テクニカル・サマリー：オンライン・エンゲージメントからオフラインの抗議活動へのスピルオーバーのモデリング

問題提起

ソーシャルメディアは、誤情報の拡散、民族間の緊張、そして集団行動の調整を促進することで、紛争のあり方を根本的に変貌させた。これまでの数学的フレームワークは、暴動や抗議活動の時空間ダイナミクスを（多くの場合、疫学的アナロジーを用いて）モデル化してきたが、オンラインのソーシャルネットワークがこれらのオフラインの出来事を形成する上で果たす重要な役割を、これまで見落としてきた。本研究が取り組む中心的な問題は、オンラインのエンゲージメント（情報の拡散、緊張、ヘイトスピーチ）とオフラインの抗議活動（物理的なデモ、ボイコット）の間の双方向の「スピルオーバー（流出）」を捉える、結合されたモデリング・フレームワークの欠如である。具体的には、著者らは、デジタルな緊張がいかにして具体的なオフラインの結果へとエスカレートするかを理解し、小規模なオンライン・エンゲージメントが大規模なオフラインの爆発を引き起こす条件を特定することを目指している。

手法

著者らは、オンラインとオフラインの状態の結合ダイナミクスを定式化するために、ネットワーク上の2層コンパートメント・モデルを提案している。

1. 結合確率モデル

システムは、オンラインの状態（無関心 $U$、エンゲージメントあり $E$、離脱 $D$）とオフラインの状態（非抗議 $NP$、抗議中$P$、回復$R$）を組み合わせた、5つの同時状態を持つマルコフ連鎖としてモデル化されている。

• オンライン層： 個人は、エンゲージメント状態にあるピアとの社会的接触（伝播率 $\tau$）、またはオフライン活動からのフィードバック（自己励起率 $\theta$）に基づいて、$U$ から $E$ へと遷移する。エンゲージメント状態にある個人は、最終的にレート $\gamma_i$ で離脱状態（$D$）へと移行する。
• オフライン層： オンラインでエンゲージメント状態にある個人の一定割合 $\eta$ が、能動的な抗議活動（$P$）へと遷移する。抗議者は、レート $\gamma_p$ で最終的に回復（$R$）する。
• 結合メカニズム：
  • オンラインからオフラインへ： エンゲージメント状態にある個人（$E$）は、レート $\eta$ で抗議者（$P$）となる可能性がある。モデルは、「緊張抑制的」なレジームを想定しており、オフライン活動に参加することは、実質的に緊張を解放する効果があるため、その個人をオンライン上ですぐに離脱状態（$D$）へと移動させる。
  • オフラインからオンラインへ： オフライン活動（$P$）は、自己励起率 $\theta$ を通じて、無関心な個人（$U$）をエンゲージメント状態（$E$）へと駆り立てる。
• シミュレーション： 確率的なダイナミクスは、様々なネットワーク・トポロジー上でジレップス・アルゴリズムを用いてシミュレートされる。

2. 平均場近似

システムを決定論的に分析するために、著者らは様々な複雑さを持つ平均場近似を導出している。

• 完全混合（均質）モデル： すべての個人が他のすべての個人と相互作用する、完全連結ネットワークを想定している。
• 単一レベル（ノードレベル）近似： $k$-レギュラーおよび不均質ネットワークに適用される。これは隣接ノードのランダムな混合を想定し、次数に基づいたノード状態の比率を用いてエッジ数を近似する。
• ペア近似： エッジ（例：$[UE]$）のダイナミクスを明示的に追跡し、局所的なネットワーク構造や相関を考慮するために、トリプレット（例：$[UUE]$）に対する閉包近似を用いる高次モデルである。

3. 分析ツール

本研究では、爆発の閾値を決定するために**基本再生産数（$R_0$）**を利用している。$R_0$ は、感受性個体のみの集団において、単一のエンゲージメント状態にある個人によって生成される新しいエンゲージメント状態の個体の期待値として定義される。著者らは、小規模な初期活動が大規模な抗議へとエスカレートする時期を予測し、安定条件を分析するために、確率過程および各平均場近似に対する $R_0$ を導出している。

主な貢献と結果

1. 臨界伝播率と「スイートスポット」

分析により、オンラインとオフラインの領域間の伝播率（$\eta$）が極めて重要な要因であることが明らかになった。

• $\eta$ が低すぎる場合、オンラインのエンゲージメントはオフラインの動員へと変換されない。
• $\eta$ が高すぎる場合、エンゲージメント状態にある個体のリザーバー（蓄積）が、大規模なアウトブレイクを維持できないほど急速に枯渇してしまう。
• したがって、実質的なオフラインの爆発は、$\eta$ が他のパラメータ（オンライン伝播率 $\tau$ や回復率など）に対して特定の臨界範囲、すなわち「スイートスポット」内に存在する場合にのみ出現する。

2. ネットワーク構造と近似の精度

本研究は、単一レベル近似とペア近似の精度を、様々なネットワークタイプにわたって確率的なグラウンドトゥルース（真値）と比較している。

• 均質（$k$-レギュラー）ネットワーク： ペア近似は、低密度ネットワーク（次数 $k$ が低い場合）において、単一レベル近似よりも大幅に優れた性能を示す。しかし、ネットワーク密度が増加するにつれて、性能の差は縮まり、より単純な単一レベル・モデルの精度が向上する。
• 合成不均質ネットワーク（エルデシュ＝レーニ、スケールフリー、バイモーダル）： 同様の傾向が見られ、疎なネットワークでは高次近似が必要であるが、密なネットワークではより単純なモデルで十分である。
• 実世界のネットワーク（Facebook）： 実証的なFacebookネットワーク（Friendship および UC 33）でテストしたところ、合成データとは対照的な、直感に反する結果が得られた。モデルの複雑さの増大（ペア近似 vs 単一レベル近似）は、精度を顕著に向上させなかった。 著者らは、次数ベースの平均場近似では捉えきれない実世界の構造的特徴（高いクラスタリングや特定のコミュニティ構造など）が支配的な役割を果たしており、それが高次近似の有用性を制限している可能性を示唆している。

3. 再生産数の閾値

導出された $R_0$ 値は、爆発を予測するための効果的な閾値として機能する。

• 完全混合モデルおよび均質モデルでは、$R_0 > 1$ が一般に爆発の出現を予測する。
• 本研究では、解析的な $R_0 = 1$ の閾値が、経験的な分類閾値（例：3.5% の能動的参加）と比較して保守的になり得ることを指摘している。
• ペア近似の $R_0$（$R_0^{PW}$）は、単純な確率的近似（$R_0$）と比較して、より保守的かつ構造的に情報に基づいた爆発の分類を提供する。特に低次数のネットワークにおいてその傾向がある。

意義と主張

本論文は、オンラインとオフラインの社会運動の結合ダイナミクスを理解するための基礎的な数学的フレームワークを提供すると主張している。その主な意義は以下の通りである。

1. ギャップの架け橋： オンラインの緊張がオフラインの抗議を駆動し、オフラインの抗議がオンラインのエンゲージメントを強化するというフィードバックループを明示的にモデル化している点。
2. モデル選択の指針： モデルの複雑さに関する実用的な指針を提供している。著者らは、低密度ネットワークでは精度のために複雑なペア近似が必要であるが、高密度または実世界のネットワークでは、より単純な単一レベル・モデルが計算効率と予測力のバランスとして合理的であると結論付けている。
3. 政策的含意： オンラインからオフラインへの伝播率（$\eta$）の臨界範囲を特定することで、本モデルは、すべてのオンライン上の言説を抑制することなく、デジタルな緊張が物理的な暴力へとエスカレートすることを効果的に防ぐための、この特定のパラメータを標的とした介入の可能性を示唆している。

著者らは、自身のモデルが簡略化された仮定（例：永久免疫、緊張抑制レジーム）に依存していることを認め、今後の課題として、より複雑なネットワーク特性（クラスタリング）の組み込みや、パラメータ推定のための実世界のデータの活用を挙げ、控えめな立場を維持している。