[논문 리뷰] Temporal Network Epistemology: on Reaching Consensus in Real World Setting

Radosław Michalski, Damian Serwata외 4명|arXiv (Cornell University)|2022. 03. 10.

Opinion Dynamics and Social Influence참고 문헌 66인용 수 9

한 줄 요약

이 논문은 CogSNet가 생성한 시간적 사회망을 사용하여 동적 네트워크에서의 사회적 학습과 공감대 형성 과정을 시뮬레이션하는 시간적 네트워크 인지론 모델을 제안한다. 정적 모델과 비교해 네트워크의 동적 특성이 공감대 형성 결과에 크게 영향을 미치며, 무지한 에이전트나 분리된 공감대 상태와 같은 현상이 나타나는 것으로 밝혀졌다. 일부 경우에서는 단지 구조적 변화만으로도 정적 구조에서는 실패한 상황에서도 공감대 형성이 가능하다.

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.

연구 동기 및 목표

• 실제 사회적 학습 과정을 반영하는 동적 네트워크 모델을 개발하여 정적 네트워크 가정을 넘어선다.
• 사회망의 시간적 동적 특성이 공감대 형성의 속도, 결과 및 구조에 미치는 영향을 조사한다.
• 시간에 따라 변화하는 네트워크에서만 나타나는 새로운 공감대 역학 현상(예: 무지한 에이전트, 구성 요소별 공감대)을 규명한다.
• 정적 구조에서 실패하는 상황에서 구조적 변화만으로도 공감대 형성이 가능할지 평가한다.
• 과학적 및 사회적 공동체에서 지식적 과정을 더 현실적으로 모델링할 수 있는 프레임워크를 제공한다.

제안 방법

• 에이전트 기반 모델을 사용하며, 네트워크 인지론에 기반하여 에이전트가 이웃과의 상호작용을 통해 신념을 갱신한다.
• 실제의 시간에 따라 변화하는 사회적 상호작용을 시뮬레이션하는 CogSNet 모델을 사용해 시간적 사회망을 생성한다.
• 유계 신뢰도와 의견 갱신 규칙을 포함하며, 연결된 이웃의 의견에 따라 에이전트가 신념을 조정한다.
• 시뮬레이션은 정적 네트워크 구조를 기준으로 한 동적 시간적 네트워크와 비교한다.
• 주요 지표로는 공감대 도달 시간, 공감대에 도달한 에이전트 비율, 무지한 에이전트의 존재, 구성 요소 간 공감대 상태의 다양성 등이 포함된다.
• 네트워크 재접속 및 시간적 연결 패턴이 지식 수렴에 미치는 영향 분석이 가능하다.

실험 결과

연구 질문

• RQ1 정적 네트워크와 비교해 시간적 네트워크의 동적 특성이 공감대 형성의 속도와 가능성에 어떤 영향을 미치는가?
• RQ2 정적 모델에 없던 동적 네트워크에서 나타나는 새로운 공감대 관련 현상은 무엇인가?
• RQ3 정적 구조에서 실패하는 상황에서 네트워크의 구조적 변화만으로도 공감대 형성이 가능할 수 있는가?
• RQ4 무지한 에이전트나 분리된 구성 요소가 동적 네트워크에서 최종 공감대 상태에 어떤 영향을 미치는가?
• RQ5 네트워크의 동적 특성이 네트워크의 다양한 구성 요소에서 다수의 공감대 상태가 형성되는 데에 어떤 영향을 미치는가?

주요 결과

• 시간적 네트워크의 동적 특성은 정적 네트워크 모델과 비교해 근본적으로 다른 공감대 역학을 초래하며, 네트워크 진화에 따라 공감대 도달 시간이 더 길거나 짧아질 수 있다.
• 무지한 에이전트가 공감대 의견을 전혀 수용하지 않는 등 이전에 관측되지 않은 현상이 모델에서 드러났다.
• 네트워크 내 분리된 구성 요소는 초기에 동일한 신념을 가졌음에도 불구하고 서로 다른 공감대 상태에 도달할 수 있다.
• 어떤 경우에서는 에이전트 행동이 그대로 유지되더라도 네트워크의 구조적 변화(예: 새로운 연결 형성)만으로도 공감대 형성이 가능하다.
• 지속적인 비수렴성 있는 에이전트는 정적 네트워크에서는 공감대 형성을 방해할 수 있으나, 시간적 연결 패턴을 통해 동적 네트워크에서는 이를 극복할 수 있다.
• 모델은 네트워크 구조의 진화가 특히 복잡하거나 극단적인 공동체에서 지식 수렴을 가능하게 하는 데 핵심적인 역할을 한다고 보여준다.