D-MODD: A Diffusion Model of Opinion Dynamics Derived from Online Data

Cet article présente D-MODD, le premier modèle stochastique continu à base de données dérivé de données longitudinales de médias sociaux, qui décrit avec précision la dynamique réelle des opinions sur des sujets polarisés à l'aide d'une équation de type Langevin avec des fonctions de dérive et de diffusion reconstruites empiriquement.

L'essentiel

La vue d'ensemble : Cartographier la « météo » des opinions

Imaginez Internet comme un océan géant et chaotique où les opinions des gens sont comme des bateaux flottant sur l'eau. Habituellement, nous pensons que ces bateaux dérivent au hasard, poussés par chaque vague et chaque vent (un tweet, une une de journal, le commentaire d'un ami).

Ce papier pose une question simple : Existe-t-il une carte cachée ou un ensemble de courants invisibles qui guident ces bateaux, même s'ils semblent simplement dériver ?

Les auteurs, en utilisant des données de Twitter (maintenant X) sur le changement climatique, disent oui. Ils ont construit un modèle mathématique appelé D-MODD (Modèle de Diffusion de la Dynamique des Opinions Déduit des Données) pour prouver que les opinions en ligne ne rebondissent pas au hasard ; elles suivent des règles spécifiques et prévisibles, tout comme l'eau qui s'écoule d'une colline.

Comment ils ont fait : La carte « voyage dans le temps »

Pour trouver ces règles, les chercheurs n'ont pas pris une simple photo de ce que les gens pensaient un jour donné. Au lieu de cela, ils ont observé un « film en accéléré » de 57 millions de tweets sur une année entière.

1. Les deux vallées : Ils ont découvert que l'« océan » de l'opinion n'est pas plat. Il possède deux profondes vallées (ou bassins).
   • Une vallée est pour les personnes qui croient au changement climatique (Pro-climat).
   • L'autre vallée est pour les personnes qui le nient (Négationnistes).
2. La gravité invisible : La plupart des opinions des gens roulent naturellement dans l'une de ces deux vallées et y restent. Si quelqu'un essaie de dériver hors de sa vallée, une « gravité » invisible (la dérive) les tire de nouveau vers l'intérieur.
3. Les oscillations : Tandis que les gens restent dans leurs vallées, ils ne restent pas parfaitement immobiles. Ils oscillent un peu. Ce « balancement » est la diffusion. Parfois, les oscillations sont petites (opinions stables), et parfois elles sont grandes (opinions instables).

Les deux découvertes clés

1. Les règles du jeu (La dérive et la diffusion)

Les auteurs ont mesuré exactement la force de cette « gravité » et l'ampleur des « oscillations » des gens.

• L'attraction : Si vous êtes un croyant au climat et que quelqu'un essaie de vous convaincre de nier le changement climatique, la « gravité » de votre communauté vous ramène de votre côté. Il en va de même pour les négationnistes.
• Le terrain d'entente : Il y a un endroit plat et instable juste au milieu (entre les deux vallées). Si vous êtes exactement au milieu, vous risquez d'être poussé rapidement vers l'une des deux vallées. Il est difficile de rester neutre longtemps.

2. Les « obstinés » contre les « vacillants »

C'est la partie la plus intéressante de leur découverte. Ils ont regardé qui habite dans quelle vallée et ont trouvé une grande différence dans la façon dont ils sont « vacillants ».

• Les négationnistes du climat (Le Rocher) : Les personnes dans la vallée négationniste sont comme de lourds rochers. Une fois qu'ils sont là, ils oscillent à peine. Leurs opinions sont extrêmement stables et cohérentes. Le papier a révélé que beaucoup de ces comptes sont liés à des groupes politiques spécifiques (comme les partisans de MAGA aux États-Unis) et agissent comme des agents « obstinés » qui changent rarement d'avis.
• Le groupe Pro-climat (Les Feuilles) : Les personnes dans la vallée pro-climat sont plus comme des feuilles dans le vent. Ils sont toujours dans la vallée, mais ils oscillent beaucoup plus. Leurs opinions fluctuent davantage. Le papier suggère que ce groupe comprend de nombreuses institutions, journalistes et scientifiques qui discutent d'un large éventail de sujets, rendant leur « signal d'opinion » plus bruyant et moins rigide.

La « magie » du modèle

Les chercheurs ont construit une simulation informatique (le modèle D-MODD) en utilisant ces règles du monde réel.

• Ils ont fourni au modèle les règles de « gravité » et d'« oscillation » qu'ils avaient trouvées dans les données.
• Ils ont laissé l'ordinateur exécuter une fausse simulation de personnes changeant d'avis.
• Le résultat : La fausse simulation ressemblait presque exactement aux vraies données de Twitter.

Cela prouve que la dynamique de l'opinion en ligne peut être décrite par un ensemble simple d'équations mathématiques (spécifiquement, un type d'équation utilisé en physique pour décrire le mouvement des particules). Cela signifie que nous pouvons prédire comment les opinions évoluent si nous connaissons le « terrain » de la conversation.

Analogie de résumé

Imaginez le débat sur le climat comme un bowling.

• Il y a deux gouttières (les deux opinions extrêmes).
• La plupart des gens sont des boules de bowling qui restent coincées dans l'une des gouttières.
• La gouttière des négationnistes a un sol très collant ; une fois la boule dedans, elle bouge à peine.
• La gouttière Pro-climat a un sol légèrement glissant ; la boule roule un peu plus.
• Le milieu de la piste est une rampe qui pousse la boule rapidement vers l'une des gouttières.

La principale réalisation du papier est de mesurer exactement à quel point ces gouttières sont collantes et glissantes, prouvant que même dans le chaos des réseaux sociaux, il existe un ordre mathématique caché dans la façon dont nous argumentons et nous accordons.

Résumé technique

Résumé Technique : D-MODD – Un Modèle de Diffusion des Dynamiques d'Opinion Dérivé de Données en Ligne

Énoncé du Problème

Bien que les modèles de dynamiques d'opinion (par exemple, DeGroot, confiance bornée, modèles d'électeurs) aient fourni des cadres théoriques pour comprendre le consensus, la polarisation et les chambres d'écho, peu ont été calibrés à l'aide de données réelles de séries temporelles. Les études empiriques existantes reposent souvent sur des instantanés d'enquêtes statiques ou des mesures agrégées de sentiment, échouant à capturer l'évolution continue des opinions individuelles. De plus, les simulations basées sur des agents, bien que capables de reproduire des comportements émergents, manquent souvent de la capacité d'identifier les lois stochastiques spécifiques régissant les comportements microscopiques. Il existe une lacune critique dans le lien entre les traces comportementales au niveau individuel et les résultats macroscopiques via une conceptualisation analytique en temps continu. Cet article aborde le défi de la dérivation empirique d'un modèle stochastique pour les dynamiques d'opinion sur un sujet polarisé en utilisant des données longitudinales de réseaux sociaux.

Méthodologie

Collecte et Prétraitement des Données

L'étude utilise l'ensemble de données Climatoscope, comprenant 57 millions de tweets de 2022 liés au changement climatique, collectés via l'API de suivi de Twitter. L'ensemble de données révèle un paysage fortement polarisé entre les sceptiques/dénialistes du climat et les utilisateurs pro-climat.

• Construction du Graphique : Des graphes d'interaction dynamiques ont été construits à l'aide de réseaux de retweets sur des périodes de 3 semaines avec une fenêtre glissante de 7 jours, résultant en 50 graphes pour l'année. Les arêtes représentent les comptes de retweets, filtrés par un seuil ($>1$) pour inclure 691 993 utilisateurs uniques.
• Embedding dans l'Espace Latent : Les graphes ont été intégrés en utilisant node2vec. Une réduction 2D supervisée UMAP a été appliquée, entraînée sur des "comptes ancrés" avec des positions connues pro-climat ou dénistes.
• Transformation de Coordonnées : Une transformation linéaire a aligné les barycentres des ancres pro-climat et dénistes sur les coordonnées $(+2, +2)$ et $(-2, -2)$, respectivement. Cela a créé un espace latent bidimensionnel $O$ où les coordonnées de l'utilisateur $(x_i, y_i)$ représentent son état d'opinion. La première coordonnée, $x(t)$, a été sélectionnée comme variable d'opinion continue principale en raison de sa stabilité et de son rôle en tant qu'axe dominant de séparation.

Validation des Opinions Inférées

Les trajectoires d'opinion inférées ont été validées par deux méthodes principales :

1. Comparaison avec le Clustering : Une comparaison avec 27 700 comptes classés dans une étude antérieure [16] a montré un accord de 99 % pour les utilisateurs pro-climat ($x > 1$) et de 97 % pour les utilisateurs dénistes ($x < -1$).
2. Classification de Position par LLM : Une validation indépendante a été réalisée en utilisant Llama-3.1 pour classifier la position des tweets originaux d'utilisateurs sélectionnés au hasard. Pour les utilisateurs avec des positions textuelles cohérentes ($\pm 2$), l'embedding dynamique automatisé a montré un accord de 96 % de précision.

Reconstruction Stochastique

Les auteurs ont calculé les moments conditionnels des incréments d'opinion $\Delta x = x_{t+\Delta t} - x_t$ pour estimer les fonctions de dérive $A(x)$ et de diffusion $D(x)$ :
$$A(x) = \frac{1}{\Delta t} \mathbb{E}[\Delta x \mid x_t = x]$$
$$D(x) = \frac{1}{2\Delta t} \mathbb{V}[\Delta x \mid x_t = x]$$
Ces fonctions empiriques correspondent aux coefficients d'un opérateur de Fokker–Planck régissant l'évolution de la densité d'opinion $p(x,t)$.

Contributions et Résultats Clés

1. Le Modèle D-MODD

L'article introduit D-MODD (Modèle de Diffusion des Dynamiques d'Opinion Dérivé de Données), un modèle de Langevin en temps continu calibré directement à partir des trajectoires comportementales. L'évolution de l'opinion pour un utilisateur $x(t)$ est décrite par l'équation différentielle stochastique :
$$dx_t = F(x_t) dt + \sqrt{2D(x_t)} dW_t$$
où $W_t$ est un processus de Wiener standard. Le champ de dérive $F(x)$ est modélisé pour préserver les forces de rappel empiriquement observées vers les attracteurs ($x^* = \pm 2$) tout en assurant une stabilité globale :
$$F(x) = |A(x)| (x^* - x)$$
Le terme de diffusion $D(x)$ capture le bruit dépendant de l'état, révélant que les fluctuations sont minimales près des attracteurs mais s'amplifient dans les régions où les forces de rappel déterministes s'affaiblissent.

2. Reconstruction Empirique des Kernels de Transition

Pour la première fois dans un grand réseau social en ligne, les auteurs ont reconstruit la probabilité conditionnelle de transition en un pas complète $P(x_{t+\Delta t} \mid x_t)$ directement à partir des données.

• Validation Markovienne : L'étude a testé la condition de cohérence Chapman–Kolmogorov (CK). Le kernel à deux pas prédit par CK correspondait étroitement au kernel empirique à deux pas (écart moyen de Wasserstein-1 de 0,7 bin), fournissant une preuve directe que les dynamiques d'opinion à court terme sur ce sujet polarisé admettent une description markovienne.
• Fidélité du Modèle : Le modèle D-MODD a réussi à reproduire le kernel de transition empirique. L'analyse spectrale des opérateurs de transition a montré un fort chevauchement entre les distributions empiriques et modélisées des valeurs propres (distance de Wasserstein $W_1 = 7,2 \times 10^{-3}$), indiquant que le modèle capture la structure dynamique globale, y compris les échelles de temps de relaxation et le comportement de mélange.

3. Asymétrie dans la Stabilité de l'Opinion

L'analyse des profils d'utilisateurs a révélé une asymétrie significative entre les deux bassins d'attracteur :

• Attracteur Dénialiste : Les utilisateurs dans le bassin dénaliste ($x < -1$) ont présenté une variabilité d'opinion plus faible (écart-type $\langle \sigma_x \rangle = 0,89$) et des opinions moyennes plus extrêmes ($\langle x \rangle = -1,95$). L'inspection manuelle des comptes les plus stables (plus faible $\sigma_x$) les a identifiés comme étant principalement des individus basés aux États-Unis, alignés sur MAGA, avec des positions intransigeantes et cohérentes.
• Attracteur Pro-Climat : Les utilisateurs dans le bassin pro-climat ($x > 1$) ont montré une variabilité plus élevée ($\langle \sigma_x \rangle = 1,21$) et des opinions moyennes légèrement moins extrêmes ($\langle x \rangle = 1,86$). Les comptes à haute variabilité étaient souvent institutionnels ou professionnels (ONG, journalistes, scientifiques) avec des contenus diversifiés, conduisant à des schémas d'interaction plus hétérogènes.

Importance et Revendications

L'article revendique fournir la première preuve directe que les dynamiques d'opinion en ligne sur un sujet polarisé peuvent être décrites par un processus markovien au niveau de l'opérateur. En faisant le pont entre la sociophysique, les données comportementales et la modélisation des systèmes complexes, les auteurs démontrent que :

1. Opérateurs Stochastiques Efficaces : Les fluctuations d'opinion réelles ne sont pas un bruit non structuré mais suivent un processus cohérent de type diffusion avec des bassins d'attracteur distincts et un bruit spatialement hétérogène.
2. Calibration Pilotée par les Données : Le cadre D-MODD permet aux modèles théoriques d'être directement calibrés, testés et affinés par rapport aux données comportementales empiriques, allant au-delà des simulations purement basées sur des agents.
3. Mécanisme de Polarisation : L'étude suggère que la persistance de la polarisation peut être pilotée par une variabilité dépendante de l'état, où la "ténacité" (faible variabilité) d'un sous-groupe spécifique (dénialistes) crée un attracteur plus stable, entravant potentiellement la convergence vers un consensus indépendamment des signaux d'information externes.

Les auteurs concluent que cette approche offre un modèle génératif rigoureux reliant les trajectoires microscopiques des utilisateurs à une description macroscopique compacte, jetant les bases d'une modélisation prédictive des flux d'information et des comportements collectifs dans les systèmes sociaux à grande échelle.