Отдел науки «Газеты.Ru» рассказывал о компьютерном моделировании процессов формирования общественного мнения, предложенном итальянскими социологами, задавшимися целью разгадать «казус Берлускони», то есть понять, насколько эффективно общественное мнение, формируемое асинхронно, то есть «сарафанным радио», слухами и общением в соцсетях, может противостоять медийной пропаганде, транслирующей предвзятую и синхронизированную информацию.
Модель, построенная итальянцами на основе клеточных автоматов, показала, что
«сарафан» обладает неплохим стартовым иммунитетом к пропагандистским вирусам (предвзятой информации), для подавления которого пропагандисту требуется охватить не менее 70 процентов аудитории, настроенной доверчиво или нейтрально к чужому мнению.
При этом доступ к альтернативным источникам информации должен быть не более чем у 25 процентов.
skin: article/incut(default)
data:
{
"_essence": "test",
"id": "3543037",
"incutNum": 1,
"repl": "<1>:{{incut1()}}",
"uid": "_uid_3709709_i_1"
}
Параллели между «эффектом Берлускони» и «эффектом Путина» напрашиваются сами собой: и в Италии, и в России медийная машинерия (и в первую очередь телевидение), критически влияющая на электорат, фактически монополизирована определенной властной группировкой. Особенность России, однако, в том, что в ситуации управляемых и непрозрачных выборов задачи медийного монополиста усложняются: он должен не только влиять на «правильный» электоральный выбор,
но и формировать у электората точку зрения, что его выбор свободен и легитимен, а не сфальсифицирован.
Исследуя когнитивные процессы в социуме, социологи из Центра академических социально-когнитивных исследований при Политехническом институте Ренсселира (США) построили другую модель формирования общественного мнения, в которой члены коллектива также свободно обмениваются мнениями, но уже без участия медийного монополиста, транслирующего агентам сети синхронизированные данные.
skin: article/incut(default)
data:
{
"_essence": "test",
"id": "3594461",
"incutNum": 2,
"repl": "<2>:{{incut2()}}",
"uid": "_uid_3709709_i_2"
}
Как видим, каждый из сценариев представляет собой некую идеализированную вариацию сети, эволюционирующей на основе случайного распределения графов, то есть схемы, наиболее адекватно повторяющей топологию реальных человеческих сообществ, где пропорция между числом спонтанных публичных авторитетов, числом равномерных связей (сетевые содружества) и однообразными иерархиями (начальник--подчиненный) все время динамически меняется.
Каждый участник сетевой модели мог обмениваться мнением с другими по определенному игровому протоколу.
Если мнение «слушателя» совпадало с мнением «собеседника», точка зрения «слушателя» получала дополнительные очки (то есть он укреплялся в своем мнении). Если оно не совпадало с чужим мнением (новыми взглядами), слушатель принимал это мнение к сведению и переключался на другого «спикера». Если и на этот раз собеседник транслировал те же «новые взгляды», слушатель принимал новую точку зрения. Таким образом, модель имитировала конкуренцию личных взглядов с разными весовыми коэффициентами.
Как и все модели, имитирующие социальную активность, эта также может показаться чересчур огрубляющей сложный и непредсказуемый процесс обмена мнениями в реальной жизни.
Впрочем, обольщаться какими-то уникальными сценариями здесь не стоит, так как макросети склонны «причесывать» уникальные сигналы, работая по закону больших чисел.
«В общем и целом, — отмечает сотрудник SCNARC Самит Шринивасан, один из авторов статьи, выложенной на Arxiv.org и принятой к публикации в Physical Review E, — люди не склонны поддерживать непопулярное мнение и все время ищут возможность присоединиться к консенсусу».
skin: article/incut(default)
data:
{
"_essence": "test",
"id": "3704001",
"incutNum": 3,
"repl": "<3>:{{incut3()}}",
"uid": "_uid_3709709_i_3"
}
«Пока доля таких агентов не превышала 10 процентов, не наблюдалось никакого видимого прогресса в распространении их идей. Для того чтобы их точка зрения стала превалирующей, потребовалось бы время, сопоставимое с возрастом Вселенной», — комментирует результаты наблюдений профессор Института Ренсселира Болеслав Зимански, директор группы SCNARC.
«Но, как только 10-процентная планка преодолевалась, идея распространялась по сети, как пожар».
В качестве примера такого «фазового перехода» авторы приводят недавние события в Тунисе и Египте, где общественный консенсус, в котором долгое время не наблюдалось никаких существенных подвижек, трансформировался буквально за неделю.
Показательно также, что размер доли «принципиальных», критический для запуска фазового общественного перехода, никак не зависел от типа используемой сетевой модели. Другими словами, неважно, с каких именно сетевых позиций начинала распространяться новая идея (общественного авторитета или рядового участника с плоским набором связей).
Для успешного воздействия на социум достаточно, чтобы «принципиальным» был каждый десятый, независимо от его общественного положения.
Если же «принципиальных» меньше, то «особое мнение» не покидало пределы их ближайшего окружения.
Дискретная модель, изучаемая в математике, теории вычислимости, физике, теоретической биологии и микромеханике. Включает регулярную решётку ячеек, каждая из которых может находится в одном из конечного множества состояний, таких как 1 и 0. Решетка может быть любой размерности. Для каждой ячейки определено множество ячеек, называемых соседством. К примеру, соседство может быть определено как все ячейки на расстоянии не более 2 от текущей, и т.д. Для работы клеточного автомата требуется задание начального состояния всех ячеек, и правил перехода ячеек из одного состояния в другое. На каждой итерации, используя правила перехода и состояния соседних ячеек, определяется новое состояние каждой ячейки. Обычно правила перехода одинаковы для всех ячеек и применяются сразу ко всей решётке.
Клеточные автоматы с различной архитектурой связи между ячейками и правилами перехода между состояниям активно используются в биологии, медицине и социологии для моделирования естественных (популяции клеток и организмов) и сложных информационных систем, особенно предполагающих сетевое взаимодействие агентов (формирование общественного мнения, пристрастий, поведенческих трендов, миграции культурных мемов и т.д.).
Процессы доминации, вытеснения, поглощения, сосуществования, слияния и уничтожения популяций клеточных автоматов во многих аспектах схожи с явлениями, происходящими при взаимодействии больших, средних и малых социальных групп. В настоящее время западная компьютерная социология активно использует клеточные автоматы для социального моделирования и прогнозирования. В российской социологии, предпочитающей фиксировать наличие проблем, а не прогнозировать их развитие, это направление не развито.
По здравом рассуждении, вопрос состоит в том, какими именно поправками следует обставлять это амбивалентное математическое правило, чтобы в каждом десятом собеседнике, не желающем расставаться со своими взглядами, успеть распознать и мерзавца, сочиняющего тосты для мюнхенской пивной, и праведника, на котором как-никак продолжает держаться мир.
