[论文解读] Guided rewiring of social networks reduces polarization and accelerates collective action

Jordan Everall, Lilli Frei+1 more|arXiv (Cornell University)|Sep 21, 2023

Opinion Dynamics and Social Influence被引用 6

一句话总结

本研究提出引导式社交网络重布线——具体为局部与桥接型链接重构——以减少极化并加速集体行动困境中的共识形成。通过战略性地连接不同意见群体的个体，尤其是通过异质性（相反意见）链接形成，模型表明去极化与合作的出现显著快于无引导或随机重布线的情景。

ABSTRACT

Global social and ecological challenges represent collective action problems requiring rapid and sufficient cooperation with pro-mitigation norms. Sociopolitical polarization hinders such cooperation. Prior agent-based models showed polarization emerges naturally in structured social networks and polarized cluster dissolution rate limits consensus formation rate. Here we study how guided link rewiring affects depolarization dynamics across synthetic and empirical (Facebook, Twitter) network topologies. We compare heuristic rewiring algorithms representing random meetings, mutual acquaintance introductions, and community bridging, alongside topology-based link recommender algorithms (Who to Follow and node2vec). Our heuristic algorithms all outperform Who to Follow in generating cooperative consensus. Homophilic rewiring generates cooperative consensus when agents can easily change opinions. However, heterophilic rewiring achieves this over broader conditions and can accelerate cooperative consensus formation by ~20%, including where up to 33% of the population experiences backfiring interactions. Heterophilic rewiring also vastly outperforms topology-based recommender algorithms. Random rewiring performed consistently well, achieving higher steady-state cooperation than seven out of eight more complex algorithms. Large disparities in steady-state cooperation for topology-based recommender systems highlight their volatility across network structures. Overall, our work reveals a subtle interplay between topology, rewiring algorithm and social depolarization, suggesting strong potential for carefully redesigning social networking technologies for social good.

研究动机与目标

• 探究结构化社交网络重布线是否能减少极化并加速集体行动问题中的共识形成。
• 评估不同重布线策略（随机、局部、桥接型）对去极化与合作动态的影响。
• 评估基于意见的链接形成规则（同质性 vs. 异质性）对共识速度与稳定性的影响力。
• 确定促进跨社区连接是否能克服社交网络中根深蒂固的意识形态集群。
• 提供证据表明社交网络重构可作为应对气候变化等全球性挑战的可行干预手段。

提出的方法

• 在现有基于代理的社交网络意见动态与集体行动模型基础上，扩展引入三种重布线算法：随机、局部与桥接重布线。
• 施加拓扑约束，将潜在新链接限制在距离为两步之内的节点（d=2），以确保计算可行性。
• 实施同质性链接形成规则（连接相似意见）与异质性链接形成规则（连接相反意见）作为基于意见的链接形成机制。
• 使用Louvain算法识别社区，并将桥接重布线限制在非邻居且位于个体自身集群之外的节点上。
• 通过在每次形成新链接时随机断开一个邻居链接，保持平均度恒定。
• 采用优先连接机制以在重布线过程中保持小世界网络特性。

实验结果

研究问题

• RQ1 引导式社交网络重布线在意见动态中如何影响去极化的速率？
• RQ2 局部重布线与桥接重布线在加速共识形成方面，相对有效性如何？
• RQ3 基于意见的链接形成规则（同质性 vs. 异质性）如何影响共识的速度与稳定性？
• RQ4 有针对性的跨社区连接是否能减少极化并改善集体行动结果？
• RQ5 在何种条件下，网络重构优于随机重布线以促进合作？

主要发现

• 桥接（相反意见）重布线——即通过连接具有相反意见的集群内个体——能实现最快的去极化与共识形成。
• 局部（相反意见）重布线——即在两个网络步长内连接意见相异的个体——相比随机或同质性重布线，也显著加速了共识形成。
• 异质性重布线（连接相反意见）在减少极化与提升合作方面，始终优于同质性重布线（连接相同意见）。
• 拓扑约束与基于意见的链接形成相结合，相比随机重布线，能更快收敛至合作状态。
• 通过战略性跨社区连接实施的网络重构，可克服极化集群的惯性，实现更快的集体行动。
• 结果表明，在社交网络中促进跨意识形态连接，可成为应对气候变化等全球性挑战的强大杠杆。