有偏同化、同质性与极化动力学
社会与信息网络
2015-06-11 v1 计算机科学与博弈论
物理与社会
摘要
作为一个社会，我们是否变得更加极化，如果是，为什么？我们试图通过一个观点形成模型来回答这个问题。实证研究表明，同质性会导致极化。然而，我们表明，基于重复平均的 DeGroot 著名观点形成模型永远不会产生极化，即使个体具有任意的同质性。我们将 DeGroot 模型推广以解释社会心理学中众所周知的有偏同化现象：当面对复杂问题的混合或不确凿证据时，个体会为其初始立场汲取过度的支持，从而形成更极端的观点。我们表明，在一个简单的同质性网络模型中，我们的有偏观点形成过程会导致极化、持续分歧或共识，具体取决于个体的偏见程度。换句话说，仅靠同质性而没有有偏同化不足以使社会极化。非常有趣的是，有偏同化也为以下相关问题提供了见解：向我们展示个性化内容的基于互联网的推荐算法是否有助于极化？我们在有偏同化与某些基于随机游走的推荐算法的极化效应之间建立了联系，这些算法在精神上与一些常用的推荐算法相似。
引用
@article{arxiv.1209.5998,
title = {Biased Assimilation, Homophily and the Dynamics of Polarization},
author = {Pranav Dandekar and Ashish Goel and David Lee},
journal= {arXiv preprint arXiv:1209.5998},
year = {2015}
}