ผู้เชี่ยวชาญวิเคราะห์ ‘2.5 วินาที’ การ์ดพลาดช่วยชีวิตอาเบะ

บทความน่าสนใจ

Loading

ผู้เชี่ยวชาญด้านการรักษาความปลอดภัยแปดคน ตรวจสอบคลิปลอบสังหารอดีตนายกฯ ญี่ปุ่นเผย บอดี้การ์ดอาจช่วยชีวิตชินโซ อาเบะได้ ถ้าการ์ดเข้าไปคุ้มกันอาเบะหรือเอาตัวเขาออกภายใน 2.5 วินาที แห่งชีวิตระหว่างกระสุนนัดแรกที่พลาดเป้ากับนัดปลิดชีพ สำนักข่าวรอยเตอร์รายงานความเห็นผู้เชี่ยวชาญทั้งชาวญี่ปุ่น และต่างชาติถึงความล้มเหลวในการปกป้องอดีตนายกรัฐมนตรีชินโซ อาเบะ จากกระสุนนัดที่ 2 ในการลอบสังหารเมื่อวันที่ 8 ก.ค. อาเบะถูกมือปืนใช้อาวุธทำเองสังหารที่เมืองนารา ทางภาคตะวันตกของประเทศ ข่าวนี้สร้างความตื่นตระหนกไปทั้งญี่ปุ่น ที่ความรุนแรงจากอาวุธปืนเกิดขึ้นน้อยมาก และการหาเสียงของนักการเมืองใกล้ชิดกับประชาชนมีการรักษาความปลอดภัยเพียงเล็กน้อย ทางการญี่ปุ่นรวมทั้งนายกรัฐมนตรีฟุมิโอ คิชิดะ ยอมรับถึงความล้มเหลวในการรักษาความปลอดภัย ฝ่ายตำรวจเผยว่ากำลังสอบสวนเรื่องนี้ ด้านรอยเตอร์พูดคุยกับผู้เชี่ยวชาญด้านการรักษาความปลอดภัย และผู้เห็นเหตุการณ์อีกหกคน ทั้งยังตรวจสอบวิดีโอที่เผยแพร่ทางออนไลน์อีกหลายคลิปจากมุมต่างๆ เพื่อรวบรวมรายละเอียดเกี่ยวกับมาตรการรักษาความปลอดภัยก่อนอาเบะถูกยิง รอยเตอร์ ระบุว่า ในวันนั้นอาเบะยืนปราศรัยง่ายๆ ณ จุดที่จัดไว้บนถนนสาธารณะ มือปืนที่ตำรวจเผยว่าชื่อเท็ตสึยะ ยามางามิ วัย 41 ปี พร้อมอาวุธ สามารถเข้ามาใกล้อาเบะได้ในระยะไม่กี่เมตรโดยไม่มีการตรวจตรา “พวกเขาควรเห็นผู้โจมตีที่จงใจเดินตรงเข้ามาหานายกฯ จากด้านหลังแล้วเข้าสกัด” เคนเนธ บอมเบซ ผู้อำนวยการ Global Threat Solutions กล่าว บริษัทของเขาเคยดูแลความปลอดภัยให้โจ ไบเดน ตอนเป็นผู้สมัครชิงตำแหน่งประธานาธิบดี พิสูจน์อักษร….สุรีย์…

วิเคราะห์: ความเห็นศาลสูงสหรัฐฯ รั่วเรื่องสิทธิการทำแท้ง

บทความน่าสนใจ

Loading

  รายงานข่าวเกี่ยวกับสัญญาณจากศาลสูงสหรัฐฯ ที่จะคว่ำคำตัดสินครั้งสำคัญเมื่อปีค.ศ. 1973 ว่าด้วยสิทธิในการทำแท้งอย่างถูกกฎหมายของชาวอเมริกันทั่วประเทศ กลายมาเป็นกระแสการเมืองร้อนแรงที่นำมาซึ่งคำถามมากมายเกี่ยวกับสิ่งที่จะเกิดขึ้นหลังจากนี้ในสหรัฐฯ ซึ่งได้ชื่อว่าเป็น ดินแดนแห่งเสรีภาพ ประวัติศาสตร์อเมริกาต้องมีการบันทึกกรณีที่ไม่เคยเกิดขึ้นในแวดวงตุลาการของประเทศเมื่อวันจันทร์ที่ผ่านมา หลังเว็บไซต์ Politico เปิดเผยร่างความเห็นเสียงส่วนใหญ่ตุลาการศาลสูงสหรัฐฯ ซึ่งมีเนื้อความระบุว่า ศาลสูงจะคว่ำคำตัดสินประวัติศาสตร์เมื่อ 49 ปีก่อนที่เรียกว่า การตัดสินกรณี Roe v. Wade ซึ่งยอมรับสิทธิของสตรีอเมริกันภายใต้รัฐธรรมนูญ ว่าด้วยการยกเลิกการตั้งครรภ์ของพวกเธอเอง   Demonstrators protest outside of the U.S. Supreme Court, May 3, 2022 in Washington. กรณีการรั่วไหลของร่างความเห็นดังกล่าวกลายมาเป็นจุดเริ่มต้นของสิ่งที่ถูกมองว่าเป็น ‘ทะเลเพลิงทางการเมือง’ ที่โหมกระหน่ำและลุกลามเป็นวงกว้างอย่างรวดเร็วไปทั่วประเทศ สมาชิกพรรคเดโมแคตออกมาประณามเรื่องนี้ว่าเป็น “การจำกัดสิทธิครั้งใหญ่ที่สุดในรอบกว่า 50 ปี” และประกาศที่จะผลักดันการผ่านกฎหมายปกป้องสิทธิการทำแท้งให้ได้ ขณะที่สมาชิกพรรครีพับลิกันแสดงความยินดีต่อร่างความเห็นดังกล่าวที่เขียนขึ้นโดย ผู้พิพากษาศาลสูงฝ่ายอนุรักษ์นิยม แซมมวล อลิโต พร้อม ๆ กับกล่าวหา “พวกฝ่ายซ้ายหัวรุนแรง” ว่า “ทำการบูลลี่ (กลั่นแกล้งรังแก)”…

ไขประเด็นวิเคราะห์ Faked Data “รู้-แก้” ให้ตรงจุด

บทความน่าสนใจ

Loading

  เวลาที่เราค้นข้อมูล เราจะทราบได้อย่างไรว่า ข้อมูลผิด หรือเป็น Faked Data” บางความคิด บอกว่า ส่วนหนึ่งเป็นเรื่องของทักษะด้านข้อมูล (Data Literacy) ที่จะต้องใช้ตรรกะและองค์ความรู้แยกให้ได้ว่าข้อมูลใดเป็นข้อมูลจริงหรือเท็จ ข้อมูลมาจากแหล่งที่น่าเชื่อถือหรือไม่ บ่อยครั้งที่มักจะพบว่าข้อมูลจากการวิเคราะห์ ที่แสดงเป็นรายงานอย่างสวยงามนั้น เมื่อนำเสนอต่อผู้บริหาร หรือผู้เชี่ยวชาญแล้วบุคคลเหล่านั้นบอกว่า “ข้อมูลผิด” และสิ่งหนึ่งที่มักได้ยินบ่อยๆ ในหลายองค์กรก็คือว่า ข้อมูลจำนวนมากที่เก็บอยู่ในองค์กรเป็นขยะ กล่าวคือ ข้อมูลไม่ถูกต้อง ทำให้การนำไปวิเคราะห์ย่อมได้ผลลัพธ์ที่ผิดพลาดตามมา ดังนั้นหลายคนอาจสงสัยว่า เราจะทราบได้อย่างไรว่า ข้อมูลผิด หรือเป็น Faked Data” บางความคิด บอกว่า ส่วนหนึ่งเป็นเรื่องของทักษะด้านข้อมูล (Data Literacy) ที่จะต้องใช้ตรรกะและองค์ความรู้แยกให้ได้ว่าข้อมูลใดเป็นข้อมูลจริงหรือเท็จ ข้อมูลมาจากแหล่งที่น่าเชื่อถือหรือไม่ แต่บังเอิญคำถามนี้กลายเป็นว่า ข้อมูลดังกล่าวมาจากแหล่งต้นทางที่เราคิดว่าน่าจะถูกต้อง มีความน่าเชื่อถือ แต่กลับกลายเป็นว่ามีข้อมูลดิบบางส่วนที่ผิดอยู่ด้วย ที่ผ่านมา ผมทำงานกับข้อมูลดิบมาอย่างยาวนาน และบ่อยครั้งก็จะพบว่า ข้อมูลจากแหล่งต้นทางผิดจริง แต่ก็ใช่ว่าจะผิดมากมาย ส่วนใหญ่อาจผิดพลาดเพราะการใส่ตัวเลขผิดพลาด หรือมีการเก็บข้อมูลคาดเคลื่อน เรื่องเหล่านี้เป็นเรื่องปกติของการวิเคราะห์ข้อมูล (Data Analytics) ยิ่งข้อมูลมีขนาดใหญ่ (Big Data)…