PNAS速递:量化个体和集体常识的框架
关键词:计算社会科学,集体常识,人工智能

论文题目:A framework for quantifying individual and collective common sense 论文期刊:PNAS 论文地址:https://www.pnas.org/doi/10.1073/pnas.2309535121

图1 (A)一个密度图,显示具有边际分布的所有主张的共识和认知情况,其中对角虚线表示共识和认知的校准程度。在低端,是由于人群之间的分歧而实际上以随机判断为主的主张;而在高端,是完全符合常识的主张。(B)同样是一个密度图,显示所有个体的共识和认知情况。

图2 基于主张属性的常识性,带有关于平均值的自助法95%兼容区间。(A)在具有和没有每个二元认识论属性的主张之间,自助法计算的常识性平均差异。每个主张都有每个属性的值,所以这个面板中的每一行都来自语料库中的所有主张。(B)每个知识类别中主张的常识性,用虚线表示跨类别的未加权平均值。每个主张属于一个知识类别,因此此面板中的所有行共同反映了语料库中的所有主张。(C)来自每个来源的主张的常识性。与B类似,整个面板反映了语料库中的所有主张。

图3 个体的常识性。以个体水平的人口统计属性为横轴,纵轴为常识性。红色条形图示出了总体平均值的95%兼容区间。收入以美元为单位。左列显示分组的数值变量;中间列按值排序显示名义变量;右列显示顺序变量。

图4 常识性阈值。(A)通过ECCDF图显示达到常识性阈值的主张的比例,按主张引发机制进行着色。灰色虚线曲线表示整个语料库的分布情况。(B)类似的ECCDF图显示达到该阈值的人群比例,按RME得分分为5个桶进行分组。

图5 常识。(A)一个包含3个人和3个主张的信念图,显示每个人对每个主张的信念配置,并附带一个矩阵,显示这个图的形式化表示,其中最大团以灰色标出。人物1和2具有相同的信念配置,包括对主张A和B的相同信念。(B)在整个人群中对50个主张进行样本调查后,对于p,q所能达到的最大常识值pq。信念配置是通过一个多项式模型(F1=72.7%)对未观察到的值进行预测的。
计算社会科学读书会第二季

详情请见:
点击“阅读原文”,报名读书会