|
|
ENQUIRE PROJECT DETAILS BY GENERAL PUBLIC |
| Project Details |
| Funding Scheme : | Early Career Scheme |
| Project Number : | 26600321 |
| Project Title(English) : | Whether and When Grievances Become Protests in China: A Big Data Approach |
| Project Title(Chinese) : | 中國的社會冤屈何時及如何變成抗議？基於大數據的分析 |
| Principal Investigator(English) : | Prof ZHANG, Han |
| Principal Investigator(Chinese) : | 張涵 |
| Department : | Division of Social Science |
| Institution : | The Hong Kong University of Science and Technology |
| Co - Investigator(s) : |
|
| Panel : | Humanities, Social Sciences |
| Subject Area : | Social and Behavioural Sciences |
| Exercise Year : | 2021 / 22 |
| Fund Approved : | 568,150 |
| Project Status : | On-going |
| Completion Date : | 31-12-2024 |
| Abstract as per original application (English/Chinese): |
群體性抗議是公民最有效的政治參與模式之一。理解何時以及為什麼抗議會發生也是社會運動研究的核心話題。但是大部分社會運動研究都有選擇結果的偏差：研究者很少從那些可能變成抗議的社會不平事件出發，研究哪些有變成抗議，哪些並沒有； 而是只研究那些已經變成抗議的社會不平。 此項目的研究區域是中國的社會抗議。 每年中國有超過10萬件社會抗議，政府花費超過1100億美元來維護社會穩定。但是對中國社會抗議的分析大多以定性為主，很少有針對發生了的抗議的定量數據分析，更不用提定量分析為什麼哪些社會不公事件會導致抗議，哪些並不會。 此項目分為兩步。第一步，此項目會基於微博，搜集社會不公事件； 然後跟蹤這些社會不公事件，看民眾如何維護自己權利，是否維權行動會演化成抗議。這一步利用了先進的機器學習方法，從文本和圖片數據來識別社會不同事件的信號。可行性研究顯示最終可能獲得一個超過35萬個不公事件的數據集。這是全世界第一次能有如此大規模的同時涵蓋社會不公事件和結果的數據。 此項目第二部分會統計分析得到的數據集。初步的結果顯示動員的速度，不公事件的類型，政府在早期的回應策略，都會影響不公變成抗議的概率。 |
| Research Outcome | |
| Layman's Summary of Completion Report: | Not yet submitted |
| SCREEN ID: SCRRM00542 |