Gelehrte und Praktiker haben viel dazu beigetragen, unser Verständnis der breiteren makroökonomischen Treiber von Gewalt in fragilen Umgebungen zu vertiefen. Sie identifizieren, wie Schocks mit Beschwerden interagieren können, um potenziell Gewalt auszulösen, und wie diese Interaktionen die multidimensionale Natur des Risikos berücksichtigen und die potenziell selbstverstärkende Natur mehrerer Risiken, die fragile Gesellschaften gefangen halten, fordern.
In einer Studie wurde die Beziehung zwischen der Sprache einflussreicher Akteure und Gewalt: Eine kenianische Fallstudie unter Verwendung künstlicher Intelligenz untersucht. Dabei wurde die natürliche Sprachverarbeitung verwendet, um das mit der Sprache der Führer verbundene Sentiment zu identifizieren.
Die Natural Language Processing (NLP)-Software liest und versteht die Bedeutung von Wörtern in mehreren Sprachen, um Sentiment-Scores zuzuweisen. Die fortschrittlichsten künstlichen Intelligenztechnologien, einschließlich Deep Learning, transformieren unstrukturierte textuelle Daten (z.B. ein Tweet oder Blog-Beitrag) in strukturierte Daten (z.B. eine Zahl), um die sich ändernde emotionale Tonlage der Autoren im Laufe der Zeit zu bewerten.
Das Modell sagt sowohl Zunahmen als auch Abnahmen der durchschnittlichen Todesfälle für Zeiträume zwischen 50 und 150 Tagen voraus, wobei die Gesamtgenauigkeit etwa 85% beträgt. Dies zeigt die Nützlichkeit des lokalen politischen und soziologischen theoretischen Wissens zur Kalibrierung algorithmischer Analysen. Dieser Ansatz könnte die Identifikation bestimmter Sprachkonfigurationen ermöglichen, die mit einem erhöhten oder verringerten Gewaltrisiko in Verbindung stehen.
Die Analyse und Ergebnisse in diesem Papier deuten auf eine statistisch signifikante Beziehung zwischen Sprache und zukünftiger politischer Gewalt hin, die weitere Untersuchungen erfordert. Größere Trainingsdaten und weitere Tests anderer maschineller Lernmodelle, einschließlich Deep Neural Networks, könnten noch robustere Ergebnisse liefern.