Accurate mean-field predictions for cognitively grounded social influence dynamics with confirmation bias

तकनीकी सारांश: पुष्टिकरण पूर्वाग्रह (Confirmation Bias) के साथ संज्ञानात्मक रूप से आधारित सामाजिक प्रभाव गतिशीलता के लिए सटीक माध्य-क्षेत्र (Mean-Field) भविष्यवाणियाँ

समस्या विवरण
सामूहिक विचार गतिशीलता (Collective opinion dynamics) को अक्सर विस्तृत एजेंट-आधारित मॉडलों (ABMs) का उपयोग करके मॉडल किया जाता है, जैसे कि प्रेरक-तर्क (persuasive-arguments - PAT) मॉडल, जो केवल कच्चे विचारों के बजाय तर्कों के आदान-प्रदान का अनुकरण करते हैं। हालांकि ये मॉडल उच्च यथार्थवाद और विमर्श डेटा को समाहित करने के लिए लचीलापन प्रदान करते हैं, लेकिन उनकी उच्च आयात्मकता (high dimensionality) और गैर-रैखिकता (non-linearities) अक्सर विश्लेषणात्मक सुलभता को रोक देती है। यह विश्लेषणात्मक उपचारों की क्षमता को सीमित करता है जो संज्ञानात्मक मॉडलों की संज्ञानात्मक वास्तविकता और विचार निर्माण की निरंतर गैर-रैखिक गतिशीलता, विशेष रूप से सहमति से ध्रुवीकरण की ओर संक्रमण को संचालित करने में पुष्टिकरण पूर्वाग्रह की भूमिका को पकड़ सके।

कार्यप्रणाली
लेखक एक "KIT रिडक्शन पाइपलाइन" प्रस्तावित करते हैं जो एक उच्च-आयामी, संज्ञानात्मक रूप से आधारित PAT मॉडल को एक निम्न-आयामी, विश्लेषणात्मक रूप से सुलभ माध्य-क्षेत्र (MF) प्रणाली में परिवर्तित करती है। इस प्रक्रिया में दो प्राथमिक चरण शामिल हैं:

1. PAT से प्रभाव-प्रतिक्रिया फलन (Influence-Response Function - IRF) प्रक्षेपण:
   लेखक असतत तर्क-विनिमय PAT मॉडल से एक निरंतर विचार गतिशीलता सूत्र व्युत्पन्न करते हैं। मूल PAT मॉडल में, एजेंट $2M$ तर्कों (पक्ष और विपक्ष) पर बाइनरी विश्वास रखते हैं, और उनका विचार $o_i$ पक्ष बनाम विपक्ष तर्कों की शुद्ध संख्या है। एजेंट तर्क साझा करते हैं, जिन्हें पुष्टिकरण पूर्वाग्रह ($\beta$) द्वारा नियंत्रित संभावना के आधार पर स्वीकार किया जाता है।
   दो परस्पर क्रिया करने वाले एजेंटों के विचारों को देखते हुए अपेक्षित विचार परिवर्तन $E[\Delta o_i | o_i, o_j]$ की गणना करके, लेखक एक प्रभाव-प्रतिक्रिया फलन (IRF), $f(o_i, o_j)$ व्युत्पन्न करते हैं। यह फलन युग्मवार अंतःक्रियाओं को अपेक्षित विचार विचलन (drift) में मैप करता है, जो प्रभावी रूप से अंतर्निहित विश्वास स्ट्रिंग्स का औसत निकालता है। परिणामी IRF है:
   $$\Delta o_i = \frac{1}{4M} \left[ (o_j - o_i) + \tanh\left(\frac{\beta o_i}{2}\right)(1 - o_i o_j) \right]$$
   यह सूत्रीकरण पुष्टिकरण पूर्वाग्रह के गैर-रैखिक प्रभावों को पकड़ता है जबकि यह केवल एजेंटों के वर्तमान विचारों पर निर्भर करता है, न कि उनके विशिष्ट तर्क विन्यास (argument configurations) पर।

2. IRF से माध्य-क्षेत्र (MF) एकत्रीकरण:
   सजातीय मिश्रण (homogeneous mixing) को मानते हुए, निरंतर IRF गतिकी को एक दो-खंडीय (two-compartment) गतिशील प्रणाली में एकत्रित किया जाता है। जनसंख्या को दो समूहों, A और B में विभाजित किया गया है, जिनके औसत विचार $o_A$ और $o_B$ हैं। प्रणाली इस प्रकार विकसित होती है:
   $$\dot{o}_A = (1-p)f(o_A, o_A) + p f(o_A, o_B)$$
   $$\dot{o}_B = p f(o_B, o_A) + (1-p)f(o_B, o_B)$$
   जहाँ $p$ क्रॉस-कॉन्टैक्ट संभाव्यता को दर्शाता है (समान समूह आकार के लिए $1/2$ निर्धारित)। यह प्रणाली को दो-आयामी फेज़ स्पेस (phase space) में कम करता है। लेखक इस प्रणाली के जैकोबियन (Jacobian) का उपयोग "मीन मोड" (mean mode) और "ध्रुवीकरण मोड" (polarization mode) को अलग करने के लिए करते हैं, जिससे संतुलन (equilibria) के लिए एक सरल स्थिरता परीक्षण सक्षम होता है।

मुख्य योगदान

• संज्ञानात्मक मॉडलों का विश्लेषणात्मक न्यूनीकरण: यह शोध पत्र प्रदर्शित करता है कि एक जटिल, संज्ञानात्मक रूप से आधारित PAT मॉडल जिसे पुष्टिकरण पूर्वाग्रह शामिल है, उसे मूल ABM की मुख्य गतिक विशेषताओं को खोए बिना एक दो-आयामी माध्य-क्षेत्र प्रणाली में कठोरता से कम किया जा सकता है।
• स्थिरता और द्विभाजन विश्लेषण (Stability and Bifurcation Analysis): कम की गई प्रणाली पूर्ण स्थिरता विश्लेषण की अनुमति देती है। लेखक पुष्टिकरण पूर्वाग्रह ($\beta$) के दो महत्वपूर्ण थ्रेशोल्ड की पहचान करते हैं:
  1. $\beta^*_1 = 2$: एक पिचफोर्क द्विभाजन (pitchfork bifurcation) जहाँ सहमति संतुलन $(0,0)$ अपनी स्थिरता खो देता है, और ध्रुवीकरण संतुलन उभरते हैं (प्रारंभिक रूप से अस्थिर सैडल के रूप में)।
  2. $\beta^*_2 \approx 2.6$: एक दूसरा द्विभाजन जहाँ ध्रुवीकरण संतुलन पूरी तरह से स्थिर अट्रैक्टर्स (attractors) बन जाते हैं, जिससे चरम सहमति और ध्रुवीकृत अवस्थाओं का सह-अस्तित्व संभव होता है।
• तंत्र-आधारित सेतु (Mechanism-Based Bridge): ढांचा एक स्पष्ट सूक्ष्म-वृहत (micro-macro) सेतु स्थापित करता है, जो व्यक्तिगत स्तर के प्रेरित सूचना प्रसंस्करण को समग्र स्तर के विचार पैटर्न से जोड़ता है। यह स्थिर बिंदुओं और द्विभाजनों की एक "वैश्विक, तंत्र-स्तरीय तस्वीर" प्रदान करता है जो विशिष्ट नेटवर्क टोपोलॉजी से परे जाती है।

परिणाम

• भविदन की सटीकता: मूल PAT ABM, कम किए गए IRF-आधारित ABM, और MF प्रणाली की तुलना करने वाले व्यापक सिमुलेशन उल्लेखनीय समानता दिखाते हैं। MF प्रणाली मूल ABMs में देखी गई समग्र गतिकी और सहमति से ध्रुवीकरण के संक्रमण को सटीक रूप से पुनरुत्पादित करती है।
• ध्रुवीकरण की स्थिरता: मूल PAT मॉडल में, द्विध्रुवीकरण (bipolarization) अक्सर एक मेटास्टेबल अवस्था होती है जो लंबी समयावधि में चरम सहमति में ढह जाती है। कम किए गए IRF और MF मॉडलों में, ध्रुवीकृत अवस्था $\beta > \beta^*_2$ होने पर एक स्थिर अट्रैक्टर बन जाती है। लेखक नोट करते हैं कि जब $\beta=0$ हो, तो कम किया गया मॉडल मध्यम सहमति की ओर काफी तेजी से अभिसरित (converge) होता है, जो कम्प्यूटेशनल दक्षता प्रदान करता है।
• प्रारंभिक स्थितियाँ और परिमित-आकार प्रभाव (Finite-Size Effects): ABM से यादृच्छिक प्रारंभिक स्थितियों (यादृच्छिक तर्क स्ट्रिंग्स) को MF फेज़ स्पेस में प्रोजेक्ट करके, लेखक समझाते हैं कि परिमित जनसंख्या अक्सर ध्रुवीकरण की ओर क्यों झुकती है, भले ही सैद्धांतिक रूप से सहमति स्थिर हो। यादृच्छिक इनिशियलाइजेशन आमतौर पर ध्रुवीकृत अवस्था के आकर्षण क्षेत्र (basin of attraction) में गिर जाता है। विश्लेषण आगे दिखाता है कि तर्कों की संख्या ($M$) बढ़ाने से $\beta$ के संक्रमण थ्रेशोल्ड का मान बढ़ जाता है।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह इस बारे में एक "सामान्य, तंत्र-आधारित दृष्टिकोण" प्रदान करता है कि कैसे संज्ञानात्मक पूर्वाग्रह सामूहिक परिणामों को प्रभावित करते हैं। इसका प्राथमिक महत्व यह प्रदर्शित करने में निहित है कि जटिल सामाजिक प्रभाव प्रक्रियाएं सरल, सुलभ फेज़-स्पेस संरचनाएं प्रदर्शित कर सकती हैं।

• सैद्धांतिक उपयोगिता: ढांचा एक संक्षिप्त स्थिरता परीक्षण (सीधे IRF डेरिवेटिव से प्राप्त) प्रदान करता है जो विभिन्न सामाजिक प्रभाव मॉडलों की तुलना करने के लिए एक सामान्य भाषा के रूप में कार्य करता है, जो इस क्षेत्र में एक नई सीमा को संबोधित करता है।
• पद्धतिगत एकीकरण: लेखक तर्क देते हैं कि यह न्यूनीकरण संज्ञानात्मक रूप से आधारित विचार मॉडलों को महामारी विज्ञान (epidemiology) और जलवायु विज्ञान में उपयोग किए जाने वाले जनसंख्या-स्तर के कंपार्टमेंट मॉडलों में एकीकृत करने की सुविधा प्रदान करता है। एक विश्लेषणात्मक रूप से सुलभ मॉड्यूल प्रदान करके, यह यह अध्ययन करने की अनुमति देता है कि विचार ध्रुवीकरण और गलत सूचना का प्रसार अन्य गतिशील प्रणालियों (जैसे रोग संचरण) के साथ कैसे परस्पर क्रिया करता है, बिना पूर्ण ABMs के कम्प्यूटेशनल बोझ के।
• सीमाएँ: लेखक स्वीकार करते हैं कि यह दृष्टिकोण सजातीय मिश्रण और दो-समूह विभाजन पर निर्भर करता है, जो वास्तविक दुनिया की नेटवर्क विषमता (heterogeneity) और बहु-आयामी विचार स्थानों से अलग है। वे सुझाव देते हैं कि भविष्य के कार्य संरचित टोपोलॉजी और अधिक सूक्ष्म प्रारंभिक स्थिति मैपिंग तक विस्तार करें।