63、机器学习与可持续情境设计：多领域的创新探索

机器学习与可持续情境设计：多领域的创新探索

在当今复杂的社会和环境背景下，如何有效分析数据、解决实际问题以及推动可持续发展成为了关键议题。本文将探讨两个重要方面：一是利用机器学习扩展微观叙事分析，二是通过人体工程学设计可持续情境以降低家庭能源消耗。

机器学习扩展微观叙事分析

将两种定性数据分析方法相结合，在发现微弱信号方面具有显著优势。以文本建模跟踪“汽车”和“房屋”等概念为例，其好处主要体现在以下两个方面：
- 概念发现与跟踪 ：能够发现与可持续发展目标（SDGs）相关的概念，对其显著性进行测试，并随时间进行跟踪。这些概念随后可整合到包含定量数据的更广泛模型中。
- 避免意外后果 ：对于项目管理者和决策者而言，新举措（如为贫困人口提供汽车的项目）可能会产生意外后果。通过适当设计和扩展的分析方法跟踪定性数据中的微弱信号，有助于确保随着时间推移实现预期结果。

两位分析师在探索微观叙事中识别显著性的经验时表示，概念显著性能明确应关注的方向，借助文本建模，原本手动需要数小时的工作现在只需几分钟就能完成，有效解决了能力方面的问题。当被问及与可持续发展目标相关的单个概念（如“汽车”）为何相关时，一位分析师认为，交通在人们的生活经历中常是家庭面临的常见障碍。特别是在新冠疫情影响公共交通共享空间的情况下，个人交通的作用变得更加重要，更有可能成为挑战。

当前“我们的明天”项目于2020年3月新冠疫情袭击美国时启动，这为持续测试这种分析方法提供了独特机会。这种将自然主义意义建构与机器学习文本建模相结合的方法，有望帮助从业者识别、建模和应对复杂系统中的现实问题，为决策者提供更全面的背景