如何在观点动力学模型中量化极化

人们普遍认为，社会在重要议题上正变得日益极化，这一动态与社交网络中常见的观点形成数学模型并不一致。特别是，基于观点方差的极化度量在诸如流行的 DeGroot 模型等框架中已知会随时间下降。近期研究试图通过修改观点模型来解决这一明显的不一致，与之互补，我们转而通过提出对极化量化方式的修改来解决该不一致。我们提出了一类自然的基于群体的极化度量，其捕捉观点聚集成不同群体的程度。通过理论论证与经验证据，我们表明这些基于群体的度量展现出有趣的非单调动态，即便在简单的 DeGroot 模型中也是如此。具体而言，对于许多自然社交网络，基于群体的度量可随时间增加，从而正确捕捉对极化加剧的感知。我们的结果建立在 DeMarzo 等人的工作之上，他们引入了基于意识形态对齐的群体极化度量。我们表明，该工作中的核心工具——DeGroot 模型下个体观点的极限分析——可推广到其他基于群体的极化度量的动态，包括双峰性等有既定统计度量。我们还考虑了局部极化度量，其将网络中极化如何被感知操作化。结合先前工作中基于群体的度量与现实世界极化感知更一致的证据，我们的工作为在未来观点动力学研究中以这些度量替代基于方差的极化提供了形式化支持。