[论文解读] The Wisdom of the Network: How Adaptive Networks Promote Collective Intelligence

Abdullah Almaatouq, Alejandro Noriega-Campero+4 more|arXiv (Cornell University)|May 12, 2018

Opinion Dynamics and Social Influence参考文献 2被引用 7

一句话总结

本文表明，适应性社交网络——即个体根据绩效反馈动态重组连接的网络——通过产生比最佳个体更准确的群体估计，提升了集体智能。通过行为实验与模拟，研究识别出两种机制：通过全局网络重组放大高绩效者，以及通过局部抵抗社会影响来保留准确判断，这两种机制在非平稳、有偏的环境中显著提升了决策准确性。

ABSTRACT

Social networks continuously change as new ties are created and existing ones fade. It is widely noted that our social embedding exerts a strong influence on what information we receive and how we form beliefs and make decisions. However, most empirical studies on the role of social networks in collective intelligence have overlooked the dynamic nature of social networks and its role in fostering adaptive collective intelligence. It remains unknown (1) how network structures adapt to the attributes of individuals, and (2) whether this adaptation promotes the accuracy of individual and collective decisions. Here, we answer these questions through a series of behavioral experiments and supporting simulations. Our results reveal that social network plasticity in the presence of feedback, can adapt to biased and changing information environments, and produce collective estimates that are more accurate than their best-performing member. We explore two mechanisms that explain these results: (1) a global adaptation mechanism where the structural connectivity of the network itself changes such that it amplifies the estimates of high-performing members within the group; (2) a local adaptation mechanism where accurate individuals are more resistant to social influence, and therefore their initial belief is weighted in the collective estimate disproportionately. Thereby, our findings substantiate the role of social network plasticity and feedback as adaptive mechanisms for refining individual and collective judgments.

研究动机与目标

• 探究由反馈塑造的动态社交网络结构如何影响集体决策的准确性。
• 检验网络可塑性是否使群体能够适应有偏见且变化的信息环境。
• 识别适应性网络提升个体与集体判断的机制。
• 弥补集体智能研究中假设网络结构静态或外生的空白。

提出的方法

• 在人类参与者中开展受控行为实验，构建动态社交网络，其中关系可基于绩效反馈重新连接。
• 采用建议权重（WOA）度量指标量化对社会影响的抵抗程度，其中 1 - WOA 表示抵抗程度（1 = 完全独立）。
• 应用弗里曼中心度测量网络集中化程度，追踪影响力如何在高绩效个体周围集中。
• 通过模拟网络动态以验证实验发现，并在不同条件下探索作用机制。
• 采用含随机效应的混合效应模型，以在统计分析中考虑嵌套数据结构。
• 通过 Empirica 平台收集数据，完整代码与复制数据可在 OSF 资源库获取。

实验结果

研究问题

• RQ1 在非平稳、有偏的信息环境中，基于反馈动态演化的适应性网络表现如何？
• RQ2 适应性网络在集体决策中提升准确性的内在机制是什么？
• RQ3 绩效反馈是否使网络以放大高绩效个体的方式实现重组？
• RQ4 个体在适应性网络中在多大程度上抵抗社会影响，这种抵抗如何影响集体结果？
• RQ5 适应性网络结构能否在群体估计任务中超越最佳个体？

主要发现

• 适应性网络产生的集体估计比组内最佳个体的估计更准确。
• 基于绩效反馈的网络在准确性上显著高于静态或未适应的网络。
• 全局适应机制——即网络结构演化以放大高绩效者——是提升准确性的关键驱动力。
• 局部适应机制——即准确个体抵抗社会影响——对提升集体判断质量有显著贡献。
• 对社会影响的抵抗程度（以 1 - WOA 衡量）与个体准确性及网络层面表现呈正相关。
• 在基于反馈的条件下，网络集中化程度随时间上升，表明高绩效个体通过结构重组获得了更大影响力。