[논문 리뷰] Homophily explains perception biases in social networks.

Eun Lee, Fariba Karimi외 3명|arXiv (Cornell University)|2017. 10. 24.

Opinion Dynamics and Social Influence참고 문헌 61인용 수 6

한 줄 요약

이 논문은 생성적 네트워크 모델을 통해 동질성과 비균형 그룹 규모가 사회 네트워크에서 필터 버블과 다수의 환영과 같은 인지 편향을 유도함을 보여준다. 이러한 편향은 높은 동질성 또는 크기 차이가 있는 이질성 상황에서 발생하며, 노드의 차수는 인지에 체계적으로 왜곡을 일으키지 않음을 보여주며, 이웃의 인지 분석을 통해 편향을 줄일 수 있는 구조적 조건을 제공한다.

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.

연구 동기 및 목표

• 네트워크 구조, 특히 동질성과 그룹 규모의 불균형이 사회 네트워크에서 인지 편향에 미치는 영향를 이해하는 것.
• 필터 버블과 다수의 환영과 같은 인지 편향이 발생하는 구조적 조건을 특정하는 것.
• 노드의 차수가 속성의 보편적 퍼센트를 인지하는 데 체계적으로 왜곡하거나 강화하는지 여부를 검토하는 것.
• 직접 이웃의 인지 정보를 고려할 경우 개인의 인지 편향을 줄일 수 있는지 탐구하는 것.

제안 방법

• 조정 가능한 동질성과 그룹 규모를 가진 생성적 네트워크 모델을 개발하여 사회 네트워크를 시뮬레이션하였다.
• 인지 편향 발생 조건을 유도하고 테스트하기 위해 분석적 및 수치적 방법을 사용하였다.
• 다양한 수준의 동질성과 그룹 규모를 가진 여섯 개의 실제 네트워크를 사용하여 모델를 校정하고 검증하였다.
• 개인의 인지된 속성 퍼센트를 네트워크 전체의 진짜 퍼센트와 비교하여 인지 편향을 측정하였다.
• 노드의 차수와 이웃의 인지가 편향 감소에 미치는 역할을 구조적 분석을 통해 평가하였다.

실험 결과

연구 질문

• RQ1 어떤 구조적 조건에서 사회 네트워크에서 필터 버블과 다수의 환영과 같은 인지 편향이 발생하는가?
• RQ2 동질성과 비균형적인 그룹 규모가 인지 편향의 크기와 방향에 어떻게 함께 영향을 미치는가?
• RQ3 네트워크 내에서 노드의 차수에 따라 그 인지가 체계적으로 왜곡되는가?
• RQ4 직접 이웃의 인지를 통합함으로써 개인의 인지 편향을 줄일 수 있는가?

주요 결과

• 높은 동질성 또는 높은 이질성에서 그룹 규모가 비균형일 경우 인지 편향이 발생한다.
• 네트워크에서 동질성의 비대칭적 성격이 인지 편향의 주요 원인이며, 특히 그룹 규모가 기울어진 경우에 뚜렷하다.
• 노드의 차수는 속성의 보편적 퍼센트를 인지하는 데 체계적으로 왜곡하거나 강화하지 않으며, 중심성에 기반한 보편적 편향이 없음을 시사한다.
• 개인이 직접 이웃의 인지를 집계함으로써 인지 편향을 줄일 수 있는 구조적 조건가 존재한다.
• 여섯 개의 실제 네트워크에서의 실증적 검증을 통해 높은 동질성과 규모의 불균형 하에서 편향 발생의 이론적 예측이 확인되었다.
• 본 연구는 사회 네트워크 구조에서 인지 편향을 식별하고 완화하기 위한 정량적 프레임워크를 제공한다.