[論文レビュー] Endogenous Coalition Formation in Policy Debates

Philip Leifeld, Laurence Brandenberger|Research Explorer (The University of Manchester)|Mar 25, 2019

Policy Transfer and Learning参考文献 32被引用数 10

ひとこと要約

本稿は、政策議論における内生的連合形成のネットワーク理論を提唱する。参加者は、肯定的報復（類似する参加者から学ぶ）、イノベーション学習（弱い結束を通じて適合可能な信念を採用する）、否定的報復（敵対的参加者を排斥する）の3つのメカニズムを通じて連合を形成・維持する。9年間の日次解像度の政策議論データセットを用いた動的ネットワーク分析により、これらの3つのメカニズムが連合のダイナミクスを形作っている体系的証拠が得られ、信念学習を通じてどのように政策提言連合が出現し持続するかのマイクロレベルの説明が可能になった。

ABSTRACT

Political actors form coalitions around their joint normative beliefs in order to influence the policy process on contentious issues such as climate change or population ageing. Policy process theory maintains that learning within and across coalitions is a central predictor of coalition formation and policy change but has yet to explain how policy learning works. The present article explains the formation and maintenance of coalitions by focusing on the ways actors adopt policy beliefs from other actors in policy debates. A policy debate is a complex social system in which temporal network dependence guides how actors contribute ideological statements to the debate. Belief adoption matters in three complementary ways: bonding, which exploits cues within coalitions; bridging, which explores new beliefs outside one's perimeter in the debate; and repulsion, which reinforces polarization between coalitions and cements their belief systems. We formalize this theory of endogenous coalition formation in policy debates and test it on a micro-level empirical dataset using statistical network analysis and event history analysis.

研究の動機と目的

• 連合を外部要因として扱う代わりに、信念学習を通じて政治的参加者が政策議論でどのように連合を形成・維持するかを説明すること。
• 学習プロセスが連合構造を因果的に形作る仕組みを理解する欠落している部分を埋めることで、単なる連合の記述的同定を超えて進める。
• イデオロギー的発言における断面的および縦断的依存関係を含む、複雑なネットワーク現象としての連合形成をモデル化すること。
• 実証データを用いて、肯定的報復、イノベーション学習、否定的報復の3本立て理論—信念学習—を検証すること。
• 動的政策議論データに適応可能な、ネットワーク分析とイベント履歴分析を統合した新規推論手法の開発と応用。

提案手法

• 本研究は、時間的減衰を伴う符号付き二部グラフのための関係的イベントモデルを採用し、政策議論ネットワークの時間的変化をモデル化する。
• 影響力の減衰を20日間の半減期でモデル化し、シミュレーションによる妥当性が確認されている。
• 結合（肯定的報復）、橋渡し（イノベーション学習）、排斥（否定的報復）関係の十分統計量をモデルに組み込んでいる。
• ネットワーク分析とイベント履歴手法を統合し、イデオロギー的発言の日次解像度データから因果的メカニズムを推論する。
• 予測適合度の評価とモデルパラメータの統計的妥当性の検証が可能であり、十分統計量の特定も可能である。
• フレームワークは、9年間の政策議論発言の縦断的データセットに適用されており、信念の整合性は複数の問題におけるイデオロギー的整合性で測定されている。

実験結果

リサーチクエスチョン

• RQ1 参加者は、互いの政策的信念から学ぶプロセスを通じて、政策議論でどのように連合を形成・維持するのか。
• RQ2 結合、橋渡し、排斥関係が、提言連合の構造と進化をどれほど包括的に形作っているか。
• RQ3 肯定的報復、イノベーション学習、否定的報復が、動的政策議論における連合形成に果たす相対的貢献度は何か。
• RQ4 ネットワーク分析とイベント履歴分析をどのように統合することで、信念受容および連合ダイナミクスの因果的メカニズムを推論できるか。
• RQ5 これらの3つの学習メカニズムを組み込んだモデルの予測妥当性は、観察された連合構造を説明する上でどれほど有効か。

主な発見

• 本研究は、政策議論における連合形成および維持を形作る3つのメカニズム—肯定的報復、イノベーション学習、否定的報復—について、体系的な実証的支援を得た。
• 肯定的報復は、イデオロギー的に類似した相手から信念を採用する行動によって強く裏付けられており、グループ内結束を強化している。
• イノベーション学習は、弱い結束を通じて新たな信念を採用する行動として観察され、その相手が他の問題について最小限の事前の整合性を示している場合に顕著で、これは推移的信頼を示唆している。
• 否定的報復は、過去の敵対者からの信念を避ける・反対する行動として確認され、連合間の極化を強化している。
• モデルは予測適合度を示しており、社会的システムの本質的複雑性にもかかわらず、3つのメカニズムが連合ダイナミクスの有意義な一部を説明していることが示唆されている。
• 結果は、信念学習がランダムではなく、ネットワーキングされた関係を通じて構造的に行われており、強固な結束と弱い結束が連合進化において明確に異なる役割を果たしていることを示している。