Nature封面:社交网络影响集体决策 或改变选举结果

  • 时间:
  • 浏览:2
  • 来源:5分11选5-5分11选5平台_5分11选5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可能性会扭曲社区中当事人对咋样投票的看法,而这可能性会改变选举的结果。

  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,社交网络中的有些底部形态可能性会影响到一方的投票结果,即使双方与非 相同的规模且每个参与者与非 相同的影响,這個问题报告 亲戚村里人 称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了亲戚村里人 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這個问题报告 ,之前 通过对数千当事人类受试者进行社会网络实验来证实其效果。最后,亲戚村里人 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可不后能 改变亲戚村里人 思考政治决策的辦法 ,正如這個不同思想的形象所描绘的那样。在决定咋样投票时,亲戚村里人 前要整合不同的信息来源。但信息不须老会 自由流动;它可不后能 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那我障碍,这可能性与在线社区尤为相关。 

  亲戚村里人 研究了有两个 群体在有两个 有争议的决定下对抗的情況。亲戚村里人 基于博弈论开发了并与非 选民选用模型, 有2520名真实的人参与,每12人为一组,玩在线游戏。

  首先,研究人员构建了有两个 简单的游戏,玩家被分配到竞争团体或党派。把玩家放上去有两个 网络上,這個网络决定了每当事人都能看了当事人的投票意向,玩家们被激励起来,那我亲戚村里人 的政党就能“赢得”选举。第八个最好的结果是当事人获胜,最坏的结果是陷入僵局。 

  如上图显示,社会网络底部形态影响选民的看法。在哪此社交网络中,十当事人投了橙色,八个投了深紫色 。每当事人与非 八个互惠的社交关系,其中:

  a,在這個随机网络中,八当事人正确地从亲戚村里人 的联系人的偏好推断出橙色更受欢迎,八个推断平局,只有有两个 错误地推断出深紫色 更受欢迎。 

  b,当当事人主要与志趣相投的人进行互动时,会再次出現“过滤泡沫”,其他人 都认为亲戚村里人 那一方是最受欢迎的。在這個情況下,投票僵局更有可能性,可能性没法 人认识到前要妥协。 

  c,Stewart等人描述“Information gerrymandering”,其中网络底部形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深紫色 更受欢迎,这是可能性深紫色 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,与非 地理边界会产生偏见,可是我社交网络的底部形态,类式社交媒体连接。 

  “亲戚村里人 根据亲戚村里人 阅读的内容和与之互动的人来形成意见或决定咋样投票,” Plotkin说:“在今天的世界里,亲戚村里人 做了少许的在线分享和阅读。亲戚村里人 发现,即使在没法 “虚假新闻”的情況下,“information gerrymandering”也会是因为集体决策结果产生强烈偏见。 

  “这我不知道们,亲戚村里人 前要谨慎依赖社交媒体进行沟通,可能性网络底部形态不出亲戚村里人 的控制之下,但它可能性会扭曲亲戚村里人 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,有两个 被平均分成有两个 派别的团体可能性仅仅可能性信息分散而达到200比40的决定。

  Plotkin说:“這個想法类式于‘electoral gerrymandering’,一方可不后能 获得优势,可是我与非 通过绝对数量来决定谁在哪个区投票。”

  鉴于对社交媒体咋样改变信息流的担忧,這個影响是与非 会是因为偏见的结果是Plotkin有点痛 关心的问题报告 。

  “现在,亲戚村里人 前要研究社交媒体对自由民主国家健康的影响,”你说。

  Plotkin说:“简而言之,亲戚村里人 发现,即使两党拥有相同数量的成员、网络中的每当事人都具有同等的影响力,一切似乎都很公平,但社交网络的底部形态仍然会将结果偏向一方或当事人。”

  是因为与双方互相交流的辦法 有关。

  当有两个 党派的成员只与同党派成员交谈,可是我与非 跨越党派交流时,这可能性会是因为网上所谓的“过滤泡沫”(filter bubble),這個人的观点会可能性附进人而加强。把有两个 那我的小组放上去同去,每个小组都站当事人方的观点,之前 就再次出現了僵局。

  然而,当信息gerrymandering,一方的有些成员最终会加入由当事人成员主导的对话中。在那里,亲戚村里人 有可能性说服对方,或被说对方服。 

  “存在劣势的党派,”Plotkin解释说,“往往是有两个 分裂了当事人影响力的党派,大多数成员只与当事人党派成员对话,而少数成员则在那我党派主导的‘泡沫’中互动,很可能性之前 倒戈。”

  “亲戚村里人 可不后能 通过社交网络的底部形态将哪此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,亲戚村里人 也预测少数党可不后能 通过information gerrymandering赢得多数选票。”

  亲戚村里人 好奇是与非 不能使用自动机器人(automated bots)引发information gerrymandering,研究人员还使用了拒绝妥协的“狂热机器人”。居然,只有少数狂热者的适当安置也可能性是因为information gerrymandering和不民主的结果。

  为了评估现实世界网络中是与非 存在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同去赞助数据。

  亲戚村里人 发现information gerrymandering在哪此现实世界的网络中非常普遍。

  研究人员认为这是有两个 新研究的开始英文,侧重于社交网络咋样影响集体决策。

  Plotkin说:“亲戚村里人 对于假新闻和online troll非常关注,这无疑是破坏性的。” “亲戚村里人 正在研究的是不同的东西,这取决于整体网络底部形态 ——对于民主决策来说,这是有两个 更微妙但可能性更有害的问题报告 。” 

  分分钟影响选举,社交网络前要受到进一步监管

  可不后能 说,这项研究让亲戚村里人 从新的深度1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,哪此网络主要来自涉及当事人人际关系动态的分布式流程。现在不再是這個情況,可能性社交网络网站部署了通过设计重构社交关系的技术。

  哪此在线社交网络是深度1动态的系统,可能性人与机器之间的少许反馈而存在变化:算法推荐连接;亲戚村里人 进行回应;算法根据人类回应进行调整。

  哪此互动和过程同去改变了亲戚村里人 看了的信息以及亲戚村里人 咋样看待世界的辦法 ,information gerrymandering可能性在没法 意识的情況下再次出現,但仅仅是机器学习算法的意外结果,哪此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。事先的通信技术有可能性干扰民主进程可能性受到立法监督,现在的社交媒体生态系统是与非 也早该“享受”类式的待遇了?