Nature封面:社交网络影响集体决策 或改变选举结果

  • 时间:
  • 浏览:3
  • 来源:彩神app_彩神app网站_彩神app官方网站登录
  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原应 会扭曲社区中有些人对怎么才能 才能 投票的看法,而这原应 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,社交网络中的有些形态学 原应 会影响到一方的投票结果,即使双方也有相同的规模且每个参与者也有相同的影响,这一 什么的问题我们都都 称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了我们都都 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一 什么的问题,因此通过对数千有些人类受试者进行社会网络实验来证实其效果。最后,我们都都 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还不都里能 改变我们都都 思考政治决策的措施,正如这一 不同思想的形象所描绘的那样。在决定怎么才能 才能 投票时,我们都都 不都里能 整合不同的信息来源。但信息不用说总爱 自由流动;它还不都里能 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这么 障碍,这原应 与在线社区尤为相关。 

  我们都都 研究了有一六个 群体在有一六个 有争议的决定下对抗的情况报告。我们都都 基于博弈论开发了有四种 选民挑选模型, 有2520名真实的人参与,每12人为一组,玩在线游戏。

  首先,研究人员构建了有一六个 简单的游戏,玩家被分配到竞争团体或党派。把玩家放到有一六个 网络上,这一 网络决定了每有些人都能看一遍有些人的投票意向,玩家们被激励起来,这么 我们都都 的政党就能“赢得”选举。第六个最好的结果是有些人获胜,最坏的结果是陷入僵局。 

  如上图显示,社会网络形态学 影响选民的看法。在哪些地方地方社交网络中,十有些人投了橙色,六个投了暗蓝色。每有些人也有六个互惠的社交关系,其中:

  a,在这一 随机网络中,八有些人正确地从我们都都 的联系人的偏好推断出橙色更受欢迎,六个推断平局,非要有一六个 错误地推断出暗蓝色更受欢迎。 

  b,当有些人主要与志趣相投的人进行互动时,会总出 “过滤泡沫”,所许多人都认为我们都都 那一方是最受欢迎的。在这一 情况报告下,投票僵局更有原应 ,原应 这么人认识到不都里能 妥协。 

  c,Stewart等人描述“Information gerrymandering”,其中网络形态学 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暗蓝色更受欢迎,这是原应 暗蓝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,也有地理边界会产生偏见,就让 社交网络的形态学 ,类似于 社交媒体连接。 

  “我们都都 根据我们都都 阅读的内容和与之互动的人来形成意见或决定怎么才能 才能 投票,” Plotkin说:“在今天的世界里,我们都都 做了大量的在线分享和阅读。我们都都 发现,即使在这么“虚假新闻”的情况报告下,“information gerrymandering”也会原应 集体决策结果产生强烈偏见。 

  “这我不知道们,我们都都 不都里能 谨慎依赖社交媒体进行沟通,原应 网络形态学 这么了我们都都 的控制之下,但它原应 会扭曲我们都都 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,有一六个 被平均分成有一六个 派别的团体原应 仅仅原应 信息分散而达到80比40的决定。

  Plotkin说:“这一 想法类似于 于‘electoral gerrymandering’,一方还不都里能 获得优势,而也有通过绝对数量来决定谁在哪个区投票。”

  鉴于对社交媒体怎么才能 才能 改变信息流的担忧,这一 影响不是会原应 偏见的结果是Plotkin很重关心的什么的问题。

  “现在,我们都都 不都里能 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,我们都都 发现,即使两党拥有相同数量的成员、网络中的每有些人都具有同等的影响力,一切似乎都很公平,但社交网络的形态学 仍然会将结果偏向一方或有些人。”

  原应 与双方互相交流的措施有关。

  当有一六个 党派的成员只与同党派成员交谈,而也有跨越党派交流时,这原应 会原应 网上所谓的“过滤泡沫”(filter bubble),这一 人的观点会原应 附过人而加强。把有一六个 这么 的小组放到一块儿,每个小组都站有些人方的观点,因此就总出 了僵局。

  然而,当信息gerrymandering,一方的有些成员最终会加入由有些人成员主导的对话中。在那里,我们都都 有原应 说服对方,或被说对方服。 

  “处在劣势的党派,”Plotkin解释说,“往往是有一六个 分裂了有些人影响力的党派,大多数成员只与有些人党派成员对话,而少数成员则在这么 党派主导的‘泡沫’中互动,很原应 因此倒戈。”

  “我们都都 还不都里能 通过社交网络的形态学 将哪些地方地方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,我们都都 也预测少数党还不都里能 通过information gerrymandering赢得多数选票。”

  我们都都 好奇不是不不都里能 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”。甜得,非要少数狂热者的适当安置也原应 原应 information gerrymandering和不民主的结果。

  为了评估现实世界网络中不是处在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块儿赞助数据。

  我们都都 发现information gerrymandering在哪些地方地方现实世界的网络中非常普遍。

  研究人员认为这是有一六个 新研究的就让刚开使,侧重于社交网络怎么才能 才能 影响集体决策。

  Plotkin说:“我们都都 对于假新闻和online troll非常关注,这无疑是破坏性的。” “我们都都 正在研究的是不同的东西,这取决于整体网络形态学 ——对于民主决策来说,这是有一六个 更微妙但原应 更有害的什么的问题。” 

  分分钟影响选举,社交网络不都里能 受到进一步监管

  还不都里能 说,这项研究让我们都都 从新的强度认识了选举投票。

  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,哪些地方地方网络主要来自涉及有些人人际关系动态的分布式流程。现在不再是这一 情况报告,原应 社交网络网站部署了通过设计重构社交关系的技术。

  哪些地方地方在线社交网络是强度动态的系统,原应 人与机器之间的大量反馈而处在变化:算法推荐连接;我们都都 进行签署;算法根据人类签署进行调整。

  哪些地方地方互动和过程一块儿改变了我们都都 看一遍的信息以及我们都都 怎么才能 才能 看待世界的措施,information gerrymandering原应 在这么意识的情况报告下总出 ,但仅仅是机器学习算法的意外结果,哪些地方地方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。就让的通信技术有原应 干扰民主系统进程运行运行原应 受到立法监督,现在的社交媒体生态系统是也有也早该“享受”类似于 的待遇了?