Seminars: 2017 Winter/Spring

Seminars

2017 Winter/Spring

JEROEN BRUGGEMAN (University of Amsterdam): Cooperation based on Noisy Information in War and Peace

Cells in a body or insects in a group have no difficulty to cooperate, but genetically unrelated individuals, e.g. humans, first need a great deal of information about one another (gossip), a network to transmit this information, and some more. Nevertheless, they often do manage to cooperate. An understudied question is how noise is resolved - errors in transmission and interpretation, plus strategic manipulation, for example "alternative facts." How can network topology (partly) compensate? Another understudied question is how people unite when going to fight while the turmoil of events produces noise. Hand-in-hand fights between opposing groups happen in short bursts wherein small subgroups briefly attack small numbers of opponents, while the majority of participants forms a supportive audience. The mechanism seems to be fighters' mutual alignment of rhythmic movements during preliminary interactions, by which they overcome their fear. These bursts and subgroups' small sizes can be explained by Kuramoto's synchronization model. In both violent and peaceful collective actions, the connectivity of participants' network seems to be crucial.

 

ISTVÁN SZEKRÉNYES (Debreceni Egyetem, HuComTech Kutatócsoport): A HuComTech korpusz kialakításának módszertani tanulságai - Hungarian language lecture

A debreceni HuComTech kutatócsoport projektjei keretében létrehozott multimodális, élőnyelvi korpusz egy körülbelül 50 órát kitevő, 111 adatközlő részvételével készült, annotált hang- és videóanyagot foglal magában. Előadásom elsődlegesen a korpusz tervezését és kialakítását vezérlő elemzési szempontokra (kutatási célok és annotációs sémák) és azokra a technikai kérdésekre fókuszál, amelyek az interakciók rögzítésétől az annotációk feldolgozásáig felmerültek. Az előadás során lépésről lépésre bemutatásra kerül minden felhasznált eszköz és módszer, amely frissen induló projektek implementációjához is tanulságos lehet.

 

RÓBERT PETHES (Óbudai Egyetem): Introduction to agent-based simulations

If we would like to do a quantitative analysis of a complex system, we can build a mathematical model of the system. If this model is tractable, we can use it to analyse the system "analytically", or we can build a computer simulation according to the model. However, if the system is made up of independent agents, where the agents interact with each other and/or with their environment, we can build a computer simulation representing each agents and their interactions. This class of simulations is called agent-based simulations. In this seminar lecture, we will discuss the fundamentals of agents-based simulations: definitions, when to use, advantages, drawbacks, examples.

 

MARTINA SZABÓ (Precognox): A negatív emotív elemek vizsgálati lehetőségei számítógépes nyelvészeti eszközökkel - Hungarian language lecture

Korábbi – részint társszerzős – dolgozataimban (Szabó 2015a, 2015b, Szabó 2016, Szabó, Szabó et al. 2017, Szabó et al., Szabó et al.) egy az elméleti nyelvészetben kevéssé tárgyalt, és a nyelvtechnológia számára problematikus jelenséget, a negatív emotív szemantikai tartalmú elemeket vettem górcső alá, több különböző szempontból. A jelen előadásom kettős céllal bír: egyrészt szeretném megmutatni, melyek voltak azok a vizsgálati módszerek és eszközök, amelyekkel és ahogyan a kutatást végeztem, másrészt prezentálni szeretném a kutatás legfontosabb eredményeit.

A vizsgálatok tárgyát azok az elemek képezték, amelyek lexikai szinten negatív emotív szemantikai tartalommal rendelkeznek ugyan, azonban fokozó funkcióban képesek azt részben vagy egészben elveszíteni (pl. mocskos nagy; rohadt jól), sőt bizonyos esetekben arra is, hogy negatív tartalmuk ellenére pozitív értékelést fejezzenek ki (pl. brutális volt a hétvégi koncert; durvánjátszott a hegedűs a hangversenyen) (vö. Szabó 2015b). Az előbbi esetben a vizsgált elemek más, értékelő kifejezések jelentését fokozzák (ezt a jelenséget nevezem értékvesztésnek), az utóbbi esetben pedig maguk töltik be értékelő kifejezés (másképpen: szentimentkifejezés) funkcióját (ezt a jelenséget nevezem lexikai szintű értékváltásnak) (vö. Szabó 2015b).

A vizsgált jelenség a szentimentelemzés egy kardinális részproblémájához, a szentimentérték módosulásához tartozik. A szentimentérték módosulásának azt a jelenséget nevezzük, amikor egy nyelvi elem lexikai szintű szentimentértéke (másképpen: polaritása) nem azonos, vagy nem teljes mértékben azonos az őt magában foglaló teljes megnyilatkozás szentimentértékével (vö. Szabó 2015a, 2015b). Egy szentimentkifejezés lexikai szintű értéke számos okból kifolyólag eltérhet a bennfoglaló megnyilatkozás értékétől. Így például, egy pozitív érték tagadható (pl. nem jó), csökkenthető (pl. kevésbé jó), vagy az irónia eszközével az ellentétére fordítható (pl. ezt jól csináltad!; szép volt!). 

A fentebb említett két speciális típus, a lexikai szintű értékváltás és az értékvesztés mind elméleti, mind alkalmazott nyelvészeti, különösen nyelvtechnológiai szempontból figyelemre méltó. Kimerítő elméleti nyelvészeti leírásuk még nem történt meg, illetve a vonatkozó elméleti megállapítások nem pontosak vagy tévesek, hatékony nyelvtechnológiai kezelésük pedig egyelőre nem megoldott (vö. pl. Andor 2011; Kugler 2014; Szabó 2015a, 2015b, Szabó 2017; Drávucz et al. 2017). Ezekre az elemekre ugyanis a szótáralapú automatikus szentiment- és emócióelemzés – a lexikai szintű polaritásuk miatt – téves elemzési eredményt ad (vö. Szabó 2017; Drávucz et al. 2017).

A jelenséget ezidáig a következő szempontokból vizsgáltam meg: nyelvtechnológia, konkrétabban automatikus szentimentelemzés (Szabó 2015a, 2015b, Szabó 2017), lexikai pragmatika, hálózatelmélet, szemantikai motiváció (Szabó 2017, Szabó), angol–orosz és orosz–angol fordítás (Szabó et al.), valamint nemek közötti nyelvhasználati eltérések. A kutatásban a vonatkozó szakirodalom feldolgozása mellett különböző (egynyelvű és párhuzamos) korpuszok vizsgálatát, valamint a kutatási céloknak megfelelően annotált korpuszok létrehozását és elemzését végeztem el.  

A jelen előadás mind a kutatási eredményekről, mind a vizsgálati módszerekről és eszközökről igyekszik pontos és részletes áttekintést adni.

 

ESZTER BENCSNÉ BOKÁNYI (ELTE TTK)Connecting traditional survey data to digital footprints of individuals

Until very recently, it has been an arduous and costly work to collect and analyse data about large groups of individuals. The main drawback of the carefully planned paper-based polls and surveys had been their lack of cost efficiency and their inability to keep up with the timescales of the phenomena under investigation.

Nowadays, a vast amount of data collected about or generated by people is available digitally. The question is whether we can relate these digital traces of human activities – ranging from mobile phone calls to status updates on online social networks – to meaningful real-world outcomes. In my presentation, I would like to show a few possibilities of relating multiple geo-located digital traces to traditional census surveys or official land use data.

 

TANJA SLISKOVIC (University of Zagreb): It’s Lonely at the Top for Men: A Gendered Perspective on Managerial Social Networks

We argue that gender roles influence managers’ interpretation of professional social network ties. Analyzing perceptions of competence and affective camaraderie in the professional social networks of female and male managers, we observed how these factors related to upward career mobility for men and women. We show that women occupying high positions in organizational hierarchies have more relationships underlined with affect and evaluate their network members as more competent. For men, the opposite is true: the higher up in the organizational hierarchy they are, they report less competent network members, and less affect in their networks.

 

FELIX ELWERT (Vilas Associate Professor of Sociology at the Department of Sociology, University of Wisconsin-Madison): Causal Graphs for Social Scientists 

Causal inference is threatened by a small army of biases. Some biases are obvious, others are not.  This lecture introduces directed acyclic graphs (DAGs) to classify biases in causal inference into three distinct groups: overcontrol bias, confounding bias, and selection bias.  This classification helps social scientists spot, understand, and eliminate biases at the design, data-collection, and analysis stages of their research.  This lecture will introduce the basic principles of DAGs and use them to illustrate examples of bias across the social sciences.