Simon Polichinel von der Maase forsvarer sin ph.d.-afhandling ved Institut for Statskundskab

Ph.d.-forsvar

Kandidat

Simon Polichinel von der Maase

Titel

"A Lens to Learn Through – Conflict Studies and the Age of Computational Methods".

Afhandlingen

Afhandlingen kan lånes via Det Kongelige bibliotek.

Tid og sted

Torsdag den 23. marts 2023 klokken 14:00 på Københavns Universitet, Center for Sundhed og Samfund, lokale 1.1.02. Af hensyn til kandidaten lukkes dørene præcis klokken 14:00.

Bedømmelsesudvalg

  • Lektor Frederik Georg Hjorth, Københavns Universitet (forperson)
  • Professor Lisa Hultman, University of Uppsala
  • Professor Nils B. Weidmann, University of Konstanz

Resumé

Formålet med denne ph.d.-afhandling er at undersøge mulighederne i at bruge avancerede computationsmetoder inden for konfliktstudier. Den består af en ramme og fem artikler: En der introducerer Bodies As Battleground-datasættet (BABD) og fire forskningsartikler.

BABD, der blev skab som en del af afhandlingen, indeholder detaljerede oplysninger om omkring 150.000 fotografier taget af en fotojournalist under Irak-krigen fra 2003 til 2009. Det blev skabt ved hjælp af computer-vision, hvilket blev brugt til at inferrere det visuelle indhold af billederne. Data fra Uppsala Conflict Data Program og PRIO-grid om konfliktniveauet og strukturelle træk
på tidspunktet for, hvornår billederne blev taget, blev herefter tilføjet.

Anden artikel, From Front-line to Front-page, bruger BABD til at undersøge, hvilke visuelle træk der er forbundet med, at fotografier vælges til submission til nyhedsmedier. Tredje artikel, Where have all the women gone, bruger også BABD, her til at undersøge forholdet mellem tilstedeværelsen af kvinder på billeder og observerede konfliktniveauer.

De sidste to artikler fokuserer på konfliktforudsigelse. The Currents of Conflict viser, hvordan Gaussian processes kan bruges til at estimere og ekstrapolere tempo-spatiale konflikteksponeringsmønstre og skelne mellem langsigtede og kortsigtede konflikttrends. Den sidste artikel, ConflictNet 1.0, præsenterer en ny deep-learning-arkitektur til konfliktforudsigelse.