Как социальные сети помогают группам учиться и принимать решения в условиях опасности

Социальные сети как инструмент коллективного обучения в условиях опасности

Социальные сети, несмотря на потенциальную опасность распространения ложной информации, могут также служить мощным инструментом для преодоления вызовов, связанных с дезинформацией, накапливая опыт и время. Данное исследование исследует, как социальные сети способствуют обучению, используя экспериментальную модель игры с итеративным принятием решений, симулирующей непредсказуемую ситуацию, с которой сталкивается группа. В эксперименте приняли участие 2786 человек, разделенных на 120 групп. Результаты показывают, что хотя социальные сети поначалу могут способствовать распространению ложной информации и подавлению необходимых действий, перестройка связей (tie rewiring) в конечном итоге улучшает процесс принятия решений участниками с течением времени. Кроме того, исследование демонстрирует, что эффективность социальных сетей в обучении достигается за счет интеграции индивидуального опыта в структурные изменения сети. Таким образом, социальные сети могут поддерживать коллективное обучение, если они формируются на основе накопленного опыта и сложившихся взаимоотношений.

Введение

Социальные сети являются средой для распространения информации и поведенческих моделей, как положительных, так и отрицательных. В то время как люди получают пользу от социальных сетей, которые передают ценную информацию, способствуют формированию здоровых привычек и оказывают социальную поддержку, они также страдают от распространения фейковых новостей, нездоровых практик и насилия. Социальные сети, выступая в качестве каналов распространения, могут создавать серьезные трудности для коллективного принятия решений.

Помимо выполнения функций каналов распространения, социальные сети могут играть иную роль в нашей социальной жизни: коллективное обучение. Теория предполагает, что социальные сети способны аккумулировать коллективный интеллект посредством повторяющегося опыта. Люди могут изменять свои восприятия и поведение не только на основе собственного опыта, но и наблюдая за другими. Они также могут присваивать различный вес и доверие разным людям, выбирая, устанавливать с ними связь или разрывать ее, по мере того как они узнают друг друга. Например, перестройка связей помогает людям преодолевать социальные дилеммы и развивать сотрудничество. Социальные сети также могут способствовать другим позитивным коллективным формам поведения, таким как доверие, взаимность и моральное поведение.

Эта способность к коллективному обучению может быть жизненно важной для людей (и других животных) для выживания в опасной среде. В такой среде опасности могут возникать последовательно; например, землетрясения, вызывающие цунами; или повторяющиеся эпидемии болезней. Столкнувшись с одним кризисом за другим, люди могли бы повысить свою приспособленность, коэволюционируя свою информационную сеть и поведение. Как социальные сети могут помочь людям учиться на прошлых неудачах в реагировании на опасности и принимать лучшие решения в будущем?

В данном исследовании проверяется эффективность социальных сетей в обучении с помощью лабораторного эксперимента с участием людей. В эксперименте использовались неблагоприятные условия, которые затрудняют точную коммуникацию и рациональные решения в условиях риска «катастрофы». В экстренных ситуациях люди часто откладывают действия, вместо того чтобы оперативно следовать необходимым приказам об эвакуации, и распространяют ложные заверения, известные как «нормативное предубеждение» (normalcy bias). Предыдущие исследования показывают, что социальные сети могут усиливать этот вредный эффект через межличностную коммуникацию. С другой стороны, такой кризис побуждает людей перестраивать свои сети. Таким образом, сценарий принятия решений, моделирующий внезапную катастрофу, подходит для изучения коллективного обучения, чтобы выяснить, как люди преодолевают негативное влияние социальных связей.

Социальные сети могут способствовать развитию коллективного интеллекта двумя неисключающими друг друга механизмами: (i) изменение внутренних правил или вероятностей реакции на сигналы соседей (т.е. индивидуальное обучение); (ii) изменение структуры популяции, которое усиливает диффузию сигналов (т.е. эволюция сети). Эти механизмы соответствуют элементам графа, то есть вершинам и ребрам соответственно. Хотя сетевая теория часто оценивает структуру отдельно от индивидов, интеграция индивидов и структуры сети, а не только индивидов или только структуры сети, может быть ключевым фактором для коллективного обучения. Таким образом, данное исследование изучает эффект взаимодействия между индивидами и структурой сети, контролируя каждый механизм с помощью экспериментальных манипуляций.

В качестве причинно-следственного пути, каждый индивид может улучшить свою производительность по мере обучения на прошлом опыте. В этом случае, эффективность их обучения должна зависеть от экологических и исторических контекстов, формирующих личный опыт. Эмпирические данные показывают, что люди реагируют на катастрофу по-разному в зависимости от предшествующего опыта. Здесь мы исследуем индивидуальную реакцию, манипулируя временным паттерном «катастроф», с которыми сталкивались участники.

Структура сети также может влиять на индивидуальные и групповые суждения в чрезвычайных ситуациях. Предыдущие работы предполагают, что сети с большим количеством связей, короткими путями и большим количеством кластеров могут способствовать групповой производительности. Социальные взаимодействия также могут повысить точность групповых оценок, когда отдельные люди, дающие более точные оценки, имеют больше связей и, следовательно, более влиятельны, чем другие. Таким образом, сетевая динамика может помочь людям модифицировать свои локальные связи для развития такой эффективной сети с соответствующей обратной связью. Здесь мы также проверяем эти теоретические прогнозы относительно влияния структуры сети на способность группы обмениваться точной информацией.

Экспериментальная установка

В исследовании приняли участие 2786 уникальных испытуемых, набранных через онлайн-рынок труда (демографические данные представлены в Дополнительной таблице 1). Испытуемые были объединены в 120 групп со средним размером 15,5 человек (стандартное отклонение = 1,1). Все испытуемые дали согласие, прошли серию проверок на человеческую верификацию и тест на понимание правил игры и выплат перед началом игры. Каждый мог участвовать в эксперименте только один раз (подробности см. в разделе «Методы»).

Для изучения коллективного обучения в сетях использовалась итеративная игра на принятие решений, первоначально разработанная как одноразовая игра для изучения коллективной коммуникации и поведения в ответ на неопределенность «катастрофы», называемая «игра эвакуации». В отличие от стандартной задачи выбора в условиях риска, используемой для изучения принятия решений человеком в условиях риска, эта игра охватывает различные дилеммы, с которыми люди сталкиваются в реальных чрезвычайных ситуациях в условиях ограниченного времени. Например, люди должны решить, предпринять ли дорогостоящие действия (например, эвакуация) при неполной информации в определенный момент, чтобы избежать возможной будущей потери; сбор дополнительной информации может увеличить риск негативных последствий; а помощь другим (например, остаться на месте для передачи важной информации) может снизить их собственный шанс на выживание. В данном исследовании испытуемые играли в итеративную игру эвакуации, которая длилась четыре раунда в их назначенной группе. Затем были изменены два ключевых измерения: (i) временной паттерн «катастроф» (контекст окружающей среды) и (ii) наличие и способ связи группы людей (групповые настройки) (Рис. 1A).

В каждом раунде испытуемые получали 1,00 доллара США в начале. Если ничего не происходило до конца игры, они сохраняли полученные средства. Однако они могли оказаться в ситуации «катастрофы», которая могла произойти в любой момент. Каждый испытуемый мог потратить 0,50 доллара США, чтобы избежать этой опасности в любое время. Кроме того, когда испытуемые не подвергались «катастрофе», они получали 0,05 доллара США за каждого другого игрока, который предпринял правильное действие (Дополнительная таблица 2). Эта дополнительная выплата стимулировала передачу надежной информации о «катастрофе», чтобы помочь другим. Каждый раунд заканчивался в среднем через 75,0 секунд (стандартное отклонение = 9,5) без предварительного уведомления. После окончания раунда испытуемые узнавали, произошла ли «катастрофа» и предприняли ли они правильное действие (т.е. остались до конца без «катастрофы» или эвакуировались до ее наступления). Затем испытуемые играли еще один раунд, пока не завершили всего четыре раунда.

В рамках этой базовой настройки были изменены частота и непрерывность «катастроф». Группа испытуемых сталкивалась с возможными «катастрофами» в течение раундов в одном из следующих сценариев: «катастрофа» происходила в каждом раунде; «катастрофа» не происходила в каждом раунде; «катастрофа» происходила в раундах 1 и 3, но не происходила в раундах 2 и 4; и, наконец, «катастрофа» происходила в раундах 2 и 4, но не происходила в раундах 1 и 3. В результате «катастрофа» происходила ровно в половине раундов (т.е. с вероятностью 50% для каждого раунда). Испытуемые воспринимали «катастрофы» случайным образом, хотя паттерн был предопределен (за исключением случайно выбранных информаторов; см. ниже).

Независимо от вышеуказанных паттернов «катастроф», также была изменены условия существования сетевых связей в группе. Испытуемые были случайным образом распределены по одной из трех условий: независимое, статическая сеть или динамическая сеть (Рис. 1A). В то время как независимое условие не предусматривало межличностной коммуникации, сетевые условия позволяли испытуемым общаться друг с другом. Во всех условиях в начале игры был случайно выбран один испытуемый в каждой группе, чтобы заранее сообщить этому испытуемому («информатору») о том, действительно ли произойдет «катастрофа». Остальные испытуемые не знали, кто является информатором, но знали, что некоторые игроки действительно обладали такой точной информацией. Группа имела одного и того же информатора на протяжении всех четырех раундов (за исключением дополнительного условия; см. ниже). В независимом условии, однако, испытуемые не имели сетевых связей для обмена точной информацией, полученной от информатора, и должны были принимать решение об эвакуации самостоятельно.

С другой стороны, в сетевых условиях (статическая и динамическая сети) информатор, работая с другими, мог передавать правду о надвигающейся катастрофе через сетевые связи. Испытуемые играли в игру в направленной сети со случайной конфигурацией графа, поскольку начальная плотность была установлена на уровне 0,25. Во время игры они могли обмениваться информацией о возможной надвигающейся «катастрофе» с соседями, используя кнопки «Безопасно» (Safe) и «Опасно» (Danger), указывающие их оценку (см. «Методы»). Испытуемые могли использовать кнопки «Безопасно» и «Опасно» в любое время, если они не эвакуировались или им не приходилось это делать.

Были протестированы два типа сетевых условий (Рис. 1A). В условии статической сети испытуемые играли четыре раунда с одними и теми же соседями по сети. В условии динамической сети испытуемые могли менять своих соседей на основе их производительности в последнем раунде. После каждого раунда случайным образом выбирались 40% всех пар испытуемых (в обоих направлениях). Испытуемые могли перестраивать выбранные связи. Если связь уже существовала, предшествующий испытуемый («последователь») мог выбрать, разорвать ли связь с последующим («последователем»). Если связь не существовала, предшествующий испытуемый получал возможность установить связь с последующим. При принятии этого решения испытуемым сообщалась информация о производительности фокусных игроков в последнем раунде (см. «Методы»).

Для прояснения механизмов, благодаря которым динамические сети способствуют развитию коллективного интеллекта, были добавлены два дополнительных условия эксперимента. В одном условии испытуемые играли в игре в тех же условиях, что и в условии динамической сети, но информаторы (т.е. испытуемые, заранее информированные о «катастрофах») менялись каждый раунд. Было проведено 20 сессий в условии случайного информатора (316 испытуемых в 20 группах; по 5 групп для каждого из четырех типов паттернов «катастроф»). В другом условии испытуемым были назначены 40 изоморфных сетей, которые другие испытуемые разработали с опциями перестройки связей в течение трех раундов в условии динамической сети (567 испытуемых в 40 группах). Структура сети и другие параметры игры (т.е. произошла ли катастрофа, как долго длилась игра и какой узел был информатором) были идентичны тем, в которых другие играли в игру в последнем раунде. Однако игроки были другими, и у них не было предварительного опыта игры. Они просто играли в игру в сети с топологией, созданной другими, предположительно для оптимизации точного потока информации. В отличие от других условий, испытуемые играли только один раунд в изоморфной сети.

Таким образом, было оценено 14 условий. Основное исследование включало 12 комбинаций условий: 4 временных паттерна «катастроф» в сочетании с тремя типами групповых настроек (Рис. 1A). Для каждой комбинации было проведено 10 сессий (т.е. всего 120 сессий). Также было проведено одно дополнительное условие со случайными информаторами (20 сессий) и другое с изоморфными сетями (40 сессий). Эксперимент включал в общей сложности 180 сессий с участием 2786 испытуемых. Каждый испытуемый участвовал только в одной сессии, состоящей из четырех раундов игры эвакуации.

Результаты

Изменения в решениях об эвакуации с использованием сетей

Динамические социальные сети значительно улучшили групповую производительность в условиях риска и неопределенности в эксперименте (Рис. 1B). Во всех условиях точность выбора увеличивалась с каждым раундом, начиная примерно с 50% в первом раунде. Однако улучшение при использовании динамических сетей было значительно выше, чем в сессиях без сетевых соединений и связанной с ними коммуникации. В сессиях со статическими сетями наблюдалось незначительно значимое улучшение по сравнению с независимыми сессиями (доля правильных действий в 4-м раунде = 0,591 ± 0,053 с 95% доверительным интервалом в независимом условии при n = 40; 0,671 ± 0,083 в условии статической сети; 0,767 ± 0,061 в условии динамической сети; n = 40 для каждого условия; P = 0,028 в условии статической сети; P = 0,002 в условии динамической сети; P = 0,028 против динамической сети).

«Время принятия решений играет важную роль в кризисных ситуациях. Отсрочка может быть связана с недостатком информации или страхом перед неизвестностью.»

В целом, коллективные решения, принимаемые группами с динамическими сетями, были точнее, чем решения, принимаемые группами со статическими сетями или без них. Это предполагает, что способность адаптировать сетевые связи в ответ на обратную связь является ключевым фактором улучшения принятия решений в условиях неопределенности.

Распространение ложной информации и перестройка связей

Исследование также показало, что изначально социальные сети могут усиливать распространение ложной информации. В условиях, где «катастрофа» происходила редко, участники с динамическими сетями были менее склонны доверять ложным сигналам, чем те, кто действовал независимо. Это указывает на то, что адаптивная перестройка связей позволяет группам учиться и отвергать дезинформацию.

«Способность сети к самооптимизации через перестройку связей является ключом к преодолению распространения ложной информации.»

Участники в условиях динамических сетей демонстрировали повышенную осторожность и стремились подтвердить информацию из нескольких источников, прежде чем принимать решение. Это говорит о том, что динамические сети способствуют более критическому подходу к информации.

Интеграция индивидуального опыта и структурных изменений

Ключевым выводом исследования является то, что коллективное обучение в сетях происходит благодаря интеграции индивидуального опыта в структурные изменения сети. Когда участники учатся на своих ошибках и успехах, они также могут влиять на структуру сети, устанавливая или разрывая связи. Это создает петлю обратной связи, которая позволяет группе коллективно адаптироваться и улучшать свои решения.

«Эффективность коллективного обучения напрямую зависит от того, насколько индивидуальный опыт трансформируется в коллективные знания, отраженные в структуре сети.»

Это означает, что структура социальной сети не является статичной, а динамически формируется на основе коллективного опыта, что, в свою очередь, влияет на будущие решения.

Моделирование принятия решений и сетевой динамики

Для более глубокого анализа были использованы модели статистического анализа, включая модель пропорциональных рисков Кокса (Cox proportional hazards model). Эта модель позволяет оценить, как различные факторы, такие как полученные сигналы, позиция в сети и предыдущий опыт, влияют на вероятность принятия решения об эвакуации в определенный момент времени.

Модель учитывала:

• Индивидуальный опыт (P_i): Количество раундов, количество пережитых «катастроф» и количество случаев, когда испытуемый непосредственно пострадал от «катастрофы».
• Сигналы от соседей (X_i(t)): Количество «безопасных» (safe) и «опасных» (danger) сигналов, полученных от соседей в сети в момент времени t.
• Сетевые свойства (G_i): Индикаторы исходящего и входящего коэффициентов связей, а также показатель пластичности сети.
• Собственные сигналы (Y_i(t)): Количество отправленных «безопасных» и «опасных» сигналов до момента времени t.

Эта модель демонстрирует, как вероятность эвакуации индивида зависит от сигнальных действий других, его позиции в сети и накопленного опыта. Аналогичная модель применялась для анализа первого сигнального поведения.

$${ambda }_{i} eftt|{{P}_{i}, X}_{i}(t), {G}_{i},{Y}_{i}(t) ight={ambda }_{0}(t)athrm{exp}eft{{eta }_{P}^{{rime}}{P}_{i}+eta }_{X}^{{rime}}{X}_{i}(t)+{eta }_{G}^{{rime}}{G}_{i}+{eta }_{Y}^{{rime}}{Y}_{i}(t)+{amma }_{i} ight$$

где λ₀(t) — базовая интенсивность отказа (hazard) в момент времени t. В модели интенсивность отказа λᵢ(t) зависит от ковариат Pᵢ, Xᵢ(t), Gᵢ и Yᵢ(t). Ковариата Pᵢ — это вектор опыта субъекта i до сессий, т.е. количество раундов, количество «катастроф», которые он пережил, и количество «катастроф», которые непосредственно затронули его. Ковариата Xᵢ(t) — это вектор количества безопасных сигналов {x}_{i}^{safe} (t) и опасных сигналов {x}_{i}^{danger} (t). Когда субъект j является соседом субъекта i (т.е. jn {N}_{i}), субъект i подвергается воздействию сигнала субъекта j, таким образом:

$${x}_{i}^{safe} (t)=um_{jn {N}_{i}}{a}_{j}^{show safe}(t)$$$${x}_{i}^{danger} (t)=um_{jn {N}_{i}}{a}_{j}^{show danger}(t)$$

Ковариата Gᵢ — это вектор свойств сети, в которой находится субъект i: исходящий коэффициент связей (outdegree), входящий коэффициент связей (indegree) и показатель пластичности сети. Ковариата Yᵢ(t) — это вектор количества действий субъекта i по отправке безопасных и опасных сигналов до момента времени t. Коэффициенты β — это фиксированные эффекты, а γᵢ — случайный эффект для индивида i. Мы предполагали, что время ожидания эвакуации у разных субъектов является условно независимым при заданном наборе сигналов, полученных от соседей по сети. Эта модель показывает, как интенсивность отказа индивида от эвакуации зависит от сигнальных действий других, его сетевой позиции и опыта (Дополнительная таблица 4). Та же модель была применена к первому сигнальному поведению.

Заключение

Данное исследование демонстрирует, что социальные сети, несмотря на потенциальные риски, связанные с распространением дезинформации, могут играть значительную роль в коллективном обучении и улучшении принятия решений группами, особенно в условиях опасности и неопределенности. Ключевым фактором является динамическая природа таких сетей, позволяющая им адаптироваться и развиваться на основе коллективного опыта. Перестройка связей позволяет группам учиться на прошлых ошибках, отфильтровывать ложную информацию и принимать более обоснованные решения с течением времени. Таким образом, социальные сети, построенные на основе накопленного опыта и прочных взаимоотношений, могут стать мощным инструментом для повышения устойчивости и эффективности групп в сложных ситуациях.