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:5分11选5登入网址-5分11选5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将会会扭曲社区中我个人对咋样投票的看法,而这将会会改变选举的结果。

  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,社交网络中的或多或少行态将会会影响到一方的投票结果,即使双方全是相同的规模且每个参与者全是相同的影响,什儿 问题亲们 称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了亲们 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什儿 问题,可是我我通过对数千我个人类受试者进行社会网络实验来证实其效果。最后,亲们 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也能改变亲们 思考政治决策的依据,正如什儿 不同思想的形象所描绘的那样。在决定咋样投票时,亲们 需要整合不同的信息来源。但信息不必老要自由流动;它也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可是我我 障碍,这将会与在线社区尤为相关。 

  亲们 研究了有有1个多 群体在有有1个多 有争议的决定下对抗的情况。亲们 基于博弈论开发了一种生活选民选者模型, 有2520名真实的人参与,每12人为一组,玩在线游戏。

  首先,研究人员构建了有有1个多 简单的游戏,玩家被分配到竞争团体或党派。把玩家倒入有有1个多 网络上,什儿 网络决定了每我个人都能看后我个人的投票意向,玩家们被激励起来,可是我我 亲们 的政党就能“赢得”选举。第1个最好的结果是我个人获胜,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。在那先 社交网络中,十我个人投了橙色,1个投了暗蓝色。每我个人全是1个互惠的社交关系,其中:

  a,在什儿 随机网络中,八我个人正确地从亲们 的联系人的偏好推断出橙色更受欢迎,1个推断平局,也能了有有1个多 错误地推断出暗蓝色更受欢迎。 

  b,当我个人主要与志趣相投的人进行互动时,会出显“过滤泡沫”,个人都认为亲们 那一方是最受欢迎的。在什儿 情况下,投票僵局更有将会,将会没没有 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暗蓝色更受欢迎,这是将会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,全是地理边界会产生偏见,可是我我社交网络的行态,这类于社交媒体连接。 

  “亲们 根据亲们 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,亲们 做了少许的在线分享和阅读。亲们 发现,即使在没有 “虚假新闻”的情况下,“information gerrymandering”也会导致 集体决策结果产生强烈偏见。 

  “这他不知道们,亲们 需要谨慎依赖社交媒体进行沟通,将会网络行态找不到亲们 的控制之下,但它将会会扭曲亲们 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,有有1个多 被平均分成有有1个多 派别的团体将会仅仅将会信息分散而达到300比40的决定。

  Plotkin说:“什儿 想法这类于于‘electoral gerrymandering’,一方也能获得优势,而全是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,什儿 影响算是会导致 偏见的结果是Plotkin有点儿关心的问题。

  “现在,亲们 需要研究社交媒体对自由民主国家健康的影响,”也许。

  Plotkin说:“简而言之,亲们 发现,即使两党拥有相同数量的成员、网络中的每我个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我个人。”

  导致 与双方互相交流的依据有关。

  当有有1个多 党派的成员只与同党派成员交谈,而全是跨越党派交流时,这将会会导致 网上所谓的“过滤泡沫”(filter bubble),什儿 及的观点会将会附近人而加强。把有有1个多 可是我我 的小组倒入同时,每个小组都站我个人方的观点,可是我我就出显了僵局。

  然而,当信息gerrymandering,一方的或多或少成员最终会加入由我个人成员主导的对话中。在那里,亲们 有将会说服对方,或被说对方服。 

  “所处劣势的党派,”Plotkin解释说,“往往是有有1个多 分裂了我个人影响力的党派,大多数成员只与我个人党派成员对话,而少数成员则在可是我我 党派主导的‘泡沫’中互动,很将会可是我我倒戈。”

  “亲们 也能通过社交网络的行态将那先 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,亲们 也预测少数党也能通过information gerrymandering赢得多数选票。”

  亲们 好奇算是也能使用自动机器人(automated bots)引发information gerrymandering,研究人员还使用了拒绝妥协的“狂热机器人”。真是 ,也能了少数狂热者的适当安置也将会导致 information gerrymandering和不民主的结果。

  为了评估现实世界网络中算是所处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时赞助数据。

  亲们 发现information gerrymandering在那先 现实世界的网络中非常普遍。

  研究人员认为这是有有1个多 新研究的现在开始英文,侧重于社交网络咋样影响集体决策。

  Plotkin说:“亲们 对于假新闻和online troll非常关注,这无疑是破坏性的。” “亲们 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,这是有有1个多 更微妙但将会更有害的问题。” 

  分分钟影响选举,社交网络需要受到进一步监管

  也能说,这项研究让亲们 从新的高度认识了选举投票。

  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,那先 网络主要来自涉及我个人人际关系动态的分布式流程。现在不再是什儿 情况,将会社交网络网站部署了通过设计重构社交关系的技术。

  那先 在线社交网络是高度动态的系统,将会人与机器之间的少许反馈而所处变化:算法推荐连接;亲们 进行宣布;算法根据人类宣布进行调整。

  那先 互动和过程同时改变了亲们 看后的信息以及亲们 咋样看待世界的依据,information gerrymandering将会在没有 意识的情况下出显,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。并且的通信技术有将会干扰民主系统守护进程将会受到立法监督,现在的社交媒体生态系统是全是也早该“享受”这类于的待遇了?