Nature封面:社交网络影响集体决策 或改变选举结果

  • 时间:
  • 浏览:4
  • 来源:5分快3官网-5分快3登入网址
  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后后会扭曲社区中被委托人对如何投票的看法,而这后后会改变选举的结果。

  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,社交网络中的许多型态后后会影响到一方的投票结果,即使双方都有相同的规模且每个参与者都有相同的影响,你这些 大问题朋友称之为“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,几次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你这些 大问题,后后通过对数千被委托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都前要改变朋友思考政治决策的法律办法,正如你这些 不同思想的形象所描绘的那样。在决定如何投票时,朋友前要整合不同的信息来源。但信息不必一直自由流动;它都前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原来障碍,这后后与在线社区尤为相关。 

  朋友研究了另另一个多群体在另另一个多有争议的决定下对抗的情况。朋友基于博弈论开发了四种 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,研究人员构建了另另一个多简单的游戏,玩家被分配到竞争团体或党派。把玩家插进另另一个多网络上,你这些 网络决定了每被委托人都能看完被委托人的投票意向,玩家们被激励起来,原来朋友的政党就能“赢得”选举。第5个最好的结果是被委托人获胜,最坏的结果是陷入僵局。 

  如上图显示,社会网络型态影响选民的看法。在你这些 社交网络中,十被委托人投了橙色,5个投了深紫色 。每被委托人都有5个互惠的社交关系,其中:

  a,在你这些 随机网络中,八被委托人正确地从朋友的联系人的偏好推断出橙色更受欢迎,5个推断平局,只另另一个多多错误地推断出深紫色 更受欢迎。 

  b,当被委托人主要与志趣相投的人进行互动时,会出現“过滤泡沫”,每人及都认为朋友那一方是最受欢迎的。在你这些 情况下,投票僵局更有后后,后后没人人认识到前要妥协。 

  c,Stewart等人描述“Information gerrymandering”,其中网络型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,这是后后深紫色 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,都有地理边界会产生偏见,后后社交网络的型态,这类社交媒体连接。 

  “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如何投票,” Plotkin说:“在今天的世界里,朋友做了小量的在线分享和阅读。朋友发现,即使在没人“虚假新闻”的情况下,“information gerrymandering”也会原困集体决策结果产生强烈偏见。 

  “这真不知道们,朋友前要谨慎依赖社交媒体进行沟通,后后网络型态没了朋友的控制之下,但它后后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,另另一个多被平均分成另另一个多派别的团体后后仅仅后后信息分散而达到60 比40的决定。

  Plotkin说:“你这些 想法这类于‘electoral gerrymandering’,一方都前要获得优势,而都有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,你这些 影响是否会原困偏见的结果是Plotkin很糙关心的大问题。

  “现在,朋友前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、网络中的每被委托人都具有同等的影响力,一切似乎都很公平,但社交网络的型态仍然会将结果偏向一方或被委托人。”

  原困与双方互相交流的法律办法有关。

  当另另一个多党派的成员只与同党派成员交谈,而都有跨越党派交流时,这后后会原困网上所谓的“过滤泡沫”(filter bubble),你这被委托人的观点会后后附过人而加强。把另另一个多原来的小组插进一齐,每个小组都站被委托人方的观点,后后就出現了僵局。

  然而,当信息gerrymandering,一方的许多成员最终会加入由被委托人成员主导的对话中。在那里,朋友有后后说服对方,或被说对方服。 

  “处在劣势的党派,”Plotkin解释说,“往往是另另一个多分裂了被委托人影响力的党派,大多数成员只与被委托人党派成员对话,而少数成员则在原来党派主导的‘泡沫’中互动,很后后后后倒戈。”

  “朋友都前要通过社交网络的型态将你这些 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,朋友也预测少数党都前要通过information gerrymandering赢得多数选票。”

  朋友好奇是否可不能能使用自动机器人(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,没人少数狂热者的适当安置也后后原困information gerrymandering和不民主的结果。

  为了评估现实世界网络中是否处在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一齐赞助数据。

  朋友发现information gerrymandering在你这些 现实世界的网络中非常普遍。

  研究人员认为这是另另一个多新研究的开始,侧重于社交网络如何影响集体决策。

  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,这取决于整体网络型态 ——对于民主决策来说,这是另另一个多更微妙但后后更有害的大问题。” 

  分分钟影响选举,社交网络前要受到进一步监管

  都前要说,这项研究让朋友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,你这些 网络主要来自涉及被委托人人际关系动态的分布式流程。现在不再是你这些 情况,后后社交网络网站部署了通过设计重构社交关系的技术。

  你这些 在线社交网络是高度动态的系统,后后人与机器之间的小量反馈而处在变化:算法推荐连接;朋友进行提前大选;算法根据人类提前大选进行调整。

  你这些 互动和过程一齐改变了朋友看完的信息以及朋友如何看待世界的法律办法,information gerrymandering后后在没人意识的情况下出現,但仅仅是机器学习算法的意外结果,你这些 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。完后 的通信技术有后后干扰民主应用程序池池后后受到立法监督,现在的社交媒体生态系统是都有也早该“享受”这类的待遇了?