Simposium: Menghadapi Pilihan Apabila Memodelkan Risiko Perhambaan Moden

13 Disember 2018

Kelly Gleason  | Data Science Lead - Delta 8.7

Hasil kerja oleh Pablo Diego-Rosell dan Jacqueline Joudo Larsen merupakan satu langkah yang luar biasa bagi kajian saintifik perhambaan moden. Pertama, melalui koleksi data perwakilan negara yayasan Walk Free mengenai buruh paksa dan perkahwinan paksaan dengan kerjasama Pengundian Dunia Gallup, kami telah melihat asas bukti yang diperkayakan dengan ketara, menyediakan penyelidik dengan blok pembangunan yang diperlukan untuk Anggaran Global Perhambaan Moden 2017. Dalam “Memodelkan Risiko Perhambaan Moden” pengarang terus meningkatkan lagi pemahaman kita tentang faktor-faktor yang mempengaruhi kerentanan perhambaan pada tahap analisis individu dan negara. Latihan pemodelan pelbagai peringkat yang dibentangkan dalam kertas kerja ini mempamerkan tahap kerapian teknikal yang mengagumkan yang memperluaskan batasan pendekatan metodologi dalam bidang perhambaan moden.

Seperti dalam semua model bagi mana-mana fenomena, penyelidik berhadapan dengan pilihan tentang strategi empirikal dan pelbagai batasan berdasarkan pilihan tersebut. Memilih untuk menekankan di luar penjelasan atau penjelasan ke arah ekstrapolasi dan ramalan ialah langkah berani yang boleh membuka pintu kepada pengetahuan baru. Bersama-sama dengan inovasi itu, timbul kebimbangan tentang sama ada ramalan adalah sesuai atau mungkin pada tahap awal ini apabila persekitaran data adalah agak sedikit dan tidak berkembang dengan sekata seperti dalam bidang tertentu ini. Untuk itu, saya telah memusatkan perbincangan saya pada pilihan yang dibuat oleh pengarang dari segi pemilihan model dan kaedah anggaran.

Pilihan Model

Apabila memilih pemboleh ubah bebas untuk dimasukkan ke dalam model ramalan (atau penjelasan), pendekatan yang digunakan oleh penyelidik kuantitatif sering jatuh ke dalam salah satu daripada dua kem: pemodelan pacuan teori atau pemodelan pacuan data. Pendekatan yang lebih klasik dalam sains sosial adalah didorong oleh teori. Kami membina model dunia yang menghapuskan semua hingar dan kerumitan untuk mengasingkan mekanisme penyebab utama yang kami buat hipotesis yang bertanggungjawab terhadap perubahan dalam fenomena yang kami berminat untuk ramalkan, dalam kes ini, risiko perhambaan moden. Biasanya, kita mempunyai idea tentang pengaruh utama, yang dinyatakan dalam hipotesis kita. Pengaruh utama ini diukur dan diuji dalam model dengan banyak pemboleh ubah lain yang diandaikan mempunyai kesan ke atas fenomena atau hasil minat.

Baru-baru ini, dengan kelajuan pengkomputeran yang semakin meningkat, menggunakan data untuk mencari jawapan kepada soalan telah menjadi lebih kepada penerokaan dan kurang didorong oleh cerita tentang cara kita melihat dunia. Dapat dipertikaikan bahawa secara asasnya tidak salah untuk mengambil pendekatan yang lebih induktif dan penerokaan kepada pemilihan model. Ia boleh menjadi lebih tidak teratur berbanding pendekatan pacuan data dari segi memahami sebab beberapa ciri atau faktor mempunyai pengaruh pada hasilnya. Kelebihan tambahan kepada pendekatan pacuan data adalah bahawa ini tidak bergantung kepada cara individu atau institusi melihat dunia. Sebaliknya, memilih model ramalan yang terbaik adalah berdasarkan kepada bukti statistik bagi kesesuaian model.

Strategi pemilihan model yang dibentangkan di dalam kertas kerja ini mengambil pendekatan jalan tengah. Oleh sebab instrumen Tinjauan Dunia Gallup mengumpulkan maklumat tentang 157 pemboleh ubah, terdapat banyak pilihan dari segi mewujudkan model. Pendekatan yang digunakan oleh Diego-Rosell dan Larson ialah menilai hubung kait setiap pemboleh ubah dengan buruh paksa atau perkahwinan paksaan, kemudian membuang pemboleh ubah satu demi satu jika kesan yang ketara tidak kelihatan. Pada peringkat seterusnya, pemboleh ubah yang didapati mempunyai hubung kait bivariat yang ketara dengan buruh paksa atau perkahwinan paksaan dimasukkan dalam kumpulan dan pemboleh ubah yang didapati tidak penting dikecualikan.

Masalah dengan pendekatan ini ialah pemboleh ubah boleh kelihatan tidak mempunyai hubung kait dengan satu sama lain disebabkan oleh hubungan yang lebih kompleks, mungkin tidak linear atau interaktif. Selain itu, apabila memasukkan pemboleh ubah dalam model, kesan pada hasilnya sangat bergantung pada pemboleh ubah lain yang juga termasuk di sebelah kanan model itu. Sebagai contoh, jika umur dimasukkan sebagai peramal dalam satu model dengan ciri-ciri lain, seperti tahun pendidikan, pendapatan atau keutamaan politik, pengaruh umur mungkin dihapuskan oleh kesan pemboleh ubah lain. Umur kemudian mungkin dibuang sebagai ciri yang tidak berpengaruh apabila ciri tersebut sebenarnya meramalkan hasil dengan agak baik.

Walaupun begitu, ini seolah-olah sangat tidak mungkin bagi saya bahawa, penyelidikan yang begitu teliti dari segi teknikal ini, akan melakukan kesilapan yang jelas seperti yang ada dalam contoh saya. Walau bagaimanapun, justifikasi pemilihan model akan diperkuat dengan mengikuti pendekatan pemodelan yang lebih tradisional berdasarkan teori yang lebih teguh, yang diakui oleh pengarang, atau dengan menggunakan teknik pemilihan model pacuan data yang lebih maju, seperti pelbagai pendekatan pemurataan model atau pemilihan model automatik sepenuhnya menggunakan kaedah regresi atau pemodelan hutan rawak.

Teknik Anggaran

Pilihan untuk menggunakan anggaran Bayes bukannya pendekatan kekerapan yang lebih biasa, yang berasaskan sekitar pengujian hipotesis, memerlukan penjelasan yang lebih baik.

Statistik Bayes berbeza daripada statistik kekerapan kerana mempunyai keupayaan untuk menggabungkan maklumat terdahulu tentang dunia, yang kelihatan menarik. Kita mungkin membuat hipotesis bahawa jantina mempunyai pengaruh terhadap risiko perkahwinan paksaan. Dalam pendekatan kekerapan, hipotesis nol—jantina tidak mempunyai pengaruh ke atas perkahwinan paksaan—diandaikan adalah benar sehingga kita mempunyai bukti yang bertentangan. Pendekatan Bayes terletak pada maklumat terdahulu yang menunjukkan jantina does mempunyai pengaruh sedemikian.

Penggunaan pemodelan Bayes yang betul dengan itu berdasarkan pada kewujudan maklumat terdahulu yang kukuh. Adakah kita mempunyai cukup maklumat terdahulu yang kukuh tentang risiko perhambaan moden untuk mewajarkan menggunakan maklumat ini untuk membimbing model risiko? Saya rasa tentu sukar untuk meyakinkan para penyelidik dalam ruang ini bahawa terdapat pendekatan dan pendekatan itu tidak pincang. Pengarang juga menunjukkan bahawa hasil pemodelan Bayes sejajar dengan versi kekerapan model hierarki. Sekiranya pemodelan yang kurang kompleks mempunyai tarikan yang sama, pendekatan Bayes adalah tidak perlu dan mungkin juga merumitkan lagi analisis dan tafsiran serta penyampaian penemuan.

Kesimpulan

Cuba untuk membentangkan hasil model inovatif, sama ada ramalan penjelasan atau mendekati, tentang risiko perhambaan ialah langkah asas untuk mengetahui lebih lanjut tentang individu yang mungkin memerlukan perlindungan sosial yang lebih besar, masyarakat yang mungkin lebih terdedah dan negara yang mungkin menghadapi cabaran yang terbesar. Memperluaskan model untuk membuat kesimpulan tentang negara apabila terdapat maklumat yang sangat terhad memberikan cabaran. Pengarang adalah sangat telus tentang batasan tersebut di dalam kertas kerja ini.

Menekankan dengan analisis walaupun dengan persekitaran data yang tidak sempurna telah memberi inspirasi kepada penggunaan proksi novel, pemboleh ubah instrumental dan pelbagai pendekatan pemodelan statistik. Pembaharuan dalam usaha untuk menganggarkan risiko individu kepada perhambaan moden menggerakkan bidang ini ke depan. Selagi batasan semasa dibentangkan dengan jelas supaya kita boleh cuba mengatasinya, saya yakin penyelidikan masa depan dalam bidang ini akan berkembang daripada hasil kerja yang penting dan membawa pembaharuan ini.

Kajian ini telah disediakan sebagai sebahagian daripada simposium Pemodelan Risiko Perhambaan Moden Delta 8.7. Baca semua respons di sini.

Dr Kelly Gleason ialah Ketua Sains Data Delta 8.7.

Artikel ini telah disediakan oleh Dr Kelly Gleason sebagai penyumbang kepada Delta 8.7. Seperti yang diperuntukkan dalam Terma dan Syarat Penggunaan Delta 8.7, pendapat yang diluahkan dalam artikel ini merupakan pendapat pengarang dan tidak semestinya mencerminkan pendapat UNU atau rakan kongsinya.

Forum Delta 8.7
Keadilan Antarabangsa

How to Spur Corporate Accountability with Modern Slavery Legislation

Genevieve LeBaron
Teruskan Membaca
Sokongan Orang yang Selamat dan Mangsa

Implementing Shared Decision Making with Child Trafficking Survivors

Teruskan Membaca
Kaedah Pengukuran dan Statistik

Mapping Agricultural Labour Trafficking in Texas

Teruskan Membaca
Keadilan Antarabangsa

How to Spur Corporate Accountability with Modern Slavery Legislation

Genevieve LeBaron
Teruskan Membaca
Sokongan Orang yang Selamat dan Mangsa

Implementing Shared Decision Making with Child Trafficking Survivors

Teruskan Membaca
Kaedah Pengukuran dan Statistik

Measurement, Action, Freedom: Assessing Government Action to Achieve Target 8.7

Teruskan Membaca
Tag