蛋播视频一区,无码鲁丝一区二区,精品 久久 五月天,国产老熟女,五月草草在线观看,中文日韩欧美,情色一区二区三区,欧美日韩亚洲激情在线,亚洲制服在线香蕉

一周回顧

6月28日至7月4日，上海財經(jīng)大學(xué)邀請國際知名學(xué)者開展三場線上講座，內(nèi)容主要涵蓋大數(shù)據(jù)應(yīng)用領(lǐng)域。

危機中的個人主義：

新冠疫情中基于大數(shù)據(jù)的群體行為分析

7月1日上午，來自弗吉尼亞大學(xué)的Natasha Zhang Foutz教授與Jingjing Li教授作了題為“Individualism during crisis: Big data analytics of collective actions amid Covid-19”的線上報告，由此拉開了我院暑期講座的帷幕。本次報告吸引了上海此案件大學(xué)一百多講師生前來參與，報告過程中大家有問有答，氣氛活躍。

在這項工作中，Zhang教授等人首次提出個人主義在危機中具有負(fù)面作用。他們利用大數(shù)據(jù)分析、統(tǒng)計、文本挖掘等多個方法進(jìn)行研究，對新冠疫情下美國民眾的個人主義程度與群體行為進(jìn)行了分析。本次講座主要分為5個部分：簡介、研究問題提出、數(shù)據(jù)與度量、實證分析與總結(jié)。

Zhang教授首先為大家介紹了疫情期間美國民眾的個人主義導(dǎo)致的種種行為，這些行為對疫情控制帶來了困難。而與之相反，疫情下群體性行為如戴口罩，居家隔離等行為則有積極作用，由此引出研究動機。本文的主要研究問題是以下三個：

1、個人主義是如何影響疫情中民眾的群體行為的？

2、影響的渠道有哪些？

3、結(jié)果對政策制定有何啟發(fā)？兩位教授在隨后的工作中分別對三個問題進(jìn)行了解釋。

大數(shù)據(jù)分析與巧妙運用數(shù)據(jù)信息衡量個人主義傾向與群體行為是本文的亮點之一。Li教授首先介紹了工作中個人主義的衡量標(biāo)準(zhǔn)：Total Frontier Experience。該項指標(biāo)衡量各個地區(qū)在美國西進(jìn)運動中在邊境線上的時間，同時，他們采用了1930年各地區(qū)新生兒姓名作為輔助參考衡量個人主義程度。Li教授細(xì)致介紹了這些指標(biāo)的有效性與文獻(xiàn)依據(jù)，并就此問題與大家進(jìn)行了深入討論。疫情中群體行為的衡量借助了大數(shù)據(jù)的力量，Zhang教授介紹了他們?nèi)绾卫镁W(wǎng)站眾籌的捐款記錄與居民行動坐標(biāo)數(shù)據(jù)衡量每個人的群體行為，同時采取文本挖掘，地理匹配等多個方法。另外，Zhang教授也介紹了這些指標(biāo)在robust test中的表現(xiàn)。

實證分析部分分為county 級別與個人級別，Li教授介紹了DDD模型各個參數(shù)的含義，并對回歸結(jié)果進(jìn)行了解釋，在個人級別上，他們創(chuàng)新性地采用個體原籍所在地來刻畫每個人的個人主義程度，對比他們的出行數(shù)據(jù)作為群體行為。

這份工作回歸結(jié)果顯示個人主義對籌款可以產(chǎn)生的負(fù)面影響高達(dá)48%，對居家令產(chǎn)生負(fù)面影響達(dá)到41%。同時后續(xù)政府的一些措施對民眾群體行為的影響也印證了政府干預(yù)對群體行為確實可以產(chǎn)生顯著影響。

講座最后兩位教授也給了同學(xué)們一些關(guān)于如何做科研，如何發(fā)現(xiàn)問題的建議，同時也鼓勵大家珍惜時間，“How you live through Covid-19 is how you live your life”。

個性化可詮釋的消費者移動軌跡隱私保護(hù)

7月2日上午，來自弗吉尼亞大學(xué)的Natasha Zhang Foutz教授帶來了主題為“個性化可詮釋的消費者移動軌跡隱私保護(hù)”的線上講座。Zhang教授是弗吉尼亞大學(xué)商務(wù)副教授，通過大規(guī)模數(shù)據(jù)研究新社會消費者行為和企業(yè)數(shù)據(jù)。

講座伊始，Zhang教授給大家介紹了當(dāng)前地理位置大數(shù)據(jù)的基本情況。地理位置數(shù)據(jù)在當(dāng)前的獲取有兩個特性：準(zhǔn)確性、隱私性。地理位置數(shù)據(jù)有各式各樣的來源，其中最主要的來源是手機APP，手機的貼身性決定了數(shù)據(jù)的準(zhǔn)確性。而地理位置數(shù)據(jù)的信息用途則決定了它的隱私性。目前線下消費者行為研究主要用到的就是地理位置數(shù)據(jù)。根據(jù)單個消費者的軌跡可以預(yù)測其購物偏好，根據(jù)多個消費者的軌跡可以推斷消費者偏愛的購物廣場等，有助于精準(zhǔn)營銷。此外，地理位置數(shù)據(jù)還能幫助音樂公司根據(jù)情景、移動速度推薦音樂，增加用戶黏性。

接著，Zhang教授介紹了搭建模型前的準(zhǔn)備工作。

首先是數(shù)據(jù)收集，從消費者和收集者兩個方面介紹了數(shù)據(jù)追蹤的可行性。消費者方面，智能手機和目前位置服務(wù)的普及性決定了位置數(shù)據(jù)的豐富性；收集者方面，只需一個權(quán)限允許和數(shù)據(jù)的豐富度、顆粒度、典型性和精確性決定了數(shù)據(jù)巨大的研究價值。

其次是位置追蹤生態(tài)系統(tǒng)構(gòu)建。消費者地理數(shù)據(jù)流向手機APP，進(jìn)而流向數(shù)據(jù)收集公司，數(shù)據(jù)收集公司進(jìn)行雙邊交易，從消費者獲取數(shù)據(jù)，把數(shù)據(jù)分享給廣告商，廣告商通過精準(zhǔn)投放廣告從消費者處獲益。

其后，Zhang教授描述了模型需要解決的問題，從消費者、數(shù)據(jù)收集公司和廣告商三方面入手。消費者存在哪些主要的隱私風(fēng)險？如何量化這些風(fēng)險？廣告商如何讓利用模糊數(shù)據(jù)實現(xiàn)高效用？數(shù)據(jù)收集公司如何達(dá)成合理的隱私-效用權(quán)衡？為了解決這些問題，構(gòu)建了如下框架：

隱私風(fēng)險方面：進(jìn)行敏感屬性如操作系統(tǒng)、家庭住址等信息推斷；處理可能出現(xiàn)的身份重識別問題。數(shù)據(jù)效用方面：利用POI（Point Of Interest興趣點）推薦提高數(shù)據(jù)效用。數(shù)據(jù)收集公司應(yīng)該計算用戶被身份重識別的概率，并依此決定剔除用戶數(shù)據(jù)點的數(shù)量；根據(jù)各個數(shù)據(jù)點出現(xiàn)的頻率決定是否剔除該點，頻率越高信息量越大，歸屬用戶被重識別風(fēng)險越高。

接下來，Zhang教授為大家展示了模型的基本思想：模型目標(biāo)是在維持廣告商效用（u）高的情況下尋找能使消費者風(fēng)險（r）最小的數(shù)據(jù)集。首先根據(jù)原始數(shù)據(jù)集T定量計算消費者風(fēng)險和廣告商效用，然后對數(shù)據(jù)進(jìn)行剔除等處理，在當(dāng)前的數(shù)據(jù)集下重新計算，不斷改變p（T）值，迭代這一過程，p越大，r越小，u越小。

最后得到了一條效用減少值-風(fēng)險減少值曲線，消費者風(fēng)險減少越多，廣告商效用減少越多。數(shù)據(jù)收集公司可以在兩條藍(lán)線之間選擇方案。

這一模型對家庭住址、操作系統(tǒng)、身份重識別的推斷準(zhǔn)確率也是較高的。只要知道軌跡中的兩個位置就能推算出整個軌跡。這對于廣告商的價值是非常高的，利用這些數(shù)據(jù)有四分之一的幾率確定消費者的下一個興趣點。

災(zāi)難如何改變家庭凝聚力

7月3日上午，來自弗吉尼亞大學(xué)商學(xué)院的Natasha Zhang Foutz教授和她的partner王偉光博士帶來了一場高互動性的線上講座，講座的主題為“災(zāi)難如何改變家庭凝聚力”。

講座伊始，Zhang教授與同學(xué)們一起探討切身經(jīng)歷的災(zāi)難過后的行為變化，引出了本次講座的主題，即災(zāi)難如何改變家庭凝聚力。對于災(zāi)難后的行為變化，Zhang教授著重講述了為什么要研究家庭凝聚力這一種方向。過去人們的生產(chǎn)生活都是以家庭為單位；而當(dāng)今社會人們的物質(zhì)上的生產(chǎn)則是以企業(yè)為單位，而精神上的生活則仍然保持以家庭為單位。但是值得注意的是，災(zāi)難過后的復(fù)產(chǎn)復(fù)工大部分都是計劃好的有條理的，所以不具備有很好的研究價值。另外，精神層面的穩(wěn)定對于企業(yè)營銷和政府政策制定也同樣具備深刻的意義，所以家庭凝聚力是研究災(zāi)后人們行為變化的重中之重。

接著，Zhang教授詳細(xì)地解釋了整個項目的研究過程。首先，Zhang教授講解了如何定義和測量家庭凝聚力。作為一種精神層面的概念，家庭凝聚力難以測量，而問卷調(diào)查又具有很強的主觀性，因此，Zhang教授團(tuán)隊創(chuàng)造性地采用了地理大數(shù)據(jù)對用戶行為進(jìn)行研究。地理大數(shù)據(jù)作為一個數(shù)據(jù)集，一般有一下幾種特征：時間戳、經(jīng)緯度、用戶id。通過對凌晨到黎明這一段正常作息時間的位置截取可以獲得每個用戶id的家庭住址；而對處于同一個家庭住址的用戶視作處于一個家庭。當(dāng)然，對于鄰居和社區(qū)這一種可能，Zhang教授團(tuán)隊對其做了魯棒性的處理。已經(jīng)獲得了家庭和家庭住址，只需要分析用戶的地理位置離開了家庭住址或者離開了家庭成員的頻繁程度就可以變相的測量其家庭凝聚力。實驗部分，采用了DID方法即二重差分分析進(jìn)行檢驗，選取了三種城市包括登錄城市作為受災(zāi)城市、臺風(fēng)路徑上的城市作為部分受災(zāi)城市、非路徑上的城市作為對照城市。城市的選取的標(biāo)準(zhǔn)主要是與受災(zāi)城市的人口規(guī)模和經(jīng)濟(jì)水平相一致。

其后，Zhang教授介紹了主要的實驗結(jié)果，結(jié)果表明在城市層面，受災(zāi)城市的家庭凝聚力在災(zāi)難后悔顯著提升并將在未來3個月內(nèi)保持高水平。在社區(qū)方面，對于高學(xué)歷高收入的人群，這種受災(zāi)增強家庭凝聚力效應(yīng)不是很明顯。最后，Zhang教授介紹了驗證該結(jié)果的魯棒性所采用的一系列實驗，并為參加線上講座的師生們進(jìn)行答疑。在直播間激烈的討論和大家的掌聲中，講座圓滿結(jié)束。