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:五分6合app下载-五分6合app下载安装-五分6合网站
  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可能会扭曲社区中当时人对何如投票的看法,而这可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,社交网络中的许多行态可能会影响到一方的投票结果,即使双方有的是相同的规模且每个参与者有的是相同的影响,这俩问题图片亲戚朋友称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了亲戚朋友的重新关注,多少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俩问题图片,就让通过对数千当时人类受试者进行社会网络实验来证实其效果。最后,亲戚朋友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可不可不上能改变亲戚朋友思考政治决策的法律法律依据 ,正如这俩不同思想的形象所描绘的那样。在决定何如投票时,亲戚朋友需要整合不同的信息来源。但信息未必总是自由流动;它可不可不上能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以前障碍,这可能与在线社区尤为相关。 

  亲戚朋友研究了以前群体在以前有争议的决定下对抗的情形。亲戚朋友基于博弈论开发了一种选民选着模型, 有2520名真实的人参与,每12人为一组,玩在线游戏。

  首先,研究人员构建了以前简单的游戏,玩家被分配到竞争团体或党派。把玩家插进以前网络上,这俩网络决定了每当时人都能想看 当时人的投票意向,玩家们被激励起来,以前亲戚朋友的政党就能“赢得”选举。第兩个最好的结果是当时人获胜,最坏的结果是陷入僵局。 

  如上图显示,社会网络行态影响选民的看法。在这俩社交网络中,十当时人投了橙色,兩个投了蓝绿色。每当时人有的是兩个互惠的社交关系,其中:

  a,在这俩随机网络中,八当时人正确地从亲戚朋友的联系人的偏好推断出橙色更受欢迎,兩个推断平局,要能以前错误地推断出蓝绿色更受欢迎。 

  b,当当时人主要与志趣相投的人进行互动时,会跳出“过滤泡沫”,人个都认为亲戚朋友那一方是最受欢迎的。在这俩情形下,投票僵局更有可能,可要能人认识到需要妥协。 

  c,Stewart等人描述“Information gerrymandering”,其中网络行态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,这是可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,有的是地理边界会产生偏见,就说 社交网络的行态,相似社交媒体连接。 

  “亲戚朋友根据亲戚朋友阅读的内容和与之互动的人来形成意见或决定何如投票,” Plotkin说:“在今天的世界里,亲戚朋友做了几瓶的在线分享和阅读。亲戚朋友发现,即使在要能“虚假新闻”的情形下,“information gerrymandering”也会因为分析集体决策结果产生强烈偏见。 

  “这谁能告诉亲戚朋友,亲戚朋友需要谨慎依赖社交媒体进行沟通,可能网络行态没得亲戚朋友的控制之下,但它可能会扭曲亲戚朋友的集体决策。”

  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,以前被平均分成以前派别的团体可能仅仅可能信息分散而达到50比40的决定。

  Plotkin说:“这俩想法相似于‘electoral gerrymandering’,一方可不可不上能获得优势,而有的是通过绝对数量来决定谁在哪个区投票。”

  鉴于对社交媒体何如改变信息流的担忧,这俩影响是否会因为分析偏见的结果是Plotkin不得劲关心的问题图片。

  “现在,亲戚朋友需要研究社交媒体对自由民主国家健康的影响,”是我不好。

  Plotkin说:“简而言之,亲戚朋友发现,即使两党拥有相同数量的成员、网络中的每当时人都具有同等的影响力,一切似乎都很公平,但社交网络的行态仍然会将结果偏向一方或当时人。”

  因为分析与双方互相交流的法律法律依据 有关。

  当以前党派的成员只与同党派成员交谈,而有的是跨越党派交流时,这可能会因为分析网上所谓的“过滤泡沫”(filter bubble),这俩人的观点会可能互近人而加强。把以前以前的小组插进一齐,每个小组都站当时人方的观点,就让就跳出了僵局。

  然而,当信息gerrymandering,一方的许多成员最终会加入由当时人成员主导的对话中。在那里,亲戚朋友有可能说服对方,或被说对方服。 

  “处于劣势的党派,”Plotkin解释说,“往往是以前分裂了当时人影响力的党派,大多数成员只与当时人党派成员对话,而少数成员则在以前党派主导的‘泡沫’中互动,很可能就让倒戈。”

  “亲戚朋友可不可不上能通过社交网络的行态将这俩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,亲戚朋友也预测少数党可不可不上能通过information gerrymandering赢得多数选票。”

  亲戚朋友好奇是否要能使用自动机器人(automated bots)引发information gerrymandering,研究人员还使用了拒绝妥协的“狂热机器人”。青春恋爱物语,要能少数狂热者的适当安置也可能因为分析information gerrymandering和不民主的结果。

  为了评估现实世界网络中是否处于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齐赞助数据。

  亲戚朋友发现information gerrymandering在这俩现实世界的网络中非常普遍。

  研究人员认为这是以前新研究的结速英语 ,侧重于社交网络何如影响集体决策。

  Plotkin说:“亲戚朋友对于假新闻和online troll非常关注,这无疑是破坏性的。” “亲戚朋友正在研究的是不同的东西,这取决于整体网络行态 ——对于民主决策来说,这是以前更微妙但可能更有害的问题图片。” 

  分分钟影响选举,社交网络需要受到进一步监管

  可不可不上能说,这项研究让亲戚朋友从新的深度图认识了选举投票。

  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,这俩网络主要来自涉及当时人人际关系动态的分布式流程。现在不再是这俩情形,可能社交网络网站部署了通过设计重构社交关系的技术。

  这俩在线社交网络是深度图动态的系统,可能人与机器之间的几瓶反馈而处于变化:算法推荐连接;亲戚朋友进行发表声明;算法根据人类发表声明进行调整。

  这俩互动和过程一齐改变了亲戚朋友想看 的信息以及亲戚朋友何如看待世界的法律法律依据 ,information gerrymandering可能在要能意识的情形下跳出,但仅仅是机器学习算法的意外结果,这俩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。以前的通信技术有可能干扰民主程序可能受到立法监督,现在的社交媒体生态系统是有的是也早该“享受”相似的待遇了?