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被委托人对咋样投票的看法,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,社交网络中的某些实物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,你是什么间题报告 亲们称之为“information gerrymandering”。

  Electoral gerrymandering,即政治选区被吸引到一方的选举制度,最近引起了亲们的重新关注,几条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是什么间题报告 ,有然后 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,亲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才能 改变亲们儿思考政治决策的法律法律依据,正如你是什么不同思想的形象所描绘的那样。在决定咋样投票时,亲们才能 整合不同的信息来源。但信息何必 总是自由流动;它才能 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以前障碍,这将会与在线社区尤为相关。 

  亲们研究了有俩个 多 群体在有俩个 多 有争议的决定下对抗的具体情况。亲们基于博弈论开发了有一种选民选取模型, 有2520名真实的人参与,每12人为一组,玩在线游戏。

  首先,研究人员构建了有俩个 多 简单的游戏,玩家被分配到竞争团体或党派。把玩家倒入有俩个 多 网络上,你是什么网络决定了每被委托人都能看了被委托人的投票意向,玩家们被激励起来,以前亲们的政党就能“赢得”选举。第八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,社会网络实物影响选民的看法。在那些社交网络中,十被委托人投了橙色,八个投了蓝色。每被委托人都是八个互惠的社交关系,其中:

  a,在你是什么随机网络中,八被委托人正确地从亲们的联系人的偏好推断出橙色更受欢迎,八个推断平局,才能有俩个 多 错误地推断出蓝色更受欢迎。 

  b,当被委托人主要与志趣相投的人进行互动时,会出先“过滤泡沫”,个人都认为亲们那一方是最受欢迎的。在你是什么具体情况下,投票僵局更有将会,将会那末人认识到才能 妥协。 

  c,Stewart等人描述“Information gerrymandering”,其中网络实物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蓝色更受欢迎,这是将会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,却说 社交网络的实物,相似社交媒体连接。 

  “亲们根据亲们阅读的内容和与之互动的人来形成意见或决定咋样投票,” Plotkin说:“在今天的世界里,亲们儿做了一定量的在线分享和阅读。亲们儿发现,即使在那末“虚假新闻”的具体情况下,“information gerrymandering”也会意味 集体决策结果产生强烈偏见。 

  “这帮我要知道们,亲们儿才能 谨慎依赖社交媒体进行沟通,将会网络实物没哟亲们儿的控制之下,但它将会会扭曲亲们儿的集体决策。”

  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,有俩个 多 被平均分成有俩个 多 派别的团体将会仅仅将会信息分散而达到150比40的决定。

  Plotkin说:“你是什么想法相似于‘electoral gerrymandering’,一方才能 获得优势,而都是通过绝对数量来决定谁在哪个区投票。”

  鉴于对社交媒体咋样改变信息流的担忧,你是什么影响有无会意味 偏见的结果是Plotkin怪怪的关心的间题报告 。

  “现在,亲们儿才能 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,亲们儿发现,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,但社交网络的实物仍然会将结果偏向一方或被委托人。”

  意味 与双方互相交流的法律法律依据有关。

  当有俩个 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,这将会会意味 网上所谓的“过滤泡沫”(filter bubble),你是什么人的观点会将会符近人而加强。把有俩个 多 以前的小组倒入一起,每个小组都站被委托人方的观点,有然后 就出先了僵局。

  然而,当信息gerrymandering,一方的某些成员最终会加入由被委托人成员主导的对话中。在那里,亲们有将会说服对方,或被说对方服。 

  “地处劣势的党派,”Plotkin解释说,“往往是有俩个 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,而少数成员则在以前党派主导的‘泡沫’中互动,很将会有然后 倒戈。”

  “亲们儿才能 通过社交网络的实物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,亲们儿也预测少数党才能 通过information gerrymandering赢得多数选票。”

  亲们好奇有无才能使用自动机器人(automated bots)引发information gerrymandering,研究人员还使用了拒绝妥协的“狂热机器人”。简直,才能少数狂热者的适当安置也将会意味 information gerrymandering和不民主的结果。

  为了评估现实世界网络中有无地处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起赞助数据。

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

  研究人员认为这是有俩个 多 新研究的现在结束了了,侧重于社交网络咋样影响集体决策。

  Plotkin说:“亲们对于假新闻和online troll非常关注,这无疑是破坏性的。” “亲们儿正在研究的是不同的东西,这取决于整体网络实物 ——对于民主决策来说,这是有俩个 多 更微妙但将会更有害的间题报告 。” 

  分分钟影响选举,社交网络才能 受到进一步监管

  才能 说,这项研究让亲们儿从新的强度认识了选举投票。

  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,那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。现在不再是你是什么具体情况,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强度动态的系统,将会人与机器之间的一定量反馈而地处变化:算法推荐连接;亲们进行回应;算法根据人类回应进行调整。

  那些互动和过程一起改变了亲们看了的信息以及亲们咋样看待世界的法律法律依据,information gerrymandering将会在那末意识的具体情况下出先,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。以前的通信技术有将会干扰民主多多程序 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”相似的待遇了?