網(wǎng)絡(luò)群體極化現(xiàn)象的形成機(jī)理及仿真實(shí)驗(yàn)研究

陳庭貴 楊俊蓉

(浙江工商大學(xué)， 杭州 310018)

網(wǎng)絡(luò)群體性事件是指發(fā)生在互聯(lián)網(wǎng)上的有較多網(wǎng)民參與討論的事件。網(wǎng)絡(luò)群體極化現(xiàn)象，是指網(wǎng)民個體一開始在觀點(diǎn)上有某些偏向，在關(guān)注或參與討論后，其觀點(diǎn)集中朝某個方向偏移而形成極端觀點(diǎn)的現(xiàn)象?；ヂ?lián)網(wǎng)傳播的交互性、時效性和便捷性強(qiáng)，生活中分散的獨(dú)立個體在互聯(lián)網(wǎng)中容易聚集起來，通過觀點(diǎn)的交流和碰撞及各種外在因素的刺激和相互影響，便容易形成網(wǎng)絡(luò)群體極化現(xiàn)象。本次研究，將探討導(dǎo)致網(wǎng)絡(luò)群體極化的原因，并通過建立群體極化的模型，分析有關(guān)影響因素的作用及網(wǎng)絡(luò)群體極化的形成機(jī)理。

1 網(wǎng)絡(luò)群體極化的系統(tǒng)動力學(xué)模型

網(wǎng)絡(luò)群體是由于偏好相似而匯聚起來的。我們將先對各項(xiàng)影響因素進(jìn)行層次分析，然后將得到的態(tài)度值用經(jīng)典的J-A模型進(jìn)行仿真實(shí)驗(yàn)，由此探討網(wǎng)絡(luò)極化現(xiàn)象的一般規(guī)律。

1.1 D-W及J-A模型簡介

在D-W模型中，個體的觀點(diǎn)狀態(tài)使用連續(xù)值來表示，在全連接網(wǎng)絡(luò)基礎(chǔ)上對連續(xù)觀點(diǎn)進(jìn)行多 agent模型構(gòu)建[1]。其中，個體只有接收維度，且無立場維度，因此只需要考慮個體態(tài)度之間的同化效應(yīng)。此外，對agent交互機(jī)制可以參照社會心理學(xué)中的個體觀點(diǎn)連續(xù)值表示方法來進(jìn)行描述。由于僅考慮了社會評價理論中的同化效應(yīng)，而未考慮相斥效應(yīng)，D-W模型不能很好地描述現(xiàn)實(shí)中的觀點(diǎn)極化過程。與D-W模型相比，W.Jager與F. Amblard提出的J-A模型[2]，在全連接網(wǎng)絡(luò)上考慮了社會評價理論中的同化效應(yīng)、相斥效應(yīng)以及中立情況。

(1) 同化規(guī)則。如果a和b之間的態(tài)度距離小于d1，則a、b兩節(jié)點(diǎn)的態(tài)度值更新為：

(1)

(2)

其中，μ∈(0，0.5]，為影響參數(shù)；xa與xb為a、b兩節(jié)點(diǎn)更新前的態(tài)度值。

(2) 相斥原則。如果a和b之間的態(tài)度距離大于d2，則a、b兩節(jié)點(diǎn)的態(tài)度值更新為：

(3)

(4)

其中，μ∈(0，0.5]，為影響參數(shù)；且有定義：

(3) 中立規(guī)則。在上述2種情況以外，a、b兩節(jié)點(diǎn)的態(tài)度值不發(fā)生改變。

1.2 影響因素及其權(quán)重的確定

借鑒文獻(xiàn)[3]和[4]對影響因素的歸納，將一些具有代表性的影響態(tài)度值變化的因素引入J-A模型中。這些因素主要是輿情熱度、環(huán)境透明度和網(wǎng)民理性度。不同因素對極化結(jié)果有不同的影響，采用層次分析法確定各影響因素的權(quán)重。

1.2.1 輿情熱度

輿情熱度受到發(fā)帖熱度、關(guān)注熱度、時間熱度和環(huán)境熱度的共同影響。其中，關(guān)注熱度指互聯(lián)網(wǎng)上的網(wǎng)民和媒體對某網(wǎng)絡(luò)事件的關(guān)注程度；時間熱度指網(wǎng)民和媒體關(guān)注某個網(wǎng)絡(luò)事件的時間跨度，也就是在某個網(wǎng)絡(luò)事件出現(xiàn)后，網(wǎng)民和媒體由開始關(guān)注、關(guān)注度升高、關(guān)注度降低至最后失去關(guān)注興趣這個過程所延續(xù)的時間；環(huán)境熱度指媒體和政府參與到網(wǎng)絡(luò)事件的情況，主要通過媒體(包括網(wǎng)絡(luò)媒體和傳統(tǒng)媒體)對網(wǎng)絡(luò)事件發(fā)布的新聞數(shù)量來衡量。通過層次分析法確定各元素的權(quán)重，建立的層次模型如圖1所示。

圖1 輿情熱度層次分析

將準(zhǔn)則層4個因素對目標(biāo)層(A)的影響程度進(jìn)行兩兩比較，然后將比較結(jié)果進(jìn)行量化，得到比較矩陣(見表1)。

表1 各因素的影響程度

根據(jù)比較矩陣得各層次的權(quán)重值，再通過一致性檢驗(yàn)，得到發(fā)帖熱度、關(guān)注熱度、時間熱度和環(huán)境熱度的權(quán)重，分別為56.88%、23.72%、6.59%和12.80%。對各影響因素的計算，參考文獻(xiàn)[4]給出的方法。

發(fā)帖熱度(B)：可以根據(jù)當(dāng)時的熱點(diǎn)事件(i)統(tǒng)計新浪微博的網(wǎng)民評論數(shù)，計算網(wǎng)民發(fā)表的與事件相關(guān)的微博總數(shù)(B1)。事件i的發(fā)帖熱度，Bi=10×B1i÷max(B1j)(j=1，2，3，…，m)。B的取值范圍為[0，10]。

關(guān)注熱度(C)：獲取某網(wǎng)絡(luò)熱點(diǎn)事件百度指數(shù)中的搜索峰值(C1)，由此計算事件i的關(guān)注熱度，Ci=10×C1i÷max(C1j)。C的取值范圍為[0，10]。

時間熱度(T)：統(tǒng)計事件發(fā)生后持續(xù)的總天數(shù)(T1)和百度指數(shù)超過1 000的天數(shù)(T2)，然后計算時間熱度。T=10×T2÷T1。T的取值范圍為[0，10]。

環(huán)境熱度(D)：統(tǒng)計四大門戶網(wǎng)站發(fā)布的新聞數(shù)(D1)、各省政府網(wǎng)站發(fā)布的新聞數(shù)(D2)。如果傳統(tǒng)媒體發(fā)布過該事件的新聞，則在環(huán)境熱度上加2。計算事件i的環(huán)境熱度，Di=2+4×D1i÷max(D1j)+4×D2i。D的取值范圍為[0，10]。

輿情熱度A的取值范圍為[0，10]。

1.2.2 環(huán)境透明度

網(wǎng)民對事件的了解程度會隨著時間的推移逐漸增強(qiáng)，事件的透明度也會隨時間的推移而逐漸提高。對環(huán)境透明度(E)，通過環(huán)境熱度(D)來觀察[5]。

1.2.3 網(wǎng)民理性度

網(wǎng)民對某事件的看法會由于自身不同的背景、個性等因素而不同。根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心第41次發(fā)布的《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》中的網(wǎng)民年齡和學(xué)歷分布，估計網(wǎng)民的理性度(H)[6]，其取值范圍為[0，10]。

2 仿真實(shí)驗(yàn)思路及流程

對群體極化最終的態(tài)度值(P)通過輿情熱度、環(huán)境透明度和網(wǎng)民理性度3個維度來描述。基于層次分析法確定各維度不同的權(quán)重，綜合得出網(wǎng)民的態(tài)度值，然后以J-A模型進(jìn)行仿真分析。

融入多因素的態(tài)度極化J-A模型仿真思路是：首先，在計算機(jī)中建立單獨(dú)的個體，代表擁有不同觀點(diǎn)的網(wǎng)絡(luò)主體；然后，基于BA網(wǎng)絡(luò)，將這些個體按照一定的簡單規(guī)則相互連接，形成群體交互網(wǎng)絡(luò)；最后，觀察群體中個體的特性及群體極化演變規(guī)律。這個過程可以分為以下幾個步驟：(1)研究網(wǎng)絡(luò)輿情演化中網(wǎng)絡(luò)群體成員的行為以及成員間的交互規(guī)則，抽取相關(guān)參數(shù)；(2)模擬成員間的交互，驗(yàn)證相關(guān)參數(shù)對產(chǎn)生群體極化的影響，研究不同情景下可能產(chǎn)生的群體極化現(xiàn)象；(3)對結(jié)果進(jìn)行可視化處理，顯示網(wǎng)絡(luò)輿情演化中群體極化的過程。

根據(jù)上述思路，這里使用Matlab編程構(gòu)建人工社會系統(tǒng)。其中，每個agent代表社會網(wǎng)絡(luò)中參與信息交互的一個網(wǎng)民個體，它具有一個維度為n的狀態(tài)特征參量(本文中n=3，即發(fā)帖熱度、網(wǎng)民理性度和環(huán)境透明度)，表示每個網(wǎng)民個體的多維態(tài)度值。agent之間以經(jīng)典J-A模型中的規(guī)則進(jìn)行交互，而agent之間的聯(lián)結(jié)關(guān)系則由網(wǎng)絡(luò)鄰接矩陣來定義。在每一次實(shí)驗(yàn)時，通過隨機(jī)取樣的方法抽取2個實(shí)驗(yàn)個體充當(dāng)網(wǎng)絡(luò)節(jié)點(diǎn)，然后根據(jù)BA網(wǎng)絡(luò)的連接概率來判斷它們是否相連。如果滿足連接條件，則根據(jù)模型中的規(guī)定進(jìn)行相互作用；若不相連接，則進(jìn)入下一個演化時間步長。對節(jié)點(diǎn)相互作用規(guī)則設(shè)置如下：首先，計算這2個個體的態(tài)度值差異的絕對值。如果態(tài)度差異值小于收斂參數(shù)d1，則認(rèn)為這2個個體處于社會評價理論中的同化效應(yīng)帶，按式(1)和式(2)計算更新其態(tài)度向量，表明其態(tài)度會進(jìn)一步接近；如果態(tài)度差異值大于發(fā)散參數(shù)d2，則認(rèn)為這2個個體處于社會評價理論中的相斥效應(yīng)帶，按式(3)和式(4)計算更新其態(tài)度向量，表明其態(tài)度差異會進(jìn)一步增大；如果態(tài)度差異值在d1和d2之間，則他們的態(tài)度均保持不變。反復(fù)執(zhí)行此過程，觀察群體涌現(xiàn)現(xiàn)象中的態(tài)度演化情況。其流程如圖2所示。

圖2 群體態(tài)度演化仿真流程

3 仿真實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)設(shè)置

選取100個網(wǎng)民在一段時間內(nèi)的態(tài)度值，通過百度、微博等大流量的網(wǎng)站和平臺收集有關(guān)某一突發(fā)網(wǎng)絡(luò)事件的數(shù)據(jù)；運(yùn)用層次分析法對數(shù)據(jù)進(jìn)行初步處理，得到最終影響態(tài)度值的三因素的值；利用Matlab將數(shù)據(jù)導(dǎo)入模型，分析演化機(jī)理及影響因素。采用BA網(wǎng)絡(luò)來模擬網(wǎng)民之間的交互，在經(jīng)典J-A模型基礎(chǔ)上結(jié)合層次分析法，分析輿情熱度即網(wǎng)民態(tài)度值，最終通過仿真手段分析網(wǎng)絡(luò)輿情群體極化過程。這里設(shè)定網(wǎng)民初始態(tài)度值為-1和1的離散數(shù)據(jù)。

3.2 實(shí)驗(yàn)結(jié)果與分析

3.2.1 各因素對極化的影響

本次仿真實(shí)驗(yàn)分3次進(jìn)行。第一次實(shí)驗(yàn)，輿情熱度的權(quán)重為90%，環(huán)境透明度和網(wǎng)民理性度的權(quán)重均為5%。第二次實(shí)驗(yàn)，環(huán)境透明度的權(quán)重為90%，輿情熱度和網(wǎng)民理性度的權(quán)重均為5%。第三次實(shí)驗(yàn)，網(wǎng)民理性度的權(quán)重為90%，輿情熱度和環(huán)境透明度的權(quán)重均為5%。取100個網(wǎng)民的數(shù)據(jù)進(jìn)行分析。參數(shù)設(shè)置：交互次數(shù)Time=200，d1=0.1，d2=0.9，μ1=0.3，μ2=0.6。實(shí)驗(yàn)結(jié)果如圖3至圖5所示。

圖3 第一次實(shí)驗(yàn)結(jié)果

圖4 第二次實(shí)驗(yàn)結(jié)果

圖5 第三次實(shí)驗(yàn)結(jié)果

第一次實(shí)驗(yàn)結(jié)果見圖3。當(dāng)輿情熱度占據(jù)較大權(quán)重時，網(wǎng)絡(luò)群體出現(xiàn)多重極化現(xiàn)象。從交互開始到Time=50，輿情熱度較高，各種觀點(diǎn)層出不窮，而且都占有一定比例，從而形成多極化現(xiàn)象。

第二次實(shí)驗(yàn)結(jié)果見圖4。當(dāng)環(huán)境透明度占據(jù)較大權(quán)重時，在較短時間內(nèi)網(wǎng)絡(luò)群體就出現(xiàn)了兩極分化現(xiàn)象。

第三次實(shí)驗(yàn)結(jié)果見圖5。當(dāng)網(wǎng)民理性度占據(jù)較大權(quán)重時，網(wǎng)絡(luò)群體同樣在較短時間內(nèi)出現(xiàn)了兩極分化現(xiàn)象。

從實(shí)驗(yàn)結(jié)果來看，輿情熱度、環(huán)境透明度和網(wǎng)民理性度3個因素的改變，都會造成極化結(jié)果的不同，使群體向不同的態(tài)度值聚集。當(dāng)輿情熱度占據(jù)影響因素的主導(dǎo)地位時，網(wǎng)民在網(wǎng)上對事件的討論熱度極高，越來越多的觀點(diǎn)不斷涌現(xiàn)，使得觀點(diǎn)較難統(tǒng)一，導(dǎo)致最終極化形成的態(tài)度值急速變化，并出現(xiàn)多個極化值。外界環(huán)境的變化或多或少地影響著輿情演化中網(wǎng)絡(luò)群體的態(tài)度向極端態(tài)度值的發(fā)展，當(dāng)某一影響因素的權(quán)重變得很大時，網(wǎng)絡(luò)輿情極化的速度則趨于緩慢。最后隨著時間的推移，網(wǎng)民關(guān)注度逐漸降低，輿情事件慢慢退出人們的視野。

3.2.2 群體態(tài)度隨時間的演化

設(shè)置影響態(tài)度值的3個因素的權(quán)重相同，即輿情熱度、環(huán)境透明度以及網(wǎng)民理性度權(quán)重均為33.3%，其他參數(shù)不變，觀察不同交互次數(shù)下網(wǎng)絡(luò)群體極化的規(guī)律(結(jié)果見圖6、圖7、圖8，對應(yīng)的交互次數(shù)分別為0、20、50)。

圖6 Time=0時群體態(tài)度的演化結(jié)果

圖7 Time=20時群體態(tài)度的演化結(jié)果

圖8 Time=50時群體態(tài)度的演化結(jié)果

在Time=0時，態(tài)度值在-1至1之間散亂分布。經(jīng)過Time=20的迭代后，此時網(wǎng)絡(luò)群體的態(tài)度值還是散亂分布，但其中有幾個態(tài)度值的分布已經(jīng)相對集中。經(jīng)過Time=50的迭代后，網(wǎng)絡(luò)群體的態(tài)度值形成了極化現(xiàn)象。

3.2.3d1和d2的取值對極化的影響

各種影響因素和參數(shù)不變，僅改變d1和d2的取值。實(shí)驗(yàn)發(fā)現(xiàn)，d1、d2的取值均為0.5時，極化過程相對緩慢，而且在中間階段未出現(xiàn)極化現(xiàn)象(見圖9)；當(dāng)d1為0.1、d2為0.5或d1為0.5、d2為0.1時，雖然最終的結(jié)果是態(tài)度值向-1和1兩端極化，但中間階段會出現(xiàn)多個態(tài)度極值的現(xiàn)象(見圖10、圖11)。

從實(shí)驗(yàn)結(jié)果可知：隨著迭代進(jìn)程的發(fā)展，個體的態(tài)度值分布逐漸向一個或多個態(tài)度值集中，處于中間狀態(tài)的個體比例越來越低，并且也呈現(xiàn)出逐漸向兩端聚集的趨勢。這表明，隨著時間的推移和個體交互的進(jìn)行，個體態(tài)度值產(chǎn)生了明顯的極化現(xiàn)象。輿情熱度、環(huán)境透明度和網(wǎng)民理性度等外界因素對群體極化的影響明顯，但影響程度各不相同。對應(yīng)于同化效應(yīng)與排斥效應(yīng)帶的參數(shù)d1和d2也會影響態(tài)度演化過程和群體態(tài)度值的極化分布，對每個節(jié)點(diǎn)賦予不同的d1和d2值，群體極化的時間則會有所不同。

圖10 d1為0.1、d2為0.5時的群體態(tài)度值分布

圖11 d1為0.5、d2為0.1時的群體態(tài)度值分布

4 結(jié) 語

本次研究分析了網(wǎng)絡(luò)群體極化現(xiàn)象的影響因素，提出了改進(jìn)的極化模型。針對影響群體極化的輿情熱度、環(huán)境透明度和網(wǎng)民理性度3個主要因素，采用層次分析法確定各因素的權(quán)重，將其多維態(tài)度值引入J-A模型中，分析不同權(quán)重下的影響因素對極化過程及結(jié)果的影響；然后基于多主體社會系統(tǒng)，仿真具有100個節(jié)點(diǎn)的BA網(wǎng)絡(luò)下多維態(tài)度的群體極化過程；最后分析了收斂參數(shù)d1和發(fā)散參數(shù)d2對群體極化的影響。實(shí)驗(yàn)結(jié)果表明，參數(shù)的變化會影響極化過程，但不能改變極化的最終結(jié)果。多維態(tài)度評價有利于減少極端情形的發(fā)生。