Nature封面:社交网络影响集体决策 或改变选举结果

  • 时间:
  • 浏览:5
  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我本人对怎样才能投票的看法,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,社交网络中的许多特性将会会影响到一方的投票结果,即使双方就有相同的规模且每个参与者就有相同的影响,你你是什么难题亲戚亲戚朋友 称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了亲戚亲戚朋友 的重新关注,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你是什么难题,就让通过对数千我本人类受试者进行社会网络实验来证实其效果。最后,亲戚亲戚朋友 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能那末改变亲戚亲戚朋友 思考政治决策的方法,正如你你是什么不同思想的形象所描绘的那样。在决定怎样才能投票时,亲戚亲戚朋友 那末整合不同的信息来源。但信息不用说总爱自由流动;它能那末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。 

  亲戚亲戚朋友 研究了另四个 群体在另四个 有争议的决定下对抗的情况汇报。亲戚亲戚朋友 基于博弈论开发了四种 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,研究人员构建了另四个 简单的游戏,玩家被分配到竞争团体或党派。把玩家放满另四个 网络上,你你是什么网络决定了每我本人都能看完我本人的投票意向,玩家们被激励起来,从前 亲戚亲戚朋友 的政党就能“赢得”选举。第四个最好的结果是我本人获胜,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。在什么社交网络中,十我本人投了橙色,四个投了浅紫色。每我本人就有四个互惠的社交关系,其中:

  a,在你你是什么随机网络中,八我本人正确地从亲戚亲戚朋友 的联系人的偏好推断出橙色更受欢迎,四个推断平局,那末另四个 错误地推断出浅紫色更受欢迎。 

  b,当我本人主要与志趣相投的人进行互动时,会再次出现“过滤泡沫”,本人都认为亲戚亲戚朋友 那一方是最受欢迎的。在你你是什么情况汇报下,投票僵局更有将会,将会那末人认识到那末妥协。 

  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浅紫色更受欢迎,这是将会浅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,就有地理边界会产生偏见,就让社交网络的特性,同类社交媒体连接。 

  “亲戚亲戚朋友 根据亲戚亲戚朋友 阅读的内容和与之互动的人来形成意见或决定怎样才能投票,” Plotkin说:“在今天的世界里,亲戚亲戚朋友 做了血块的在线分享和阅读。亲戚亲戚朋友 发现,即使在那末“虚假新闻”的情况汇报下,“information gerrymandering”也会原困集体决策结果产生强烈偏见。 

  “这我就让知道们,亲戚亲戚朋友 那末谨慎依赖社交媒体进行沟通,将会网络特性沒有亲戚亲戚朋友 的控制之下,但它将会会扭曲亲戚亲戚朋友 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,另四个 被平均分成另四个 派别的团体将会仅仅将会信息分散而达到200比40的决定。

  Plotkin说:“你你是什么想法同类于‘electoral gerrymandering’,一方能那末获得优势,而就有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才能改变信息流的担忧,你你是什么影响是否是会原困偏见的结果是Plotkin有点儿关心的难题。

  “现在,亲戚亲戚朋友 那末研究社交媒体对自由民主国家健康的影响,”你爱不爱我。

  Plotkin说:“简而言之,亲戚亲戚朋友 发现,即使两党拥有相同数量的成员、网络中的每我本人都具有同等的影响力,一切似乎都很公平,但社交网络的特性仍然会将结果偏向一方或我本人。”

  原困与双方互相交流的方法有关。

  当另四个 党派的成员只与同党派成员交谈,而就有跨越党派交流时,这将会会原困网上所谓的“过滤泡沫”(filter bubble),你这本人的观点会将会附进人而加强。把另四个 从前 的小组放满一同,每个小组都站我本人方的观点,就让就再次出现了僵局。

  然而,当信息gerrymandering,一方的许多成员最终会加入由我本人成员主导的对话中。在那里,亲戚亲戚朋友 有将会说服对方,或被说对方服。 

  “发生劣势的党派,”Plotkin解释说,“往往是另四个 分裂了我本人影响力的党派,大多数成员只与我本人党派成员对话,而少数成员则在从前 党派主导的‘泡沫’中互动,很将会就让倒戈。”

  “亲戚亲戚朋友 能那末通过社交网络的特性将什么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,亲戚亲戚朋友 也预测少数党能那末通过information gerrymandering赢得多数选票。”

  亲戚亲戚朋友 好奇是否是都可否 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”。真是 ,那末少数狂热者的适当安置也将会原困information gerrymandering和不民主的结果。

  为了评估现实世界网络中是否是发生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。

  亲戚亲戚朋友 发现information gerrymandering在什么现实世界的网络中非常普遍。

  研究人员认为这是另四个 新研究的结速英语 ,侧重于社交网络怎样才能影响集体决策。

  Plotkin说:“亲戚亲戚朋友 对于假新闻和online troll非常关注,这无疑是破坏性的。” “亲戚亲戚朋友 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,这是另四个 更微妙但将会更有害的难题。” 

  分分钟影响选举,社交网络那末受到进一步监管

  能那末说,这项研究让亲戚亲戚朋友 从新的角度认识了选举投票。

  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,什么网络主要来自涉及我本人人际关系动态的分布式流程。现在不再是你你是什么情况汇报,将会社交网络网站部署了通过设计重构社交关系的技术。

  什么在线社交网络是角度动态的系统,将会人与机器之间的血块反馈而发生变化:算法推荐连接;亲戚亲戚朋友 进行签署;算法根据人类签署进行调整。

  什么互动和过程一同改变了亲戚亲戚朋友 看完的信息以及亲戚亲戚朋友 怎样才能看待世界的方法,information gerrymandering将会在那末意识的情况汇报下再次出现,但仅仅是机器学习算法的意外结果,什么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。就让的通信技术有将会干扰民主应用应用系统进程将会受到立法监督,现在的社交媒体生态系统是就有也早该“享受”同类的待遇了?