作者：Linda Robinson, Daniel Egel, Ryan Andrew Brown
編譯：臨風
2019年11月13日，蘭德公司發布報告《Measuring the Effectiveness of Special Operations》，報告旨在解決特種作戰部隊的具體挑戰（如動態環境、有限預算），並提供了對行動級特種作戰部隊（SOF）總部進行循證評估的方法，供整個特種作戰部隊企業的操作人員使用。在評估方法中，著重強調了新興社交媒體，文本分析中的大數據及人工智慧的應用，以及對特種部隊的重要意義。
方法與步驟
（一）基於嘗試的評估方法
基於工作線（LOE）的方法現在普遍用于軍事行動的戰略和作戰級評估。這種方法特別適合於特種作戰部隊的作戰級評估，因為特種作戰部隊要實現的目標通常在作戰計劃中闡明，具體說明了通過特種作戰部隊核心活動和能力執行的多個LOE。
（二）七步評估流程
評估過程分為七個順序步驟。評估過程的中心目標是演示評估團隊如何收集所需數據，以及如何選擇和實施適當的分析技術。定量和定性方法可以產生具有因果解釋的結果，可用的數據類型決定了適當的方法。
七個步驟描述如下
步驟1：確定目標。通過審查官方文件（如作戰計劃）和與計劃員和指揮官協商，確定關鍵的LOE和每個LOE的目標。這包括制定特定的閾值（對實現目標、中間軍事目標或特定效果的時間、作戰次數或其他指標的期望）。與計劃人員和指揮官合作，確保目標是具體的、可衡量的、可實現的、相關的和有時限的。LOE和組成活動代表了計劃設想的實現目標的方式。
步驟2：確定活動。開發一個任務跟蹤系統，整理所有相關活動的細節，所有可能影響到業務級總部組成部分的任何後勤部門和相關目標的活動。任務跟蹤器應基於標準化SITREP中定期提供的數據。此步驟還應闡明變更理論或邏輯模型，明確說明如何在每個LOE下分組活動以實現預期目標。
步驟3：定義MOEs。選擇MOEs，從標準化列表開始，在操作環境中建立基礎，注意特定的閾值和效果的時間範圍。確保MOEs是具體的、可衡量的、可實現的、相關的和有時限的。
步驟4：制定指標並收集數據。根據可用的數據流制定一組指標。可編入運行數據的指標和可從環境數據中導出的指標是首選指標。
步驟5：進行特定LOE分析。為可用數據選擇適當的分析技術並進行分析。當所有的數據都是可量化的，並且當SOF活動是在許多不同的領域或以許多不同的單位（超過50個）進行時，最好使用具有因果解釋的定量方法，特別是多元面板回歸。具有因果解釋的定性方法，只有當分析單元數量有限或某些關鍵數據無法量化時，流程跟蹤才是合適的。核心分析任務之一是檢測隨時間的變化（即，從基線開始），這種變化似乎與SOF活動有關。
步驟6：合併分析。特定於LOE的結果應以組合方式呈現，以便於可視化計劃的LOE正在或正在進行中。
步驟7：指揮官審查。和指揮官一起檢查結果。結果應使他能夠調整LOE或活動或其他投入，以改進產出和成果。可能需要調整包括MOE在內的評估過程，以提供所需的粒度、周期性和保真度。
關鍵結論
結論1 新興社交媒體的潛力與局限
由於新技術能力，現在世界每年產生的數據比能夠分析的數據多得太多，預計可用數據還將繼續呈指數增長。這些新的數據源，都可用於軟體作戰評估。其中最大的數據源被鬆散地歸類為"社交媒體"。新的算法，使大部分非結構化文本、圖像、甚至音頻和視頻內容在社交媒體上變得有意義，正迅速將許多社交媒體"大數據"帶入人們的視野。而商業界很快就抓住了這些機會，新的社交媒體分析平台迅速進入公共領域，其中幾個問題特別值得關註：
（1）數據獲取越來越難。超過50%的Facebook頁面現在是私有的，只有Facebook公司內部的研究人員才能訪問。一些國家擁有自己的社交媒體內容專有數據集。而包括Twitter在內的許多社交媒體平台也使得他們的聚合數據更難獲得。（2）數據限制加劇了抽樣偏見問題。例如，世界上只有20%的人使用最流行的開放平台Twitter，每個平台都有獨特的人口統計特徵，不能代表所有人。這些不斷變化的社交媒體趨勢意味著評估團隊需要在訪問各種類型的環境數據時變得更有創造性，同時尊重隱私保護和適用的法律法規。（3）社交媒體很容易被超級大國用戶所控制，有些人其中可能是自動機器人。如果不考慮這些影響，分析師們的分析就有可能被潛在的對手操縱。社交媒體也是對自我的公開展示，因此個人用戶會對他們向外界展示的信息進行大量過濾。
儘管面臨這些挑戰，社交媒體在作戰分析方面仍有許多獨特的優勢。隨著移動設備在全球範圍內的傳播，社交媒體往往在激進分子、政治人士、叛亂分子和其他運動出現和傳播時打開一扇獨特的窗口。而社交媒體平台是最常用的工具之一，因此可以對網絡凝聚成政治或活動團體發出極好的預警。
此外，更開放的社交媒體平台，如Twitter，是明確的對話式的；也就是說，它們捕捉到多個群體之間的真實互動，並且可以揭露組織群體或不同人口部門之間的主要不滿、溝通方式和潛在的一致點或協作點。社交媒體平台也是分享強烈情緒的情感渠道和平台，它們也可以成為有關持續衝突影響、死亡、疾病和流離失所影響的人口或群體情緒的有用指標。
結論2 對非結構化數據有意義的新興技術
計算分析領域的一系列新發展有望影響軟體評估實踐，其中使用最廣泛的是文本分析。計算文本分析允許用戶分析比人類能有效閱讀更多的文本。計算機可以完全自動化地用於為人類分析員讀取大量文本，並提供預結構結果。
文本分析大致分為以下幾類：
（1）文檔聚類和查詢是一種機器學習方法，它將大型文檔集合（數萬個文檔或更多文檔）分類為較小的相關文檔集群，然後使用智能查詢提取相關信息，例如"向我查找有關俄羅斯在敘利亞運營的文檔"。
（2）人類監督的文本分類涉及通過學習人類實例來教機器對文本進行分類。例如，一個人可以為操作相關的類別編碼1000條tweets；機器從該示例中學習，然後編碼500000條tweets。
（3）主題建模是一種在非常大的文本集合（數百萬字）中提取主題的方法，包括比較分析。詞法分析是一種基於詞的技術，用於提取關鍵詞和抽象（地名、專有名詞和抽象概念）。
（4）情緒分析是對文本中表達的觀點進行分類的過程，以確定文本對某個主題的態度是積極的、消極的還是中立的。
（5）立場分析是情感分析的一個更強大的版本，它提取個人和社會文化信息，如情感、社會關係、價值觀、信心、人的類別（即第一人稱對第三人稱）、敘述風格和時間性（指過去、現在或未來的趨勢）。
隨著文本分析方法的豐富，將改變開源情報分析的面貌，允許對大量數據進行更快速的分析。此外，大部分軍事作戰數據（如sitrep）以半結構化或非結構化文本的形式出現，因此易於計算的文本分析。此外，非文本數據現在可以通過機器學習和人工智慧方法進行分類和分析。自動圖像分析的進展，包括對類似於ISR捕獲的航空圖像進行分類的能力。同時，媒體（音頻和視頻）內容的自動處理的新發展也允許對該在線內容進行分類、索引和分析。雖然圖像、音頻和視頻的分析工具還處於初級階段，但這有望開闢更多的數據寶庫，洞察敵人的認知狀態、情感和交流。
結論3 穩態和預防性"非戰鬥"任務
許多特種作戰部隊的行動都是為預防地區不穩定而執行的非戰鬥任務。如在薩爾瓦多，特種作戰部隊從1981年至1992年一直維持訓練和諮詢任務。如今，在美國南部指揮區作戰的特種部隊仍將重點放在合作夥伴的長期能力建設上，而在美國非洲指揮區作戰的特種部隊則至少在某種程度上把重點放在預防衝突上。
對這些類型的特種作戰行動的評估，雖然MOE和指標是類似的，但分析的時間線可能需要以年為單位來衡量，而不是以三個月為單位，分析方法的類型也會有所不同。對於這些類型的行動，仿照發展和執法專業人員使用的評估方法可能是最合適的。另一個考慮是，這些劇院的一些主要活動可能純粹是籌備性的，因此不能從實現其最終目標的角度來評估。中間目標，如獲取、知識和安置的程度，必須根據一個確定的、可辯護的充分性基準來衡量。
結 語
總而言之，要灌輸一種嚴謹、冷靜的評估文化，特種部隊領導層必須採取一套全面的措施，如本文所述，從納入理論到組織變革，再到培訓和教育，再到在實地例行實施的最終目標。
來源：學術plus
文章來源: https://twgreatdaily.com/zh-tw/Nx-fuG4BMH2_cNUgo1Un.html