[논문 리뷰] The Wisdom of the Network: How Adaptive Networks Promote Collective Intelligence

Abdullah Almaatouq, Alejandro Noriega-Campero외 4명|arXiv (Cornell University)|2018. 05. 12.

Opinion Dynamics and Social Influence참고 문헌 2인용 수 7

한 줄 요약

이 논문은 성과 피드백에 기반해 연결을 동적으로 재구성하는 적응형 사회 네트워크—즉, 개인이 성과에 따라 연결을 재배치하는 네트워크—가 조합 지능을 향상시켜 최고의 개인조차도 뛰어넘는 정확한 집단 추정치를 도출함을 입증한다. 행동 실험과 시뮬레이션을 통해 두 가지 메커니즘을 규명하였는데, 하나는 고성능자를 강화하는 전역적 네트워크 재구성이고, 다른 하나는 정확한 판단을 유지하기 위한 국지적 사회적 영향에 대한 저항이다. 이 두 메커니즘은 비정상적이고 편향된 환경에서 결정 정확도를 크게 향상시킨다.

ABSTRACT

Social networks continuously change as new ties are created and existing ones fade. It is widely noted that our social embedding exerts a strong influence on what information we receive and how we form beliefs and make decisions. However, most empirical studies on the role of social networks in collective intelligence have overlooked the dynamic nature of social networks and its role in fostering adaptive collective intelligence. It remains unknown (1) how network structures adapt to the attributes of individuals, and (2) whether this adaptation promotes the accuracy of individual and collective decisions. Here, we answer these questions through a series of behavioral experiments and supporting simulations. Our results reveal that social network plasticity in the presence of feedback, can adapt to biased and changing information environments, and produce collective estimates that are more accurate than their best-performing member. We explore two mechanisms that explain these results: (1) a global adaptation mechanism where the structural connectivity of the network itself changes such that it amplifies the estimates of high-performing members within the group; (2) a local adaptation mechanism where accurate individuals are more resistant to social influence, and therefore their initial belief is weighted in the collective estimate disproportionately. Thereby, our findings substantiate the role of social network plasticity and feedback as adaptive mechanisms for refining individual and collective judgments.

연구 동기 및 목표

• 피드백에 의해 형성되는 동적 사회 네트워크 구조가 집단 의사결정 정확도에 미치는 영향을 조사하는 것.
• 네트워크의 유연성(플라스틱성)이 편향되고 변화하는 정보 환경에 그룹이 어떻게 적응할 수 있는지 검토하는 것.
• 적응형 네트워크가 개인 및 집단 판단을 향상시키는 메커니즘을 규명하는 것.
• 정적 또는 외생적 네트워크 구조를 전제로 하는 집단 지능 연구의 격차를 메우는 것.

제안 방법

• 성과 피드백에 따라 연결이 재배치될 수 있는 동적 사회 네트워크에서 인간 참가자를 대상으로 통제된 행동 실험을 실시함.
• 사회적 영향에 대한 저항을 정량화하기 위해 권장도(Weight-of-Advice, WOA) 지표를 사용하였으며, 1 - WOA는 저항을 측정함(1 = 완전한 독립).
• 네트워크 중심성의 정도를 측정하기 위해 프레먼 중심성(Freeman centrality)을 적용하여 고성과자 주위에 영향력이 집중되는 정도를 추적함.
• 실험 결과를 검증하고 다양한 조건에서 메커니즘을 탐색하기 위해 네트워크 동역학을 시뮬레이션함.
• 통계 분석에서 중첩된 데이터 구조를 고려하기 위해 무작위 효과를 포함한 혼합 효과 모델을 사용함.
• 데이터 수집은 Empirica 플랫폼을 통해 이루어졌으며, 전체 코드와 복제 데이터는 OSF 레포지터리에서 공개됨.

실험 결과

연구 질문

• RQ1 성과 피드백에 기반해 연결이 진화하는 적응형 네트워크는 비정상적이고 편향된 정보 환경에서 어떻게 작동하는가?
• RQ2 집단 의사결정에서 정확도가 향상된 적응형 네트워크의 배경이 되는 메커니즘은 무엇인가?
• RQ3 성과 피드백이 고성과자 주위에 영향력을 집중시키는 방식으로 네트워크가 재구성되는가?
• RQ4 개인들은 적응형 네트워크에서 얼마나 사회적 영향에 저항하는가? 이는 집단 결과에 어떤 영향을 미치는가?
• RQ5 적응형 네트워크 구조는 집단 추정 과제에서 최고의 개인을 능가할 수 있는가?

주요 결과

• 적응형 네트워크는 그룹 내 최고 성과자보다 더 정확한 집단 추정치를 도출하였다.
• 성과 피드백이 있는 네트워크는 정적 또는 적응하지 않는 네트워크보다 유의미하게 더 높은 정확도를 달성하였다.
• 전역적 적응 메커니즘—즉, 네트워크 구조가 고성과자를 강화하도록 진화하는 방식—이 정확도 향상의 주요 원동력이었다.
• 국지적 적응 메커니즘—정확한 개인이 사회적 영향에 저항하는 방식—이 더 나은 집단 판단에 상당한 기여를 하였다.
• 사회적 영향에 대한 저항(1 - WOA로 측정)은 개인의 정확도 및 네트워크 수준의 성과와 정적 상관관계를 보였다.
• 피드백 기반 조건에서 네트워크 중심성이 시간이 지남에 따라 증가하여 고성과자들이 구조적 재편을 통해 영향력을 강화함을 시사하였다.