[论文解读] Opinion dynamics model based on cognitive biases

Paweł Sobkowicz|arXiv (Cornell University)|Mar 4, 2017

Opinion Dynamics and Social Influence参考文献 94被引用 3

一句话总结

本文提出了一种基于代理的信念动态模型，通过贝叶斯更新整合认知偏见（尤其是确认偏见和政治动机推理），模拟个体如何过滤信息。模型表明，当偏见强烈时，即使有压倒性证据，客观真理的共识也无法形成；而可变的偏见（如政治动机推理）可通过规范性重新表述被改变，从而实现共识。

ABSTRACT

We present an introduction to a novel model of an individual and group opinion dynamics, taking into account different ways in which different sources of information are filtered due to cognitive biases. The agent based model, using Bayesian updating of the individual belief distribution, is based on the recent psychology work by Dan Kahan. Open nature of the model allows to study the effects of both static and time-dependent biases and information processing filters. In particular, the paper compares the effects of two important psychological mechanisms: the confirmation bias and the politically motivated reasoning. Depending on the effectiveness of the information filtering (agent bias), the agents confronted with an objective information source may either reach a consensus based on the truth, or remain divided despite the evidence. In general, the model might provide an understanding into the increasingly polarized modern societies, especially as it allows mixing of different types of filters: psychological, social, and algorithmic.

研究动机与目标

• 开发一个能够反映信息处理中认知偏见的现实主义信念动态模型。
• 研究不同类型的认知偏见（尤其是确认偏见和政治动机推理）对共识形成的影响。
• 探讨通过改变群体规范或信息表述方式，能否以及如何缓解信念极化。
• 通过嵌入如贝叶斯信念更新与有偏似然函数的心理机制，扩展传统代理模型。
• 支持模拟涉及心理、社会和算法信息过滤的复杂社会动态。

提出的方法

• 代理使用贝叶斯更新来更新其信念分布，其中先验信念和似然比受认知偏见影响。
• 模型整合了两种关键偏见：确认偏见（基于先验的过滤）和政治动机推理（PMR，其中似然评估由身份一致信念驱动）。
• 信息源被建模为客观分布 S(θ)，代理根据其内部偏见参数对这些信息进行过滤。
• 模型支持静态和时变偏见函数，从而能够分析长期信念稳定性和瞬态响应。
• 代理可嵌入社交网络，支持双向通信，并根据不同的过滤类型实现非对称信息处理。
• 该框架支持对内群体规范的动态再定义，可改变 PMR 过滤机制，从而触发群体身份或信念一致性的转变。

实验结果

研究问题

• RQ1 在客观信息下，确认偏见与政治动机推理在共识形成上的影响有何不同？
• RQ2 通过改变对内群体规范的感知，能否改变政治动机推理，从而实现对客观真理的共识？
• RQ3 动态群体规范在转变信念动态和减少极化方面发挥何种作用？
• RQ4 当不同认知偏见过滤多个相互冲突的信息源时，信念演化如何变化？
• RQ5 外部对信息过滤机制的操控在何种方式下可能加剧或减少社会极化？

主要发现

• 当代理受确认偏见支配时，即使反复接触相同的客观信息，也无法形成对客观真理的共识。
• 相反，当政治动机推理是主导过滤机制时，若将感知的内群体规范重新定义为与客观证据一致，则可能实现对真理的信念共识。
• 模型表明，PMR 比确认偏见更具可塑性，因为它由身份一致性驱动而非固定先验，因此对规范性变化具有响应性。
• 通过将信息重新表述为与内群体价值观一致，可改变贝叶斯更新中的似然函数，从而在不改变先验的情况下转变后验信念。
• 模型支持通过改变塑造信息过滤的社会背景而非直接改变信念来减少极化。
• 对内群体成员身份的动态再定义可触发信念动态的转变，实现从信念改变到群体身份与凝聚力变化的转化。