Nonequilibrium phase transitions in a racism-spreading model with interaction-driven dynamics

Diese Arbeit untersucht ein dreistufiges epidemieähnliches Modell zur Ausbreitung von Rassismus in sozialen Netzwerken, das mithilfe von Differentialgleichungen und Agenten-basierten Simulationen auf verschiedenen Netzwerktopologien drei stationäre Regime sowie Phasenübergänge zwischen rassistischen und rassenfreien Zuständen identifiziert.

Das Wesentliche

Hier ist eine einfache und anschauliche Erklärung der Studie, als würden wir sie an einem Kaffeehaustisch besprechen.

Das große Bild: Rassismus als "soziale Grippe"

Stellen Sie sich vor, Rassismus wäre wie eine ansteckende Krankheit, die sich nicht durch Viren, sondern durch Gespräche und Interaktionen in sozialen Netzwerken (wie Facebook, Twitter oder Instagram) ausbreitet.

Die Autoren dieses Papers, Nuno Crokidakis und Lucas Sigaud, haben ein mathematisches Spiel entwickelt, um zu verstehen, wie diese "Krankheit" funktioniert und wie man sie stoppen kann. Sie nutzen dafür Werkzeuge aus der Physik, die normalerweise dazu dienen, wie sich Teilchen bewegen, aber hier wenden sie sie auf menschliches Verhalten an.

Die drei Charaktere im Spiel

In ihrem Modell gibt es nur drei Arten von Menschen (Agenten), die in einem digitalen Raum interagieren:

1. Die Unschuldigen (Susceptible - S): Das sind Menschen, die noch nie mit rassistischen Ideen in Kontakt gekommen sind. Sie sind wie leere Tücher. Sie können entweder zu "Infizierten" werden (wenn sie Rassisten hören) oder zu "Leugnern" (wenn sie starke Gegenstimmen hören).
2. Die Infizierten (Infected - I): Das sind die Verbreiter. Sie glauben an die rassistische Propaganda und versuchen, andere davon zu überzeugen. Sie sind wie die "Patienten Null", die die Nachricht weitergeben.
3. Die Leugner (Deniers - D): Das sind die Helden des Modells. Diese Menschen haben Rassismus gesehen, aber sie haben ihn abgelehnt. Das Besondere: Sie sind "immun". Einmal ein Leugner, immer ein Leugner. Sie können nicht wieder "infiziert" werden. Sie versuchen aktiv, die Ausbreitung zu stoppen, indem sie andere überzeugen.

Wie funktioniert das Spiel?

Stellen Sie sich einen großen, vernetzten Raum vor, in dem alle miteinander sprechen.

• Der Ansteckungsweg: Wenn ein "Unschuldiger" mit einem "Infizierten" spricht, besteht eine gewisse Wahrscheinlichkeit, dass er ebenfalls rassistisch wird.
• Der Gegenangriff: Wenn ein "Unschuldiger" mit einem "Leugner" spricht, kann er zum Leugner werden.
• Die Rettung: Sogar ein "Infizierter" kann von einem "Leugner" überzeugt werden und seine Meinung ändern (wenn auch schwerer).
• Der "Neustart": Es gibt auch einen Faktor namens "Geburt und Tod" (im Modell: $\mu$). Das bedeutet, dass alte Nutzer das Netzwerk verlassen und neue, völlig unvoreingenommene Nutzer eintreten. Das ist wie ein ständiger "Refresh"-Knopf für die Gesellschaft.

Was haben sie herausgefunden? (Die drei Szenarien)

Das Team hat das Modell auf verschiedenen Arten von Netzwerken getestet (wie ein perfekter Kreis, wo jeder jeden kennt, oder wie ein echtes soziales Netzwerk mit einflussreichen "Stars" und normalen Nutzern). Sie haben drei mögliche Endzustände entdeckt:

1. Der "Leere Raum" (Absorbierender Zustand):

   • Was passiert: Rassismus verschwindet komplett. Alle sind entweder noch unschuldig oder haben sich zu Leugnern entwickelt.
   • Wann passiert es: Wenn die "Infektionsrate" (wie leicht man zu Rassismus überzeugt wird) niedrig ist ODER wenn der "Refresh-Knopf" (neue, unvoreingenommene Nutzer) sehr schnell gedrückt wird.
   • Analogie: Es ist wie ein Feuer, das erlischt, weil der Wind (neue Leute) zu stark weht oder das Brennmaterial (die Überzeugungskraft der Rassisten) zu schwach ist.

2. Der "Kampf der Leugner" (Koexistenz):

   • Was passiert: Die Infizierten sind ausgestorben, aber es gibt eine Mischung aus Unschuldigen und Leugnern.
   • Wann passiert es: Wenn die Leugner stark genug sind, um die Infizierten zu besiegen, aber nicht stark genug, um jeden Unschuldigen sofort zu retten.
   • Analogie: Ein Krieg, bei dem die Guten gewonnen haben, aber noch viele Zivilisten im Niemandsland stehen.

3. Die "Endemische Seuche" (Aktive Phase):

   • Was passiert: Rassismus bleibt für immer im System. Es gibt immer Infizierte, Unschuldige und Leugner nebeneinander.
   • Wann passiert es: Wenn die Infektionsrate zu hoch ist und die Leugner zu schwach sind, um gegen die Strömung anzukommen.
   • Analogie: Ein brennendes Haus, bei dem das Feuer schneller ist als die Feuerwehr.

Die wichtigsten Erkenntnisse für die echte Welt

Die Forscher haben zwei sehr wichtige Dinge entdeckt, die uns helfen können, das Problem in der Realität zu lösen:

1. Die Macht der "Super-User" (Influencer)
In echten sozialen Netzwerken gibt es nicht nur normale Nutzer, sondern auch "Hubs" – Menschen mit tausenden von Followern (wie Prominente oder große Medien).

• Die Erkenntnis: In einem Netzwerk wie dem "Barabási-Albert"-Modell (was echte Netzwerke gut abbildet) können diese wenigen Super-User das ganze System dominieren.
• Die Lösung: Wenn man diese wenigen einflussreichen Personen dazu bringt, gegen Rassismus zu sprechen (oder ihre Inhalte moderiert), kann man die Ausbreitung viel effektiver stoppen als wenn man einfach alle zufällig anspricht. Es ist wie bei einem Waldbrand: Wenn man die großen, brennenden Bäume löscht, ist das Feuer schneller weg als wenn man kleine Äste löscht.

2. Der "Kleinst-Ort"-Effekt
In Netzwerken, die wie kleine Dörfer funktionieren (Watts-Strogatz-Modell), wo alle ihre Nachbarn kennen und sich schnell unterhalten, ist es schwieriger für Rassismus, sich weit zu verbreiten.

• Die Lösung: Starke lokale Gemeinschaften und Nachbarschaften, die sich gegenseitig unterstützen, wirken wie eine Barriere. Wenn Nachbarn gemeinsam gegen Hass reden, kann sich die "Infektion" nicht weit ausbreiten.

Fazit: Was können wir tun?

Die Studie sagt uns, dass Rassismus in sozialen Medien nicht einfach "da ist". Es ist ein dynamisches Spiel, das von den Regeln des Spiels abhängt.

• Zielgerichtete Intervention: Wir müssen nicht jeden einzelnen Menschen erreichen. Wir müssen die wichtigsten Knotenpunkte (die Influencer, die Admins, die großen Gruppen) erreichen.
• Geschwindigkeit ist wichtig: Je schneller neue, unvoreingenommene Menschen in den Raum kommen (oder je schneller wir alte, verhärtete Nutzer durch neue ersetzen), desto schwieriger ist es für den Hass, sich festzusetzen.
• Leugner sind mächtig: Menschen, die Rassismus aktiv ablehnen und weitergeben, sind die beste Waffe. Sie sind wie die Impfstoffe in diesem sozialen Spiel.

Kurz gesagt: Rassismus ist wie ein Virus, aber wir haben die Werkzeuge, um die Ausbreitung zu bremsen – wenn wir klug genug sind, die richtigen Leute zur richtigen Zeit anzusprechen.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Papiers auf Deutsch:

Titel: Nichtgleichgewichts-Phasenübergänge in einem Ausbreitungsmodell für Rassismus mit interaktionsgetriebener Dynamik

Autoren: Nuno Crokidakis und Lucas Sigaud

---

1. Problemstellung

Die Ausbreitung rassistischer Inhalte in sozialen Netzwerken stellt ein wachsendes gesellschaftliches Problem dar, das durch die Struktur und Dynamik digitaler Plattformen verstärkt wird. Bisherige Modelle (wie das SEID-Modell: Susceptible-Exposed-Infected-Denier) behandeln Rassismus oft als soziale Krankheit, die durch spontane Zustandsänderungen oder epidemische Mechanismen verbreitet wird.

Dieses Paper adressiert die Lücke, dass viele dieser Modelle spontane Übergänge (z. B. plötzliche Meinungsänderung ohne Interaktion) beinhalten, während in realen sozialen Medien Interaktionen der primäre Treiber sind. Ziel ist es, ein minimalisiertes Modell zu entwickeln, das ausschließlich auf interaktionsgetriebenen Übergängen basiert, um die makroskopischen Konsequenzen mikroskopischer sozialer Interaktionen zu untersuchen.

2. Methodik

Das Modell (SID-Modell)

Die Autoren schlagen ein dreikompartimentales Diffusionsmodell vor, das auf einem Netzwerk von $N$ Agenten basiert. Die Zustände sind:

• S (Susceptible/Anfällige): Individuen, die noch keinen Kontakt mit Rassismus hatten und empfänglich für Beeinflussung sind.
• I (Infected/Infiziert): Individuen, die rassistische Propaganda glauben und diese aktiv verbreiten.
• D (Denier/Verweigerer): Individuen, die Rassismus ablehnen und aktiv versuchen, seine Ausbreitung zu unterdrücken. Dieser Zustand ist absorbierend (einmal in D, kann man nicht zurück zu S oder I).

Dynamische Regeln (Reaktionen):
Die Zustandsänderungen erfolgen ausschließlich durch Interaktionen zwischen Agenten (keine spontanen Übergänge):

1. $S + I \xrightarrow{\beta} I + I$: Ein Anfälliger wird durch Kontakt mit einem Infizierten infiziert (Wahrscheinlichkeit $\beta$).
2. $S + I \xrightarrow{\alpha} D + I$: Ein Anfälliger lehnt Rassismus sofort ab, wenn er mit einem Infizierten interagiert (Wahrscheinlichkeit $\alpha$).
3. $S + D \xrightarrow{\eta} D + D$: Ein Anfälliger wird durch Kontakt mit einem Verweigerer zu einem Verweigerer (Wahrscheinlichkeit $\eta$).
4. $I + D \xrightarrow{\delta} D + D$: Ein Infizierter wird durch Kontakt mit einem Verweigerer überzeugt, den Hass zu verwerfen (Wahrscheinlichkeit $\delta$).

Zusätzlich gibt es Geburten ($\Lambda$) und Todesfälle ($\mu$). Neue Individuen treten nur als $S$ in das System ein.

Netzwerk-Topologien

Die Analyse wurde auf drei Arten von Netzwerken durchgeführt:

1. Vollverbundenes Netzwerk (Fully-connected): Entspricht einer Mittelwertfeld-Näherung (homogene Mischung). Gelöst durch gekoppelte Differentialgleichungen.
2. Barabási-Albert (BA) Netzwerk: Ein skalierungsfreies Netzwerk mit "Hubs" (preferential attachment), simuliert mittels agentenbasierter Monte-Carlo-Simulationen.
3. Watts-Strogatz (WS) Netzwerk: Ein Small-World-Netzwerk mit hohem Clustering und kurzen Pfadlängen, ebenfalls simuliert.

3. Wichtige Beiträge

1. Interaktionsgetriebene Dynamik: Im Gegensatz zu früheren Modellen werden keine spontanen Zustandsänderungen angenommen. Dies reduziert die Anzahl der freien Parameter und reflektiert die Realität sozialer Medien besser.
2. Identifikation absorbierender Zustände: Das Modell zeigt explizit das Auftreten von absorbierenden Zuständen (Zustände, aus denen das System nicht mehr entkommen kann), was für die Untersuchung von Phasenübergängen entscheidend ist.
3. Analyse auf heterogenen Topologien: Die Erweiterung von der Mittelwertfeld-Theorie auf komplexe Netzwerke (BA und WS) erlaubt Einblicke in den Einfluss der Netzwerkstruktur auf die Resilienz oder Fragilität rassistiefreier Zustände.
4. Minimale Modellstruktur: Durch die Reduktion auf drei Zustände und den Verzicht auf Zwischenstufen wird der Fokus auf die wesentlichen treibenden Kräfte gelegt.

4. Ergebnisse

Phasenverhalten und Phasenübergänge

Das System zeigt drei stationäre Regime:

• Absorbierender Zustand (Phase II): Nur $S$-Agenten existieren ($i=0, d=0$). Rassismus ist vollständig verschwunden.
• Koexistenz-Zustand (Phase I): $S$ und $D$ koexistieren, aber $I$ ist ausgestorben ($i=0, s>0, d>0$). Rassismus wird durch Verweigerer unterdrückt.
• Aktiver Zustand (Phase III): Alle drei Gruppen ($S, I, D$) koexistieren ($i>0$). Rassismus ist endemisch vorhanden.

Es wurden zwei kritische Schwellenwerte für die Infektionswahrscheinlichkeit $\beta$ identifiziert:

1. $\beta_c^{(1)} = \mu$: Trennt den absorbierenden Zustand vom aktiven Zustand.
2. $\beta_c^{(2)} = \frac{(\delta + \mu)\eta}{\mu - \delta}$: Trennt den Koexistenz-Zustand ($i=0$) vom aktiven Zustand.

Die Übergänge zwischen diesen Phasen sind kontinuierlich (zweiter Ordnung) und zeigen keine Hysterese. Das Modell wird der Universalitätsklasse der gerichteten Perkolation (Directed Percolation, DP) zugeordnet.

Einfluss der Parameter und Topologie

• Geburts-/Sterberate ($\mu$): Eine hohe $\mu$ (hohe "Refresh-Rate" des Systems) begünstigt den absorbierenden Zustand, da neue, anfällige Individuen schneller in das System kommen als die Infektion sich ausbreiten kann.
• Netzwerkeffekte:
  • Auf BA-Netzwerken (skalierungsfrei) sind die kritischen Werte qualitativ ähnlich wie im Mittelwertfall, aber die Präsenz von Hubs kann die Ausbreitung beschleunigen. Bei sehr hohem $\mu$ kollabiert das System jedoch schneller in den reinen $S$-Zustand als im Mittelwertfall.
  • Auf WS-Netzwerken (Small-World) zeigen sich ähnliche Phasenübergänge. Die hohe lokale Clusterbildung begünstigt die lokale Verstärkung durch Verweigerer und kann die Fernausbreitung von Hassinhalten hemmen.
• Stabilität: Die analytische Stabilitätsanalyse (Jacobian-Matrix) bestätigt die Existenz und Stabilität der drei Phasen.

5. Bedeutung und Implikationen

• Theoretischer Beitrag: Das Papier demonstriert, wie Werkzeuge der statistischen Physik (Phasenübergänge, absorbierende Zustände) genutzt werden können, um soziale Phänomene wie Rassismus zu modellieren. Es etabliert eine Verbindung zwischen komplexen Netzwerken und der Kontrolle von Hassrede.
• Politische und praktische Implikationen:
  • Gezielte Interventionen: Da Hubs in skalierungsfreien Netzwerken eine überproportionale Rolle spielen, könnten gezielte Maßnahmen gegen hochvernetzte Influencer effektiver sein als zufällige Interventionen.
  • Schwellenwerte: Die Identifikation kritischer Werte ($\beta_c$) bietet quantitative Ziele für Moderation und Aufklärungskampagnen. Wenn die Übertragungswahrscheinlichkeit unter diesen Schwellen gedrückt wird, kann das System in einen rassistiefreien Zustand gezwungen werden.
  • Rolle der Verweigerer: Das Modell zeigt, dass eine starke Präsenz von Verweigerern ($D$) und ihre Interaktion mit Anfälligen ($S$) sowie Infizierten ($I$) entscheidend für die Unterdrückung von Rassismus ist.
• Grenzen: Das Modell vereinfacht reale Dynamiken (z. B. keine institutionellen Moderationsregeln, lineare Übergänge). Zukünftige Arbeiten könnten empirische Daten zur Kalibrierung der Parameter integrieren.

Fazit: Die Studie liefert ein robustes theoretisches Rahmenwerk, das zeigt, dass die Struktur sozialer Netzwerke und die Interaktionsdynamik entscheidend dafür sind, ob rassistische Ideologien endemisch werden oder aussterben. Sie unterstreicht die Notwendigkeit von netzwerkbasierten Strategien zur Bekämpfung von Online-Hass.