[論文レビュー] Homophily explains perception biases in social networks.

Eun Lee, Fariba Karimi+3 more|arXiv (Cornell University)|Oct 24, 2017

Opinion Dynamics and Social Influence参考文献 61被引用数 6

ひとこと要約

本稿では、生成的ネットワークモデルを用いて、同質性（ホモフィリー）とグループサイズの不均衡が、フィルターバブルや過半数錯覚といった社会的ネットワーク内の認知バイアスを引き起こすことを示している。これらのバイアスは、高いホモフィリーまたはサイズの差異を伴う異質性（ヘテロフィリー）の下で生じ、ノードの次数が認知を一貫して歪めることはない。これにより、近隣の認知を分析することでバイアスを軽減するための構造的条件が提示される。

ABSTRACT

Individual's perceptions about the prevalence of attributes in their social networks is commonly skewed by the limited information available to them. Filter bubbles -- being exposed to other like-minded people -- and majority illusion -- overestimation of minorities in social networks -- are two examples of how perception biases can manifest. In this paper, we show how homophily and disproportionate group sizes influence the emergence of perception biases in social networks. Using a generative network model with adjustable homophily and group size, we demonstrate analytically and numerically under which conditions and to what extent perception biases can emerge. We compare these theoretical results with empirical investigations of perception biases in six real-world networks with various levels of homophily and group sizes. Our results show (i) that perception biases can emerge in social networks with high homophily or high heterophily and unequal group sizes, (ii) that these effects are highly related to the asymmetric nature of homophily in networks and that (iii) the perception of nodes is not systematically distorted or enhanced by their degree. Finally, we explore under which structural conditions individuals can reduce their perception bias by taking the perception of their direct neighbors into account. These results advance our understanding of the impact of network structure on perception biases and offer a quantitative approach to address this issue in society.

研究の動機と目的

• ネットワーク構造、特にホモフィリーとグループサイズの不均衡が社会的ネットワークにおける認知バイアスにどのように影響するかを理解すること。
• フィルターバブルや過半数錯覚といった認知バイアスが生じる構造的条件を同定すること。
• ノードの次数が属性の広がりの認知を一貫して歪めたり強化したりするかどうかを検討すること。
• 直接の隣接ノードの認知を組み込むことで、個人の認知バイアスを軽減できるかどうかを検討すること。

提案手法

• 調整可能なホモフィリーとグループサイズを備えた生成的ネットワークモデルを開発し、社会的ネットワークをシミュレートした。
• 認知バイアスの出現条件を導出・検証するために、解析的および数値的手法を用いた。
• ホモフィリーとグループサイズのレベルが異なる6つの実世界ネットワークを用いて、モデルのキャリブレーションと妥当性評価を実施した。
• 個々のノードが認識する属性の広がりと、ネットワーク全体の真の広がりを比較することで、認知バイアスを測定した。
• 構造的分析を通じて、ノードの次数と近隣の認知がバイアス軽減に果たす役割を評価した。

実験結果

リサーチクエスチョン

• RQ1 フィルターバブルや過半数錯覚といった認知バイアスが社会的ネットワークに生じる構造的条件は何か？
• RQ2 ホモフィリーと不均一なグループサイズが、認知バイアスの大きさと方向にどのように影響を与えるか？
• RQ3 ネットワーク内のノードの次数に基づいて、その認知が一貫して歪められるか？
• RQ4 直接の隣接ノードの認知を組み込むことで、個人の認知バイアスを軽減できるか？

主な発見

• 高いホモフィリーまたはグループサイズに不均衡がある場合、高いヘテロフィリーを伴うネットワークでも認知バイアスが生じる。
• ネットワークにおけるホモフィリーの非対称性が、特にグループサイズが不均衡な状況で認知バイアスの主な要因である。
• ノードの次数が属性の広がりの認知を一貫して歪めたり強化したりするとは限らず、中心性に基づく普遍的なバイアスは存在しない。
• 個々のノードが直接の隣接ノードの認知を集約することで、認知バイアスを軽減できる構造的条件が存在する。
• 6つの実世界ネットワークにおける実証的検証により、高いホモフィリーとサイズの不均衡下でのバイアス出現に関する理論的予測が裏付けられた。
• 本研究は、社会的ネットワーク構造における認知バイアスの同定と緩和のための定量的フレームワークを提供する。