Uncovering Relationships using Bayesian Networks: A Case Study on Conspiracy Theories

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F24%3A00598454" target="_blank" >RIV/67985556:_____/24:00598454 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00216208:11210/24:10486228

Výsledek na webu

<a href="https://proceedings.mlr.press/v246/vomlel24a.html" target="_blank" >https://proceedings.mlr.press/v246/vomlel24a.html</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Uncovering Relationships using Bayesian Networks: A Case Study on Conspiracy Theories

Popis výsledku v původním jazyce

Bayesian networks (BNs) represent a probabilistic model that can visualize relationships between variables. We apply various BN structure learning algorithms to a large dataset from a Czech university entrance exam. This dataset includes a test of active, open-minded thinking designed by Jonathan Baron, as well as a test of students’ attitudes toward various conspiracies. Using BNs, we were able to identify the structure of the conspiracies and their relationships with active open-minded thinking. We also compared results of different BN structure learning algorithms with results of selected standard data analysis methods.

Název v anglickém jazyce

Uncovering Relationships using Bayesian Networks: A Case Study on Conspiracy Theories

Popis výsledku anglicky

Bayesian networks (BNs) represent a probabilistic model that can visualize relationships between variables. We apply various BN structure learning algorithms to a large dataset from a Czech university entrance exam. This dataset includes a test of active, open-minded thinking designed by Jonathan Baron, as well as a test of students’ attitudes toward various conspiracies. Using BNs, we were able to identify the structure of the conspiracies and their relationships with active open-minded thinking. We also compared results of different BN structure learning algorithms with results of selected standard data analysis methods.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

50401 - Sociology

Projekt

<a href="/cs/project/EH22_008%2F0004595" target="_blank" >EH22_008/0004595: Za hranice bezpečnosti: role konfliktu v posilování odolnosti</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of Machine Learning Research (PMLR), Volume 246 : International Conference on Probabilistic Graphical Models

ISBN

—

ISSN

2640-3498

e-ISSN

2640-3498

Počet stran výsledku

16

Strana od-do

470-485

Název nakladatele

JMLR-JOURNAL MACHINE LEARNING RESEARCH

Místo vydání

San Diego

Místo konání akce

Nijmegen

Datum konání akce

11. 9. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

001347210900028