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将会会扭曲社区中买车人对怎样投票的看法,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,社交网络中的其他底部形态将会会影响到一方的投票结果,即使双方都是相同的规模且每个参与者都是相同的影响,累似 现象朋友称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了朋友的重新关注,十好多个 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累似 现象,如果 通过对数千买车人类受试者进行社会网络实验来证实其效果。最后,朋友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还需要改变朋友思考政治决策的最好的方法,正如累似 不同思想的形象所描绘的那样。在决定怎样投票时,朋友需要整合不同的信息来源。但信息不要突然自由流动;它还需要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从前 障碍,这将会与在线社区尤为相关。 

  朋友研究了五个 群体在五个 有争议的决定下对抗的情况汇报。朋友基于博弈论开发了某种选民选则模型, 有2520名真实的人参与,每12人为一组,玩在线游戏。

  首先,研究人员构建了五个 简单的游戏,玩家被分配到竞争团体或党派。把玩家装入 五个 网络上,累似 网络决定了每买车人都能都看买车人的投票意向,玩家们被激励起来,从前 朋友的政党就能“赢得”选举。第五个最好的结果是买车人获胜,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。在那些社交网络中,十买车人投了橙色,五个投了湖蓝色。每买车人都是五个互惠的社交关系,其中:

  a,在累似 随机网络中,八买车人正确地从朋友的联系人的偏好推断出橙色更受欢迎,五个推断平局,促使五个 错误地推断出湖蓝色更受欢迎。 

  b,当买车人主要与志趣相投的人进行互动时,会出显“过滤泡沫”,人及都认为朋友那一方是最受欢迎的。在累似 情况汇报下,投票僵局更有将会,将会促使 人认识到需要妥协。 

  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湖蓝色更受欢迎,这是将会湖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,都是地理边界会产生偏见,本来社交网络的底部形态,累似 社交媒体连接。 

  “朋友根据朋友阅读的内容和与之互动的人来形成意见或决定怎样投票,” Plotkin说:“在今天的世界里,朋友做了极少量的在线分享和阅读。朋友发现,即使在促使 “虚假新闻”的情况汇报下,“information gerrymandering”也会是因为集体决策结果产生强烈偏见。 

  “这告诉朋友,朋友需要谨慎依赖社交媒体进行沟通,将会网络底部形态沒有朋友的控制之下,但它将会会扭曲朋友的集体决策。”

  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,五个 被平均分成五个 派别的团体将会仅仅将会信息分散而达到100比40的决定。

  Plotkin说:“累似 想法累似 于‘electoral gerrymandering’,一方还需要获得优势,而都是通过绝对数量来决定谁在哪个区投票。”

  鉴于对社交媒体怎样改变信息流的担忧,累似 影响算不算会是因为偏见的结果是Plotkin不得劲关心的现象。

  “现在,朋友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,朋友发现,即使两党拥有相同数量的成员、网络中的每买车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买车人。”

  是因为与双方互相交流的最好的方法有关。

  当五个 党派的成员只与同党派成员交谈,而都是跨越党派交流时,这将会会是因为网上所谓的“过滤泡沫”(filter bubble),累似 人的观点会将会俯近人而加强。把五个 从前 的小组装入 一起去,每个小组都站买车人方的观点,如果 就出显了僵局。

  然而,当信息gerrymandering,一方的其他成员最终会加入由买车人成员主导的对话中。在那里,朋友有将会说服对方,或被说对方服。 

  “处于劣势的党派,”Plotkin解释说,“往往是五个 分裂了买车人影响力的党派,大多数成员只与买车人党派成员对话,而少数成员则在从前 党派主导的‘泡沫’中互动,很将会如果 倒戈。”

  “朋友还需要通过社交网络的底部形态将那些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,朋友也预测少数党还需要通过information gerrymandering赢得多数选票。”

  朋友好奇算不算促使使用自动机器人(automated bots)引发information gerrymandering,研究人员还使用了拒绝妥协的“狂热机器人”。青春恋爱物语,促使少数狂热者的适当安置也将会是因为information gerrymandering和不民主的结果。

  为了评估现实世界网络中算不算处于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起去赞助数据。

  朋友发现information gerrymandering在那些现实世界的网络中非常普遍。

  研究人员认为这是五个 新研究的结束了了,侧重于社交网络怎样影响集体决策。

  Plotkin说:“朋友对于假新闻和online troll非常关注,这无疑是破坏性的。” “朋友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,这是五个 更微妙但将会更有害的现象。” 

  分分钟影响选举,社交网络需要受到进一步监管

  还需要说,这项研究让朋友从新的深度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,那些网络主要来自涉及买车人人际关系动态的分布式流程。现在不再是累似 情况汇报,将会社交网络网站部署了通过设计重构社交关系的技术。

  那些在线社交网络是深度1动态的系统,将会人与机器之间的极少量反馈而处于变化:算法推荐连接;朋友进行发表声明;算法根据人类发表声明进行调整。

  那些互动和过程一起去改变了朋友都看的信息以及朋友怎样看待世界的最好的方法,information gerrymandering将会在促使 意识的情况汇报下出显,但仅仅是机器学习算法的意外结果,那些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。如果 的通信技术有将会干扰民主任务管理器将会受到立法监督,现在的社交媒体生态系统是都是也早该“享受”累似 的待遇了?