Тирасполь, 8 февраля. /Новости Приднестровья/. Математика и поведение людей… Как использовать первое для изучения второго, сегодня рассказывал старший научный сотрудник Института проблем управления РАН, ассистент кафедры высшей математики Московского физико-технического института (МФТИ) Иван Козицин. Лекцию в честь Дня науки организовало Россотрудничество совместно с МФТИ. В онлайн-режиме к ней подключились около 100 человек: преподаватели, студенты, школьные учителя.
В качестве простейшего примера, как работают точные формулы для расчёта, казалось бы, непредсказуемых явлений, московский лектор привел SIR-модель. Это математическая модель, на основе которой ещё в начале прошлого века учились прогнозировать развитие эпидемий. О ней же вспомнили и 100 лет спустя, когда случился коронавирус. Впрочем, сегодня есть уже более современные и сложные алгоритмы, которые государства используют для изучения и противодействия пандемии.
Но не только эпидемиологические процессы можно изучать с помощью математических формул. Они применимы и для анализа путей и способов распространения информации, причем как в среде живого общения, так и виртуального, в соцсетях, например.
Важны обе модели: и макро, и микро. Но последняя может дать больше нужной информации и понимания динамики распространения той или иной информации.
«Эти модели позволяют ответить на множество вопросов, но социологи как правило выделяют следующий: понять, к каким макропоследствиям на уровне, например, государства, приводят те или иные микромеханизмы взаимодействия. Что будет, если мы, например, поменяем мнение какого-то влиятельного пользователя, как мнение известного блогера может повлиять на отношение людей к ношению масок, например, и тому подобное», – говорит Иван Козицин.
Математические уравнения помогают отслеживать появление и распространение фейковых новостей, которые могут сильно влиять на общественное настроение, или тех же мемов как людской реакции на то или иное событие.
Ещё одна ветвь – изучение динамики мнений. Учёные применяют точные формулы, чтобы уловить колебания такого эфемерного и в то же время важного явления как человеческое мнение по той или иной теме. Они анализируют, как люди меняют свою позицию под влиянием своего окружения, соцсетей, СМИ. Например, 10 лет назад провели исследование того, как быстро человек зарегистрируется в Фейсбуке в зависимости от степени присутствия там его знакомых и друзей.
«Тогда можно было через почту отправлять своим друзьям приглашение зарегистрироваться. Учёные на их основании пытались понять, сколько нужно таких приглашений, чтобы человек туда вступил и как на это влияют связи между теми, кто их отсылает… До этой публикации считалось, что вероятность того, что вы предпримете какое-то действие, зависит от числа ваших знакомых, которые совершали это действие. А это исследование показало, что всё намного сложнее… Оказывается, дело не только в том, сколько ваших знакомых есть в ФБ, но и в том, как они там дружат между собой… Чем больше у вас там друзей из совершенно разных сфер, тем больше вероятность того, что и вы зарегистрируетесь в Фейсбуке», – пояснил Иван Козицин.
Или, к примеру, как измерить степень влияния в соцсетях того или иного инфлюенсера. Вопрос более чем прикладной: бизнесу (торговой марке, компании) нужно знать, в кого лучше вложить деньги для более эффективного продвижения своего продукта. И здесь на помощь тоже приходят сложные математические модели. Как и в предыдущем примере, выводы не так однозначны, как кажется на первый взгляд.
«Это влияние нельзя оценить просто числом подписчиков, здесь работает немного более сложный подход. Он как раз апеллирует к аппарату линейной алгебры… Влиятельность вершины (блогера – прим. ред.) определяется суммой влиятельности вершин (других инфлюенсеров – прим. ред.), которые на тебя подписаны», – пояснил старший научный сотрудник Института проблем управления РАН.
Измерять текущее (и предсказывать будущее) поведение и изменение мнения людей исследователи начали задолго до появления интернета еще в середине XX века. Например, есть модель Дегроота, по которой степень влияния на человека складывается из мнения его знакомых, весомости их взглядов для него, его собственной позиции, периода времени и иных переменных.
«Это модель очень простая, но вместе с тем она была эмпирически подтверждена во многих лабораторных исследованиях, в рамках которых следили, как люди меняют своё мнение. Более того, эта модель в какой-то степени провалидирована на онлайновых социальных сетях. Учёные проводили эксперименты, они смотрели, как меняется мнение людей, и сопоставляли данную динамику с моделью Дегроота. Оказалось, что она, действительно, неплохо описывает реальные процессы», – рассказал Иван Козицин.
Ещё один момент – это влияние информационного ландшафта соцсети на позицию человека. Речь о современных алгоритмах подбора информации – когда сеть или поисковик предлагает вам те темы или сервисы, на которые вы обычно кликаете. Исследователи выяснили: если человек всегда читает только те посты, которые отвечают его позиции и не приемлет альтернативы, он может легко стать жертвой манипулятора. Исследование провели на основе работы Твиттера, запустив туда ботов.
«Оказалось, что начальные подписки, их политическая ангажированность предсказали, в какой информационной … камере окажется бот в будущем… Информационная камера – это когда вы получаете только ту информацию, которая полностью соответствует вашим взглядами и не приемлете никакой альтернативной точки зрения… Эти структуры легко уязвимы относительно фейковых новостей: поскольку ваше мнение совпадает с мнением источника новостей, вы просто можете не заметить, что вам отправили какую-то ложную новость. А вы её приняли, потому что вы разделяете мнение, которое она передает и у вас отсутствует какой-то объективный взгляд на данный вопрос», – пояснил лектор.
Такая тенденция не то чтобы абсолютная и неизменная, но весьма закономерная, отмечали учёные.
Юлия Горлова
