velikost textu

Criminality Analysis in the Czech Republic using Self-Organizing Maps

Upozornění: Informace získané z popisných dat či souborů uložených v Repozitáři závěrečných prací nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora.
Název:
Criminality Analysis in the Czech Republic using Self-Organizing Maps
Název v češtině:
Analýza kriminality v České republice pomocí samoorganizujících se map
Typ:
Bakalářská práce
Autor:
Bc. Pavla Mikulíková
Vedoucí:
doc. Ing. Tomáš Cahlík, CSc.
Oponent:
Mgr. Tereza Malířová
Id práce:
200398
Fakulta:
Fakulta sociálních věd (FSV)
Pracoviště:
Institut ekonomických studií (23-IES)
Program studia:
Ekonomické teorie (B6201)
Obor studia:
Ekonomie a finance (EF)
Přidělovaný titul:
Bc.
Datum obhajoby:
10. 6. 2020
Výsledek obhajoby:
Výborně (A)
Jazyk práce:
Angličtina
Klíčová slova:
kriminalita, samoorganizující se mapa, Kohonenova mapa, ekonomie zločinu, nezaměstnanost, Česká republika
Klíčová slova v angličtině:
criminality, self-organizing map, Kohonen map, the economics of crime, unemployment, the Czech Republic
Abstrakt:
Abstrakt Kriminalita je jeden z nepolevujících společenských problémů na celém světě. K pochopení důvodů ke kriminálnímu jednání je potřeba důkladná analýza jeho možných klíčových fak- torů. Tato bakalářská práce si klade za cíl zjistit, zda metoda samoorganizujících se map může pomoci ve vyšetřování české zločinnosti. Žádná akademická práce se doposud nepo- kusila odhalit možné vzorce v české zločinnosti s použitím tohoto druhu umělé neuronové sítě. Samoorganizující se mapy představují vizualizační metodu, která mapuje pozorování na základě jejich mnohadimenzionálních znaků do dvoudimenzionální mřížky a zároveň umist’uje podobná pozorování blízko sebe. K analýze byl použit dataset skládající se ze 75 okresů s 18 proměnnými. Vhodná volba parametrů modelu se nicméně ukázala jako určitý problém této metody. Výsledkem modelu je šest skupin okresů, které vykazují různé úrovně kriminality a jiných charakteristik. Naše výsledky prokázaly, že samoorganizující se mapy mohou poskytnout zajímavý vhled do kriminální tematiky a společenské vědy mohou profitovat z jejich použití v mnoha oblastech výzkumu. 1
Abstract v angličtině:
Abstract Crime represents one of the most persistent social problems all around the world. To understand the motivation for criminal behaviour, a thorough analysis of its plausible determinants is necessary. This bachelor thesis aims at exploring whether the method of self-organizing maps, a data mining tool, can help in the investigation of the Czech criminal phenomena. To date, no academic study has tried to uncover potential pat- terns in the Czech crime data employing this type of artificial neural network. It is a visualisation method which maps observations based on their multi-dimensional features into a two-dimensional grid, and at the same time, the similarity between observations is preserved by locating similar observations close to each other. For the analysis, the dataset consisting of 75 Czech districts and 18 variables was used. However, the optimal choice of parameters of the model can be seen as a possible limitation of this method. The final outcome of the model consists of six clusters of districts with various levels of crime rates and other characteristics. Our results showed that self-organizing maps can provide an interesting insight into the crime problem, and social sciences can benefit from its application in many research areas. 1
Dokumenty
Stáhnout Dokument Autor Typ Velikost
Stáhnout Text práce Bc. Pavla Mikulíková 1.66 MB
Stáhnout Příloha k práci Bc. Pavla Mikulíková 236 kB
Stáhnout Abstrakt v českém jazyce Bc. Pavla Mikulíková 40 kB
Stáhnout Abstrakt anglicky Bc. Pavla Mikulíková 40 kB
Stáhnout Posudek vedoucího doc. Ing. Tomáš Cahlík, CSc. 417 kB
Stáhnout Posudek oponenta Mgr. Tereza Malířová 75 kB
Stáhnout Záznam o průběhu obhajoby PhDr. Julie Chytilová, Ph.D. 153 kB