[论文解读] Expectation-driven interaction: a model based on Luhmann's contingency approach

Michel Barber, Ph. Blanchard+3 more|arXiv (Cornell University)|Dec 19, 2006

Opinion Dynamics and Social Influence被引用 8

一句话总结

本文提出了一种基于卢曼偶然性理论的、数学形式化的基于代理的期望驱动互动模型，其中代理通过记忆结构交换信息以形成相互期望。该模型揭示，互动动态在很大程度上取决于控制响应倾向、记忆持久性、不确定性管理及噪声的参数，特定条件下会导致亚稳态和遍历性破缺。

ABSTRACT

We introduce an agent-based model of interaction, drawing on the contingency approach from Luhmann's theory of social systems. The agent interactions are defined by the exchange of distinct messages. Message selection is based on the history of the interaction and developed within the confines of the problem of double contingency. We examine interaction strategies in the light of the message-exchange description using analytical and computational methods.

研究动机与目标

• 基于卢曼的社会系统理论，发展一个可处理的期望驱动通信数学模型。
• 探讨在双重偶然性框架下，相互期望如何从信息交换历史中产生。
• 研究记忆结构（响应倾向、自我记忆与不确定性管理）在塑造互动动态中的作用。
• 识别导致稳定、亚稳态或混沌互动模式的参数区域。
• 为未来在动态社会网络中知识扩散与创新的多代理模型奠定基础。

提出的方法

• 将互动建模为两个代理之间交替的信息交换，信息选择由条件概率决定。
• 引入一个复合转移概率函数，整合四个组成部分：响应倾向、自我记忆、不确定性管理与噪声。
• 使用非线性方程（公式19）描述渐近期望函数，其中包含各组成部分的系数。
• 采用解析方法研究不动点与稳定性，尤其关注熵与不确定性对期望形成的作用。
• 通过计算模拟探索瞬态动态与收敛时间，特别是在高记忆持久性条件下。
• 分析选择概率矩阵的谱特性，以评估收敛速度与遍历性。

实验结果

研究问题

• RQ1 不同的记忆组件（响应倾向、自我记忆、不确定性管理、噪声）如何影响互动序列的稳定性和收敛性？
• RQ2 在何种参数条件下，系统表现出亚稳态行为或遍历性破缺？
• RQ3 熵与不确定性在塑造互动长期期望模式中起什么作用？
• RQ4 记忆结构中正反馈与负反馈的相互作用如何影响重复性或创新性通信模式的出现？
• RQ5 是否可以保证存在唯一的渐近状态？收敛时间如何依赖于模型参数？

主要发现

• 当双方均具有高自我记忆持久性（$c_2 \approx 1$）且噪声较低（$c_4$ 较小）时，系统表现出长时间收敛与亚稳态极限环，表明有效实现了遍历性破缺。
• 只要噪声参数 $c_4 > 0$，系统就存在唯一渐近状态，但收敛可能极为缓慢，尤其当 $c_2$ 较大时。
• 当 $c_3^{(A)} = c_3^{(B)} = 1$ 时，渐近选择概率趋于均匀（最大熵），表明具有对称不确定性管理的代理倾向于在信息选择中实现最大多样性。
• 期望函数对 $c_3^{(A)}$ 的导数非线性地依赖于另一代理的响应倾向，表明不确定性管理对对方行为高度敏感。
• 当 $c_3^{(A)}$ 较小时，系统在 $c_3^{(A)} = 0$ 附近表现出急剧转变，提示代理应对不确定性的临界阈值。
• 当双方的 $c_1$ 均接近1时，渐近行为主要由双方条件响应倾向乘积的谱特性决定，表明初始响应倾向强烈影响长期动态。