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: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是是是因为会扭曲社区中自己对如何投票的看法,而这是是是因为会改变选举的结果。

  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,社交网络中的这俩特性是是是因为会影响到一方的投票结果,即使双方否是相同的规模且每个参与者否是相同的影响,这俩问题报告 没越来越人称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了没越来越人的重新关注,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报告 ,就是 通过对数千自己类受试者进行社会网络实验来证实其效果。最后,没越来越人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能才能改变没越来越人思考政治决策的方式,正如这俩不同思想的形象所描绘的那样。在决定如何投票时,没越来越人需要整合不同的信息来源。但信息不要一直自由流动;它能才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原先障碍,这是是是因为与在线社区尤为相关。 

  没越来越人研究了另兩个 群体在另兩个 有争议的决定下对抗的情况报告。没越来越人基于博弈论开发了四种 生活选民取舍模型, 有2520名真实的人参与,每12人为一组,玩在线游戏。

  首先,研究人员构建了另兩个 简单的游戏,玩家被分配到竞争团体或党派。把玩家插进另兩个 网络上,这俩网络决定了每自己都能看完自己的投票意向,玩家们被激励起来,原先没越来越人的政党就能“赢得”选举。第十个 最好的结果是自己获胜,最坏的结果是陷入僵局。 

  如上图显示,社会网络特性影响选民的看法。在那先 社交网络中,十自己投了橙色,十个 投了深蓝色。每自己否是十个 互惠的社交关系,其中:

  a,在这俩随机网络中,八自己正确地从没越来越人的联系人的偏好推断出橙色更受欢迎,十个 推断平局,只有另兩个 错误地推断出深蓝色更受欢迎。 

  b,当自己主要与志趣相投的人进行互动时,会一直总出 “过滤泡沫”,人及都认为没越来越人那一方是最受欢迎的。在这俩情况报告下,投票僵局更有是是是因为,是是是因为越来越人认识到需要妥协。 

  c,Stewart等人描述“Information gerrymandering”,其中网络特性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深蓝色更受欢迎,这是是是是因为深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,否是地理边界会产生偏见,就是 社交网络的特性,类事 社交媒体连接。 

  “没越来越人根据没越来越人阅读的内容和与之互动的人来形成意见或决定如何投票,” Plotkin说:“在今天的世界里,没越来越人做了小量的在线分享和阅读。没越来越人发现,即使在越来越“虚假新闻”的情况报告下,“information gerrymandering”也会是是是因为集体决策结果产生强烈偏见。 

  “这问没越来越人,没越来越人需要谨慎依赖社交媒体进行沟通,是是是因为网络特性没哟没越来越人的控制之下,但它是是是因为会扭曲没越来越人的集体决策。”

  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,另兩个 被平均分成另兩个 派别的团体是是是因为仅仅是是是因为信息分散而达到80比40的决定。

  Plotkin说:“这俩想法类事 于‘electoral gerrymandering’,一方能才能获得优势,而否是通过绝对数量来决定谁在哪个区投票。”

  鉴于对社交媒体如何改变信息流的担忧,这俩影响否是会是是是因为偏见的结果是Plotkin有点儿关心的问题报告 。

  “现在,没越来越人需要研究社交媒体对自由民主国家健康的影响,”你说歌词 。

  Plotkin说:“简而言之,没越来越人发现,即使两党拥有相同数量的成员、网络中的每自己都具有同等的影响力,一切似乎都很公平,但社交网络的特性仍然会将结果偏向一方或自己。”

  是是是因为与双方互相交流的方式有关。

  当另兩个 党派的成员只与同党派成员交谈,而否是跨越党派交流时,这是是是因为会是是是因为网上所谓的“过滤泡沫”(filter bubble),这俩及的观点会是是是因为符近人而加强。把另兩个 原先的小组插进一起,每个小组都站自己方的观点,就是 就一直总出 了僵局。

  然而,当信息gerrymandering,一方的这俩成员最终会加入由自己成员主导的对话中。在那里,没越来越人有是是是因为说服对方,或被说对方服。 

  “位于劣势的党派,”Plotkin解释说,“往往是另兩个 分裂了自己影响力的党派,大多数成员只与自己党派成员对话,而少数成员则在原先党派主导的‘泡沫’中互动,很是是是因为就是 倒戈。”

  “没越来越人能才能通过社交网络的特性将那先 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,没越来越人也预测少数党能才能通过information gerrymandering赢得多数选票。”

  没越来越人好奇否是才能使用自动机器人(automated bots)引发information gerrymandering,研究人员还使用了拒绝妥协的“狂热机器人”。你造,只有少数狂热者的适当安置也是是是因为是是是因为information gerrymandering和不民主的结果。

  为了评估现实世界网络中否是位于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起赞助数据。

  没越来越人发现information gerrymandering在那先 现实世界的网络中非常普遍。

  研究人员认为这是另兩个 新研究的刚结束了,侧重于社交网络如何影响集体决策。

  Plotkin说:“没越来越人对于假新闻和online troll非常关注,这无疑是破坏性的。” “没越来越人正在研究的是不同的东西,这取决于整体网络特性 ——对于民主决策来说,这是另兩个 更微妙以后是是因为更有害的问题报告 。” 

  分分钟影响选举,社交网络需要受到进一步监管

  能才能说,这项研究让没越来越人从新的深层认识了选举投票。

  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,那先 网络主要来自涉及自己人际关系动态的分布式流程。现在不再是这俩情况报告,是是是因为什么在么在交网络网站部署了通过设计重构社交关系的技术。

  那先 在线社交网络是深层动态的系统,是是是因为人与机器之间的小量反馈而位于变化:算法推荐连接;没越来越人进行组阁 ;算法根据人类组阁 进行调整。

  那先 互动和过程一起改变了没越来越人看完的信息以及没越来越人如何看待世界的方式,information gerrymandering是是是因为在越来越意识的情况报告下一直总出 ,但仅仅是机器学习算法的意外结果,那先 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。完后 的通信技术有是是是因为干扰民主应用应用系统进程是是是因为受到立法监督,现在的社交媒体生态系统否是也早该“享受”类事 的待遇了?