信息交互对极化进程的影响：建模、仿真、实证

本节主要比较经典模型中两两随机交互模式和本模型中一对多交互模式对极化进程的影响。其中，两两随机交互适合传统的face-to-face社交模式（即点对点交互模式），而一对多交互更适合类似网络论坛、社区等交互模式。［12-13］随着网络的发展，个体在面对信息、接受信息时，不再局限于某一个特定时刻，只和某一特定的个体进行交互；相反，每个个体可以同时观察到大量的其他个体的态度，因此其态度的改变可以认为同时受到了多个邻域个体的影响。由于一对多的交互模式能够使个体同时获取多个节点的信息，从而根据掌握的信息做出更准确的判断，实验仿真的结果更加稳定，和实际情况更加贴切；而在点对点的两两交互模式中，每次的交互都是随机结合的，仿真实验的结果存在波动，并且和实际有所偏差。下面通过实验对不同交互模型上的极化现象进行比较，取节点数为100，分别用两两随机交互模式和一对多交互模式进行400次迭代计算，然后记录极化个体所占的比例，取10次计算结果的平均值。两两随机交互模式下演化结果如图4-7所示。

图4-7　两两随机交互模式下个体态度随交互次数演化图

在两两随机交互模式下，群体的态度极化情况会随着距离参数d1，d2的变化而变化，但最终的个体态度值的聚集主要分为3种情况：①如图4-7（a）所示的绝对极化现象，即所有个体的态度呈现出两个极端分布状态，完全极化的原因是模型中同化距离范围过小，相斥距离范围过大，在个体交互过程中，相斥作用明显大于同化作用，对应现实场景就是个体之间稍有分歧，极易激化矛盾，意见相左的个体间相互包容度太小，在这种情况下就极易爆发极化现象；②如图4-7（b）和图4-7（d）所示的极端和中立状态并存的现象，从参数角度来看，同化范围和相斥范围基本持平，两种作用力相互牵制，导致部分个体趋向极端，部分个体保持中间状态；③在如图4-7（c）所示的完全中立的非极化状态中，同化范围明显大过相斥范围，在这种场景下，个体较为保守，并不轻易和他人就观点产生冲突，更趋向于和交互个体的观点相融合，可见，当个体之间愿意相互调整看法，求同存异时，极化现象很难发生。

在一对多交互模式下，本实验设置了4组态度距离参数（d1，d2），得到图4-8中4个不同的演化结果，而图4-9—图4-12为对应的不同演化时刻的态度分布直方图，得到的结果和两两随机交互模式下的类似，由一对多交互模式决定的个体和周围总体环境的平均态度值的差距显然会小于一对一交互模式下的态度值之差，所以对d1，d2的取值范围和一对一交互模式下的有所不同。［14-15］①基于图4-8（a）和图4-9（d1=0.3，d2=0.7），最终的态度值演化结果中有极端态度者，同时分布有各类不同态度的个体，表现为部分个体处于态度极化状态；②基于图4-8（b）和图4-10（d1=0.3，d2=1.3），最终的演化结果和初始阶段差异不大，说明群体处于一种平衡状态，同化和相斥效应都比较弱，结合实际场景可以理解为，人们对发生的事件都有自己的认识或者对该事件的关注度和兴趣都较小；③基于图4-8（c）和图4-11（d1=0.6，d2=1.3），此时同化效应极其强势，致使绝大多数个体听从总体环境的意见，保持中立意见；④基于图4-8（d）和图4-12（d1=0.2，d2=0.4），最终的结果为完全极化状态，由于相斥距离参数范围远远超过同化距离参数范围，个体极易倾向和观点相悖的个体针锋相对，并极端化自己的观点。

图4-8　一对多交互模式下个体态度随交互次数演化图

图4-9　不同交互次数下个体态度分布直方图（d1=0.3，d2=0.7）(www.xing528.com)

图4-10　不同交互次数下个体态度分布直方图（d1=0.3，d2=1.3）

图4-11　不同交互次数下个体态度分布直方图（d1=0.6，d2=1.3）

图4-12　不同交互次数下个体态度分布直方图（d1=0.2，d2=0.4）

上述两种不同信息交互方式下的实验仿真，其相同之处是随着d1，d2的调整变化，演化结果的总体趋势相同；不同之处在于后者更贴近现实，能够考虑到群体对一个事件发表观点态度时，态度和观点在抱团的同时，必然有个体发表自己的观点，并且由于每个个体的独特性，个体在态度值的各个维度上一定会存在分散的观点，因此前者仿真结果中所有个体交互过后在几个态度维度上抱团，缺乏分散的观点，所以，本章提出的模型及信息交互方式与现实更为契合。同时，根据实验结果，不难发现，相较于face-to-face的社交模式，网络论坛等信息交互模式有利于减小极化现象的发生概率，且在同等条件下，点对点的交互方式更易于极端态度的产生，而在掌握信息更加全面的一对多信息交互模式下，个体在态度的倾向选择上会相对理性。