[论文解读] Homophily explains perception biases in social networks.

Eun Lee, Fariba Karimi+3 more|arXiv (Cornell University)|Oct 24, 2017

Opinion Dynamics and Social Influence参考文献 61被引用 6

一句话总结

该论文通过生成网络模型表明，同质性（homophily）和群体规模不均是社交网络中感知偏差（如信息过滤气泡和多数人错觉）的驱动因素。研究发现，当同质性较高或异质性与规模差异并存时，这些偏差会显现；而节点度数并不会系统性地扭曲感知，从而为通过邻居感知分析减少偏差提供了结构条件。

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.

研究动机与目标

• 理解网络结构（尤其是同质性与群体规模失衡）如何影响社交网络中的感知偏差。
• 识别感知偏差（如信息过滤气泡和多数人错觉）出现的结构条件。
• 检验节点度数是否系统性地扭曲或增强对属性普遍性的感知。
• 探讨结合直接邻居的感知是否能够减少个体的感知偏差。

提出的方法

• 开发了一种可调节同质性与群体规模的生成网络模型，以模拟社交网络。
• 采用分析与数值方法推导并检验感知偏差出现的条件。
• 利用六组具有不同同质性与群体规模水平的真实网络对模型进行校准与验证。
• 通过比较个体感知的属性普遍性与网络整体真实普遍性来衡量感知偏差。
• 通过结构分析评估节点度数与邻居感知在偏差减少中的作用。

实验结果

研究问题

• RQ1 在何种结构条件下，社交网络中会出现信息过滤气泡和多数人错觉等感知偏差？
• RQ2 同质性与不均等群体规模如何共同影响感知偏差的大小与方向？
• RQ3 节点的感知是否因其在网络中的度数而系统性地产生偏差？
• RQ4 结合直接邻居的感知能否减少个体的感知偏差？

主要发现

• 在同质性较高或异质性显著且群体规模不均的网络中，感知偏差会显现。
• 网络中同质性的非对称性是感知偏差的关键驱动因素，尤其在群体规模严重失衡的情境下更为显著。
• 节点度数并不会系统性地扭曲或增强对属性普遍性的感知，表明不存在基于中心性的普遍偏差。
• 存在特定的结构条件，使得个体可通过聚合其直接邻居的感知来减少感知偏差。
• 在六组真实网络中的实证验证证实了理论预测：在高同质性与规模差异条件下，偏差会显著出现。
• 本研究为识别与缓解社交网络结构中的感知偏差提供了定量框架。