[论文解读] Public discourse and social network echo chambers driven by socio-cognitive biases

Xin Wang, Antonio Sirianni+3 more|arXiv (Cornell University)|Feb 10, 2020

Opinion Dynamics and Social Influence参考文献 40被引用 15

一句话总结

本研究将2016年美国总统辩论期间的真实转发网络数据与基于代理的模型相结合，表明社会认知偏见——尤其是确认偏误和选择性接触——是社交媒体上极化回音室形成的主要原因。关键发现为，个体愿意考虑的观点范围是回音室形成的决定性因素，而竞选成功则取决于战略投入与意识形态定位的双重作用。

ABSTRACT

In recent years, social media has increasingly become an important platform for political campaigns, especially elections. It remains elusive how exactly public discourse is driven by the intricate interplay between individual socio-cognitive biases, dueling campaign efforts, and social media platforms. We examine this complex socio-political process by integrating observed retweet networks from the 2016 political networks with an agent-based model of political opinion formation and network structure. Here we show that the range of political viewpoints individuals are willing to consider is a key determinant in the formation of polarized networks and the emergence of echo chambers. We also find that winning majority support in public discourse is determined by both the effort exerted by campaigns and the relative ideological positioning of opposing campaigns. Our results demonstrate how public discourse and political polarization can be modeled as an interactive process of shifting individual opinions, evolving social networks, and political campaigns.

研究动机与目标

• 理解个体社会认知偏见如何与社交网络结构及政治竞选活动相互作用，从而塑造公共话语与极化现象。
• 通过将现实世界社交媒体数据与基于代理的模拟相结合，弥合回音室实证观察与理论模型之间的鸿沟。
• 识别在线政治话语中极化网络结构出现的关键驱动因素，尤其是可接受观点范围。
• 量化竞选策略（包括投入力度与意识形态定位）在极化环境中赢得公众支持的影响。

提出的方法

• 开发基于代理的模型以模拟意见形成与网络演化过程，整合个体层面的社会认知偏见，如确认偏误与选择性接触。
• 模型参数包括身份范围（θ₁, θ₂）、来自讨论伙伴的影响（μ₁, μ₂）以及候选人影响力（δ₁），其中θ₁ ∈ [0, 0.5] 且 θ₂ ∈ [0.5, 1]，用于定义可接受观点的范围。
• 使用三场2016年美国总统辩论的真实转发网络（n = 25,375–33,995个节点，54,840–81,055条边）作为模型验证的基准真实数据。
• 采用模拟退火算法结合最小二乘法拟合模型参数，最小化模拟结果与实际数据中支持者比例之间的欧几里得距离。
• 通过Louvain社区检测算法与Force Atlas 2布局进行网络结构可视化，节点权重反映转发量与聚类归属关系。
• 每个参数组合均通过100次模拟运行进行模型校准，精度控制在σ = 1%，并通过将参数限制在有限网格内以确保计算可行性。

实验结果

研究问题

• RQ1 个体社会认知偏见（尤其是可接受观点范围）在多大程度上决定了在线政治话语中回音室的形成？
• RQ2 竞选策略（包括投入力度与意识形态定位）如何影响极化社交网络中公共话语的走向？
• RQ3 一个整合真实转发网络数据的基于代理的模型，能否再现重大政治事件期间观察到的聚类与极化动态？
• RQ4 网络结构与信息扩散模式在强化或缓解政治极化方面发挥何种作用？

主要发现

• 个体愿意考虑的政治观点范围（由θ₁与θ₂定义）是社交媒体网络中极化回音室形成的主要决定因素。
• 在2016年美国总统辩论第一场中，观察到一个混合型未明确立场或跨支持用户群体（黄色），但在第二场辩论中该群体消失，表明极化程度上升。
• 模型成功再现了实证网络结构，模拟生成的回音室与辩论期间转发网络中的实际聚类高度一致。
• 在公共话语中赢得多数支持不仅取决于竞选投入，还取决于对立竞选活动之间的相对意识形态定位。
• 模拟退火拟合过程识别出最优参数组合，使模拟结果与真实支持者比例差异最小化，最佳拟合结果对应μ₁ = μ₂ = 0.5，且θ₁、θ₂、δ₁参数范围受到约束。
• 尽管社区检测与采样存在轻微误差，模型预测结果仍保持稳健，并与现实世界数据在定量上高度一致，验证了其解释力。