Measuring culture and its dynamics through surveys has important limitations, but the emerging field of computational social science allows us to overcome them by analyzing large-scale datasets. In this article, we study cultural dynamics through the votes in the Eurovision song contest, which are decided by a crowd-based scheme in which viewers vote through mobile phone messages. Taking into account asymmetries and imperfect perception of culture, we measure cultural relations among European countries in terms of cultural affinity. We propose the Friend-or-Foe coefficient, a metric to measure voting biases among participants of a Eurovision contest. We validate how this metric represents cultural affinity through its relation with known cultural distances, and through numerical analysis of biased Eurovision contests. We apply this metric to the historical set of Eurovision contests from 1975 to 2012, finding new patterns of stronger modularity than using votes alone. Furthermore, we define a measure of polarization that, when applied to empirical data, shows a sharp increase within EU countries during 2010 and 2011. We empirically validate the relation between this polarization and economic indicators in the EU, showing how political decisions influence both the economy and the way citizens relate to the culture of other EU members.


翻译:通过调查测量文化及其动态具有重要的局限性,但新出现的计算社会科学领域使我们能够通过分析大规模数据集来克服这些局限性。在本篇文章中,我们通过欧洲视野歌曲竞赛的选票来研究文化动态,该竞赛是由观众通过手机信息投票的人群计划决定的。考虑到对文化的不对称和不完善认识,我们从文化亲近性的角度衡量欧洲国家之间的文化关系。我们建议采用“朋友-或友系数”来衡量欧洲视野竞赛参与者的投票偏向。我们验证了这一指标如何通过其与已知文化距离的关系和对有偏向的欧洲视野竞赛进行数字分析来体现文化亲近性。我们对1975年至2012年欧洲视野历史竞赛采用这一指标,寻找比单独使用选票更强的模块性新模式。此外,我们界定了一种两极分化的衡量标准,在对经验数据的应用中显示,2010年和2011年期间,欧盟各国内部这种两极分化与经济指标之间的关系急剧增加。我们从经验中验证了这种关系,表明政治决定如何影响经济以及公民与欧盟其他成员文化联系的方式。

0
下载
关闭预览

相关内容

数据可视化是通过利用人类视觉系统来获取大型复杂数据集的关键。数据可视化利用计算机图形来提供可视化的概述、探索、分析和呈现通常难以理解的现象。国际可视化研讨会(EuroVis)的目标是促进可视化研究人员和从业人员之间的交流,并吸引更多欧洲的研究人员和行业合作伙伴进入这一快速增长的研究领域。EuroVis的范围已扩展到包括可视化的所有领域,并且稳定地扩展了可见性,从而实现了更广泛的影响。 官网地址:http://dblp.uni-trier.de/db/conf/vissym/
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
计算机类 | 低难度国际会议信息6条
Call4Papers
6+阅读 · 2019年4月28日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
人工智能 | CCF推荐期刊专刊约稿信息6条
Call4Papers
5+阅读 · 2019年2月18日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
【C4P推荐】人工智能领域顶级会议AAAI
Call4Papers
3+阅读 · 2017年9月6日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
7+阅读 · 2019年10月6日
Arxiv
5+阅读 · 2019年6月5日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关资讯
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
计算机类 | 低难度国际会议信息6条
Call4Papers
6+阅读 · 2019年4月28日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
人工智能 | CCF推荐期刊专刊约稿信息6条
Call4Papers
5+阅读 · 2019年2月18日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
【C4P推荐】人工智能领域顶级会议AAAI
Call4Papers
3+阅读 · 2017年9月6日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员