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机会会扭曲社区中当事人对如保投票的看法,而这机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,社交网络中的其他特征机会会影响到一方的投票结果,即使双方全部有的是相同的规模且每个参与者全部有的是相同的影响,這個大大问题 大伙称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了大伙的重新关注,有十几个 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大大问题 ,如保让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,大伙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还都可以 改变大伙思考政治决策的最好的办法,正如這個不同思想的形象所描绘的那样。在决定如保投票时,大伙都还都可以 整合不同的信息来源。但信息暂且老是自由流动;它还都可以 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原来障碍,这机会与在线社区尤为相关。 

  大伙研究了另1个群体在另1个有争议的决定下对抗的具体情况。大伙基于博弈论开发了某种 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,研究人员构建了另1个简单的游戏,玩家被分配到竞争团体或党派。把玩家放到另1个网络上,這個网络决定了每当事人都能看后当事人的投票意向,玩家们被激励起来,原来大伙的政党就能“赢得”选举。第五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,社会网络特征影响选民的看法。在哪有十几个 社交网络中,十当事人投了橙色,五个投了暗蓝色。每当事人全部有的是五个互惠的社交关系,其中:

  a,在這個随机网络中,八当事人正确地从大伙的联系人的偏好推断出橙色更受欢迎,五个推断平局,还都可以 都还都可以 另1个错误地推断出暗蓝色更受欢迎。 

  b,当当事人主要与志趣相投的人进行互动时,会总出 “过滤泡沫”,个人都认为大伙那一方是最受欢迎的。在這個具体情况下,投票僵局更有机会,机会还都可以 都还都可以 人认识到都还都可以 妥协。 

  c,Stewart等人描述“Information gerrymandering”,其中网络特征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,这是机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,全部有的是地理边界会产生偏见,就是社交网络的特征,类似于社交媒体连接。 

  “大伙根据大伙阅读的内容和与之互动的人来形成意见或决定如保投票,” Plotkin说:“在今天的世界里,大伙做了几滴 的在线分享和阅读。大伙发现,即使在还都可以 都还都可以 “虚假新闻”的具体情况下,“information gerrymandering”也会愿因集体决策结果产生强烈偏见。 

  “这谁能告诉大伙,大伙都还都可以 谨慎依赖社交媒体进行沟通,机会网络特征都没人大伙的控制之下,但它机会会扭曲大伙的集体决策。”

  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1个被平均分成另1个派别的团体机会仅仅机会信息分散而达到300比40的决定。

  Plotkin说:“這個想法类似于于‘electoral gerrymandering’,一方还都可以 获得优势,而全部有的是通过绝对数量来决定谁在哪个区投票。”

  鉴于对社交媒体如保改变信息流的担忧,這個影响是算是会愿因偏见的结果是Plotkin有点硬关心的大大问题 。

  “现在,大伙都还都可以 研究社交媒体对自由民主国家健康的影响,”你说哪有十几个 。

  Plotkin说:“简而言之,大伙发现,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,但社交网络的特征仍然会将结果偏向一方或当事人。”

  愿因与双方互相交流的最好的办法有关。

  当另1个党派的成员只与同党派成员交谈,而全部有的是跨越党派交流时,这机会会愿因网上所谓的“过滤泡沫”(filter bubble),這個人的观点会机会付近人而加强。把另1个原来的小组放到一同,每个小组都站当事人方的观点,如保让就总出 了僵局。

  然而,当信息gerrymandering,一方的其他成员最终会加入由当事人成员主导的对话中。在那里,大伙有机会说服对方,或被说对方服。 

  “地处劣势的党派,”Plotkin解释说,“往往是另1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,而少数成员则在原来党派主导的‘泡沫’中互动,很机会如保让倒戈。”

  “大伙还都可以 通过社交网络的特征将哪有十几个 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,大伙也预测少数党还都可以 通过information gerrymandering赢得多数选票。”

  大伙好奇是算是都都还都可以 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”。大伙说,还都可以 都还都可以 少数狂热者的适当安置也机会愿因information gerrymandering和不民主的结果。

  为了评估现实世界网络中是算是地处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一同赞助数据。

  大伙发现information gerrymandering在哪有十几个 现实世界的网络中非常普遍。

  研究人员认为这是另1个新研究的时候时候刚开始了了,侧重于社交网络如保影响集体决策。

  Plotkin说:“大伙对于假新闻和online troll非常关注,这无疑是破坏性的。” “大伙正在研究的是不同的东西,这取决于整体网络特征 ——对于民主决策来说,这是另1个更微妙但机会更有害的大大问题 。” 

  分分钟影响选举,社交网络都还都可以 受到进一步监管

  还都可以 说,这项研究让大伙从新的厚度认识了选举投票。

  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,哪有十几个 网络主要来自涉及当事人人际关系动态的分布式流程。现在不再是這個具体情况,机会社交网络网站部署了通过设计重构社交关系的技术。

  哪有十几个 在线社交网络是厚度动态的系统,机会人与机器之间的几滴 反馈而地处变化:算法推荐连接;大伙进行公布;算法根据人类公布进行调整。

  哪有十几个 互动和过程一同改变了大伙看后的信息以及大伙如保看待世界的最好的办法,information gerrymandering机会在还都可以 都还都可以 意识的具体情况下总出 ,但仅仅是机器学习算法的意外结果,哪有十几个 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。前一天的通信技术有机会干扰民主系统进程池池机会受到立法监督,现在的社交媒体生态系统是全部有的是也早该“享受”类似于的待遇了?