基于認知失調的動態網絡下用戶觀點演化研究

魏靜　賈宇廣　朱恒民等

關鍵詞： 心理學； 認知失調； 動態網絡； 共同鄰居； 有界信任； 用戶觀點； 網絡輿情

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０５．０１０

〔中圖分類號〕Ｃ９１２ ６； Ｇ２０６ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０５－０１０４－１０

新興媒體的繁榮發展為社會大眾提供了大量汲取資訊、發表意見的機會， 社會群眾可以借助網絡平臺針對不同事件發表自己的觀點意見。在輿論的發酵過程中， 各類營銷媒體［１］ 或意見領袖［２］ 都會對群體觀點的變化趨勢起到至關重要的作用， 這也導致監管部門越發重視網絡社交平臺的輿論管控。但隨著人們教育程度的提升， 人的理性特征更加突出， 個體會客觀分析外界接收的信息， 并且更加注重內心或所處環境的感受。從眾效應、沉默的螺旋、自我歸類等社會心理學理論的提出， 都可以很好解釋受環境影響的微觀個體在信息處理、意見決策中的“反常” 行為。因此， 基于各類心理學理論所提出的觀點傳播模型和演化模型， 成為輿情研究的重要方向之一。考慮人群的心理因素與人在輿情管理中的核心地位， 也成為輿情治理過程中不應忽視的重要一環。

１研究現狀

對于觀點演化模型的研究， 可以根據觀點值的不同， 劃分為離散觀點演化模型和連續觀點演化模型。由于觀點的模糊特性， 連續觀點演化模型可以更好地體現觀點的變化情況， 所以在群體極化、意見動力學中被廣泛地應用［３－５］ 。之后， 學者所提出的ＨＫ 模型［６］ 和Ｄｅｆｆｕａｎｔ 模型［７］ 等有界置信觀點演化模型進一步規范了觀點演化的條件， 這類模型認為個體只與觀點相差在一定范圍內的個體進行觀點交互。這契合了現實中用戶傾向與觀點相似用戶交流的特點， 故成為國內外學者研究的熱點。這類模型也被稱為有界置信的觀點演化模型。

目前， 大多數學者對觀點的演化基于模型的使用場景展開研究， 通過模型的具體應用場景從而提出相應的輿情管理策略。張偉等［８］ 通過粒子建模的方式， 考慮了不同個體觀點的交互的異質性， 從而確立了一種新的觀點演化規則。張亞楠等［９］ 考慮到個體之間的人際關系， 研究認為關系度的大小決定了觀點演化的結果。Ｚｈａｏ Ｙ 等［１０］ 則建立了一個領袖追隨者意見動態模型， 并且驗證在噪聲環境中有無意見領袖會對最終觀點的聚集產生不同效果。張亮等［１１］ 從個體知識水平的角度完善了模型，研究了信息量、認知水平對觀點演化的影響作用。Ｌｉ Ｔ 等［１２］ 重點關注了社交媒體的作用， 并基于成本函數以及有界置信模型的原理構建了模型， 分析得出媒體對輿情的促進作用。Ｃｈｅｎｇ Ｃ 等［１３］ 則從比較宏觀的角度， 依據群體所形成的意見氣候， 構建了群體意見影響下的觀點演化規則， 研究得出網絡平臺中存在的社交機器人能夠影響網絡意見的形成。祁凱等［１４］ 則是在經典ＷＤ 模型中加入了平臺影響力、話題類型等因素， 分別研究了有無推薦機制對觀點的影響， 研究證明了平臺影響力和智能推薦機制都會影響網絡群體觀點的收斂速率。此外，一些學者還將社會心理學的理論引入模型中， 為模型的改進提供了豐富的理論基礎。Ｃｈｅｎｇ Ｃ 等［１５］ 提出“群體壓力” 影響下的觀點演化模型， 從理論上證明， 一個群體中所有的個體都面臨群體壓力時， 可以在有限的時間內達成共識。王寧等［１６］ 將自我歸類理論與模型結合， 通過仿真證明了有較強原型性的群體會影響觀點的聚合程度及聚合速率。

為了更好地擬合用戶觀點在互聯網上的傳播現狀， 學者們開始將模型與復雜網絡結合， 豐富了觀點演化的理論研究。Ｚｈｕ Ｙ Ｙ 等［１７］ 證明了在ＢＡ 網絡中， 觀點的聚合程度取決于網絡規模的大小， 以及每個時步中增加的邊數。李根強等［１８］ 將復雜網絡上的權重定義為個體間的關系強度， 通過實驗證實了強關系更利于網絡社群輿情觀點的快速聚合。魏靜等［１９］ 構建了基于動態權值及耦合網絡的觀點演化模型， 研究了不同情況下線上線下輿情的演化特征。通過對文獻的梳理發現， 目前對觀點演化的研究不論是基于單層網絡或是耦合網絡， 多數都是通過靜態網絡展開。為了更加準確描述現實世界中觀點在網絡中的演化機理， 本文借助社會心理學中認知失調理論提出了網絡的動態變化機制。通過引入社會心理學理論對網絡結構相似性進行刻畫， 并依據用戶親密度定義了差異化的接受度。這不僅加強了提出模型的合理性和有效性， 避免了模型改進過于生硬的缺點， 還體現了“物以類聚， 人以群分” 的群體自組織思想， 從定量的心理學的視角為政府等部門提供了輿情治理的新思路。

２模型構建

２.２基于認知失調理論的動態網絡演化機制

認知失調理論是由社會心理學家利昂·費斯廷格在１９５７ 年首次提出的［２１］ 。認知失調理論的核心思想是， 當個體發現自己的行為與先前的認知不相同時， 或前后認知發生矛盾時， 會產生不舒適感、不愉快的情緒， 然后會通過調整認知或行為來緩解壓力和緊張的情緒。利昂·費斯廷格將認知失調的表現總結歸納為４ 類： ①決策后的認知失調。當一個人在兩個選項中需要選擇一個猶豫不決時， 他／她就會表現出決策后的認知失調； ②強制服從的認知失調。當一個人受到外部權力的影響時， 他／ 她會采取與他／ 她的真實信念相反的行為； ③接觸新信息后的認知失調。一個人無論是有意還是無意地接觸到新信息， 都會先感知到新信息的危險； ④群體引起的認知失調。個人的理解和觀點被群體成員所反對時， 他／ 她也會呈現出不安、緊張的情緒。為了克服認知失調給人們帶來的消極情感， 利昂·費斯廷格也指出， 人們通常會采取兩種主要的方式來緩解壓力［２２］ ： ①增加認知。通過認可更多與現有觀念一致的信息， 來增加認知的一致性； ②減少沖突。忽視或否認與現有觀念相沖突的信息， 這也會導致認知失調的程度降低。

結合認知失調理論發現， 在現代網絡社交中，用戶亦會采取相應的機制來抑制認知失調的消極影響， 從而對社交網絡中的用戶關系進行改變。從上文克服認知失調的措施可以類比出動態網絡的演化規律：

１） 為了增加認知。個體往往會考慮與觀點相近的用戶建立更多的聯系， 從而獲取到更多的認同感。所以假設用戶之間存在一個“社交閾值” θ，且θ∈（０，０ ５）， 該參數可以用來衡量用戶對周圍矛盾意見的容忍程度。假設在ｔ 時刻， 若節點ｉ 與節點ｊ 之間不存在連接， 兩節點之間存在共同連接的節點， 且觀點差值小于閾值θ 時， 節點ｉ 與節點ｊ 會建立連接， 否則不建立連接。即：

２） 為了減少沖突。個體可能更加傾向與觀點差異過大的用戶斷開鏈接， 來減輕自身的不適感。假設在ｔ時刻， 節點ｉ 與節點ｊ 之間存在連接， 且其觀點差值大于社交閾值θ 時， 節點ｉ 與節點ｊ 會斷開連接， 否則保持連接。即：

２.３基于用戶結構的觀點演化規則

傳統的ＷＤ模型中， 學者往往只從個體自身的角度出發， 通常規定個體對其他觀點的接受度是相對靜態的。但是隨著復雜網絡的引入， 節點不再是單獨存在的個體， 而是以關系網絡的形式存在， 所以需要考慮個體之間的關系狀況來優化模型。李根強等［２３］ 通過為網絡賦予邊權， 來體現個體間關系強度。張亞楠等［２４］ 利用節點間的最短路徑， 定義了節點間的親密度， 從而衡量了個體間的關系強度。

為了深入研究網絡的結構和節點關系對觀點接受度的差異化影響， 該小節將微博用戶張宇老師作為中心點（ｉｄ： 宇哥考研）， 使用Ｐｙｔｈｏｎ 爬取并清洗了２０２２ 年４ 月２５ 日前該用戶、其關注的用戶、其關注用戶關注的用戶。同時為了便于統計， 實驗只爬取用戶的關注列表， 規定當某一用戶關注列表中存在另一用戶時， 則稱他們互為彼此的鄰居。結果統計出了２８３４名用戶和７ ４３８條關注關系， 并獲取了中心節點與其關注的４２ 名有效用戶之間的共同鄰居的數量。接著使用繪圖軟件Ｇｅｐｈｉ 繪制出他們之間的網絡關系圖， 如圖１ 所示。其中， 將共同鄰居的數量作為中心節點與其關注用戶之間的權重， 共同鄰居的數量越多， 中心節點與關注用戶邊的寬度越寬。

通過圖１ 可以發現， 張宇老師（ｉｄ： 宇哥考研）的關注用戶可以分為兩類： 微博自動關注的官方賬號（ｉｄ： 微博會員小秘書、微博會員、微博錢包等）和用戶自主關注的其他用戶（ｉｄ： 考研數學高昆輪、考研政治王吉、考研政治石磊等）。由于官方賬號不能夠反映用戶的意志， 故剔除這些賬號。展示與張宇老師（ｉｄ： 宇哥考研）相連且共同鄰居最多和最少的前５ 名用戶。考慮到網絡中用戶關系強度不便于可視化和定量化， 但是可以通過“橙Ｖ” 賬號等認證用戶所處機構或身份信息來表現其與中心用戶的親密關系， 結果如表１ 所示。

對比表１（ａ）和（ｂ）可知， 隨著張宇老師（ｉｄ：宇哥考研）關注的用戶與其自身共同鄰居數量的增加， 可以發現用戶信息詞條與“張宇” 的相關性有顯著提升， 其中高昆輪老師（ｉｄ： 考研數學高昆輪）更是在身份信息中體現了與“宇哥考研” 這一用戶的強關聯性。這可以很好地被理解， 作為啟航教育的首席講師， 他必然與來自自有團隊、同一教培機構或者合作機構的用戶有著相對較高的親密度。同時考慮到線上用戶網絡與線下好友網絡呈耦合趨勢， 用戶之間存在線下好友關系時， 也更容易發展成為線上好友關系。此時， 若用戶之間存在的共同好友數量越多， 越能體現兩者之間關系更加緊密。同時在從眾效應或“沉默的螺旋” 等心理學效應的影響下， 個體會傾向聽取大多數周圍用戶的觀點。

由于微博用戶與其“關注對象” 進行觀點交互的同時， 一般會遵循同質性原則建立新的連接［２５］ 。為了確保用戶交互行為的發生基于同質性原則， ＷＤ模型的應用保證了發生意見交互的個體其觀點相似性， 同時基于認知失調的動態網絡機制保證了用戶結構的相似性； 而基于共同鄰居數量的親密度又實現了差異化的鄰居觀點接受度。故根據變化的網絡結構和用戶關系構建了如下觀點演化規則， 并使用定量研究的方式分析了認知失調對群體觀點的影響。

假設在ｔ 時刻， 網絡中的節點ｉ 有ｍ 個鄰接的節點ｊ（ｊ ＝ １，２，…，ｍ）， Ｌ（ｉ，ｑ）表示ｔ 時刻與節點ｉ鄰接的節點的集合， Ｌ（ｊ，ｋ）表示ｔ 時刻與節點ｊ 鄰接的節點的集合， Ｃ（ｉ，ｊ）表示ｔ 時刻節點ｉ 與節點ｊ共同連接的節點的合集， 即Ｃ（ｉ，ｊ）＝ Ｌ（ｉ，ｑ）∩Ｌ（ｊ，ｋ）。

３仿真實驗

結合無標度網絡的拓撲規則， 本節實驗設置初始的網絡節點數為５０， 以隨機連接的方式生成了一個連邊數量為６３０ 的初始隨機網絡。在該網絡的基礎上， 不斷加入新的節點， 并規定每引入一個新的節點， 該節點會生成５ 條連邊與已有節點以一定概率相連接。且此連接概率與已有節點的連邊數成正比。最終， 實驗生成了一個節點數為１００， 且平均度值為８ ８ 的初始無標度網絡， 并將其作為初始的觀點分布環境。在之后仿真過程中使用同一個網絡， 并假設個體的初始觀點始終在區間［０，１］內均勻分布， 以此來保證實驗的可比性。

通過多次的預實驗發現， 當設置觀點閾值ε ＝０.３， 接受度μ ＝０.１， 社交閾值θ ＝０.４ 時， 基于認知失調的動態網絡的觀點演化模型最終可以生成唯一的意見簇， 如圖３（Ａ）所示。所以為了便于統計和對比分析各組實驗間的觀點演化情況， 本節實驗規定以上參數取值為默認參數取值， 并分別從網絡環境、社交閾值以及頑固系數３ 個方面來進行仿真研究。

３.１認知失調對觀點演化的促進作用

首先， 在這組實驗中設置了默認的參數取值，然后依據式（６） 對個體觀點進行更新。分別對比了動態網絡和靜態網絡環境中， 節點標號及其觀點均勻線性分布在初始網絡（以下簡稱為“觀點均勻分布情況”）和節點標號及其觀點非均勻線性分布在初始網絡（以下簡稱為“觀點隨機分布情況”）的觀點演化情況， 結果如圖３和圖４所示。

由圖３ 可知， 相同時刻下動態網絡中的群體觀點比靜態網絡中的群體觀點更加集中。當Ｔ ＝ ９０時， 動態網絡中已經形成了一條穩定的意見簇， 而當Ｔ ＝２ ４００左右時， 在靜態網絡中的消極觀點（觀點值小于０ ５）和積極觀點（觀點值大于０ ５）均達到平衡狀態， 且有多條積極意見簇被形成。觀點在靜態網絡和動態網絡中的收斂差異體現了認知失調效應對觀點收斂發揮著明顯的促進作用。個體在社交中為了避免認知失調帶來的負面影響， 如與大眾意見相悖時所受到輿論壓力， 會主動調整自己所處的原始社交團體， 以確保自己受到的消極情緒最小化， 從而加快個體向意見相似個體靠攏， 致使群體觀點迅速形成。同時， 基于“共友數量” 的演化規則， 會放大團體中親密個體之間的觀點信任基數， 即共友數量越多， 個體關系越親密。在這一因素的影響下， 也促使個體觀點加速分化， 逐漸形成穩定一致的意見簇。

對比圖３（Ａ）和圖４（Ａ）可知， 在靜態網絡條件下， 觀點均勻分布情況的意見簇分布較觀點隨機分布情況的意見簇分布存在明顯向一端集中的趨勢。在觀點均勻分布情況中， 節點標號、觀點順序、網絡順序都均勻線性一一對應。在實驗初始設置中，相鄰節點被設定為具有相似觀點， 同時受到無標度網絡生成的規則影響， 度較大的節點會集中在網絡的一端， 新引入的節點也會優先與這一端相連。在靜態網絡的演化環境中， 這導致一端觀點的連通性始終較大， 其觀點容易快速被收斂成一條聚集性的意見簇， 而另一端節點連通性小， 從而會逐漸生成一條聚集和多條獨立的意見簇。在觀點隨機分布情況中， 節點標號、觀點順序、網絡順序均為隨機對應。這使得初始網絡與初始觀點分布的隨機性加強， 最終生成的意見簇分布也更加分散。

對比圖３（Ｂ）和圖４（Ｂ）可知， 在動態網絡條件下， 不論是觀點均勻分布情況還是觀點隨機分布情況， 最終觀點都會呈現出相似的演化趨勢， 匯聚成一條聚集性的意見簇。這是由于動態網絡機制， 觀點不會因初始網絡結構而產生阻隔， 而形成獨立的意見簇。故在之后的實驗中， 為了方便計算與對比， 均在觀點均勻分布情況中進行。

３.２社交閾值對觀點演化的差異化影響

為了深入研究認知失調對觀點演化的作用機理， 本小節實驗使用默認的觀點閾值ε ＝０. ３， 接受度μ ＝０.１。計算出不同社交閾值θ 下的最終觀點標準差和最終意見簇的演化情況， 以及觀點標準差、節點平均度和度分布隨時間的變化趨勢， 結果如圖５ 和圖６ 所示。其中， 最終意見簇和最終觀點標準差是統計了當群體中所有個體的觀點到達平衡狀態時（即所有個體的觀點不再改變時）的意見簇數量和觀點標準差。

由圖５（ａ）可知， 隨著社交閾值θ 的增加， 最終觀點標準差和意見簇反而減小。尤其， 當θ ≥０.３ 時， 最終觀點標準差降低并維持為０， 且最終意見簇數量維持在１。總體上， 社交閾值的改變對觀點的形成與聚合都具有顯著影響。

由圖４（Ｂ）和圖６ 可知， 若社交閾值θ 小于觀點閾值ε， 隨著時間的推移， 網絡節點的平均度值增速逐漸放緩； 部分節點的度值變化存在較大波動；此時觀點會以較快的速度達到穩定狀態， 但最終的觀點標準差維持在較高水平。這表明在社交閾值較小的情況下， 個體感到更容易受到認知失調帶來的消極情緒。為了抵消這種負面情感， 部分個體會選擇改變原有的鏈接方式， 增強與觀點相似個體的連接， 這也就導致了一些相似的觀點會迅速集中， 并在較短時間內形成穩定的觀點集合， 但觀點在短時間內的聚集會不利于社會共識的達成。

若社交閾值θ 小于觀點閾值ε， 隨著時間的推移， 網絡節點的平均度值會驟增至９９； 網絡中各節點度值會在一定時間內迅速達到最大值； 此時，觀點隨時間的變化趨勢相似， 會在相近的時間內趨于一致。這表明當社交閾值較大時， 個體對于矛盾意見的容忍度則越高， 他們會通過增加連接的方式來增強對自身觀點的認可， 個體則建立鏈接的速度更快、范圍更廣， 最終意見更容易達成共識。

３.３頑固系數對觀點演化的差異化影響

在個體動態改變自身結構的過程中， 并不是每個個體在每個時步都有意愿去改變自身所處的網絡結構， 這是由于個體有一定的傾向來保持自身穩定狀態而導致的。由于這部分個體抗拒改變行為的發生， 所以默認群體中所有個體都會受認知失調影響改變觀點則是過于理想化的情況。為了控制網絡中是否愿意改變自身連接個體的數量， 本小節實驗引入了頑固系數ｒ∈（０，１）， 用來衡量網絡中“頑固個體” 的比例， 即網絡中不愿意改變自身結構的個體占比。該群體始終只會與最初的鄰居交換觀點， 而不會改變自身網絡結構。故本實驗設置了默認的參數取值， 依次計算不同的頑固系數ｒ（ｒ＝０.２， ｒ ＝０.５ 和ｒ ＝０.８）下的群體觀點達到平衡狀態的演化趨勢、最終節點度分布以及網絡密度， 結果分別如圖７ 和圖８ 所示。其中， 實驗將網絡密度作為衡量網絡連通性的指標。

由圖７ 和圖８ 可知， 頑固個體數量的改變對群體觀點的分布和網絡結構的變化都具有顯著的影響。當頑固系數ｒ＝０.２ 時， 網絡密度會隨時間的推移而迅速提高； 節點的最終度分布較為分散， 但度值為９８ 的節點占總節點數的８０％； 群體觀點匯聚成為１ 條集中意見簇和１ 條獨立意見簇。這表明當群體中的頑固個體較少時， 網絡的連通性較強。非頑固個體會為了抗衡認知失調而迅速集中， 部分頑固個體觀點會因相鄰非頑固個體的影響向主流觀點匯聚。較為分散的度分布也導致極少數頑固個體的度較小， 從而形成了個別獨立的意見簇。當頑固系數ｒ ＝０.５ 時， 網絡密度隨時間而提高的趨勢有所減弱。這表明， 當群體中頑固個體達到半數時， 網絡的連通性會受到一定程度的影響， 從而產生了越來越多的獨立意見簇。隨著頑固系數ｒ 提升至０.８，網絡密度一直處于較低值； 節點的最終度分布較為聚攏， 最終節點度的最大占比僅為２０％； 群體觀點由兩條集中的意見簇和多條獨立意見簇組成。這表明， 伴隨著群體中頑固個體較多時， 網絡的連通性普遍維持在相對較弱的水平。但是節點最終度分布較為集中， 這體現了頑固個體之間、頑固個體與非頑固個體之間的碰撞與吸引會分化出多條集中的意見簇。對比圖３（Ａ） 可知， 隨著頑固系數的增加， 網絡的靜態屬性越強， 所形成的對立意見簇會越來越顯著。

這為相關部門提供了啟示： 在處理輿情的傳播和演化問題時， 應對群體中用戶的成分進行預判斷來優化治理方案。對于頑固個體較少的群體可以減少管理措施， 避免公共資源的浪費； 而對于頑固個體較多的群體應加強監管， 防止群體極化的形成。

４結論

本研究通過改進連續的有界信任模型來完善觀點演化的規則， 為輿情治理與監測提供理論支持。首先， 依據社會心理學中的認知失調理論， 構建了個體在觀點交互過程中所依附的動態網絡環境， 呈現了隨用戶心理狀態變化而變化的網絡關系結構；其次， 通過實例引入了個體之間“共友數量” 這一因素， 并使用這一因素來衡量用戶間的親密度，從而定義具有差異化的觀點接受度； 最后， 通過仿真實驗從多個維度驗證了模型的有效性與合理性，對比討論了在認知失調環境中觀點演化的不同狀態趨勢。

實驗表明： 第一， 相較于靜態網絡， 基于認知失調建立的動態網絡對群眾觀點的收斂具有顯著影響， 更符合群體之間存在的意見分化和意見聚集現象。第二， 為了深入研究認知失調對觀點的影響，實驗中提取出了個體之間的社交閾值， 發現較大的社交閾值更有利于群眾觀點達成共識。第三， 針對動態網絡中不同的用戶組成， 最終輿情的發展結果會存在差異， 所以輿情監控機構應選擇不同的治理策略才能達到理想的輿情治理效果。

盡管本文的研究內容是基于仿真實驗而展開，但仍然可以為輿情的引導管理工作提供相應的理論支撐。但是本文的研究仍然存在一些局限： 第一，本文的研究范圍始終在固定群體范圍內展開， 無法實現個體在不同群體間的觀點模擬。第二， 本文的研究主體是依據微觀個體認知失調心理學效應而展開， 沒有添加媒體、意見領袖等復雜的現實因素，后續的討論可以添加更多復雜情況來完善模型研究。