Political Data Science

#Blackout, #Bots and #Trolls On December, 23th, 2015, parts of the electricity infrastructure in Ukraine were attacked by hackers. The result was a blackout for approx. 700K people. According to @wired and @ZEIT , the hack was launched with a malware called blackenergy. This is a framework that can be equipped with different exploits. In the attack a „killdisc“ feature was used that destroys the boot sector on a hard disk and thereby makes the computer useless. In addition, wired reports that there had been a denial of service attack on the telephone hotlines of the energy companies: Many people called the hotlines and made wrong statements about the location of blackouts so that the companies could not know what was really going on. This case reminds of a cyberattack in the Russian-Georgian war in 2008 when the energy infrastructure in Georgia was taken down: The target is similar, the exploit seems to be an update and at least for the telephone denial of service attack, m...

Analyse der Twittermeldungen zum Thema „Fracking“ In einem interdisziplinären Team am FoKoS von Informatikern, Politikwissenschaftlern und Ökonometrikern, das ich mit Jun. Prof. Marcin Grzegorzek   leite, untersuchen wir Twitter-Meldungen zum Thema Fracking. Die Projektgruppe arbeitet daran, diese Tweets automatisch zu klassifizieren: Wer vertritt eine Pro-Fracking-Position, wer ist gegen Fracking? Wenn es gelingt einen Algorithmus zu entwickeln, der diese Frage automatisch beantworten kann, ließen sich daraus viele Erkenntnisse ableiten, die ansonsten verborgen blieben. Denn die Datenmenge übersteigt längst das, was ein Mensch lesen kann:   Jede Woche fallen ca. 100.000 Tweets an, die sich mit Fracking auseinandersetzen. Die meisten davon in den USA, aber auch zunehmend in Europa. Interessanterweise lässt sich die Einstellung der Twitter-User nicht über herkömmliche Textanalyseverfahren (Text-Mining und Sentiment-Analyse) ermitteln. Mehr dazu hier .  Denn d...

Die Wahrscheinlichkeit, dass die USA ihre Ausgaben für Umweltschutz in einem der kommenden zehn Jahre verdoppeln, liegt bei 8 Prozent. Wie sich das Klima in den kommenden Jahren verändern wird, hängt davon ab, wieviel Geld Staaten bereit sind, in den Klimaschutz zu investieren. Aus der Policy-Forschung wissen wir, dass sich Staatsausgaben nicht linear entwickeln, sondern heftigen Schwankungen ausgesetzt sind. Bryan Jones, Frank Baumgartner u. a. beschreiben dies in ihrer Punctuated Equilibrium Theory und weisen empirisch nach, dass dies für alle Industriestaaten gilt. [1] Aufbauend auf diesen Arbeiten ist es nun möglich, Haushaltsdaten mit Extremwertverteilungen zu analysieren. Dadurch können wir die Wahrscheinlichkeit für große Politikumbrüche in einzelnen Politikbereichen stochastisch ermitteln. Methodisch wird eine Gumbel-Verteilung mit maximum-likelihood-Verfahren geschätzt, aus der sich dann Wahrscheinlichkeitswerte ableiten lassen. Im Bereich Klimaschutz sind...

In diesem Script geht es um lineare Regressionen mit mehreren Prediktoren. Angelehnt ist das Script an  Ledolter, Johannes. 2013. Business analytics and data mining with R. Hoboken, New Jersey: Wiley .  Die Daten sind dieselben wie schon in " Know Your Data ". df = read.csv("recs2009_public.csv") meta = read.csv("public_layout.csv") dfm = subset(df, select = c("AIA_Zone","YEARMADE","TOTROOMS", "AGERFRI1", "WASHLOAD", "TVCOLOR", "NUMPC", "EQUIPAGE", "HHSEX", "HHAGE", "MONEYPY", "KWH")) # example plots plot(KWH~TOTROOMS, data=dfm) plot(KWH~WASHLOAD, data=dfm) # linear regression with all predictors fit = lm(KWH ~., data=dfm) summary(fit) # predictors are correlated cor(dfm) # pairs(dfm) # calculate all possible models # requires "leaps" library(leaps) X = dfm[,1:11] y = dfm[,12] out = summary(regsubsets(X...

Das Problem In einem Projekt am FoKoS versuchen wir, Twittermeldungen zum Thema "fracking" (eine kontrovers diskutierte Fördertechnik für Erdgas) zu analysieren. Pro Woche gibt es in etwa 20.000 solcher Tweets. Wir würden gerne wissen, welche Meldungen pro oder contra fracking sind. Morry hat versucht, dies über eine Sentiment-Analyse zu ermitteln und beschreibt im Folgenden die Methode: Measuring semantics of a sentence or expression… The idea comes from the availability of WordNet Dictionary [i] . Within this dictionary the definition of each adjective includes all its synonyms. So, it is possible to measure the distance of two adjectives as the number of the synonyms between two different adjectives. It is expected the more similar the adjectives are the less distance between them would exist. As example the distance between words “honest” and “good” is just two words, but the distance between “honest” and “bad” is 6. Jaap Kamps [ii] developed this idea to mea...