基于NetLogo平臺(tái)的信息分布仿真研究

齊小英

摘要：隨著信息社會(huì)的到來，信息逐漸成為個(gè)體/組織的重要資產(chǎn)，而個(gè)體/組織所擁有信息的數(shù)量也是影響貧富分化的因素之一。因此，將經(jīng)濟(jì)學(xué)中的基尼系數(shù)引入信息分布規(guī)律研究可以有效地刻畫信息不對(duì)稱現(xiàn)象。該文基于仿真方法和基尼系數(shù)指標(biāo)研究信息分布的規(guī)律以及不同實(shí)驗(yàn)參數(shù)對(duì)基尼系數(shù)的影響。研究結(jié)果表明，信息主體與信息量的關(guān)系基本上符合二八準(zhǔn)則，并且呈現(xiàn)冪律分布特征;當(dāng)信息主體數(shù)量越多，基尼系數(shù)則越小，即信息不對(duì)稱現(xiàn)象會(huì)逐漸減弱。

關(guān)鍵詞：NetLogo;信息分布;信息不對(duì)稱;計(jì)算機(jī)仿真

中圖分類號(hào)：TP391.9 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）17-0202-03

1問題的提出

在信息社會(huì)，個(gè)體/組織所擁有的財(cái)富量受很多因素影響，其中最重要的因素就是信息不對(duì)稱，一般個(gè)體獲得的信息越多，就越容易擁有財(cái)富。有學(xué)者曾提出，信息的分布規(guī)律體現(xiàn)著信息本身的二重性——它既是個(gè)人認(rèn)知的基本材料，也是經(jīng)濟(jì)發(fā)展的戰(zhàn)略資源。個(gè)人認(rèn)知層面產(chǎn)生的交互效應(yīng)復(fù)雜且難以量化，而且經(jīng)濟(jì)社會(huì)發(fā)展影響個(gè)人認(rèn)知，個(gè)人認(rèn)知也反過來限制其信息的獲取和利用[1-2]。人類社會(huì)雖然是一個(gè)復(fù)雜的系統(tǒng)，但學(xué)者們往往都采用不同的定性和定量方法研究相關(guān)問題。經(jīng)濟(jì)學(xué)領(lǐng)域?yàn)榱藴y(cè)量財(cái)富分配的不平等，通常使用“基尼系數(shù)”指標(biāo)。在本文中，此指標(biāo)用來衡量信息不對(duì)稱。為了更加深刻地研究信息分布以及為減輕信息不對(duì)稱現(xiàn)象提供理論和實(shí)踐指導(dǎo)，筆者將通過仿真揭示信息分布的規(guī)律及對(duì)信息不對(duì)稱現(xiàn)象的影響。

2相關(guān)研究

筆者通過文獻(xiàn)調(diào)研，發(fā)現(xiàn)當(dāng)前研究信息分布方面的文獻(xiàn)數(shù)量很多。研究學(xué)科大多分布在圖情、新聞、醫(yī)學(xué)等領(lǐng)域;研究主題主要包括計(jì)量分析、引文分析、冪律分布等;研究領(lǐng)域包括學(xué)術(shù)、社交媒體、企業(yè)等。在學(xué)術(shù)和決策方面，李?。?004）改進(jìn)了傳統(tǒng)文獻(xiàn)計(jì)量學(xué)的研究方法和計(jì)量指標(biāo)，并分析了網(wǎng)絡(luò)結(jié)構(gòu)單元中學(xué)術(shù)信息的分布[3]。袁毅（2006）也研究了網(wǎng)絡(luò)結(jié)構(gòu)單元中學(xué)術(shù)信息分布規(guī)律[4]。汪姝辰（2015）從高校圖書館出發(fā)，研究讀者借閱信息分布規(guī)律[5]。王宏鑫和劉洋（2018）探討了h-指數(shù)與信息計(jì)量分布規(guī)律關(guān)系[6]。上述研究結(jié)果表明，網(wǎng)絡(luò)環(huán)境中學(xué)術(shù)信息的分布呈現(xiàn)“集中—分散”規(guī)律。黃鑫（2011）研究了信息分布（團(tuán)隊(duì)討論前所獲取的共享信息與未獲取的共享信息的比例）對(duì)團(tuán)隊(duì)決策的影響[7]。在社交媒體方面，王曉光（2011）認(rèn)為微博信息傳播規(guī)律分布符合“二八法則[8]。宋恩梅和朱夢(mèng)嫻（2015）分析了"豆瓣電影"和"新浪微博"兩個(gè)平臺(tái)的電影評(píng)論信息的分布特征和規(guī)律，即社會(huì)化媒體的信息分布符合冪律分布[9]。方愛華和陸朦朦等（2017）以數(shù)字音樂為研究對(duì)象，分析信息分布規(guī)律，發(fā)現(xiàn)音樂市場(chǎng)整體呈現(xiàn)"分眾+長(zhǎng)尾"趨勢(shì)[10]。田純（2019）基于洛特卡定律與布拉德福定律研究了用戶社會(huì)化標(biāo)簽信息分布規(guī)律[11]。

宏觀理論方面，馬費(fèi)成和裴雷（2003）總結(jié)并分析了網(wǎng)絡(luò)信息資源的集中分散規(guī)律、生產(chǎn)規(guī)律和時(shí)間分布規(guī)律等[12]。Oluseyi（2010）分析信息在三個(gè)不同時(shí)期（傳統(tǒng)社會(huì)、Web1.0和 Web2.0 ）的分布都符合指數(shù)分布[13]。李鋆（2018）認(rèn)為“信息冪律分布”研究分為三個(gè)層面：定性、定量和動(dòng)力機(jī)制研究，其研究歷史總體經(jīng)歷了 “由現(xiàn)象到本質(zhì)，由宏觀到微觀，由定性到定量，由空間到時(shí)間，由結(jié)構(gòu)到過程”的不斷深化過程[14]。物理學(xué)家Victor M.Yakovenko（2000）提出了一個(gè)最簡(jiǎn)單的人工經(jīng)濟(jì)模型：財(cái)富分布模型[15]。

總體而言，在研究?jī)?nèi)容方面，大多數(shù)文獻(xiàn)僅僅只是研究了信息分布的規(guī)律，并未深入研究信息分布和信息不對(duì)稱之間的關(guān)系。在研究方法方面，學(xué)者們通過定性或者定量的研究方法來研究信息分布的規(guī)律，很少使用仿真方法。同時(shí)，計(jì)量分析引用的大多都應(yīng)用布拉德福定律、洛特卡定律等，未曾有學(xué)者引入基尼系數(shù)。因此，本文在前人研究基礎(chǔ)上，基于仿真并將基尼系數(shù)引入信息分布的研究是一個(gè)創(chuàng)新性的設(shè)計(jì)，可以彌補(bǔ)理論研究的局限性。

3模型的建立

在仿真模型中，每個(gè)信息主體都擁有特有的屬性以及一定的行為方式。隨著時(shí)間的不斷演進(jìn)，主體之間交互作用，個(gè)體的屬性也隨之不斷變化，通過觀測(cè)復(fù)雜系統(tǒng)所表現(xiàn)出的宏觀現(xiàn)象，分析歸納其具有的規(guī)律。因此，通過仿真可以探究微觀個(gè)體行為與宏觀規(guī)律之間的聯(lián)系。

3.1社會(huì)信息交易的規(guī)則

假設(shè)在信息社會(huì)這個(gè)系統(tǒng)中，信息主體和信息總量保持不變。開始時(shí)，每個(gè)信息主體都有相同的信息量，每當(dāng)兩個(gè)主體相遇，則隨機(jī)分布信息。有兩個(gè)交易主體M和N，交易之前所擁有的信息量為M1和N1， 各自的信息保留率為S1和S2。那么各自用來交易的信息為M1=（1-S1）* M1，N1=（1-S2）* N1。那么交易信息總共為M1+ N1，隨機(jī)分布之后的信息為M2=（1-δ）（M1+ N1），N2=δ*（M1+ N1）。意大利統(tǒng)計(jì)與社會(huì)學(xué)家Corrado于1922年提出了一個(gè)衡量收入分配不平等的指標(biāo)——基尼指數(shù)（Gini）。信息不對(duì)稱（asymmetric information）指交易中的個(gè)體擁有不同的信息，始終處于一種不對(duì)稱的狀態(tài)[16]。信息不對(duì)稱之所以產(chǎn)生是因?yàn)椴煌瑐€(gè)體獲取信息能力有所差異，而個(gè)體獲取信息的能力又與社會(huì)經(jīng)濟(jì)因素有關(guān)[17]。因此，本文采用基尼系數(shù)來衡量信息不對(duì)稱。

3.2仿真流程

通過Netlogo 仿真模擬信息分布的過程，規(guī)定個(gè)體屬性與行為方式的基礎(chǔ)上，通過調(diào)整相關(guān)參數(shù)，進(jìn)一步得到并分析仿真輸出。在仿真過程中，對(duì)現(xiàn)實(shí)世界的模擬是基于一定的假設(shè)基礎(chǔ)之上，現(xiàn)實(shí)世界中主體之間的行為與關(guān)系是錯(cuò)綜復(fù)雜并且不斷變化的。因此，根據(jù)研究目的設(shè)置相應(yīng)的情境，對(duì)現(xiàn)實(shí)世界進(jìn)行邏輯的簡(jiǎn)化，在文獻(xiàn)實(shí)證研究的基礎(chǔ)上盡量使得仿真模擬與現(xiàn)實(shí)的擬合度較強(qiáng)。

在初始化階段，設(shè)置信息主體、信息量，信息保留率，并使信息量平均分配到每個(gè)主體。在實(shí)施階段，主體之間進(jìn)行交易信息，在獲得交易之后的信息量及基尼系數(shù)地可視化展示之后，分析信息分布的規(guī)律。最后，通過行為空間獲取不同參數(shù)實(shí)驗(yàn)數(shù)據(jù)來分析信息分布和信息不平等的關(guān)系。如果此過程未成功，則繼續(xù)循環(huán)，返回去重新實(shí)施，直到得到計(jì)算結(jié)果，如圖1所示。

3.3實(shí)驗(yàn)參數(shù)設(shè)置

本模型比較簡(jiǎn)單，通過對(duì)參數(shù)的調(diào)節(jié)來模擬不同的仿真情景，具體的參數(shù)包括信息主體、信息量、信息保留率等。其中，信息主體范圍設(shè)定在0-1000，信息總量范圍設(shè)定在0-1000000，信息保留率是一個(gè)[0-1]的隨機(jī)數(shù)。具體設(shè)定如表1。

4仿真實(shí)驗(yàn)和結(jié)果分析

4.1 仿真實(shí)驗(yàn)

本模型對(duì)信息主體之間交易信息進(jìn)行仿真，從而描繪出信息分布曲線、洛倫茲曲線以及計(jì)算出基尼系數(shù)。本模型具有以下特征：運(yùn)行次數(shù)是可控的，并且按照時(shí)間步更新。通過運(yùn)行得到信息分布（圖2）、洛倫茲曲線（圖3）以及基尼系數(shù)（圖4）等可視化圖。進(jìn)一步為了探索具體的參數(shù)組合對(duì)信息分布的影響，通過行為空間（Behavior Space）工具收集數(shù)據(jù)。首先設(shè)置了不同的組合，信息量的組合[“total_information”[10000 10000 100000]]表示，初始值為10000，間隔10000，結(jié)束值為100000，信息主體同理，即[“num_agents” [100 100 1000]]，并且每組運(yùn)行重復(fù)2次，求基尼系數(shù)的平均值以減少誤差。

4.2 ?結(jié)果分析

隨機(jī)調(diào)整參數(shù)發(fā)現(xiàn)，當(dāng)信息主體數(shù)量是229，信息量為121387時(shí)，洛倫茲曲線信息主體值為80.1%，信息主體值為20%，基本上符合二八準(zhǔn)則，即80%的信息掌握在20%的信息主體手中，如圖3所示?；嵯禂?shù)則一開始快速增長(zhǎng)至0.6以后，然后緩慢增長(zhǎng)，隨后在0.659趨于穩(wěn)定。在經(jīng)濟(jì)學(xué)中，當(dāng)基尼系數(shù)大于0.5時(shí)，則表示收入有很大差距。在本文中，基尼系數(shù)為0.659則表示信息社會(huì)中，信息確實(shí)是不對(duì)稱的。

隨后筆者通過Matlab軟件對(duì)數(shù)據(jù)進(jìn)行了擬合，擬合效果大致符合冪律分布。雖然仿真周期不同，每次運(yùn)行的結(jié)果也有所差異，但是經(jīng)過筆者多次運(yùn)行，發(fā)現(xiàn)誤差范圍都不大。為了高效的分析實(shí)驗(yàn)結(jié)果，本文分析了實(shí)驗(yàn)數(shù)據(jù)中1000，10000，100000信息量分別在對(duì)應(yīng)的200，400，600，800，1000信息主體下的基尼系數(shù)變化。

圖5顯示，三條曲線的基尼系數(shù)一直呈先上升后下降的變化規(guī)律，大體上符合集中—分散規(guī)律。當(dāng)信息主體數(shù)量時(shí)200時(shí)，信息量越小，基尼系數(shù)越大;當(dāng)信息主體數(shù)量時(shí)400時(shí)，信息量越大，基尼系數(shù)越大;當(dāng)信息主體數(shù)量時(shí)600、800、1000時(shí)，信息量越小，基尼系數(shù)越大。當(dāng)信息量為1000和10000時(shí)，隨著信息主體數(shù)量增加，基尼系數(shù)也是先上升后下降，曲線有兩個(gè)峰值;當(dāng)信息量為100000時(shí)，基尼系數(shù)也是先上升后下降，但曲線只有一個(gè)峰值。整體來看，當(dāng)信息量越小時(shí)，隨著信息主體數(shù)量增加，基尼系數(shù)越大;當(dāng)信息量越大，隨著信息主體數(shù)量增加，基尼系數(shù)越小。

結(jié)合理論和上述分析結(jié)果可知，隨著信息社會(huì)的發(fā)展，信息量必然是增多的，當(dāng)信息主體增加時(shí)，信息不對(duì)稱現(xiàn)象會(huì)逐漸減輕。之前社會(huì)的信息不對(duì)稱需要企業(yè)等組織去對(duì)接，但如今信息技術(shù)替代了企業(yè)成為中介，社會(huì)主體由物質(zhì)架構(gòu)開始轉(zhuǎn)向知識(shí)架構(gòu)。因此，各種新獨(dú)立個(gè)體經(jīng)濟(jì)出現(xiàn)，如宣傳中國(guó)文化的李子柒、直播帶貨的李佳琦等，這導(dǎo)致了信息人才將成為未來社會(huì)的第一生產(chǎn)力，也就是信息主體。換句話說，筆者大膽猜測(cè)信息主體數(shù)量和信息不對(duì)稱現(xiàn)象有可能成反比，或許本實(shí)驗(yàn)還不足以說明，但未來筆者將做更多實(shí)證研究進(jìn)行驗(yàn)證。

5結(jié)論和研究局限

本研究在借鑒前人研究的基礎(chǔ)上，基于仿真方法研究信息分布規(guī)律，并引入基尼系數(shù)分進(jìn)一步分析二者之間的關(guān)系，進(jìn)行了創(chuàng)新性的探索。本研究結(jié)論如下。

（1）信息分布基本上符合二八準(zhǔn)則，并且呈現(xiàn)冪律分布特征。

（2）當(dāng)信息量越大，隨著信息主體數(shù)量增加，基尼系數(shù)越小，信息不對(duì)稱現(xiàn)象會(huì)逐漸減輕，即信息主體數(shù)量和信息不對(duì)稱現(xiàn)象有可能成反比。

本研究的局限主要體現(xiàn)在。

（1）概念模型構(gòu)建方面：本文雖然將基尼系數(shù)引入了模型，但是未考慮其他影響因素。因此，研究結(jié)果可能會(huì)有一些偏差，使實(shí)驗(yàn)結(jié)果不能精確的反映現(xiàn)實(shí)情況。

（2）仿真實(shí)驗(yàn)方面：雖然通過行為空間得到了實(shí)驗(yàn)參數(shù)數(shù)據(jù)，但由于筆者理論知識(shí)不足，僅對(duì)其進(jìn)行了簡(jiǎn)單的統(tǒng)計(jì)分析，并未展開深入分析。

信息分布規(guī)律還是有很大研究空間的，尤其是引入了仿真研究方法后，可以為如何減輕信息不對(duì)稱現(xiàn)象提供借鑒。在未來的相關(guān)仿真研究中，可以融入更多的因素，考慮更多的可能情況，這樣可以使得研究具有更大的理論和實(shí)踐意義。

參考文獻(xiàn)：

[1] 于良芝.“個(gè)人信息世界”——一個(gè)信息不平等概念的發(fā)現(xiàn)及闡釋[J].中國(guó)圖書館學(xué)報(bào)，2013，39（1）：4-12.

[2] 于良芝，周文杰.信息窮人與信息富人：個(gè)人層次的信息不平等測(cè)度述評(píng)[J].圖書與情報(bào)，2015（1）：53-60+76.

[3] 李健.網(wǎng)絡(luò)結(jié)構(gòu)單元中學(xué)術(shù)信息分布的計(jì)量研究[J].圖書情報(bào)工作，2004（1）：44-47.

[4] 袁毅.網(wǎng)絡(luò)結(jié)構(gòu)單元中學(xué)術(shù)信息分布規(guī)律研究[J].現(xiàn)代情報(bào)，2006（2）：45-48.

[5] 汪姝辰.高校圖書館讀者借閱信息分布規(guī)律研究——以湖南師范大學(xué)圖書館為例[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2015，25（08）：15-18.

[6] 王宏鑫，劉洋，黃麗珺，等.h-指數(shù)與信息計(jì)量分布規(guī)律關(guān)系探討[J].情報(bào)探索，2018（7）：7-11.

[7] 黃鑫.情緒、信息分布對(duì)團(tuán)隊(duì)決策的影響研究[D].湖南師范大學(xué)，2011.

[8] 王曉光.微博社區(qū)交流結(jié)構(gòu)及其特征研究[D].上海：華東師范大學(xué)，2011：20.

[9] 宋恩梅，朱夢(mèng)嫻.社會(huì)化媒體信息分布規(guī)律研究：以電影評(píng)論為例[J].信息資源管理學(xué)報(bào)，2015，5（3）：25-36.

[10] 方愛華，陸朦朦，朱靜雯.用戶評(píng)論視域下數(shù)字音樂信息分布規(guī)律探析——以網(wǎng)易云音樂熱歌榜為例[J].出版廣角，2017（3）：72-76.

[11] 田純.基于洛特卡定律與布拉德福定律的用戶社會(huì)化標(biāo)簽信息分布規(guī)律研究[J].甘肅科技，2019，35（17）：85-91.

[12] 馬費(fèi)成，裴雷.網(wǎng)絡(luò)信息資源的分布規(guī)律[J].情報(bào)科學(xué)，2003（11）：1121-1124+1169.

[13] Oluseyi M V， Gallop J D. Self-service and social media： communication hierarchy and message diffusion in participatory media[C]//2010 IEEE International Professional Comunication Conference. IEEE， 2010： 243-254.

[14] 李鋆.“信息冪律分布”研究的歷史邏輯及其現(xiàn)實(shí)意義[J].現(xiàn)代傳播（中國(guó)傳媒大學(xué)學(xué)報(bào)），2017，39（04）：140-147.

[15] Dragulescu A， Yakovenko V M. Statistical mechanics of money[J]. The European Physical Journal B-Condensed Matter and Complex Systems， 2000， 17（4）： 723-729.

[16] 趙麗娟，王大龍.基于信息不對(duì)稱理論的情報(bào)失察研究[J].情報(bào)探索，2012（10）：1-4.

[17] 付云，孫振領(lǐng).論競(jìng)爭(zhēng)情報(bào)中的信息不對(duì)稱[J].黑龍江史志，2008（23）：84-85.

【通聯(lián)編輯：朱寶貴】