現(xiàn)如今，社交媒體就像是公共輿論的一個(gè)巨型擴(kuò)音器：它們可以左右選舉，可以摧毀一家企業(yè)，還可以在疫苗接種、氣候變化等熱點(diǎn)問題上起到煽動(dòng)性作用，甚至引發(fā)大規(guī)模的群眾行動(dòng)。一個(gè)話題要如何才能吸引“集體性關(guān)注”？研究這一問題的科學(xué)家在社交媒體的數(shù)據(jù)中，發(fā)現(xiàn)這類話題有一個(gè)共同特征：偶然短暫的且看似隨機(jī)的高強(qiáng)度活動(dòng)的爆發(fā)。
意大利的網(wǎng)絡(luò)理論學(xué)家Manlio De Domenico表示，對于這些熱點(diǎn)“尖峰”我們知之甚少，它們是注意力動(dòng)態(tài)的一種固有本質(zhì)：“它們會(huì)引發(fā)一連串的信息爆炸，從而極大地放大正在傳播的信息的效應(yīng)?！?/span>
這種“放大效應(yīng)”激發(fā)了De Domenico和澳大利亞悉尼大學(xué)的Eduardo Altmann的興趣，他們?yōu)榇嗽O(shè)計(jì)了一個(gè)簡單的網(wǎng)絡(luò)模型，通過改變模型的輸入可以預(yù)測出推特（Twitter）上的熱點(diǎn)尖峰的頻率和振幅。De Domenico說，他們的模型重現(xiàn)了推特上的那些真實(shí)的與文化、科學(xué)、體育、宗教等重大事件有關(guān)的熱點(diǎn)爆發(fā)事件。理解這類爆發(fā)的根源，或許可以幫助研究人員開發(fā)出能阻止非法操縱公眾輿論的工具。
2016年，在德國的馬克思·普朗克復(fù)雜系統(tǒng)物理研究所工作的De Domenico和Altmann開始研發(fā)自己的模型。他們利用幾個(gè)事件的關(guān)鍵詞，分析了數(shù)百萬條推文，這些事件包括2013年教皇方濟(jì)各的選舉，2015年NBA總決賽，2013年的紀(jì)念馬丁·路德·金的“我有一個(gè)夢想”演講50周年慶?；顒?dòng)，以及2016年宣布引力波的發(fā)現(xiàn)事件。在每個(gè)事件發(fā)生前后的一段時(shí)間內(nèi)，在推特上的活躍度都先是飆升，然后下降。但這些數(shù)據(jù)也顯示出了一系列看似隨機(jī)的活躍度尖峰，在短短幾分鐘的時(shí)間內(nèi)，消息的發(fā)送、轉(zhuǎn)發(fā)和回復(fù)次數(shù)翻了數(shù)千倍。
○ 在2013年教皇方濟(jì)各的選舉（左）、2016年宣布發(fā)現(xiàn)引力波（中）、2013年馬丁·路德·金的“我有一個(gè)夢想”演講50周年慶?；顒?dòng)（右）這三個(gè)事件發(fā)生前后，推特的活躍度（發(fā)送數(shù)/分鐘）先是飆升，然后下降。清晰的尖峰以隨機(jī)的時(shí)間間隔出現(xiàn)。| 圖片來源：M. De Domenico and E. Altmann
為了對這些數(shù)據(jù)集進(jìn)行建模，研究小組將推特圈描述成一個(gè)由用戶組成的網(wǎng)絡(luò)，這些用戶具有一個(gè)呈特定分布的“連通性”，也就是擁有一定數(shù)量的關(guān)注者。在一個(gè)用戶發(fā)布消息后，模型會(huì)讓其粉絲（關(guān)注該用戶的人）以一定的概率對這則消息進(jìn)行響應(yīng)，比如轉(zhuǎn)發(fā)或回復(fù)。
利用這一簡單模型，研究人員考慮了不同情境下的用戶行為。例如，他們可以改變每個(gè)用戶的“偏向性”，也就是每個(gè)用戶關(guān)注其他有影響力用戶的傾向程度。他們還可以通過比較均勻網(wǎng)絡(luò)（大多數(shù)用戶具有相同數(shù)量的連接）和異構(gòu)型網(wǎng)絡(luò)（用戶集聚成團(tuán)，集聚處的連接數(shù)量高于平均數(shù)量）來研究網(wǎng)絡(luò)結(jié)構(gòu)的影響。
對于每個(gè)事件，De Domenico和Altmann先會(huì)向模型中輸入一些隨機(jī)分布的初始推文，然后模擬回復(fù)和轉(zhuǎn)發(fā)的數(shù)量。通過比較模擬結(jié)果與真實(shí)世界的數(shù)據(jù)，他們發(fā)現(xiàn)，只需要注重模型中的兩個(gè)因素，就可以重現(xiàn)熱點(diǎn)爆發(fā)的顯著特征，這兩個(gè)因素分別是用戶的偏向性和網(wǎng)絡(luò)結(jié)構(gòu)的類型。具體來說，爆發(fā)性的行為似乎有著高度異構(gòu)的網(wǎng)絡(luò)結(jié)構(gòu)特征，推特就是這樣一個(gè)例子，它擁有著許多有影響力的消息集中中心，而且任何兩個(gè)用戶之間的分離度都很小。
由此看來，推特上的那些“具有影響力的用戶”和網(wǎng)絡(luò)結(jié)構(gòu)顯然在爆炸式消息中發(fā)揮著重要作用。De Domenico認(rèn)為，這兩者似乎是唯二重要的兩個(gè)因素。例如他驚訝地發(fā)現(xiàn)，爆發(fā)的振幅并不依賴于推特網(wǎng)絡(luò)內(nèi)部的“相關(guān)性”。這種相關(guān)性之所以會(huì)出現(xiàn)，是因?yàn)橛杏绊懥Φ挠脩敉潜舜讼噙B的，比如奧巴馬可能會(huì)關(guān)注克林頓，這種效應(yīng)會(huì)導(dǎo)致一些知名的人或機(jī)構(gòu)集聚成團(tuán)。
理解社交媒體關(guān)注度的復(fù)雜性還可能有助于解決一個(gè)日益嚴(yán)重的問題，那就是社交媒體的操縱。越來越多的機(jī)器人賬號(hào)（使用人工智能模仿真人）被用來放大網(wǎng)絡(luò)上的某些觀點(diǎn)，從而達(dá)到影響公眾輿論的目的。De Domenico目前正在研究我們是否可以通過模型來區(qū)分哪些尖峰信號(hào)是由機(jī)器人賬號(hào)產(chǎn)生的，哪些是真實(shí)的。
這或許能與他的另一個(gè)項(xiàng)目相吻合。最近，在西班牙舉行的一場關(guān)于加泰羅尼亞獨(dú)立問題的全民公投上，De Domenico從中發(fā)現(xiàn)了機(jī)器人賬號(hào)行為。通過使用機(jī)器學(xué)習(xí)工具來對機(jī)器人進(jìn)行識(shí)別，并對信息的含義進(jìn)行分類，他和他的同事們發(fā)現(xiàn)在公投的籌備階段，有20%的推文信息是由機(jī)器人發(fā)布的。這些消息有選擇性地針對支持和反對獨(dú)立群體中的有影響力的人士。例如，它們會(huì)通過用警察暴力對付示威者這樣的故事來轟炸獨(dú)立主義者，這些精心炮制的消息被用來加劇社會(huì)沖突。
下一步，De Domenico計(jì)劃將他的機(jī)器人分析工具與集體注意力模型結(jié)合起來，以研究機(jī)器人對投票的影響。如果研究人員能夠解開機(jī)器人在生成社交媒體關(guān)注度方面所扮演的角色，或許政策制定者就可以開始思考應(yīng)對之策。
De Domenico認(rèn)為，若想要聽到真正的公民之聲，科研人員必須更好地理解并控制對機(jī)器人的使用。
原文標(biāo)題為“Explaining Bursts of Attention on Social Media”，首發(fā)于2019年4月8日的Physics。原文鏈接：https://physics.aps.org/articles/v12/41. 中文內(nèi)容略有刪減，僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
聯(lián)系客服
