Inferring the microscopic mechanisms of opinion dynamics using a kinetic Ising model
यह शोध पत्र एक वर्ष के ट्विटर डेटासेट से संक्रमण संभावनाओं (transition probabilities) का अनुमान लगाकर ऑनलाइन ओपिनियन डायनेमिक्स के लिए एक काइनेटिक आइसिंग मॉडल को अनुभवजन्य रूप से मान्य करता है, जो यह प्रदर्शित करता है कि सामाजिक प्रभाव, अंतर्निहित पूर्वाग्रह और डिग्री-निर्भर अस्थायी जड़ता (degree-dependent temporal inertia) देखे गए मैक्रोस्कोपिक व्यवहारों को सटीक रूप से पुनरुत्पादित करते हैं और सूक्ष्म अंतःक्रियाओं को नेटवर्क टोपोलॉजी से जोड़ते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
सोशल मीडिया के विशाल, शोर-शराबे वाले परिदृश्य में, जहाँ हर सेकंड लाखों आवाजें आपस में टकराती और मिलती हैं, एक शांत प्रश्न ने वैज्ञानिकों को लंबे समय से उलझा रखा है: वास्तव में व्यक्तिगत राय कैसे बदलती है? दशकों से, शोधकर्ताओं ने इस सामूहिक व्यवहार को समझने के लिए भौतिकी (फिजिक्स) के उपकरणों का सहारा लिया है। वे मानवीय विश्वासों को छोटे चुंबकों की तरह देखते हैं, जहाँ प्रत्येक व्यक्ति एक छोटा तीर है जो या तो "हाँ" या "नहीं" की ओर इशारा करता है। इस दृष्टिकोण में, किसी व्यक्ति की दिशा यादृच्छिक (रैंडम) नहीं होती; यह दो मुख्य बलों द्वारा खींची जाती है। एक बल आंतरिक है, जो व्यक्ति का अपना गहरा पूर्वाग्रह या प्राथमिकता है। दूसरा बल बाहरी है, जो भीड़ का दबाव है, जहाँ पड़ोसी और मित्र एक व्यक्ति को अपने दृष्टिकोण की ओर खींचते हैं। इन छोटे तीरों के बार-बार पलटने के अध्ययन के माध्यम से, वैज्ञानिक जनभावना के उन बड़े बदलावों को समझने की आशा करते हैं जो राजनीतिक चुनावों से लेकर जलवायु परिवर्तन की बहसों तक, हमारी दुनिया को आकार देते हैं।
पेरिस की शोधकर्ताओं की एक टीम ने यह परीक्षण करने का निर्णय लिया कि क्या भौतिकी पर आधारित यह चित्र वास्तव में वास्तविकता से मेल खाता है। उन्होंने अपना ध्यान ट्विटर पर जलवायु परिवर्तन पर चल रही एक साल लंबी बहस की ओर केंद्रित किया, जो एक ऐसा विषय है जो स्वाभाविक रूप से लोगों को दो अलग-अलग समूहों में विभाजित करता है: वे जो विज्ञान को स्वीकार करते हैं और वे जो इसे नकारते हैं। लोगों के बीच होने वाली अंतःक्रियाओं का केवल अनुमान लगाने के बजाय, टीम ने 2022 के दौरान किसने किसे रिट्वीट किया, इसका एक विशाल और विस्तृत मानचित्र बनाया। उन्होंने लगभग 1,65,000 अद्वितीय खातों को ट्रैक किया, और यह देखा कि उनकी राय सप्ताह-दर-सप्ताह कैसे बदली। इस डिजिटल पदचिह्न का विश्लेषण करके, वे देख सके कि ठीक उसी क्षण जब किसी उपयोगकर्ता ने अपनी राय बदली, तो उसका सामाजिक परिवेश कैसा था। उनका लक्ष्य उन अदृश्य नियमों को रिवर्स-इंजीनियर करना था जो इन परिवर्तनों को नियंत्रित करते हैं, जिससे वे केवल सिद्धांत से आगे बढ़कर वास्तविक डेटा में देख सकें कि वास्तव में क्या होता है।
शोधकर्ताओं ने पाया कि जिस तरह से लोग अपनी राय बदलते थे, वह एक बहुत ही विशिष्ट और पूर्वानुमेय पैटर्न का पालन करता था। जब कोई उपयोगकर्ता ऐसे दोस्तों से घिरा होता था जो उनके विचार साझा करते थे, तो वे अपनी राय शायद ही कभी बदलते थे। हालाँकि, जब स्थानीय वातावरण मिश्रित या विरोधी होता था, तो दूसरी ओर जाने की संभावना एक सुचारू, गणितीय वक्र (कर्व) के रूप में बढ़ जाती थी। यह व्यवहार भौतिकी के एक प्रसिद्ध मॉडल, जिसे 'काइनेटिक आइसिंग मॉडल' कहा जाता है, विशेष रूप से एक ऐसे संस्करण से मेल खाता था जहाँ एजेंट आसपास के प्रभावों के "हीट-बाथ" के आधार पर अपनी स्थिति को अपडेट करते हैं। सरल शब्दों में, डेटा ने दिखाया कि लोग चुंबकीय क्षेत्र में चुंबकों की तरह कार्य करते हैं: वे अपने पड़ोसियों के साथ तालमेल बिठाने की प्रवृत्ति रखते हैं, लेकिन उस खिंचाव की ताकत इस बात पर निर्भर करती है कि वे अपने स्वयं के विश्वासों को कितनी मजबूती से थामे हुए हैं।
महत्वपूर्ण रूप से, अध्ययन ने खुलासा किया कि किसी राय को थामे रखना केवल जिद का मामला नहीं है; यह व्यक्ति की नेटवर्क में स्थिति से गहराई से जुड़ा हुआ है। शोधकर्ताओं ने पाया कि अत्यधिक कनेक्शन वाले उपयोगकर्ता—वे जिन्हें कई अन्य लोगों द्वारा रिट्वीट किया जाता था और जो स्वयं भी बहुत रिट्वीट किए जाते थे—उन लोगों की तुलना में अपनी राय बदलने की संभावना काफी कम थी जिनके पास कम कनेक्शन थे। परिवर्तन के प्रति यह प्रतिरोध, जिसे लेखक "पर्सिस्टेंस" (दृढ़ता) कहते हैं, प्रत्येक व्यक्ति का एक निश्चित गुण नहीं था। इसके बजाय, जैसे-जैसे किसी व्यक्ति के कनेक्शनों की संख्या बढ़ती गई, यह और मजबूत होता गया। एक बड़ा नेटवर्क वाला उपयोगकर्ता एक भारी लंगर (एंकर) की तरह था, जिसे नए दिशा में खींचना बहुत कठिन था, जबकि किनारे पर स्थित उपयोगकर्ता जिसके पास केवल कुछ ही संबंध थे, उसे आसानी से प्रभावित किया जा सकता था। इस निष्कर्ष ने इस विचार को चुनौती दी कि हर कोई सामाजिक दबाव के प्रति एक ही तरह से प्रतिक्रिया देता है; इसके बजाय, नेटवर्क की संरचना ही यह तय करती है कि कोई राय कितनी स्थिर होगी।
टीम ने यह भी देखा कि पूरे वर्ष बातचीत कैसे विकसित हुई। 2022 की पहली छमाही में, नेटवर्क अपेक्षाकृत स्थिर था, जिसमें उपयोगकर्ताओं का मिश्रण था और लोगों की राय बदलने की मध्यम संभावना थी। लेकिन जैसे-जैसे वर्ष आगे बढ़ा, विशेष रूप से गर्मियों के आसपास, नेटवर्क में एक नाटकीय परिवर्तन आया। नए खातों की एक लहर, जिनमें से कई जलवायु परिवर्तन के प्रति संशयवादी थे, सिस्टम में भर आई। ये नए उपयोगकर्ता अत्यधिक जुड़े हुए थे, जिससे एक सघन, तारा-नुमा (स्टार-लाइक) संरचना बन गई जहाँ कुछ प्रभावशाली खातों ने सूचना के प्रवाह पर प्रभुत्व जमा लिया। जैसे ही यह नई संरचना स्थापित हुई, समग्र चर्चा अधिक कठोर हो गई। किसी के भी अपनी राय बदलने की संभावना तेजी से गिर गई। नेटवर्क इतना परस्पर जुड़ा और ध्रुवीकृत हो गया था कि राय जम गई थी, जिससे लहर का रुख बदलना लगभग असंभव हो गया था।
अपने समझ को सही साबित करने के लिए, शोधकर्ताओं ने वास्तविक डेटा से निकाले गए सटीक नियमों का उपयोग करके एक कंप्यूटर सिमुलेशन बनाया। उन्होंने सिमुलेशन में वास्तविक दुनिया के समान नेटवर्क संरचना और समान सामाजिक दबावों को डाला। परिणाम आश्चर्यजनक था: कंप्यूटर मॉडल वास्तविक दुनिया के व्यवहार को लगभग पूरी तरह से दोहराता है। इसने राय की स्थिरता के समान पैटर्न, राय बदलने की समान संभावना और समूह के मूड में समग्र बदलाव को उत्पन्न किया। सबसे महत्वपूर्ण बात यह थी कि सिमुलेशन केवल तभी काम कर पाया जब इसमें इस नियम को शामिल किया गया कि अत्यधिक जुड़े हुए लोग अधिक जिद्दी होते हैं। इस विशिष्ट विवरण के बिना, मॉडल वास्तविकता से मेल खाने में विफल रहा। इसने पुष्टि की कि नेटवर्क की स्थिति और राय की स्थिरता के बीच का संबंध ऑनलाइन विमर्श को संचालित करने वाला एक मौलिक तंत्र है।
यह अध्ययन एक स्पष्ट और मात्रात्मक चित्र प्रस्तुत करता है कि डिजिटल समाज कैसे कार्य करते हैं। यह दिखाता है कि राय की गतिशीलता केवल एक अराजक स्थिति नहीं है, बल्कि यह मापने योग्य बलों द्वारा शासित है: पड़ोसियों का खिंचाव, व्यक्तिगत पूर्वाग्रह का भार और सामाजिक संबंधों की जड़ता। शोधकर्ताओं ने पाया कि जैसे-जैसे एक नेटवर्क अधिक विषम (हेटरोजेनियस) होता जाता है, जिसमें कुछ अत्यधिक जुड़े हुए केंद्र (हब्स) और कई परिधीय उपयोगकर्ता होते हैं, पूरा सिस्टम परिवर्तन के प्रति अधिक प्रतिरोधी हो जाता है। इससे पता चलता है कि सोशल मीडिया की वास्तविक संरचना, जो कनेक्टिविटी को पुरस्कृत करती है और प्रभावशाली केंद्रों का निर्माण करती है, अनजाने में विचारों को कठोर बना सकती है और आम सहमति प्राप्त करना कठिन बना सकती है। इन सूक्ष्म नियमों को मैप करके, यह अध्ययन एक नया तरीका प्रदान करता है जिससे यह समझा जा सके कि क्यों कुछ बहसें एक ही जगह रुकी रहती हैं जबकि अन्य बदल जाती हैं, जो हमारे डिजिटल जीवन को आकार देने वाले जटिल सामाजिक बलों के लिए एक भौतिक ढांचा प्रदान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।