[論文レビュー] Temporal Network Epistemology: on Reaching Consensus in Real World Setting

Radosław Michalski, Damian Serwata+4 more|arXiv (Cornell University)|Mar 10, 2022

Opinion Dynamics and Social Influence参考文献 66被引用数 9

ひとこと要約

本稿では、CogSNetが生成する時系列的社交ネットワークを用いて、動的ネットワークにおける社会的学習および合意形成を模擬する時間的ネットワーク認識論的モデルを提示する。静的モデルと比較して、ネットワークのダイナミクスが合意の結果を顕著に変化させることを示しており、無知なエージェントや分断された合意状態といった現象が生じる。構造的変化のみで、ある場合には静的トポロジーでは達成できない合意を実現することがある。

ABSTRACT

This work develops the concept of temporal network epistemology model enabling the simulation of the learning process in dynamic networks. The results of the research, conducted on the temporal social network generated using the CogSNet model and on the static topologies as a reference, indicate a significant influence of the network temporal dynamics on the outcome and flow of the learning process. It has been shown that not only the dynamics of reaching consensus is different compared to baseline models but also that previously unobserved phenomena appear, such as uninformed agents or different consensus states for disconnected components. It has been also observed that sometimes only the change of the network structure can contribute to reaching consensus. The introduced approach and the experimental results can be used to better understand the way how human communities collectively solve both complex problems at the scientific level and to inquire into the correctness of less complex but common and equally important beliefs' spreading across entire societies.

研究の動機と目的

• 現実の社会的学習プロセスを捉える動的ネットワークモデルを構築し、静的ネットワークの仮定を越えること。
• 社交ネットワークにおける時間的ダイナミクスが、合意形成の速度、結果、構造に与える影響を調査すること。
• 時間変動ネットワークにのみ現れる、無知なエージェントや成分別合意といった新たな合意ダイナミクス現象を同定すること。
• 構造的変化のみで、静的トポロジーでは失敗する状況においても合意を達成できるかどうかを評価すること。
• 科学的・社会的コミュニティにおける認識プロセスをより現実的にモデル化するフレームワークを提供すること。

提案手法

• 本研究は、ネットワーク認識論に裏付けられたエージェントベースのモデルを採用し、エージェントは周囲のエージェントとの相互作用に基づいて信念を更新する。
• 時間的社交ネットワークは、現実的で時間変動する社会的相互作用を模擬するCogSNetモデルを用いて生成される。
• モデルには、限界的信頼と意見更新ルールが組み込まれており、エージェントは接続された隣接エージェントの意見に基づいて信念を調整する。
• シミュレーションでは、静的ネットワークトポロジーをベースラインとして、動的時系列ネットワークと比較する。
• 主な指標には、合意時間、合意に到達するエージェントの割合、無知なエージェントの有無、成分ごとの合意状態の多様性が含まれる。
• ネットワークの再接続や時間的接続パターンが認識的収束に与える影響の分析が可能である。

実験結果

リサーチクエスチョン

• RQ1 静的ネットワークと比較して、ネットワークの時間的ダイナミクスは、合意形成の速度と可能性にどのように影響するか？
• RQ2 静的モデルに欠けている動的ネットワークにのみ現れる、合意関連の新たな現象は何か？
• RQ3 構造的変化のみで、静的トポロジーでは失敗する状況においても合意を達成できるか？
• RQ4 無知なエージェントや分断されたコンポーネントが、動的ネットワークにおける最終合意状態にどの程度影響を及ぼすか？
• RQ5 ネットワークダイナミクスは、ネットワークの異なるコンポーネントにおける複数の合意状態の出現にどのように影響するか？

主な発見

• 時間的ネットワークダイナミクスは、静的ネットワークモデルとは著しく異なる合意ダイナミクスを引き起こし、ネットワークの進化に応じて合意時間は長くなることもあれば短くなることもある。
• 本モデルは、一度も合意的意見を採用しない「無知なエージェント」が出現するなど、これまで観察されていなかった現象を明らかにした。
• ネットワーク内の分断されたコンポーネントは、初期状態が同一であっても、異なる合意状態に到達することがある。
• ある場合には、エージェントの行動が変化しなくても、ネットワークの構造的変化（例：新たな接続の形成）のみで合意が達成される。
• 静的ネットワークでは合意を妨げるが、動的ネットワークでは時間的接続パターンのおかげで克服できる、持続的で非適合的なエージェントの存在が、合意形成に影響を与える。
• 本モデルは、特に複雑または極端に分かれているコミュニティにおいて、ネットワークトポロジーの進化が認識的収束を可能にする上で極めて重要な役割を果たすことを示している。