合成社交网络中的人机交互：研究在线极化的框架
物理与社会
2025-06-12 v3 社会与信息网络
摘要
在线社交网络极大地改变了公共话语的格局，既为增强公民参与创造了机会，也带来了加深社会分裂的风险。研究在线极化的主流方法一直受到方法论脱节的限制：数学模型擅长形式化分析但缺乏语言真实性，而基于语言模型的模拟能捕捉自然话语但往往牺牲分析精度。本文介绍了一个创新的计算框架，通过将形式化的意见动力学原理嵌入基于 LLM 的人工智能体，融合了这两种方法，既能进行严格的数学分析，又能实现自然的社交互动。我们通过在受控社交网络环境中与 122 名人类参与者进行的全面离线测试和实验评估来验证我们的框架。结果证明了我们能够在保持生态效度的同时系统地研究极化机制。我们的发现揭示了极化环境如何塑造用户感知和行为：接触极化讨论的参与者对情感内容和群体归属表现出显著增强的敏感性，同时感知到智能体立场的不确定性降低。通过将数学精确性与自然语言能力相结合，我们的框架为通过受控实验研究社交媒体现象开辟了新途径。这一方法论进步使研究人员能够弥合理论模型与经验观察之间的差距，为研究在线意见动态背后的因果机制提供了前所未有的机会。
引用
@article{arxiv.2502.01340,
title = {Human-Agent Interaction in Synthetic Social Networks: A Framework for Studying Online Polarization},
author = {Tim Donkers and Jürgen Ziegler},
journal= {arXiv preprint arXiv:2502.01340},
year = {2025}
}