อะไรทำให้คุณตัดสินใจใช้ฟิสิกส์เชิงสถิติกับปัญหาสังคม ในฐานะนักฟิสิกส์ ฉันได้ศึกษาระบบทางกายภาพประเภทต่างๆ มากมายโดยใช้สถิติ และโดยเฉพาะอย่างยิ่ง ฉันมีความสนใจมาอย่างยาวนานว่าแม่เหล็กจะสั่งงานได้อย่างไรที่อุณหภูมิต่ำ คำสั่งนี้คล้ายกับการเข้าถึงฉันทามติในประชากรที่มีปฏิสัมพันธ์ทางสังคม ซึ่งความชอบทางการเมืองนั้นคล้ายคลึงกับทิศทางของช่วงเวลาแม่เหล็ก
ฉันตระหนักว่า
ในความเป็นจริงมีปรากฏการณ์ทางสังคมมากมายที่สามารถวิเคราะห์ได้โดยใช้สถิติ โดยปฏิสัมพันธ์ระหว่างบุคคลจะคล้ายคลึงกับปฏิสัมพันธ์ของอนุภาคในระบบกายภาพ โลกมนุษย์มีห้องทดลองมากมายที่ฉันสามารถเห็นฟิสิกส์เชิงสถิติได้เกือบทุกที่ที่ฉันมอง แต่อะไรที่ทำให้คุณสามารถเชื่อมโยง
ระหว่างปรากฏการณ์ทางกายภาพและทางสังคมได้ฉันพยายามทำความเข้าใจพฤติกรรมโดยรวมของประชากรทั้งหมดโดยสมมุติฐานปฏิสัมพันธ์ง่ายๆ ระหว่างบุคคลฟิสิกส์เชิงสถิติช่วยให้คุณศึกษาคุณสมบัติระดับมหภาคของระบบอนุภาคที่มีปฏิสัมพันธ์จำนวนมาก โดยไม่ต้องติดตามพฤติกรรม
ของทุกอนุภาค ตัวอย่างเช่น หากต้องการเข้าใจคุณสมบัติของอากาศในห้องหนึ่ง คุณไม่ต้องสนใจเกี่ยวกับการเคลื่อนไหวของทุกอณูในห้องนั้น แม้ว่าโดยหลักการแล้วคุณสามารถทำได้ก็ตาม คุณอาจต้องการทราบว่าอุณหภูมิในห้องเปลี่ยนแปลงได้อย่างไร หรืออะไรเป็นตัวกำหนดความเร็วลมที่พัดผ่านห้อง
สิ่งเหล่านี้สามารถอธิบายได้โดยใช้ฟิสิกส์เชิงสถิติ แนวคิดที่สำคัญในที่นี้เป็นหนึ่งในการเกิดขึ้น – จากกฎง่ายๆ สองสามข้อที่ควบคุมการทำงานร่วมกันของอนุภาคแต่ละอนุภาค คุณสามารถลงเอยด้วยพฤติกรรมร่วมที่ไม่ได้อธิบายไว้ในกฎ ดังนั้นในบริบทของสังคม คุณใช้วิธีนี้ในการสร้างแบบจำลอง
วิธีการลงคะแนน เสียงของผู้คนอย่างไรส่วนหนึ่งของงานของฉันขึ้นอยู่กับสิ่งที่เรียกว่าโมเดลผู้มีสิทธิเลือกตั้ง: โมเดลในอุดมคติที่ถือว่าบุคคลไม่สามารถตัดสินใจได้เองว่าจะลงคะแนนเสียงอย่างไร แต่เพียงเลียนแบบสิ่งที่เพื่อนบ้านกำลังทำ สิ่งนี้เกี่ยวข้องกับการวางผู้มีสิทธิเลือกตั้ง
ราวกับว่า
พวกเขาเป็นเพียงคะแนน บนโหนดของตารางปกติ ดังนั้นการใช้ตารางตาราง ตัวอย่างเช่น ทุกคนมีเพื่อนบ้านสี่คนที่จะโต้ตอบด้วย แบบจำลองวิวัฒนาการโดยการเลือกบุคคลใด ๆ บนตาข่ายโดยการสุ่ม จากนั้นกำหนดการตั้งค่าการลงคะแนนเสียงของเพื่อนบ้านที่ใกล้ที่สุดให้กับบุคคลนั้น
สถานะเริ่มต้นอาจเป็นแบบสุ่มหรือมีโครงสร้าง ทั้งนี้ขึ้นอยู่กับว่าคุณใช้โมเดลอย่างไรโมเดลผู้มีสิทธิเลือกตั้งอย่างง่ายนี้มีวิวัฒนาการอย่างไรเมื่อคุณเรียกใช้แบบจำลอง คุณจะรับประกันได้ว่าระบบจะบรรลุฉันทามติในที่สุด กล่าวอีกนัยหนึ่ง เมื่อได้รับเลือกจากสองพรรคที่จะลงคะแนนให้ A หรือ B ประชากรทั้งหมด
จะลงเอยด้วยการลงคะแนนให้ฝ่าย A หรือฝ่าย B แบบจำลองนี้ “อนุรักษ์นิยม” ในแง่ที่ว่าโดยการรันระบบหลายครั้ง บางครั้งจะจบลงที่สถานะ A และในบางครั้งสถานะ B แต่อัตราส่วนของสถานะทั้งสองนี้ตรงกับการกำหนดค่าเริ่มต้นของระบบทุกประการ ตัวอย่างเช่น หากเราตั้งค่าระบบของเรา
โดยที่ในตอนแรก 55% ตั้งใจที่จะลงคะแนนเสียงให้กับพรรครีพับลิกัน และ 45% เข้าข้างพรรคเดโมแครต เมื่อนั้น 55% ของเวลาระบบจะไปถึงฉันทามติของพรรครีพับลิกัน ในขณะที่ 45% ของเวลาทั้งหมด มันจะลงเอยด้วยการที่ทุกคนเลือกประชาธิปัตย์ กล่าวอีกนัยหนึ่ง
โดยเฉลี่ยแล้วไม่มีใครเปลี่ยนใจแต่ในความเป็นจริงย่อมมีบางคนที่คิดเข้าข้างตัวเอง?คนคลั่งไคล้เพียงไม่กี่คนก็สามารถทำลายระบบได้อย่างสมบูรณ์อย่างแท้จริง. เพื่อทำให้แบบจำลองซับซ้อนยิ่งขึ้น เราได้พิจารณาว่าจะเกิดอะไรขึ้นเมื่อคุณทำให้ผู้มีสิทธิเลือกตั้งบางคน “คลั่งไคล้”
ซึ่งหมายความว่าพวกเขาไม่เคยเปลี่ยนใจ และในทางกลับกัน คนอื่นๆ เป็น “คนไร้เหตุผล” ซึ่งพบว่ามันยากมากที่จะ ตัดสินใจและต้องฟังความคิดเห็นของผู้ลงคะแนนเสียงอื่น ๆ ก่อนที่จะเปลี่ยนความตั้งใจ ในความเป็นจริง ปรากฎว่าการแนะนำผู้มีสิทธิเลือกตั้งประเภทนี้เป็นพื้นฐานของผลลัพธ์ของระบบ
ยกตัวอย่างเช่น
คนคลั่งไคล้เพียงไม่กี่คนก็สามารถทำลายระบบได้อย่างสมบูรณ์ ประการหนึ่ง ความคลั่งไคล้ในฝ่ายใดฝ่ายหนึ่งทำให้เป็นไปไม่ได้ที่จะบรรลุฉันทามติ เพราะตามคำนิยามแล้วพวกเขาจะไม่มีวันเปลี่ยนใจ อันที่จริง ความคลั่งไคล้เพียงหยิบมือเดียวในระบบที่ไม่มีที่สิ้นสุดทำให้ระบบจบลงที่ 50 ไม่มากก็น้อย:
คุณวางแผนที่จะทดสอบโมเดลของคุณกับข้อมูลการเลือกตั้งจริงหรือไม่?จนถึงตอนนี้ เรายังไม่สามารถพูดอะไรได้มากนักเกี่ยวกับการลงคะแนนจริง เนื่องจากเราได้ดูแบบจำลองที่เราสามารถแก้ไขได้ในเชิงวิเคราะห์ แต่ในอนาคตอันใกล้ เราหวังว่าจะทำวิศวกรรมย้อนกลับ
ซึ่งหมายความว่าเราจะดูผลการเลือกตั้งที่ผ่านมาและอนุมานว่าผู้คนตัดสินใจอย่างไร หรืออีกนัยหนึ่งคือ เราจะหาว่าส่วนใดของผู้คนที่น่าจะตัดสินใจได้ง่าย โอนเอนไปกี่ทีก็ไม่เคยเปลี่ยนใจ ฯลฯการวิจัยของคุณสามารถช่วยผู้กำหนดกฎการเลือกตั้งได้หรือไม่? ฟิสิกส์เชิงสถิติไม่สามารถใช้เป็นเครื่องมือทำนายได้
แต่เป็นเครื่องมือเชิงพรรณนานั่นเป็นคำถามที่ยุ่งยาก ถ้าผมจะศึกษาการกระจายตัวของความสูงของผู้คน และพบว่าเป็นเส้นโค้งแบบเกาส์เซียนที่มีจุดสูงสุดที่ตัวเลข 5’10” ข้อมูลนี้อาจเป็นประโยชน์สำหรับการออกแบบประตูบนรถไฟใต้ดินเพื่อไม่ให้ผู้คน ตีหัวบ่อยเกินไป
ด้วยการลงคะแนน เราหวังว่าจะสามารถพูดอะไรบางอย่างเกี่ยวกับการกระจายผลการเลือกตั้งบางประเภทสำหรับการเลือกตั้งบางประเภท ตัวอย่างเช่น แบบจำลองอาจสามารถบอกเราได้ว่าโอกาสที่จะได้รับชัยชนะอย่างถล่มทลายคืออะไร อย่างไรก็ตาม สิ่งสำคัญคือต้องเน้นย้ำว่าฟิสิกส์เชิงสถิติไม่สามารถใช้เป็นเครื่องมือในการทำนายได้ แต่ควรใช้เป็นเครื่องมือเชิงพรรณนา
credit :pastorsermontv.com cervantesdospuntocero.com discountgenericcialis.com howcancerchangedmylife.com parkerhousewallace.com happyveteransdayquotespoems.com casaruralcanserta.com lesznoczujebluesa.com kerrjoycetextiles.com forestryservicerecord.com
