关键词：社交网络，统计物理，相变，观点极化，意见传播级联
Opinion cascade under perception bias in social networks
https://pubs.aip.org/aip/cha/article/33/11/113107/2919246/Opinion-cascade-under-perception-bias-in-social
在社会动力学和信息传播领域，级联研究长期以来一直是研究的核心重点。级联源于社会学、物理学和流行病学等多个领域。级联的表现形式多种多样，包括新兴技术的快速采用、文化趋势的传播及创新的扩散。观点级联（Opinion cacsade）考察社交网络中的个体对特定话题的看法能否达成一致。其中共识被定义为大多数网络个体趋同于单一观点或信念的状态，而分歧则表示个体持有相互冲突观点的状态。
观点集联会引发多米诺骨牌效应，使人们广泛接受某种观点或行为，在社会科学研究领域具有极其重要的意义。它们表现在政治、社会运动和网络平台等各个领域，对集体意见产生了相当大的影响。在社交网络中，全局信息和局部可获取信息之间的平衡（无论是有意还是无意）会产生有偏见的看法，而这种偏见对意见级联的影响却很少受到关注。
本研究设计了一个阈值模型，从而得以深入研究观点级联、认知偏差、网络结构和固执度之间错综复杂的关系。
图1：图中显示了级联分数 ρ 和集体固执度 ϕ 的模拟结果，线条代表理论预测
（1）只有当群体的集体固执度（stubbornness）低于临界阈值时，共识才会出现。
图2：级联比例和初始观点比例在不同程度的固执度下的对比
（2）随着固执度的降低，共识与分歧之间的一阶和二阶相变更为普遍。
（3）分歧的出现可归因于回音室（echo chamber）的形成。回音室指一个紧密结合的社区，在回音室中，个体对当前活跃意见的有偏看法小于他们的固执度（固有观念），从而阻碍了活跃意见的传播。
图4：在不同认知偏差程度下，不同级联分数p与集体固执度的关系对比
这项研究为研究认知偏差与意见形成之间的关系建立了一个有价值的框架，加深了对网络中错综复杂的意见级联现象的理解。通过揭示舆论级联的多方面动态和感知偏差的作用，这项研究为我们提供了解决和减少分歧的重要工具，尤其是当涉及到有偏见的信息时。
详情请见：
数据与计算前沿方法整合：计算社会科学读书会第二季启动
