深度 利用“社会神经学”网络群体行为有了新解

  网络群体行为是由具有不同属性与特征的个体,在一定社会关系和特定情境中,通过信息网络进行动态交互而形成的复杂现象。受到不断变化的情景和以信息传播为基础的情绪、态度、行为意愿等多层次传播影响,对上述问题的研究须从其内在机理、动态过程与行为表现相结合的角度进行系统性分析。

  上海市哲学社会科学规划课题“基于社会神经学机制的网络群体行为研究”(批准号为2014BGL022)的结题优秀成果,为从社会神经学机制深入探究上述现象提供了新的理论基础与研究方法,为分析解决复杂应用实践问题提供了有力支持。

  互联网的快速发展已经形成了连接全球五分之三以上人口的开放式复杂巨系统,使得网络空间逐渐成为当今社会、经济活动的主要场所。在日益丰富的社交媒体新环境下,网络群体行为的新特征及其广泛的互动性、快速的扩散效应和巨大的影响力,已成为国内外研究共同关注的热点。上述行为是以网络信息传播为基础,伴随着情绪、态度、行为意愿等多层次传播,受到群体的社会、经济、文化背景及特定情境影响的复杂动态过程。

  网络群体行为的信息传播主要体现为以微博、BBS等为载体的公众传播和以微信、QQ等即时通讯工具为载体的“小世界网络”传播两种传播模式。在小世界网络传播中由于群体成员的紧密社会关联及其所形成的信任、利益关系,更容易产生一致性的群体情绪、群体认知及群体行为。在多层次传播中,情绪感染传播具有一定的非理性和快速传播特征,观点和态度的传播在很大程度上受到个体利益、社会关系及其差异性的影响,行为意愿传播与相关个体的利益、社会关系及个人行为习惯密切相关,在群体内具有模仿传播特征。网络群体行为的复杂性,使得已有研究所获得的结论并非完全一致,甚至出现相互矛盾的现象,其根本原因在于对上述行为的内在机理及其复杂动态过程缺乏系统性思考和有效的研究方法。

  本研究对网络群体行为的社会神经学机制进行了深入探究,在此基础上采用智能多Agent建模方法,通过机器学习和大数据训练,构建网络群体行为的社会神经学机制模型和多层次传播影响过程模型,通过计算、反演出在不同情境及影响因素下的群体行为特征,并采用群体行为表现大数据对上述特征进行有效的实证,为系统性把握网络群体行为的复杂规律提供了新的研究方法,为分析、解释、预测及管理各类网络群体行为提供了科学基础。

  现代神经实验观测技术的发展,尤其是ERPs(事件相关电位)、DTI(扩散张量成像)、fMRI(功能性磁共振成像)的出现,使得对人类的脑功能活动进行无创观测成为可能,为从脑高级功能的神经活动机制层面更深入地研究和解释人类的社会心理现象提供了新的理论基础和实验观测手段。

  网络行为包括个体行为和群体行为两个层面。其中,个体行为从神经活动的过程机制看,主要包括选择性注意、信息认知、行为决策等关键环节,在上述信息加工的不同阶段都受到了个体情绪和动机的影响。网络群体行为在上述个体行为基础上,通过网络信息传播和群体交互活动而产生的情绪、态度与行为意愿传播,并在上述传播影响下最终可能导致群体一致性行为。

  在网络行为的影响因素中,外界刺激信号引发的情绪反应是最活跃的因素,对网络非理性行为具有重要影响。通过对网络信息认知反应特征研究,我们将上述信息符号划分为动作符号、语音符号、结构符号、色彩符号、图形符号、文本符号六大类,每类符号均通过某种方式的编码和约定成俗的规则在一定程度上传达了情感信息。以上信息将通过接收者的感觉通路首先传递到其大脑边缘系统,产生直觉、快速的第一性情感反应,继而通过大脑高级皮层的认知活动形成相对慢速、较为理性的第二性情感反应(理性认知反应)。大脑高级皮层对上述符号信息在感觉通路中的传递具有选择性关注调节作用,在视觉、听觉和时间资源的分配上进行自主调控,以上选择性关注取决于信息接收者的动机、知识、记忆、认知与决策等高级心理活动及相关基础。

  网络群体行为要受到不同的个体特征差异、群体交互过程和特定情境因素的影响,构建主导上述行为的社会神经学机制模型,并对其特征参数、交互过程和典型情境进行综合仿真分析,是系统性研究网络群体行为的重要基础。在社会神经学二十余年的发展中,虽然形成了大量关于在不同影响因素和不同社会情境下的神经活动观测研究成果。然而,对于神经活动是如何产生意识的这一问题,迄今尚未获得系统性揭示,似乎从人类的神经生理活动到其高级精神活动之间存在着难以解释的“黑箱”秘密。

  人工智能发展的曲折历程,为研究上述问题提供了重要启示。人工智能的概念起源于1956年,以往试图通过模仿人脑结构与功能来实现机器智能,但由于受到脑科学发展和计算机处理能力的局限性,一直未能取得突破性进展。21世纪以来,随着大数据分析处理技术的发展,采用人工神经网络模型来模拟人脑输入、输出之间的“黑箱”,通过机器学习和大数据训练,能够较好地实现人脑的智能,由此促进了人工智能的快速发展。

  本研究基于DTI测试获得的脑部神经传导纤维结构及其分布状况,构建脑功能区的多Agent人工神经网络模型,以神经活动观测数据为输入,以被试者对其心理状态与行为意愿的自述为输出,通过实验观测大数据训练,获得稳定的输入、输出关联关系。通过实验验证,上述方法为解决从神经生理活动到精神活动之间的“桥梁”“黑箱”问题提供了有效的途径。

  网络群体行为,尤其是突发事件所导致的上述行为,往往具有开放性和复杂动态性。对上述行为现有的分析模型,基本上是从两方面来构建的:一是机理模型,如疾病传播模型、系统动力学模型等;二是数据模型,如通过大数据挖掘和数据拟合构建的各类模型。仅仅通过上述机理模型和对历史数据的挖掘分析,难以对未来不确定环境下的实际传播状况作出准确描述和预测。本研究采用ACP(Artificial Societies-Computational Experiments-Parallel Execution)框架下的TDF(Theory-Data-Feedback)建模方法,通过多Agent系统对网络群体行为的微观机理及其影响因素进行动态仿真,反演计算由此导致的网络群体行为表现,并采用可观测到的行为表现大数据进行实证,对仿真参数进行修正,可以对各类复杂的网络群体行为进行很好地解释、预测,并准确地预判其干预效果。

  网络群体行为的分析,不仅要从群体行为表现的宏观层面对其行为特征与影响因素进行分析,更需要深入把握上述行为表现的内在机理,通过微观机理仿真与宏观特征分析相结合来研究上述行为规律及管理对策。本研究提出的社会神经学机制模型及相关经验参数为各类网络群体行为的分析提供了重要机理模型及先验知识。本研究的成果已经在突发事件应急管理、网络学习、电子商务营销、互联网行为金融等各领域的网络行为分析中获得了重要应用,为上述领域的网络群体行为管理提供了重要的新思路与对策建议。

  在突发事件应急管理领域,通过对突发事件所导致的网络群体行为及政府应对措施的网络评论分析,基于社会神经学机制模型仿真对网络行为的管理策略提出了建议:在第一性情感反应阶段大脑对信息的处理难以形成理性认知,因此理性说服和法制教育难以发挥实际效果,应主要从安抚社会情绪、阻止事件扩大和防范危害性的非理性行为发生角度采取措施。通过对网络群体行为的扩散效应和“免疫”特征分析,提出了构建管理“微循环”机制的对策。通过对不同信息传播渠道所引发的网络群体行为对比分析,提出了采用政府官方微博与社会进行沟通交流作为最佳途径,给出了面向社会公众的各类媒介的报道原则、最合适的窗口期。通过物理空间、社会心理空间、网络空间的关联分析,提出了对网络行为、网下群体性事件进行预测分析的有效方法。

  在网络学习领域,通过对网络环境下在线学习者的群体行为分析,基于社会神经学机制模型提出了对上述行为表现数据进行智能化挖掘分析的方法。通过对学习者的视频、音频及网络行为数据进行监测,可以在线识别学习者的关注、兴趣、情绪、态度和行为意愿等心理状态,并对教学策略、学习情境及情感影响因子进行智能化调控,形成了动态的闭环反馈调节机制,在实际应用中使得学员的满意度和教学效果与原有水平相比较提升了23.7%。

  在电子商务营销领域,基于网络浏览、交易操作记录及在线论坛的群体交流、评论文本数据分析,通过社会神经学机制模型和仿真分析,构建了网络营销的人工心理情感模型,提出了基于网络行为数据和文本挖掘分析的跨境电子商务风险预警分析方法,构建了风险监测指标并为相关管理部门提供了大量管理与决策建议,为“众创空间”提供了关于产品与服务选择的重要建议。

  在互联网行为金融领域,深入分析了互联网行为金融的网络群体行为模式及特征,通过社会神经学机制模型和仿真分析,揭示了“羊群效应”的社会神经学机理和微观机理,为互联网金融产品的营销、金融市场的管理提供了大量对策建议。对不同基金经理的行为模式、风险偏好特征及客户交易行为作了深入研究,为基金公司的产品营销和基金经理的选择、评估提供了重要的依据,对风险投资项目的社会认知及其潜在风险作了准确评估,在160余个项目的投资分析中发现了传统投资分析方法难以觉察的重大风险,避免了巨大的投资损失。

  文章原载于社会科学报第1674期第5版,未经允许禁止转载,文中内容仅代表作者观点,不代表本报立场。返回搜狐,查看更多