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娱乐平台-5分11选5下注平台_5分11选5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肯能会扭曲社区中每个人所有对怎么上能投票的看法,而这肯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,社交网络中的這個 特性肯能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,你這個 大问题我们 称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了我们 的重新关注,有哪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你這個 大问题,有日后 通过对数千每个人所有类受试者进行社会网络实验来证实其效果。最后,我们 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要能改变我们 思考政治决策的辦法 ,正如你這個 不同思想的形象所描绘的那样。在决定怎么上能投票时,我们 前要整合不同的信息来源。但信息并不无缘无故 自由流动;它要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障碍,这肯能与在线社区尤为相关。 

  我们 研究了一4个多群体在一4个多有争议的决定下对抗的请况。我们 基于博弈论开发了某种选民选取模型, 有2520名真实的人参与,每12人为一组,玩在线游戏。

  首先,研究人员构建了一4个多简单的游戏,玩家被分配到竞争团体或党派。把玩家放进去去一4个多网络上,你這個 网络决定了每每个人所有都能看得人每个人所有的投票意向,玩家们被激励起来,可是我们 的政党就能“赢得”选举。第有一个最好的结果是每个人所有获胜,最坏的结果是陷入僵局。 

  如上图显示,社会网络特性影响选民的看法。在有有哪些社交网络中,十每个人所有投了橙色,有一个投了天蓝色。每每个人所有都是有一个互惠的社交关系,其中:

  a,在你這個 随机网络中,八每个人所有正确地从我们 的联系人的偏好推断出橙色更受欢迎,有一个推断平局,非要一4个多错误地推断出天蓝色更受欢迎。 

  b,当每个人所有主要与志趣相投的人进行互动时,会无缘无故 无缘无故 出现“过滤泡沫”,每个人所有都认为我们 那一方是最受欢迎的。在你這個 请况下,投票僵局更有肯能,肯能如此人认识到前要妥协。 

  c,Stewart等人描述“Information gerrymandering”,其中网络特性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天蓝色更受欢迎,这是肯能天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,可是我社交网络的特性,例如社交媒体连接。 

  “我们 根据我们 阅读的内容和与之互动的人来形成意见或决定怎么上能投票,” Plotkin说:“在今天的世界里,我们 做了少量的在线分享和阅读。我们 发现,即使在如此“虚假新闻”的请况下,“information gerrymandering”也会导致 集体决策结果产生强烈偏见。 

  “这问我们 ,我们 前要谨慎依赖社交媒体进行沟通,肯能网络特性都如此我们 的控制之下,但它肯能会扭曲我们 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,一4个多被平均分成一4个多派别的团体肯能仅仅肯能信息分散而达到400比40的决定。

  Plotkin说:“你這個 想法例如‘electoral gerrymandering’,一方要能获得优势,而都是通过绝对数量来决定谁在哪个区投票。”

  鉴于对社交媒体怎么上能改变信息流的担忧,你這個 影响是是否是会导致 偏见的结果是Plotkin一阵一阵关心的大问题。

  “现在,我们 前要研究社交媒体对自由民主国家健康的影响,”你说有哪些。

  Plotkin说:“简而言之,我们 发现,即使两党拥有相同数量的成员、网络中的每每个人所有都具有同等的影响力,一切似乎都很公平,但社交网络的特性仍然会将结果偏向一方或每个人所有。”

  导致 与双方互相交流的辦法 有关。

  当一4个多党派的成员只与同党派成员交谈,而都是跨越党派交流时,这肯能会导致 网上所谓的“过滤泡沫”(filter bubble),你这每个人所有的观点会肯能附近人而加强。把一4个多可是我的小组放进去去一起去,每个小组都站每个人所有方的观点,有日后 就无缘无故 无缘无故 出现了僵局。

  然而,当信息gerrymandering,一方的這個 成员最终会加入由每个人所有成员主导的对话中。在那里,我们 有肯能说服对方,或被说对方服。 

  “居于劣势的党派,”Plotkin解释说,“往往是一4个多分裂了每个人所有影响力的党派,大多数成员只与每个人所有党派成员对话,而少数成员则在可是我党派主导的‘泡沫’中互动,很肯能有日后 倒戈。”

  “我们 要能通过社交网络的特性将有有哪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,我们 也预测少数党要能通过information gerrymandering赢得多数选票。”

  我们 好奇是是否是要能使用自动机器人(automated bots)引发information gerrymandering,研究人员还使用了拒绝妥协的“狂热机器人”。甜得,非要少数狂热者的适当安置也肯能导致 information gerrymandering和不民主的结果。

  为了评估现实世界网络中是是否是居于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。

  我们 发现information gerrymandering在有有哪些现实世界的网络中非常普遍。

  研究人员认为这是一4个多新研究的开使英语 ,侧重于社交网络怎么上能影响集体决策。

  Plotkin说:“我们 对于假新闻和online troll非常关注,这无疑是破坏性的。” “我们 正在研究的是不同的东西,这取决于整体网络特性 ——对于民主决策来说,这是一4个多更微妙但肯能更有害的大问题。” 

  分分钟影响选举,社交网络前要受到进一步监管

  要能说,这项研究有日后 我们 从新的深度图认识了选举投票。

  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,有有哪些网络主要来自涉及每个人所有人际关系动态的分布式流程。现在不再是你這個 请况,肯能社交网络网站部署了通过设计重构社交关系的技术。

  有有哪些在线社交网络是深度图动态的系统,肯能人与机器之间的少量反馈而居于变化:算法推荐连接;我们 进行敲定;算法根据人类敲定进行调整。

  有有哪些互动和过程一起去改变了我们 看得人的信息以及我们 怎么上能看待世界的辦法 ,information gerrymandering肯能在如此意识的请况下无缘无故 无缘无故 出现,但仅仅是机器学习算法的意外结果,有有哪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。就让 的通信技术有肯能干扰民主程序肯能受到立法监督,现在的社交媒体生态系统是都是也早该“享受”例如的待遇了?