2025-06-25 06:39来源:本站
有关模型详细信息,请参见补充信息第6节。显示的是共享错误信息的个体级别概率与人口级别的暴露率之间的关系,对于各种级别的网络密度(平均代理与K/N连接的人群的比例,K/N)与不同的网络结构之间的关系。顶部,原始数量的代理数量暴露于错误信息(y轴),这是代理的原始概率错误信息共享的函数(X轴)。底部,相对于对照(Y轴)暴露于错误信息的人口比例的降低百分比是个人相对于对照(X轴)共享错误信息的概率的降低百分比的函数。可以看出,跨网络结构出现了强大的模式。首先,我们看到网络动态永远不会抑制个体级的干预效果:X%的共享概率的降低总是会减少暴露于错误信息的人群的比例至少x%。其次,在某些情况下,网络动力学可以显着扩大个体级干预的影响:例如,共享概率降低10%会导致暴露的人群分数下降40%,共享概率降低50%,而共享概率降低了50%,而降低了95%的人群的降低。这些仿真结果有助于将我们关于个人级别共享的发现与对人群级别传播错误信息的影响的影响联系起来。他们展示了个人级干预措施的潜力,例如我们在这里提出的准确性提示,以有意义地提高通过社交媒体传播的信息的质量。这些模拟还为未来的理论工作奠定了基础,可以研究一系列问题,包括只有有限数量的代理人才能介入,涉及哪些代理。 最佳时空干预时间表最小化了接受干预措施的任何个体代理的频率(以最大程度地减少适应性或熟悉效果),并包含战略共享考虑因素(通过引入游戏理论)。