Преди да се появят социалните медии, може би сме мислили, че улесняването на дебата за хората ще ни обедини и ще стимулира консенсуса. Всъщност се случва обратното: хората изглеждат по-ядосани, а мненията им по-поляризирани от всякога. Широко разпространено е мнението, че социалните медии са помогнали за щурмуването на Капитолия след президентските избори в САЩ през 2020 г. Естествено, има голям интерес да се разбере какво движи тези разделения и какво – ако има нещо – може да ги предотврати. Оказва се, че физиката може да има някои отговори.

Идеята за прилагане на физиката за описание на социални явления датира поне от философа от 17-ти век Томас Хобс, който се опитва да опише "физическите явления" на обществото от гледна точка на законите за движение на Галилей. През последните десетилетия разработването на физически модели се превърна в официална област на изследване, известна като "социофизика" (The Journal of Mathematical Sociology) – насърчени от демонстрацията на това как поляризираните възгледи могат да се утвърдят и дори предложенията за това как могат да бъдат деполяризирани .

Опасно еднакви

В продължение на повече от десетилетие политолозите и социалните учени приписват увеличаването на разделението на ефектите от балоните в социалните медии и ехо камерите, и идеята, че липсата на взаимодействие с хора, които се противопоставят на нашите възгледи, може да направи възгледите ни по-крайни. Но когато физиците са моделирали социално поведение, като например правят противоположните възгледи отблъскващи, те не успяват да възпроизведат този поляризиращ ефект. Всъщност моделите дори предполагат, че резултатът би бил по-голям консенсус.

През 2020 г. физикът Микеле Старнини (Michele Starnini) от Политехническия университет в Каталуния, Испания и CENTAI, Италия, и колегите му се опитват да решат какво движи поляризацията, чрез моделиране на силата на мненията на хората като функция на силата на мненията, на които са пряко изложени (Phys. Rev. Lett. 124 048301). По-ранните модели обикновено се основават на "конструктивната динамика на мнението", където неограничените начини на взаимодействие в крайна сметка биха довели до консенсус, дори по спорни въпроси. Новият им модел обаче въвежда динамиката на радикализацията като укрепващ механизъм, така че връзките между хора с подобни възгледи стават по-вероятни. Работата на Старнини показва как крайните мнения могат да се развият от умерени първоначални условия.

Моделът на изследователите води до три възможни състояния: консенсус, поляризирани възгледи или радикализирани възгледи – последното включва хора с крайни възгледи в единия край на спектъра, но не и в другия (Phys. Rev. X 11 011012). Техните аналитични решения отразяват това, което виждаме емпирично – когато възгледите на хората са силно повлияни от другите и заложеният въпрос е противоречив, тези мнения стават по-крайни. Добавете към това силна тенденция хората да създават връзки с други, които имат сходно мислене, и цялостната мрежа става не радикализирана, а поляризирана (фигура 1). Екипът на Старнини установява, че моделираното поляризирано разпределение на мненията е в съгласие с анализа на реални данни от социални медии от потребители, участващи в дебати относно абортите, Obamacare и контрола върху оръжията в X (по-рано известен като Twitter), както и допълнителни данни за мнението на потребителите, взети от други сайтове за социални медии, като Facebook и YouTube.

1 Социална структура

(a) приближаване към консенсус, (b) некорелирано поляризирано състояние и (в) идеологизирано състояние (където поляризацията на мненията се изравнява за очевидно несвързани теми).
В илюстрациите на мрежата (отгоре), всеки възел е оцветен според неговия ъгъл на мнение φ и размерът му е пропорционален на неговото убеждение. Общностите, които съществуват във всяка социална мрежа, са представени в полярната лентова графика под всяка мрежа, като радиусът показва колко са големи, а цветът и ширината съответстват на средното косинусово сходство между всички двойки агенти в общността. Ориентацията представлява средния ъгъл на мнение φ на всички агенти в общността. Общностите, съдържащи по-малко от 5% от общия брой възли, не са показани. Кредит: Baumann et al. 2021 Phys. Rev. X 11 011012. Публикувано от Американското физическо общество под лиценз CC BY 4.0

Техните заключения може да изглеждат очевидни. Но възпроизвеждането на известно поведение в модел е първа стъпка към по-малко интуитивни прозрения. Например, анализът на Старнини и колегите показва, че докато средното ниво на мнение е заето предимно от потребители с ниски нива на активност, крайностите са представени предимно от най-активните потребители, тъй като техните мнения получават най-енергична подкрепа от съмишленици.

Поляризирано към деполяризирано – фазов преход

Данните от социалните медии дават други прозрения за нарастващата поляризация. През януари 2023 г. група, включваща Чаомин Сун (Chaoming Song), статистически физик от Университета в Маями, заедно с неговия студент Дзяджън Лиу (Jiazhen Liu) сравнява силните страни на потребителските мнения за публикации във Facebook, свързани с "твърдо" съдържание (политика) и "меко" съдържание (спорт и развлечения). Както се очакваше, те откриват, че мненията с твърдо съдържание са групирани около крайностите, отразявайки поляризирано състояние, докато мненията с меко съдържание са по-струпани към средата (Phys. Rev. Lett.) (фигура 2).

Най-важното е, че Сун и колегите му показват, че тези разпределения на мненията следват закон за мащабиране. Има три стабилни фази: сближаване на мненията в центъра; равномерно разпространение на мнението в спектъра с леко увеличение или "частична поляризация" към крайностите; и пълна поляризация. Рамкирането на тези разпределения на мнения като фази въвежда потенциално ценна концепция, когато се разглежда ключовият въпрос за това как тези разпределения на мнения могат да се променят: фазовият преход. Сун и колегите му успяват да покажат как фазовите преходи в онлайн социалното поведение – точно като тези във физиката на кондензираната материя – се характеризират с критични точки в параметър на реда, в този случай най-вероятното или общоприетото мнение.

2 Фаза на преминаване

Чаомин Сун от Университета в Маями и колеги показват как еволюцията на разпределението на мненията може да бъде описана по отношение на фазовите преходи. В тази фазова диаграма параметърът g е скоростта, с която мненията се подравняват, умножена по съотношението между създадените и унищожените връзки. Параметърът J₊–J_– е разликата между силата, с която потребителите с подобно мислене са склонни да създават връзки и силата, с която сме склонни да прекъсваме връзките с потребители, които имат различни възгледи. Червеният квадрат показва твърдо съдържание (HC - hard content), като например политика, във Facebook; а червеният триъгълник мекото съдържание (SC - soft content) като спорт и развлечения. Кредит: Phys. Rev. Lett. 130 037401. 

С желание да разберат как може да се прояви промяната към деполяризация, Старнини и колегите му създават друг модел, който показа как естеството на фазовия преход зависи от това дали едно мнение по една тема е свързано или не с мнения по друга теми (Phys. Rev. Lett. 130 207401). Обръщайки се към анкети, проведени от American National Election Studies, изследователите идентифицират няколко твърдения, чиито отговори изглеждат корелирани въз основа на разпределението на изразените мнения, като "Религията [осигурява] насоки в ежедневния живот" и "Собствениците на бизнес имат право да отказват услуги на еднополови двойки, ако те нарушават религиозните им вярвания". Но същата анкета предоставя и изявления, които изглежда предизвикват несвързани отговори, като "Децата на нелегални имигранти, родени в САЩ, трябва автоматично да получават гражданство" и "САЩ трябва да изпратят войски, за да се борят с ислямските екстремисти". След това изследователите моделират как подобно разпределение на мнения ще се развие в отговор на мненията на всички останали в мрежата, като вземат предвид "силата на социалното влияние" и колко упорито се поддържат тези мнения.

Те откриват, че когато мненията са корелирани, преходът от поляризирана към деполяризирана (т.е. консенсусна) фаза вероятно ще бъде плавен, като фазовия преход от втори ред, който се случва между различни магнитни фази в кондензирана материя. От друга страна, моделът показва, че когато мненията не са корелирани, преходът вероятно ще бъде рязък, като фазовия преход от първи ред от течност към газ.

През 2015 г. социологът Даниел Дела Поста (Daniel DellaPosta) и колегите му от Университета Корнел в САЩ предоставят доказателства, че политическото партизанство все повече определя възгледите на хората в набор от привидно несвързани области – от развлекателни дейности и естетически вкус до консумация на храна и личен морал. Грубо например може да се каже, че либералите харесват лате, докато консерваторите харесват лова на птици (American Journal of Sociology 120 1473). Ако възгледите ни стават все по-свързани, както предполагат Дела Поста и колеги, можем да очакваме по-плавни, повече фазови преходи от втори ред от поляризирани към неполяризирани състояния.

Но какво може да инициира деполяризация на първо място и дали това би било желателно?

Може да се възрази, че една монокултура от общоприети мнения не е нещо хубаво, тъй като е малко вероятно да приеме каквото и да е разнообразие или отклонение от нормата. Според Дела Поста социалните и политическите теоретици отдавна са установили, че аргументите са в полза на "междусекторните линии на конфликт и несъгласие, открити в плуралистичните общества" (American Sociological Review  85 507). И така, как тогава можем да постигнем по-толерантно общество? Тук, за щастие, една различна област на физиката има някои интересни моменти.

Интервенции за обединяване

По-рано тази година физикът Нийл Джонсън (Neil Johnson) и колеги от Университета Джордж Вашингтон във Вашингтон формулират уравнение, за да моделират еволюцията на онлайн "анти -X” общности, където X може да бъде всичко, като раса, религия или етническа принадлежност. Уравнението има огромна прилика с едно от основните уравнения в динамиката на течностите – а именно уравнението на Бъргерс, което описва еволюцията на вълновата форма. Връзката има много смисъл, тъй като най-често срещаната характеристика, отличаваща тези екстремистки общности от техните по-меки двойници, е появата им като "вълни-убийци" (гигантски единични блуждаещи вълни, възникващи в океана, високи 20-30 метра, а понякога и повече, притежаващи поведение, нехарактерно за морските вълни). Без значение каква е екстремистката гледна точка – било то хора, подкрепяли ИДИЛ през 2016 г., или националисти днес – те изглежда "изникват от нищото", коментира Джонсън. Това вероятно е, защото те работят дълго време незабелязано, преди внезапно да придобият популярност в мейнстрима.

В своето изследване (Phys. Rev. Lett. 130 237401) Джонсън и колегите му моделират индивиди или групи от индивиди като вектори, така че техните различни лични преживявания да могат да бъдат отразени в множеството измерения на вектора. Вероятността отделни индивиди да се присъединят към група или групите да се слеят, за да образуват по-голяма група, тогава е въпрос на това колко добре са подредени техните вектори (фигура 3) – нещо, което изследователите наричат ​​"колективна онлайн химия". Техният модел предполага, че за да се забави внезапната поява на анти-X групи, номерът е да се наводни мрежа с по-разнообразни потребители, така че подобните вектори да не се намират толкова лесно. Този съвет противоречи на използването на алгоритми, които блокират потребители, които изглеждат проблемни, тъй като те всъщност биха филтрирали разнообразието.

3 Общностни клъстери и колективна химия

Нийл Джонсън от университета Джордж Вашингтон и колегите му емпирично са наблюдавали (a) синтез и (b ) пълно разпадане на общности, изразяващи антиамериканска омраза в руската социална мрежа "Вконтакте", между ден t (жълт ) и t+1 (синьо). Червените възли представляват антиамерикански общности, които по-късно са затворени (пълно разпадане), докато зелените възли са тези, които все още не са затворени към юни 2023 г. Жълтите връзки сочат към лица (бели точки), премахнати от антиамериканската общност на ден t+1; докато сините връзки сочат към лица, добавени към антиамериканската общност на ден t+1. Резултатите от пространственото разпределение от диаграми (a) и (b) са близки на по-пълна мрежа, която е картографирана с помощта на ForceAtlas2, което означава, че възлите, които изглеждат по-близо един до друг, са по-свързани помежду си. Графиката (b) също показва, че в случай на пълно делене, много малко индивиди от тази общност са едновременно и членове на други общности. (c) Емпирично наблюдавано групиране на антиправителствени общности в различни платформи около бунта на Капитолия в САЩ. Кредит: Phys. Rev. Lett. 130 237401. 

По същия начин твърде проактивното отношение към излагането на потребителите на социални медии на противоположни възгледи може да има обратен ефект. През 2018 г. проучване, ръководено от социолога Крис Бейл (Chris Bail) и колеги от Университета Дюк в САЩ, предполага, че този тип усилие за пробиване на мехурчетата на ехокамерите може да увеличи поляризация (PNAS 115 9216). На следващата година Джонсън, Сун и колеги показват, че някои актуализации на алгоритъма от Facebook могат да имат същия контрапродуктивен ефект. Въпреки че са предназначени да създават нови връзки между потребителите и да стимулират появата на нови общности, актуализациите – казват те – вероятно ще доведат до появата на изолирани крайности. В крайна сметка това създава мрежа, която в по-общ план се развива на етапи, с уязвимост към фрагментиране (Scientific Reports 9 11895).

И все пак сблъсъкът с различно мислещи индивиди е от полза в реалния свят.

Не всеки, на когото се натъкваме всеки ден, е вероятно да сподели нашите възгледи за всичко, но въпреки че възгледите ни може да се сблъскват по един въпрос, все пак можем да намерим общ език по друг. Миналата година проучване на Петер Торнберг (Petter Törnberg), социолог от Университета на Амстердам в Нидерландия, показва, че тази разнообразна и стабилна "моделирана смесица" от различията не се генерират естествено във виртуалния свят от социалните медии, които разширяват потенциалния ни набор от контакти, така че да е много по-лесно да се формират връзки с еднакво мислене. Без присъща модерация, мненията ни са принудени да бъдат по-малко смесени и по-пристрастни (PNAS 119 e2207159119).

Един от опитите за разработване на по-малко разделящи платформи за социални медии се ръководи от Люк Торбърн (Luke Thorburn), който прави докторска степен по информатика в Кралския колеж в Лондон във Великобритания и Авив Овадия (Aviv Ovadya), бивш компютърен учен, който сега изучава социалните последици от нововъзникващите технологии. Заедно те работят по проект, наречен "Bridging Systems”, който намира нови начини за класиране на публикации в социалните медии отвъд обичайните "харесвания” и репостове. Вместо безсмислено да се конфронтират хората с постове от противоположната страна на спектъра на мнения, идеята е да се препоръчат публикации, в които разликата в мненията е подсладена с някаква безспорна обща точка – това, което Торбърн нарича "разнообразно одобрение". Например не може лекомислено да поканите либерал, пиещ лате, да се свърже с консерватор, ловец на глухари. Но може да поканите двама души от противоположните страни на политическия спектър да се ангажират въз основа на общ интерес, който надхвърля обичайните партийни линии – било то физика на кондензирана материя или конкретен спорт.

Отвъд социалните медии

Както във всяка област на физиката, ключовият тест за добрия модел не е просто обяснението на съществуващите данни, а способността да се правят правилни прогнози и това е, което прави работата на физика Серж Галам ( Serge Galam) толкова поразителна. Сега в Sciences Po, Париж, Галам се занимава със социофизика от появата й през 70-те години на миналия век, когато е рязко отхвърлена от физиците (Physics A 336 49).

"Атомите никога не са ме вълнували – но хората, да!", заявява Галам.

Неговите модели прилагат подход на "правило на мнозинството", за да актуализират мненията на групи от хора да приемат постепенно страната на мнозинството, точно както ежедневните групови чатове могат постепенно да променят мнението на някой без присъщи предразсъдъци. В крайна сметка е по-малко натоварващо да поддържате позиция по въпрос, която съвпада с тази на хората около вас. Всъщност Галам предполага, че това се основава на принципите на минимизиране на енергията - както се вижда другаде във физиката, от подравняването на въртенето в магнитите до сгъването на протеини в живите клетки.

Галам разглежда отделни мнения, при които проблемът не е силата им, а основната им посока по един или друг начин – гласуване на избори например. В еволюцията на груповото мнение той нарича крайната пропорция на мненията за всяка страна "атрактор" (точка на привличане). За една проста система, стремяща се към консенсус, има два атрактора: всички споделят едно мнение или всички споделят неговата противоположност. След това резултатът се определя от първоначалните пропорции на мненията от двете страни, така че смесица от първоначални мнения 50:50 е повратната точка, където крайният резултат може да се развие и в двете посоки. За да възникне поляризация, група с един установен консенсус трябва да влезе в контакт с друга група с противоположен установен консенсус.

На 6 август 2011 г. демонстрация в Лондон срещу полицейското насилие се превърна в безредици, които продължават няколко дни и се разпространяват в други британски градове. Кредит: PeaceNikUK/youtube

На 6 януари 2021 г. привърженици на Доналд Тръмп атакуваха сградата на Капитолия на САЩ във Вашингтон, окръг Колумбия в опит да попречат на Конгреса да обяви победата на Джо Байдън като новоизбран президент. И двата инцидента включват значително използване на социални медии за подклаждане на крайни политически мнения. Кредит: © 2021 Jeff Gates (CC BY-NC-ND 2.0 DEED)

Но пътят към консенсуса не винаги е лесен – хората изпитват съмнения, когато и двата избора изглеждат еднакво приемливи. След това изборът се прави "случайно", без да е необходим аргумент, който да го обоснове. Тук Галам предполага, че наистина този избор е предопределен от най-силните предразсъдъци в групата (European Phys. J. B 25 403), което от своя страна възпроизвежда това, което той нарича "демократично разпространение на малцинствата", където най-силните предразсъдъци в групата, а не най-разпространеното мнение, обръщат нещата в една или друга посока. Всъщност Галам предполага, че подобни предразсъдъци са били определящият фактор на президентските избори в САЩ през 2016 г., в които републиканският кандидат Доналд Тръмп победи кандидата на демократите Хилари Клинтън. Освен предразсъдъците, моделът на Галам включва наличието на други психологически черти, като противопоставяне и обикновен инат, като и двете могат да изместят атракторите и повратната точка (Int. J. Modern Phys. B 31 1742015).

Галам отбелязва, че когато се добави психологическата черта инат, резултатът е твърда система, която води до атмосфера на омраза и отхвърляне. Обратно, когато се добавят повече противници, съотношението на хората, които подкрепят всяка страна на даден проблем, ще се промени – атмосферата ще бъде по-толерантна и приемаща – дори ако са започнали по същия начин като в комбинацията от упорити хора. В анализ от 2023 г. Галам описва разграничението по отношение на ентропията с непостоянна спрямо замръзнала поляризация (Entropy 25 622), което подчертава как естеството на индивидите в група може да има повече значение от разпределението на избирателите по един или друг начин.

Наистина, при наличието на достатъчно противоречия, няма повратна точка: резултатът винаги гравитира към стабилно съотношение 50:50 на мненията, поддържани по един или друг начин, без надежда за консенсус. При достатъчно упорити хора повратната точка отново изчезва – но този път атракторът се измества към мнозинството, а не съотношение 50:50.

"Това създава обезпокоителна, дори неетична гледна точка за това коя е печеливша стратегия в една кампания", казва Галам.

За да спечели избори, един кандидат не трябва да се стреми да убеди най-много избиратели, а само няколко от най-упоритите – и да обърне тяхната упорита решимост в своя полза.

Тези прозрения се прилагат независимо дали гласувате с бюлетина или с портфейла си и могат да бъдат наистина въздействащи при маркетинг, реклама и подобни видове манипулация, където познаването на целите на вашата кампания – ключовите инфлуенсъри в мрежата – е половината от битката. Галам обаче подчертава, че това може да се използва и за предотвратяване на "задънената улица", особено с оглед на трудностите на днешната социална динамика, като фалшивите новини.

"Това е като всяко научно откритие", казва Галам. "Може да се използва по добър или по лош начин."

Източник: The laws of division: physicists probe into the polarization of political opinions, Anna Demming, Physics World

Още по темата

29/05/2023

Човекът

Социалните медии предизвикват опасения за доброто състояние на хората

03/02/2022

Земята

Не поглеждай нагоре: социалният механизъм на катастрофата

26/03/2021

Животът

Социални и когнитивни аспекти на динамиката на убежденията

05/11/2020

Животът

Откриха най-ранните доказателства за социално поведение при бозайниците от преди 75,5 млн години