SlideShare a Scribd company logo
1 of 19
Társadalmi meteorológia
Csepeli György
Az ember és az idő
• “A lét eleve csak az időre való tekintettel
ragadható meg” (Heidegger)
• Nyelv és idő (igeragozás)
• Halál és elmúlás
• Küzdelem az idővel
• Narratívák (a múlt ellenőrzése)
• Damnatio memoriae
A jövő
•
•
•
•
•
•

A próféta
A jós
Asztrológia
Az illúzió
A szorongás
Az előre látás
Nostradamus jóslata Petőfiről
• Alacsony sorból jött ifjú legény,
kinek Isten nem sok évet enged,
de senki sem tesz túl a szellemén,
legnagyobb poéta lesz, kit Pannónia
termett.
Vándorol sokat, és gyorsan él,
egész világra szól minden sora,
csontjait őrzi délen csatatér,
nyugvóhelyét nem lelik soha.
A jövő változatai
• Szükségszerű
• Lehetetlen
• Lehetséges
Valószínű
Meglepő és váratlan
Csoda
Az intelligencia
•
•
•
•
•

Megértés és magyarázat
Kiszámítás
Modellezés
Előre látás
Események és előfordulásuk együttes
előre látása
• Racionalitás (ellenállás az érzelmeknek,
az illúzióknak)
• Ellenállás a Kasszandra hatásnak
Az adat
• Az információ hordozója
• Bizonytalanság redukció
• Az adat válfajai
nominális (0-1)
ordinális (mérték)
intervallum (mennyivel nagyobb vagy
kisebb)
arány skála (abszolút pontosság)
Adatbázisok
•
•
•
•
•

Valós idejű, valós adatok
Sokdimenziós adatszolgáltatás
Aggregálás, fúzionálás
Kereskedelem, szolgáltatás
Közszolgálat
(iskola, egészségügy, közbiztonság, forgal
om)
• Digitális archívum
Új analitika
• Ex post, nem valós adatok helyett jelen
idejű, valós adatok, folyamatosan, a múlt
adatainak tárolása
• Adatbányászat (rejtett kapcsolatok
megkeresése)
• Biztonság
• Adatvédelem
Adattárházak
•Adat, szöveg, hang, kép
•Online Analytical Processing
•Monitoring
•Mutató számok
•Jelentéskészítés
•Tervező alkalmazások
•Vizualizáció
Asszociációs elemzés
• Összefüggések keresése bizonyos
attributumok között
• Asszociációs szabályok
(véletlenszerűségek kiszűrése)
• Oksági előfeltevések
• Háttér tudás
Kluszter képzés
• Ismert attribútumok alapján a hasonlók
megkülönböztetése a nem hasonlóktól
• A csoportok jellemzése az attribútumok
értékeivel
• Kluszter szám meghatározása
• Churn elemzés (kik maradnak, kik
távoznak egy populációból)
Rendellenesség keresés
•
•
•
•

Véletlen
Mérési hiba
A rendszer hibás működése
Rejtett szabályszerűség
Előrejelzés
• Ismeretlen attributum meghatározása az
ismert attributumok alapján
• Tanító adatbázis
• “Éles környezetben” történő elemzés
• Neurális hálók, döntési fák (magyíarázó
véltozók fontossági sorrendje)
Nanocélzás
• Mikroszegmensek azonosítása
(élménytársadalom, média fogyasztás)
• Politikai preferenciák ismerete
• Közvetett célzás
• Testreszabás (Facebook reklámok)
Trendelemzés
• Mennyire világosak azok a
tényezők, amelyek az adott esemény
bekövetkezésében szerepet játszanak?
• Mennyi adat áll rendelkezésre?
• Szimulációs modellek
• Önmagát beteljesítő jóslat
• Google Trends
Krizis megelőzés
•
•
•
•
•
•
•
•
•

Korai megelőző rendszerek
Meglévő adatok
Megfigyelőktől származó adatok
Folyamatosan keletkező adatok
Adatfúzió
Szimuláció
Korai reagáló egységek
Beavatkozás
Monitoring

More Related Content

Viewers also liked

Tarcsi Ádám: Keresőportálok működési elve
Tarcsi  Ádám: Keresőportálok működési elveTarcsi  Ádám: Keresőportálok működési elve
Tarcsi Ádám: Keresőportálok működési elvetarsadalominformatika
 
Elek István: Egy Windows környezetre fejlesztett open source eszköz, a Sharpm...
Elek István: Egy Windows környezetre fejlesztett open source eszköz, a Sharpm...Elek István: Egy Windows környezetre fejlesztett open source eszköz, a Sharpm...
Elek István: Egy Windows környezetre fejlesztett open source eszköz, a Sharpm...tarsadalominformatika
 
Tarcsi Ádám, Horváth Győző:Web-mining fogalma és eszközei
Tarcsi Ádám,  Horváth Győző:Web-mining fogalma és eszközei Tarcsi Ádám,  Horváth Győző:Web-mining fogalma és eszközei
Tarcsi Ádám, Horváth Győző:Web-mining fogalma és eszközei tarsadalominformatika
 
Elek István:Bevezetés a térinformatikába
Elek István:Bevezetés a térinformatikábaElek István:Bevezetés a térinformatikába
Elek István:Bevezetés a térinformatikábatarsadalominformatika
 
Csanádi Gábor,Csizmady Adrienne: Városelméletek
Csanádi Gábor,Csizmady Adrienne: Városelméletek Csanádi Gábor,Csizmady Adrienne: Városelméletek
Csanádi Gábor,Csizmady Adrienne: Városelméletek tarsadalominformatika
 
Csanádi Gábor,Csizmady Adrienne: Városterezés és társadalomtudomány
Csanádi Gábor,Csizmady Adrienne: Városterezés és társadalomtudományCsanádi Gábor,Csizmady Adrienne: Városterezés és társadalomtudomány
Csanádi Gábor,Csizmady Adrienne: Városterezés és társadalomtudománytarsadalominformatika
 

Viewers also liked (6)

Tarcsi Ádám: Keresőportálok működési elve
Tarcsi  Ádám: Keresőportálok működési elveTarcsi  Ádám: Keresőportálok működési elve
Tarcsi Ádám: Keresőportálok működési elve
 
Elek István: Egy Windows környezetre fejlesztett open source eszköz, a Sharpm...
Elek István: Egy Windows környezetre fejlesztett open source eszköz, a Sharpm...Elek István: Egy Windows környezetre fejlesztett open source eszköz, a Sharpm...
Elek István: Egy Windows környezetre fejlesztett open source eszköz, a Sharpm...
 
Tarcsi Ádám, Horváth Győző:Web-mining fogalma és eszközei
Tarcsi Ádám,  Horváth Győző:Web-mining fogalma és eszközei Tarcsi Ádám,  Horváth Győző:Web-mining fogalma és eszközei
Tarcsi Ádám, Horváth Győző:Web-mining fogalma és eszközei
 
Elek István:Bevezetés a térinformatikába
Elek István:Bevezetés a térinformatikábaElek István:Bevezetés a térinformatikába
Elek István:Bevezetés a térinformatikába
 
Csanádi Gábor,Csizmady Adrienne: Városelméletek
Csanádi Gábor,Csizmady Adrienne: Városelméletek Csanádi Gábor,Csizmady Adrienne: Városelméletek
Csanádi Gábor,Csizmady Adrienne: Városelméletek
 
Csanádi Gábor,Csizmady Adrienne: Városterezés és társadalomtudomány
Csanádi Gábor,Csizmady Adrienne: Városterezés és társadalomtudományCsanádi Gábor,Csizmady Adrienne: Városterezés és társadalomtudomány
Csanádi Gábor,Csizmady Adrienne: Városterezés és társadalomtudomány
 

Csepeli György: Társadalmi meteorológia

  • 2. Az ember és az idő • “A lét eleve csak az időre való tekintettel ragadható meg” (Heidegger) • Nyelv és idő (igeragozás) • Halál és elmúlás • Küzdelem az idővel • Narratívák (a múlt ellenőrzése) • Damnatio memoriae
  • 3. A jövő • • • • • • A próféta A jós Asztrológia Az illúzió A szorongás Az előre látás
  • 4. Nostradamus jóslata Petőfiről • Alacsony sorból jött ifjú legény, kinek Isten nem sok évet enged, de senki sem tesz túl a szellemén, legnagyobb poéta lesz, kit Pannónia termett. Vándorol sokat, és gyorsan él, egész világra szól minden sora, csontjait őrzi délen csatatér, nyugvóhelyét nem lelik soha.
  • 5. A jövő változatai • Szükségszerű • Lehetetlen • Lehetséges Valószínű Meglepő és váratlan Csoda
  • 6. Az intelligencia • • • • • Megértés és magyarázat Kiszámítás Modellezés Előre látás Események és előfordulásuk együttes előre látása • Racionalitás (ellenállás az érzelmeknek, az illúzióknak) • Ellenállás a Kasszandra hatásnak
  • 7. Az adat • Az információ hordozója • Bizonytalanság redukció • Az adat válfajai nominális (0-1) ordinális (mérték) intervallum (mennyivel nagyobb vagy kisebb) arány skála (abszolút pontosság)
  • 8. Adatbázisok • • • • • Valós idejű, valós adatok Sokdimenziós adatszolgáltatás Aggregálás, fúzionálás Kereskedelem, szolgáltatás Közszolgálat (iskola, egészségügy, közbiztonság, forgal om) • Digitális archívum
  • 9. Új analitika • Ex post, nem valós adatok helyett jelen idejű, valós adatok, folyamatosan, a múlt adatainak tárolása • Adatbányászat (rejtett kapcsolatok megkeresése) • Biztonság • Adatvédelem
  • 10.
  • 11.
  • 12. Adattárházak •Adat, szöveg, hang, kép •Online Analytical Processing •Monitoring •Mutató számok •Jelentéskészítés •Tervező alkalmazások •Vizualizáció
  • 13. Asszociációs elemzés • Összefüggések keresése bizonyos attributumok között • Asszociációs szabályok (véletlenszerűségek kiszűrése) • Oksági előfeltevések • Háttér tudás
  • 14. Kluszter képzés • Ismert attribútumok alapján a hasonlók megkülönböztetése a nem hasonlóktól • A csoportok jellemzése az attribútumok értékeivel • Kluszter szám meghatározása • Churn elemzés (kik maradnak, kik távoznak egy populációból)
  • 15. Rendellenesség keresés • • • • Véletlen Mérési hiba A rendszer hibás működése Rejtett szabályszerűség
  • 16. Előrejelzés • Ismeretlen attributum meghatározása az ismert attributumok alapján • Tanító adatbázis • “Éles környezetben” történő elemzés • Neurális hálók, döntési fák (magyíarázó véltozók fontossági sorrendje)
  • 17. Nanocélzás • Mikroszegmensek azonosítása (élménytársadalom, média fogyasztás) • Politikai preferenciák ismerete • Közvetett célzás • Testreszabás (Facebook reklámok)
  • 18. Trendelemzés • Mennyire világosak azok a tényezők, amelyek az adott esemény bekövetkezésében szerepet játszanak? • Mennyi adat áll rendelkezésre? • Szimulációs modellek • Önmagát beteljesítő jóslat • Google Trends
  • 19. Krizis megelőzés • • • • • • • • • Korai megelőző rendszerek Meglévő adatok Megfigyelőktől származó adatok Folyamatosan keletkező adatok Adatfúzió Szimuláció Korai reagáló egységek Beavatkozás Monitoring