Manifesto de Ciência Social Computacional

Conte, Rosaria; Gilbert, Nigel; Bonelli, Giulia; Cioffi‐Revilla, Claudio; Deffuant, Guillaume; Kertész, János; Loreto, Vittorio; Moat, Helen Susannah; Nadal, Jean-Pierre; Sánchez, Antonio Peris; Nowak, Andrzej W.; Flache, Andreas; Miguel, M. San; Helbing, Dirk

doi:10.5433/2176-6665.2013v18n1p20

Cited by 4 publications

(3 citation statements)

References 63 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…This study delves into the advancements in MP-PPML achieved through the seamless integration of homomorphic encryption and FL techniques, resulting in secure data collaboration. In an interconnected world where data is generated at an unprecedented scale, the potential insights and knowledge derived from collaborative data analysis are immense [4]. However, sharing sensitive data across multiple entities raises serious privacy concerns.…”

Section: Introductionmentioning

confidence: 99%

Efficient Data Collaboration Using Multi-Party Privacy Preserving Machine Learning Framework

Salam,

Abrar,

Ullah

et al. 2023

IEEE Access

View full text Add to dashboard Cite

In a modern era where data-driven insights are the foundation of technological advancements preserving the privacy and security of sensitive information while harnessing the collective intelligence of multiple parties is imperative. This research presents a Secure Collaborative Learning Algorithm (SCLA) designed to facilitate efficient multi-party machine learning without compromising data privacy. Our research focus is on leveraging existing, secure databases without requiring an additional data collection process. SCLA seamlessly integrates homomorphic encryption and Federated Learning (FL) to enable secure data collaboration among various stakeholders. The proposed algorithm aggregates model updates in a privacy-preserving manner, demonstrating enhanced model accuracy, competitive convergence speed, and robust scalability. By carefully balancing privacy preservation and learning efficiency, the SCLA showcases a promising avenue for privacy-focused collaborative learning using existing data repositories.

show abstract

Section: Introductionmentioning

confidence: 99%

Efficient Data Collaboration Using Multi-Party Privacy Preserving Machine Learning Framework

Salam,

Abrar,

Ullah

et al. 2023

IEEE Access

View full text Add to dashboard Cite

show abstract

“…Essa não é uma discussão muito clara e não é o ponto central do debate sobre as fronteiras entre as ciências sociais e a ciência da computação. O ponto principal a ser destacado é que, utilizado no singular ou no plural, a essência da ciência social computacional é a interdisciplinaridade (Conte et al, 2013). Nesse texto, utilizaremos o termo no singular para acompanhar a tradução das publicações em língua inglesa.…”

Section: Introductionunclassified

Reflexões sobre os percursos metodológicos em ciência social computacional

Baltar

2022

Simbiótica Revista Eletrônica

View full text Add to dashboard Cite

Resumo O objetivo do artigo é refletir sobre os desafios e a importância para as ciências sociais em se envolverem de forma mais próxima com os métodos da ciência social computacional. O principal argumento é que o diálogo interdisciplinar, propiciado pelos métodos computacionais aplicados aos estudos das questões sociais, pode trazer contribuições importantes para as ciências sociais, sobretudo em virtude da contínua e crescente transformação das fontes e dados de pesquisa qualitativa ou quantitativa em registros digitais. O artigo mostra uma visão sobre como se constitui o campo da ciência social computacional e aborda alguns obstáculos epistemológicos que dificultam a introdução dessa formação nas ciências sociais, sobretudo em língua portuguesa. Palavras-chave: ciência social computacional; simulação baseada em agentes; análise de redes sociais; ciência dos dados; ciências sociais. Abstract This paper discusses some challenges and the importance of methodological approximation between social sciences and computational social science. The main argument is that interdisciplinary dialogue, provided by computational methods applied to the studies of social phenomena, can bring important contributions to the social sciences, especially due to the continuous and growing transformation of qualitative or quantitative records into digital data. The study provides some insights into how the field of computational social science is constituted and addresses some epistemological obstacles that hinder that approximation, especially in the Portuguese language social sciences. Keywords: computational social science; agent based social simulation; social network analysis; social sciences. Resumen Este estudio discute algunos desafíos y la importancia de la aproximación metodológica entre las ciencias sociales y las ciencias sociales computacionales. El argumento principal es que el diálogo interdisciplinario, proporcionado por métodos computacionales aplicados a los estudios de fenómenos sociales, puede aportar importantes contribuciones a las ciencias sociales, especialmente debido a la continua y creciente transformación de registros cualitativos o cuantitativos en datos digitales. El estudio proporciona algunas ideas sobre cómo se constituye el campo de las ciencias sociales computacionales y aborda algunos obstáculos epistemológicos que dificultan esa aproximación, especialmente en las ciencias sociales de la lengua portuguesa. Palabras clave: ciencias sociales computacionales; simulación social basada en agentes; análisis de redes sociales; ciencias sociales.

show abstract

“…Um dos seus objetivos é a compreensão das relações e interações entre diversos atores sociais, que são consideravelmente complexas para serem compreendidas por métodos analíticos [2][3][4]. De fato, a explosão combinatória de todas as possibilidades de comunicação, interação, troca de informação e tomada de decisão num sistema social impede ou torna difícil a explicação do fenômeno pela simples análise dos seus componentes sem considerar as diversas possibilidades de interação entre elas [5].…”

Section: Introductionunclassified

Análise exploratória de simulações sociais computacionais por meio de estatística multivariada e mapas auto-organizáveis

Silva

Santos²,

Galina³

et al. 2016

Scientia Plena

View full text Add to dashboard Cite

In order to provide valuable information for the assessment of the Territorial Plan for Sustainable Rural Development of the Ministry of Agrarian Development this work aimed at the use of principal component analysis, cluster analysis by the agglomerative hierarchical method and the Self Organizing Map artificial neural network in the exploratory analysis of the results of computer simulations of the social socioterritorial system "Southern Rural Territory of Sergipe". The methodology has been based in the Sociology of Organized Action and Soclab framework. Statistical analyses showed that this socio-territorial system has a simple and deterministic structure, so, presents a cooperative social game with a strong tendency to reach a steady state even in situations of conflicting interests. The neural analysis allowed the characterization of atypical situations when the stability of the social system occurs.

show abstract

Manifesto de Ciência Social Computacional

Cited by 4 publications

References 63 publications

Efficient Data Collaboration Using Multi-Party Privacy Preserving Machine Learning Framework

Efficient Data Collaboration Using Multi-Party Privacy Preserving Machine Learning Framework

Reflexões sobre os percursos metodológicos em ciência social computacional

Análise exploratória de simulações sociais computacionais por meio de estatística multivariada e mapas auto-organizáveis

Contact Info

Product

Resources

About