Opis projektu
Nowy sposób na zwiększenie wysiłków w zakresie zwalczania terroryzmu
Grupy terrorystyczne nieustannie dostosowują się do zmian, dzięki czemu zachowują swoje znaczenie i siłę pomimo wysiłków antyterrorystycznych. Ta zdolność adaptacyjna stanowi poważne wyzwanie dla globalnego bezpieczeństwa, ponieważ tradycyjne strategie często nie nadążają za ewoluującymi taktykami i ideologiami. Właśnie dlatego finansowany przez ERBN projekt TERGAP opracuje zniuansowane ramy teoretyczne i wykorzysta metody ilościowe. Dzięki połączeniu psychologii politycznej, ruchów społecznych i badań nad terroryzmem projekt wykorzystuje analizę dużych zbiorów danych i uczenie maszynowe do identyfikacji wzorców adaptacyjnych. Z perspektywy projektu terroryzm to narzędzie rekrutacji, wykorzystujące potrzeby psychologiczne, takie jak zemsta. Projekt TERGAP sprawdzi krótkoterminowe zmiany strategiczne po represjach rządowych przy użyciu analizy koincydencji zdarzeń. Będzie również gromadzić dane na temat polityki i działań antyterrorystycznych na całym świecie.
Cel
Terrorist groups find ways to adapt to changes in their environment to stay relevant and powerful. This project offers new insights into this phenomenon by developing a more nuanced theoretical strategic framework and using quantitative methods to examine how terrorist groups survive, and sometimes thrive, despite efforts to combat them. This is accomplished by integrating political psychology, social movement, and terrorism research, and applying big data analytics and machine learning common in brain sciences, natural sciences, and bioinformatics to identify adaptation patterns in terrorist attack target selection and brutality.
First, this project frames terrorism as a recruitment tool for manipulating potential supporters’ psychological needs, like vengeance. Repressive government actions lead to desires for vengeance and thus create opportunities for acts of terrorism specifically attacking the repressive actor to signal a terrorist group’s capability for fulfilling this psychological need. As such, we should observe strategic short-term changes in terrorism following government repression in the data. This is tested using Event Coincidence Analysis, a method for identifying synchronization patterns and trigger rates from one event to another.
Second, because terrorist groups can also adapt to changes in counterterrorism, this project proposes two data collection efforts that enable big data analytics to identify adaptation patterns. The first focuses on counterterrorism policies using government reports and covers a global sample of countries. The second creates a novel large-N cross-national counter-terrorist actions dataset using natural language processing machine coding of news articles. Hierarchical clustering analyses will then be used to detect patterns of terrorist group adaptive behaviours and build predictive models that anticipate adaptation. This has implications to improve counterterrorism and make it more proactive, focused, and effective.
Dziedzina nauki
- social sciencespolitical sciencespolitical transitionsterrorism
- natural sciencescomputer and information sciencesdata sciencebig data
- natural sciencescomputer and information sciencesdata sciencenatural language processing
- social sciencespolitical sciencespolitical transitionsarmed conflicts
- social sciencespolitical sciencespolitical transitionsrevolutions
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
2311 EZ Leiden
Niderlandy