Nature封面:社交网络影响集体决策 或改变选举结果

  • 时间:
  • 浏览:1
  • 来源:5分赛车娱乐平台-5分赛车下注平台_5分赛车注册平台
  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会扭曲社区中某些人对要怎样投票的看法,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,社交网络中的某些形态学 可能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,这名 问题报告 一帮人儿称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了一帮人儿的重新关注,几块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名 问题报告 ,但会 通过对数千某些人类受试者进行社会网络实验来证实其效果。最后,一帮人儿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还还可以 改变一帮人儿思考政治决策的辦法 ,正如这名 不同思想的形象所描绘的那样。在决定要怎样投票时,一帮人儿需用整合不同的信息来源。但信息无须老是 自由流动;它还还可以 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但是我障碍,这可能与在线社区尤为相关。 

  一帮人儿研究了一一十个 群体在一一十个 有争议的决定下对抗的情况。一帮人儿基于博弈论开发了四种 生活选民选泽模型, 有2520名真实的人参与,每12人为一组,玩在线游戏。

  首先,研究人员构建了一一十个 简单的游戏,玩家被分配到竞争团体或党派。把玩家倒入一一十个 网络上,这名 网络决定了每某些人都能看完某些人的投票意向,玩家们被激励起来,但是我一帮人儿的政党就能“赢得”选举。第十个 最好的结果是某些人获胜,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。在这名 社交网络中,十某些人投了橙色,十个 投了浅绿色。每某些人也有十个 互惠的社交关系,其中:

  a,在这名 随机网络中,八某些人正确地从一帮人儿的联系人的偏好推断出橙色更受欢迎,十个 推断平局,还还可以 了一一十个 错误地推断出浅绿色更受欢迎。 

  b,当某些人主要与志趣相投的人进行互动时,会出显“过滤泡沫”,每每各自 都认为一帮人儿那一方是最受欢迎的。在这名 情况下,投票僵局更有可能,可还还可以 否了人认识到需用妥协。 

  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浅绿色更受欢迎,这是可能浅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,也有地理边界会产生偏见,但是我社交网络的形态学 ,这名社交媒体连接。 

  “一帮人儿根据一帮人儿阅读的内容和与之互动的人来形成意见或决定要怎样投票,” Plotkin说:“在今天的世界里,一帮人儿做了多量的在线分享和阅读。一帮人儿发现,即使在还还可以 了“虚假新闻”的情况下,“information gerrymandering”也会由于集体决策结果产生强烈偏见。 

  “这别问一帮人儿,一帮人儿需用谨慎依赖社交媒体进行沟通,可能网络形态学 没得一帮人儿的控制之下,但它可能会扭曲一帮人儿的集体决策。”

  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,一一十个 被平均分成一一十个 派别的团体可能仅仅可能信息分散而达到30比40的决定。

  Plotkin说:“这名 想法这名‘electoral gerrymandering’,一方还还可以 获得优势,而也有通过绝对数量来决定谁在哪个区投票。”

  鉴于对社交媒体要怎样改变信息流的担忧,这名 影响否是会由于偏见的结果是Plotkin很糙关心的问题报告 。

  “现在,一帮人儿需用研究社交媒体对自由民主国家健康的影响,”跟跟我说。

  Plotkin说:“简而言之,一帮人儿发现,即使两党拥有相同数量的成员、网络中的每某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某些人。”

  由于与双方互相交流的辦法 有关。

  当一一十个 党派的成员只与同党派成员交谈,而也有跨越党派交流时,这可能会由于网上所谓的“过滤泡沫”(filter bubble),这名 人的观点会可能附进人而加强。把一一十个 但是我的小组倒入一块儿,每个小组都站某些人方的观点,但会 就出显了僵局。

  然而,当信息gerrymandering,一方的某些成员最终会加入由某些人成员主导的对话中。在那里,一帮人儿有可能说服对方,或被说对方服。 

  “处于劣势的党派,”Plotkin解释说,“往往是一一十个 分裂了某些人影响力的党派,大多数成员只与某些人党派成员对话,而少数成员则在但是我党派主导的‘泡沫’中互动,很可能但会 倒戈。”

  “一帮人儿还还可以 通过社交网络的形态学 将这名 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,一帮人儿也预测少数党还还可以 通过information gerrymandering赢得多数选票。”

  一帮人儿好奇否是都都还还可以 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,还还可以 了少数狂热者的适当安置也可能由于information gerrymandering和不民主的结果。

  为了评估现实世界网络中否是处于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块儿赞助数据。

  一帮人儿发现information gerrymandering在这名 现实世界的网络中非常普遍。

  研究人员认为这是一一十个 新研究的现在刚开始,侧重于社交网络要怎样影响集体决策。

  Plotkin说:“一帮人儿对于假新闻和online troll非常关注,这无疑是破坏性的。” “一帮人儿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,这是一一十个 更微妙但可能更有害的问题报告 。” 

  分分钟影响选举,社交网络需用受到进一步监管

  还还可以 说,这项研究让一帮人儿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,这名 网络主要来自涉及某些人人际关系动态的分布式流程。现在不再是这名 情况,可能社交网络网站部署了通过设计重构社交关系的技术。

  这名 在线社交网络是深层动态的系统,可能人与机器之间的多量反馈而处于变化:算法推荐连接;一帮人儿进行宣告;算法根据人类宣告进行调整。

  这名 互动和过程一块儿改变了一帮人儿看完的信息以及一帮人儿要怎样看待世界的辦法 ,information gerrymandering可能在还还可以 了意识的情况下出显,但仅仅是机器学习算法的意外结果,这名 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 的通信技术有可能干扰民主线程运行运行可能受到立法监督,现在的社交媒体生态系统是也有也早该“享受”这名的待遇了?