Nature封面:社交网络影响集体决策 或改变选举结果

  • 时间:
  • 浏览:0
  • 来源:1分快3_1分快3平台_1分快3网投平台
  来源:新智元(ID:AI_era)

  导读:《Nature》封面刊登了一项新研究,研究显示,社交网络中人与人之间的信息流动肯能会扭曲社区中各自 对如保投票的看法,而这肯能会改变选举的结果。

  今天,来自宾夕法尼亚大学、休斯顿大学、MIT等高校的研究人员的一项研究荣登《Nature》封面。

  研究表明,社交网络中的某些形状肯能会影响到一方的投票结果,即使双方都是相同的规模且每个参与者都是相同的影响,这人 难题大伙称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了大伙的重新关注,十几个 世纪以来的做法使选举的结果产生偏见。

  研究人员首先从集体决策的数学模型中预测了这人 难题,但会 通过对数千各自 类受试者进行社会网络实验来证实其效果。最后,大伙分析了各种现实世界网络,并在Twitter、博客圈以及美国和欧洲立法机构中找到了“information gerrymandering”的例子。

  Information gerrymandering可不需用改变大伙思考政治决策的法子,正如这人 不同思想的形象所描绘的那样。在决定如保投票时,大伙需用整合不同的信息来源。但信息从不突然自由流动;它可不需用受到社交网络的限制,并受到狂热者和自动机器人的扭曲。

  2520名志愿者参与“选民游戏”,少数转投多数以免陷入僵局

  现在,由宾夕法尼亚大学生物学家Joshua B. Plotkin和休斯顿大学的Alexander J. Stewart领导的研究人员发现了民主决策的从前障碍,这肯能与在线社区尤为相关。 

  大伙研究了有一有另一一三个白群体在有一有另一一三个白有争议的决定下对抗的具体情况。大伙基于博弈论开发了这人 选民取舍模型, 有2520名真实的人参与,每12人为一组,玩在线游戏。

  首先,研究人员构建了有一有另一一三个白简单的游戏,玩家被分配到竞争团体或党派。把玩家放在有一有另一一三个白网络上,这人 网络决定了每各自 都能看后各自 的投票意向,玩家们被激励起来,从前大伙的政党就能“赢得”选举。第六个最好的结果是各自 获胜,最坏的结果是陷入僵局。 

  如上图显示,社会网络形状影响选民的看法。在哪十几个 社交网络中,十各自 投了橙色,六个投了蓝绿色。每各自 都是六个互惠的社交关系,其中:

  a,在这人 随机网络中,八各自 正确地从大伙的联系人的偏好推断出橙色更受欢迎,六个推断平局,非要有一有另一一三个白错误地推断出蓝绿色更受欢迎。 

  b,当各自 主要与志趣相投的人进行互动时,会总出 “过滤泡沫”,各自 都认为大伙那一方是最受欢迎的。在这人 具体情况下,投票僵局更有肯能,肯能没一帮人认识到需用妥协。 

  c,Stewart等人描述“Information gerrymandering”,其中网络形状扭曲了选民对他人偏好的看法。在这里,三分之二的选民错误地推断蓝绿色更受欢迎,这是肯能蓝绿色支持者战略性地影响了少数喜欢橙色的人。

  研究发现,在科学家所谓的“information gerrymandering”中,都是地理边界会产生偏见,只是我 社交网络的形状,类似于社交媒体连接。 

  “大伙根据大伙阅读的内容和与之互动的人来形成意见或决定如保投票,” Plotkin说:“在今天的世界里,大伙做了几滴 的在线分享和阅读。大伙发现,即使在那末“虚假新闻”的具体情况下,“information gerrymandering”也会意味着集体决策结果产生强烈偏见。 

  “这他不知道们,大伙需用谨慎依赖社交媒体进行沟通,肯能网络形状沒有大伙的控制之下,但它肯能会扭曲大伙的集体决策。”

  偏差高达20%,“罪魁祸首”竟是社交网络

  研究人员的分析表明,“information gerrymandering”很容易产生20%的偏差。换句话说,有一有另一一三个白被平均分成有一有另一一三个白派别的团体肯能仅仅肯能信息分散而达到50比40的决定。

  Plotkin说:“这人 想法类似于‘electoral gerrymandering’,一方可不需用获得优势,而都是通过绝对数量来决定谁在哪个区投票。”

  鉴于对社交媒体如保改变信息流的担忧,这人 影响算不算会意味着偏见的结果是Plotkin有点关心的难题。

  “现在,大伙需用研究社交媒体对自由民主国家健康的影响,”你爱不爱我。

  Plotkin说:“简而言之,大伙发现,即使两党拥有相同数量的成员、网络中的每各自 都具有同等的影响力,一切似乎都很公平,但社交网络的形状仍然会将结果偏向一方或各自 。”

  意味着与双方互相交流的法子有关。

  当有一有另一一三个白党派的成员只与同党派成员交谈,而都是跨越党派交流时,这肯能会意味着网上所谓的“过滤泡沫”(filter bubble),这人 人所有 的观点会肯能附过人而加强。把有一有另一一三个白从前的小组放在一起,每个小组都站各自 方的观点,但会 就总出 了僵局。

  然而,当信息gerrymandering,一方的某些成员最终会加入由各自 成员主导的对话中。在那里,大伙有肯能说服对方,或被说对方服。 

  “占据 劣势的党派,”Plotkin解释说,“往往是有一有另一一三个白分裂了各自 影响力的党派,大多数成员只与各自 党派成员对话,而少数成员则在从前党派主导的‘泡沫’中互动,很肯能但会 倒戈。”

  “大伙可不需用通过社交网络的形状将哪十几个 实验性游戏中的最终投票率提高20%或更多,”Plotkin坦言:“即使一方拥有2比1的规模优势,大伙也预测少数党可不需用通过information gerrymandering赢得多数选票。”

  大伙好奇算不算可否使用自动机器人(automated bots)引发information gerrymandering,研究人员还使用了拒绝妥协的“狂热机器人”。简直,非要少数狂热者的适当安置也肯能意味着information gerrymandering和不民主的结果。

  为了评估现实世界网络中算不算占据 information gerrymandering,研究人员分析了美国国会以及参与政治讨论的欧洲立法机构和社交媒体用户网络中的法案一起赞助数据。

  大伙发现information gerrymandering在哪十几个 现实世界的网络中非常普遍。

  研究人员认为这是有一有另一一三个白新研究的开使英语 英语 ,侧重于社交网络如保影响集体决策。

  Plotkin说:“大伙对于假新闻和online troll非常关注,这无疑是破坏性的。” “大伙正在研究的是不同的东西,这取决于整体网络形状 ——对于民主决策来说,这是有一有另一一三个白更微妙但肯能更有害的难题。” 

  分分钟影响选举,社交网络需用受到进一步监管

  可不需用说,这项研究我想们从新的角度认识了选举投票。

  过去,信息由少数官方消息来源(如报纸和电视台)传播,或通过现实社交网络传播,哪十几个 网络主要来自涉及各自 人际关系动态的分布式流程。现在不再是这人 具体情况,肯能社交网络网站部署了通过设计重构社交关系的技术。

  哪十几个 在线社交网络是角度动态的系统,肯能人与机器之间的几滴 反馈而占据 变化:算法推荐连接;大伙进行回应;算法根据人类回应进行调整。

  哪十几个 互动和过程一起改变了大伙看后的信息以及大伙如保看待世界的法子,information gerrymandering肯能在那末意识的具体情况下总出 ,但仅仅是机器学习算法的意外结果,哪十几个 算法经过训练以优化用户体验。

  目前,在线社交网络不受实质性法规或透明度要求的约束。过后的通信技术有肯能干扰民主应用程序池池肯能受到立法监督,现在的社交媒体生态系统是都是也早该“享受”类似于的待遇了?