Higher-order Rumor Propagation Dynamics in Hypergraph Networks with Hyperedge Selection and Information Overload
यह शोध पत्र एक हाइपर-ग्राफ नेटवर्क पर आधारित हाइपर-ISDR मॉडल प्रस्तावित करता है जो अफवाह और खंडन प्रसार की प्रतिस्पर्धी गतिशीलता का विश्लेषण करने के लिए समूह-स्तरीय अंतःक्रियाओं, हाइपरएज चयन रणनीतियों और सूचना अधिभार को एकीकृत करता है, जिससे सिमुलेशन और अनुभवजन्य डेटा द्वारा मान्य स्थिरता थ्रेशोल्ड और स्टोकेस्टिक दृढ़ता मानदंड प्राप्त होते हैं।
मूल पेपर CC BY 4.0 (https://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
डिजिटल युग में, सूचना शायद ही कभी एक व्यक्ति से दूसरे व्यक्ति तक एक सरल, सीधी रेखा में चलती है। इसके बजाय, यह सामाजिक समूहों के जटिल जाल के माध्यम से चलती है, जहाँ एक एकल पोस्ट एक पारिवारिक चैट, एक पेशेवर नेटवर्क और एक सार्वजनिक मंच के माध्यम से एक साथ लहर की तरह फैल सकती है। जो वैज्ञानिक इस बात का अध्ययन करते हैं कि विचार कैसे फैलते हैं, वे अक्सर इन प्रवाहों को मैप करने के लिए गणितीय मॉडलों का उपयोग करते हैं, और अक्सर सामाजिक संबंधों को एक-से-एक हाथ मिलाने (handshake) की एक श्रृंखला के रूप में देखते हैं। हालाँकि, वास्तविक जीवन एक हैंडशेक की तुलना में अधिक जटिल है। लोग अक्सर दोस्तों के समूह, एक समुदाय, या किसी विषय-आधारित घेरे के भीतर समाचार साझा करते हैं जहाँ सभी लोग एक साथ संदेश सुनते हैं। यह "समूह प्रभाव" (group effect) इस बात को बदल देता है कि एक कहानी कितनी तेजी से और कितनी दूर तक यात्रा करती है। इसके अलावा, आधुनिक इंटरनेट इतनी अधिक सामग्री से भरा हुआ है कि लोग अक्सर अभिभूत हो जाते हैं, और केवल इसलिए संदेशों को अनसुना या अनदेखा कर देते हैं क्योंकि वे बहुत अधिक हैं। अफवाहों और उन्हें गलत साबित करने वाले तथ्यों के बीच इस भीड़भाड़ वाले, समूह-उन्मुख वातावरण में कैसे प्रतिस्पर्धा होती है, इसे समझना यह अनुमान लगाने के लिए महत्वपूर्ण है कि गलत सूचना (misinformation) कैसे पकड़ बना सकती है या फीकी पड़ सकती है।
शोधकर्ताओं की एक टीम ने इस जटिलता को पकड़ने के लिए एक नया गणितीय ढांचा तैयार किया है, जो सरल एक-से-एक संबंधों से आगे बढ़कर यह मॉडल करता है कि सूचना पूरे समूहों के माध्यम से एक साथ कैसे फैलती है। उन्होंने एक ऐसी प्रणाली बनाई जो सामाजिक नेटवर्क को "हाइपरएज" (hyperedges) के संग्रह के रूप में देखती है, जो अनिवार्य रूप से एक साझा रुचि या चर्चा द्वारा जुड़े लोगों के समूह हैं, न कि केवल दोस्तों की जोड़ियों के। अपने मॉडल में, उन्होंने चार प्रकार के लोगों को ट्रैक किया: वे जो कहानी के बारे में कुछ नहीं जानते, वे जो अफवाह फैला रहे हैं, वे जो इसे सुधारने के लिए सच्चाई फैला रहे हैं, और वे जिन्होंने उस विषय के साथ जुड़ना पूरी तरह से बंद कर दिया है। शोधकर्ता यह देखना चाहते थे कि जब दो ताकतें काम कर रही हों: जिस तरह से समूह सूचना साझा करने के लिए सक्रिय होते हैं, और जिस तरह से लोग बहुत अधिक सुनने से थक जाते हैं, तो ये समूह आपस में कैसे क्रिया करते हैं।
अध्ययन ने एक संदेश साझा करने के दो अलग-अलग तरीके पेश किए। एक परिदृश्य में, एक व्यक्ति जिसे कोई रहस्य पता है, वह एक ही समय में अपने द्वारा शामिल प्रत्येक समूह में उसे प्रसारित कर सकता है, जैसे कि वह हर उस कमरे में चिल्ला रहा हो जिसमें वह प्रवेश करता है। दूसरे परिदृश्य में, वह केवल एक समूह को बताने के लिए चुन सकता है, जिससे उसका ध्यान स्थानीय स्तर पर केंद्रित रहता है। शोधकर्ताओं ने पाया कि जब लोग अपने सभी समूहों में एक साथ प्रसारण करते हैं, तो अफवाहें बहुत आसानी से फैलती हैं और लंबे समय तक बनी रहती हैं, भले ही उन्हें फैलाने वाले लोग सबसे लोकप्रिय व्यक्ति न हों। साझा करने की यह "प्रसार" (broadcast) शैली अफवाह के व्यापक होने के अवरोध को कम कर देती है, जिससे एक बार शुरू होने के बाद इसे रोकना कठिन हो जाता है।
अपने मॉडल को अधिक यथार्थवादी बनाने के लिए, टीम ने सूचना के अतिभार (information overload) के एक कारक को भी शामिल किया। उन्होंने देखा कि जब बहुत से लोग एक ही समय में अफवाहें या सुधार चिल्ला रहे होते हैं, तो औसत व्यक्ति के सुनने या प्रतिक्रिया देने की संभावना कम हो जाती है। शोधकर्ताओं ने इसे एक मंद प्रभाव (dampening effect) के रूप में वर्णित किया: जैसे-जैसे सक्रिय सूचना का आयतन बढ़ता है, प्रत्येक नए संदेश की प्रभावशीलता गिर जाती है। उनके सिमुलेशन ने दिखाया कि हालांकि यह अतिभार एक अफवाह को शुरू होने से नहीं रोकता यदि स्थितियाँ अनुकूल हों, लेकिन यह इस बात को काफी कम कर देता है कि अंततः कितने लोग उस पर विश्वास करते हैं। यह प्रसार की तीव्रता पर एक प्राकृतिक ब्रेक के रूप में कार्य करता है, जिससे सिस्टम को पूर्णतम संभव संतृप्ति (saturation) तक पहुँचने से रोकता है, भले ही अफवाह अत्यधिक संक्रामक क्यों न हो।
शोधकर्ताओं ने अपने विचारों का परीक्षण सिंथेटिक नेटवर्क पर कंप्यूटर सिमुलेशन का उपयोग करके किया जो वास्तविक सोशल मीडिया की संरचना की नकल करते हैं, जहाँ कुछ लोग कई समूहों के सदस्य होते हैं और कुछ बहुत कम के। उन्होंने अपने मॉडल को चीनी सोशल मीडिया प्लेटफॉर्म पर घटित हुई दो विशिष्ट अफवाह घटनाओं के वास्तविक डेटा पर भी लागू किया। एक घटना एक लोकप्रिय लेखक के कार्य के बारे में एक झूठी कहानी से संबंधित थी, और दूसरी शंघाई में हाउसिंग फीस से संबंधित एक अफवाह से जुड़ी थी। इन कहानियों के वास्तविक प्रति घंटा प्रसार को अपने समीकरणों में फीड करके, उन्होंने पाया कि उनका मॉडल उन अफवाहों के बढ़ने, चरम पर पहुँचने और फीके पड़ने के सामान्य आकार को सटीक रूप से पुनरुत्पादित कर सकता है। मॉडल ने घटनाओं के व्यापक रुझानों को सफलतापूर्वक पकड़ा, जिससे पता चलता है कि यह आबादी के माध्यम से गलत सूचना के चलने के मैक्रोस्कोपिक विकास का वर्णन कर सकता है।
हालाँकि, अध्ययन ने भविष्यवाणी की सीमाओं को भी रेखांकित किया। जबकि मॉडल किसी अफवाह के समग्र उत्थान और पतन का पता लगा सकता था, यह वास्तविक समय में होने वाले हर अचानक उछाल या स्थानीय उतार-चढ़ाव की भविष्यवाणी नहीं कर सका। ये अल्पकालिक उछाल अक्सर अप्रत्याशित मानवीय व्यवहार या बाहरी समाचार चक्रों द्वारा संचालित होते हैं जिन्हें गणितीय सूत्र नहीं देख सकता है। इसे संबोधित करने के लिए, शोधकर्ताओं ने अपने समीकरणों में यादृच्छिकता (randomness) की एक परत जोड़ी, जो मानवीय संपर्क के स्वाभाविक शोर और अनिश्चितता का अनुकरण करती है। मॉडल के इस स्टोकेस्टिक (stochastic) संस्करण ने दिखाया कि जबकि किसी अफवाह का औसत पथ अनुमानित होता है, वास्तविक पथ हमेशा उस औसत के इर्द-गिर्द डगमगाता रहेगा, जिससे एक एकल निश्चित रेखा के बजाय परिणामों की एक श्रेणी बनती है।
निष्कर्ष बताते हैं कि हमारे ऑनलाइन समूहों की संरचना हमारी सोच से कहीं अधिक मायने रखती है। यदि कोई सोशल नेटवर्क बड़े समूहों के प्रभुत्व में है जहाँ कई लोग एक साथ बातचीत करते हैं, या यदि समूह के आकार का वितरण असमान है, तो अफवाहों के जीवित रहने और फलने-फूलने की संभावना अधिक होती है। इसके विपरीत, यदि नेटवर्क मुख्य रूप से छोटे, घनिष्ठ घेरों से बना है, तो प्रसार धीमा और कम स्थायी होता है। शोध ने यह भी पुष्टि की कि लोग सूचना साझा करने का तरीका कैसे चुनते हैं—चाहे वे सभी के लिए प्रसारण करें या विशिष्ट समूहों को लक्षित करें—यह सिस्टम की स्थिरता को मौलिक रूप से बदल देता है। इन गतिकी को समझकर, हमें एक स्पष्ट तस्वीर मिलती है कि क्यों कुछ कहानियाँ जल्दी गायब हो जाती हैं जबकि अन्य स्थापित हो जाती हैं, और कैसे सूचना का भारी मात्रा में उपभोग करना विरोधाभासी रूप से हमें प्रत्येक नए दावे के प्रति कम प्रतिक्रियाशील बनाकर हमारी रक्षा कर सकता 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।