对一项经典研究中回音室模拟器的讨论

2021/11/01 10:40

大约几个月前,看到HackerNews在讨论这篇文章:Information Overload Helps Fake News Spread, and Social Media Knows It - Scientific American

本文的中文版我正好在环球科学2021年1月刊中看过,这篇文章介绍了OSoMe的各项研究成果。OSoMe全称是印第安纳大学“Observatory on Social Media”研究项目。我觉得环球科学的文章很不错,亮点不少。

但是OSoMe的回音室项目讨论,和我对现实的感知有冲突,环球科学原文里这部分体现得比较淡,但HackerNews那篇帖文(已经找不到链接)把这一点突出了,于是我想翻翻他们的论文原文,看看有什么发现。

他们做了有可视化界面的回音室demo,而且还支持中文,看起来非常方便。

Social Media Echo Chamber (iu.edu)

Demo里可以设置几个变量:

  • 个体的容忍度
  • 个体容易受他人言论影响的程度
  • 个体取消关注的倾向

如果我们按照直觉去设置这些变量的值,会发现最终社交网络都会演化成纯粹的极化网络和同质网络。

但这和我们实际生活中观测到的现象并不一致。在现实中,哪怕是小规模社交网络,经过漫长的时间也很难演化成纯粹的极化网络或同质网络,那么哪里有疑点呢?

他们这一系列的论文和代码都在这个网站上,我这里多给出几个链接:

其中,Echo Chamber模拟器的源代码地址是:https://github.com/soramame0518/echo_chamber_model

我直接指出我的质疑吧:代码中所有用到的随机数生成过程,都是以uniform random的方式生成随机数的。而每个个体的参数都被设置成了相同的或是均匀的。

但现实中,个体的容忍度、个体容易受他们言论影响的程度、个人取消关注的倾向,既不可能是相同的,也不可能是均匀分布的,而应该是正态的。纵观整个代码,我没有看到这部分的体现。

当然,还有其他和现实环境不同的地方,比如,现实中的社交网络有新加入的节点,也有不断退出的节点,模型也没有体现。但我的直觉是,这些部分不像统计错误那样,会对模拟网络的结构产生那么大的影响。

本作品采用知识共享署名-相同方式共享 4.0 国际许可协议进行许可。