本章通过设置不同的参数值来深入研究整个演化过程。首先，由于BA网络能够更好地描述真实的社交网络［6-7］，本部分确定演化的网络基础为BA网络，网络节点规模设置为100，d1=0.3，d2=0.7，β=0.1，γ=0.2；个体经过400次的交互之后，态度倾向随周围环境发生极化，其中一些个体仍然会保持原有态度，一部分个体会发生极化现象，还有一部分个体会调整自己的态度和周围环境相适应，从而达到平衡状态。个体态度值随交互次数演化的结果如图4-3所示。
图4-3 个体态度值随交互次数演化图
图4-3中横、纵坐标分别表示交互次数和个体态度值，从仿真结果来看，个体在激烈的交互之后逐渐产生极化趋势，态度开始向两个极端方向1和-1偏移，同时有少部分个体不受周围其他个体的影响，坚持自己的观点，代表这些个体态度值的点分散在-1—1之间，但由于个体态度值演化过程中的重叠部分无法在图中直观体现，本章给出不同交互次数下与图4-3所对应的不同态度值的个体数量，具体如图4-4所示。
初始状态Time=0时，个体态度分布的直方图如图4-4（a）所示，图中横坐标和纵坐标分别表示个体的态度值和相应态度值区间内个体的数量。由仿真结果可知，在初始阶段，个体的态度值较为分散，分布也相对均匀，可见群体中每个个体对事件的看法都有各自的认识，没有明确的主流意见或者较为统一的共识，每个个体纯粹通过自身对事件的判断做出评判并给出态度值，所以在初期，群体对某个事件的态度不会产生显著的极端化情况。［8-9］随着交互次数的增加，当Time分别为50，100，400次时，个体的态度值分布逐渐开始分化，具体实验结果如图4-4（b）、图4-4（c）、图4-4（d）所示，处于中间的个体数量越来越少，而态度值靠近1和-1的个体在不断积聚，呈现出明显的极化现象。随着交互次数的不断增加，不难发现，图4-4（d）呈现的态度分布直方图已经较为稳定，其中有少数个体从始至终保持着初始的态度值，原因有两点：①个体的从众性很低，使得个体一直未达到本模型设定的R＞1阈值，因此其始终没有受到周边个体的态度值影响，保持了自身对事件初始的态度值；②网络结构造成个体所在的整体环境正反两方势均力敌，使得个体难以衡量究竟该选择相信哪一方，最终造成这些个体保持中立，不改变态度值。
图4-4 不同交互次数下个体态度分布直方图
在实际场景中，任何一个事件在走向极化之后，总有部分个体会保持自己的观点，以自我的判断力对事件下一个定义来表明态度。同样会有个体因为无法揣测事件背后的真相而选择观望，保持原有的态度。就如实验结果所示，大部分个体会在从众性心理的驱使下，选择一个极端方向站队，这表明了多数个体在面对群体事件时会呈现一种不愿被孤立的心理，从而选择融入强大的一方，寻求安全。(www.xing528.com)
本章还在另一经典社会网络——小世界网络中进行了极化仿真实验。［10-11］实验结果如图4-5和图4-6所示，极化效果较为明显，同时中立个体及持有初始态度的个体的分布较为均匀，体现了该极化模型的合理性及适用性。
图4-5 个体态度随交互次数演化图
仿真实验结果归纳如下：①图中有少数个体在整个极化过程中始终保持初始态度值，是因为这些个体的从众性属性较小，可以理解为现实中有少数的固执者或者极度理智者，不受周围个体所影响，始终保持一贯的态度，不做改变；②有部分个体从开始的态度为正转变为最后的态度为负，也有个体从开始的态度为负转变为最终的态度为正，这是由于个体在交互后，被周围群体成员说服而放弃原有立场，体现在现实场景中，即群体性事件往往掺杂着较多的谣言，身处舆情场的个体也常常因为事件消息的改变而转变立场；③有极少数个体的态度在经过一定的波动之后，逐渐趋向于某一边，内在原因是个体所在群体正、负两方实力相当，在经过多次激烈的观点碰撞后，有一方最终胜出。
同时，由于在上述两种网络结构下，群体极化的程度有所不同，本章通过大量仿真实验对比了两种网络结构下群体的极化情况，结果发现，不同的网络结构对极化进程的影响并没有呈现出显著的规律性，相同节点和连边构成的不同网络，其极化进程也不尽相同。因此，接下来，本章将重点探讨影响群体极化进程的因素。
图4-6 不同交互次数下个体态度分布直方图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
