemysłowy element modelu. Od psychologii możemy uzyskać pomoc w tworzeniu interfejsów użytkownika i przy wizualizacji danych. Z kwestii dotyczących produkcji energii i społeczeństwa uzyskujemy dane do tworzenia modeli produkcyjnych. Na podstawie psychologii tworzymy ścieżkę podejmowania decyzji. Również z wizualizacji możemy nawet przejść do procesu podejmowania decyzji. Analiza danych może być stosowana jako narzędzie w tych obszarach. W artykule przedstawiono przykłady wizualizacji. Wykorzystanie analizy danych w podejmowaniu decyzji politycznych jest przedstawione w pracy w sposób najbardziej szczegółowy. Rezultaty przedstawiono na przykładzie zachowań wyborców. Wykorzystano w tym celu wyniki sondażu Gallupa i na tej podstawie opracowano aplikację, która może pozwolić na prognozowanie wyników głosowania.

Słowa kluczowe

EN

science; system technics; data analysis; visualization; decision making

PL

nauka; urządzenia systemowe; analiza danych; wizualizacja; podejmowanie decyzji

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska
• Rocznik: 2015
• Tom: z. 82
• Strony: 213--226
• Opis fizyczny: Bibliogr. 28 poz., rys., wykr.

Twórcy

autor

Sirola M.

• Aalto University, PO Box 15400, FI-00076 Aalto, Finland

Bibliografia

• 1. Bastian M., Heymann S., Jacomy M.: Gephi: an open source software for exploring and manipulating networks. Proceedings of the International AAAI Conference on Weblogs and Social Media, 2009.
• 2. Bunn D.: Applied Decision Analysis. McGraw-Hill, Inc., USA 1984.
• 3. Eylon B-S., Linn M.C.: Learning and Instruction: an Examination of Four Research Perspectives in Science Education. „Review of Educational Research”, Vol. 58, No. 3, 1988, p. 251-301.
• 4. French S.: Decision Theory: an Introduction to the Mathematics of Rationality. Ellis Horwood Limited, England 1986.
• 5. Gilbert J.K., Watts D.M.: Concepts, Misconceptions and Alternative Conceptions: Changing Perspectives in Science Education. „Studies in Science Education”, Vol. 10, No. 1, 1983, p. 61-98.
• 6. Glad T., Ljung L.: Control Technics - Basic Theory, Studentlitteratur. Lund, Sweden 1981, 200.
• 7. Gobern W.W. (ed.): Socio-Cultural Perspectives on Science Education: an International Dialogue. Kluwer Academic Publisher, Norwell, USA 1998.
• 8. Hair J., Anderson R., Tatham R., Black W.: Multivariate Data Analysis. Prentice Hall, 5th edition, 1998.
• 9. Heimbürger H. et al.: Control Room - Design Principles and Practices. Suomen Automaatioseura ry, Helsinki 2010.
• 10. Hirzalla F., Van Zoonen L., De Ridder J.: Internet Use and Political Participation: Reflections on the Mobilization/ Normalization Controversy. „The Information Society”, Vol. 27, No. 1, 2010, p. 1-15.
• 11. Jacomy M., Heymann S., Venturini T., Bastian M.: ForceAtlas2, a graph layout algorithm for handy network visualization, http://webatlas.fr/tempshare/ForceAtlas2_Paper.pdf.
• 12. Kohonen T.: The Self-Orgainizing Map. Springer, 1995.
• 13. Koskinen H., Norros L.: Expanding Control Room - a New Frame for Designing Spatial Affordances of Control Places. VTT-R-05555-10, 2010.
• 14. Lemke J.L.: Articulating Communities: Sociocultural Perspectives on Science Education. „Journal of Research in Science Teaching”, Vol. 38, No. 3, 2001, p. 296-316.
• 15. Paulsen J.: Design Process Displays Based on Risk Analysis Techniques. PhD thesis, Technical University of Denmark and Risø National Laboratory, Roskilde 2004, p. 143.
• 16. Pershagen B.: Light Water Reactor Safety. Pergamon Press, Studsvik, Sweden 1989.
• 17. Scott D.W.: Data Preparation for Data Mining. Morgan Kaufmann, 1999.
• 18. Sirola M., Talonen J., Parviainen J., Lampi G.: Decision Support with Data-Analysis Methods in a Nuclear Power Plant. TKK Reports in Information and Computer Science, TKK-ICS-R29, Espoo 2010.
• 19. Sirola M.: Perpectives in Science. Proceedings of the IEEE International Conference on Intelligent Data Acquisition and Advanced Coputing Systems: Technology and Applications, Berlin, Germany, 12-14 September 2013, p. 120-123.
• 20. Talonen J., Sirola M., Sulkava M.: Data fusion of pre-election gallups and polls for improved support estimates in time. Unpublished.
• 21. Talonen J., Sirola M., Sulkava M.: Network visulaization of car inspection data using graph layout. Proceedings of the International Conference on Data Analytics, Barcelona, Spain 2012.
• 22. Talonen J., Sulkava M., Sirola M.: The Finnish car rejection reasons shown in an interactive SOM visualization tool. Proceedings of the Workshop on Self-Orgaizing Maps (WSOM 2012), Santiago, Chile 2012.
• 23. Talonen J., Sulkava M.: Analyzing Parliamentary Elections Based on Voting Advice Application Data. Proceedings of the International Symposium on Intelligent Data Analysis (IDA 2011), Porto, Portugal 2011.
• 24. Vesanto J., Himberg J., Alhoniemi E., Parhankangas J.: Self-organizing map in matlab: the SOM toolbox. Proceedings of the Matlab DSP Conference, 1999.
• 25. Wheatley G. H.: Constructivist Perspectives on Science and Mathematics Learning. „Science Education”, Vol. 75, No. 1, 1991, p. 9-21.
• 26. Xiaoyuan S., M. Taghi K.: Survey of Collaborative Filtering Techniques. „Advances in Artificial Intelligence”, Hindawi Publishing Corporation, 2009, Article ID 421425.
• 27. A-Katsastus Group´s web site, http://www.a-katsastus.com/, retrieved on June 2012.
• 28. TÜV reports, http://www.anusedcar.com/, retrieved on June 2012.