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

Resumo Técnico: Predições de Campo Médio Precisas para Dinâmicas de Influência Social Cognitivamente Fundamentadas com Viés de Confirmação

Enunciado do Problema
As dinâmicas de opinião coletiva são frequentemente modeladas usando modelos baseados em agentes (ABMs) cognitivamente detalhados, como os modelos de persuasão de argumentos (PAT), que simulam como indivíduos trocam argumentos em vez de opiniões brutas. Embora esses modelos ofereçam alto realismo e flexibilidade para acomodar dados de discurso, sua alta dimensionalidade e não linearidades frequentemente impedem a tratabilidade analítica. Isso limita a capacidade de derivar insights teóricos gerais, realizar análises de estabilidade ou integrar esses mecanismos cognitivos em estruturas de escala populacional maiores (por exemplo, modelos epidemiológicos ou climáticos). Existe uma lacuna específica em tratamentos analíticos que possam capturar tanto o realismo cognitivo dos modelos de agentes quanto as dinâmicas contínuas e não lineares da formação de opinião, particularmente em relação ao papel do viés de confirmação na condução de transições do consenso para a polarização.

Metodologia
Os autores propõem um "pipeline de redução KIT" que transforma um modelo PAT de alta dimensão e cognitivamente fundamentado em um sistema de campo médio (MF) de baixa dimensão e analiticamente tratável. O processo envolve duas etapas primárias:

1. Projeção de PAT para Função de Resposta de Influência (IRF):
   Os autores derivam uma formulação de dinâmica de opinião contínua a partir do modelo PAT de troca de argumentos discreto. No modelo PAT original, os agentes mantêm crenças binárias sobre $2M$ argumentos (pró e contra) e sua opinião $o_i$ é a contagem líquida de argumentos pró versus contra. Os agentes trocam argumentos, aceitando-os com uma probabilidade governada pelo viés de confirmação ($\beta$).
   Ao calcular a mudança de opinião esperada $E[\Delta o_i | o_i, o_j]$ dado as opiniões de dois agentes interagentes, os autores derivam uma Função de Resposta de Influência (IRF), $f(o_i, o_j)$. Esta função mapeia interações pareadas para um drift esperado na opinião, efetivamente realizando a média sobre as cadeias de crenças subjacentes. A IRF resultante é:
   $$\Delta o_i = \frac{1}{4M} \left[ (o_j - o_i) + \tanh\left(\frac{\beta o_i}{2}\right)(1 - o_i o_j) \right]$$
   Esta formulação captura os efeitos não lineares do viés de confirmação enquanto depende apenas das opiniões atuais dos agentes, não de suas configurações específicas de argumentos.

2. Agregação de IRF para Campo Médio (MF):
   Assumindo mistura homogênea, as dinâmicas da IRF contínua são agregadas em um sistema dinâmico de dois compartimentos. A população é dividida em dois grupos, A e B, com opiniões médias $o_A$ e $o_B$. O sistema evolui de acordo com:
   $$\dot{o}_A = (1-p)f(o_A, o_A) + p f(o_A, o_B)$$
   $$\dot{o}_B = p f(o_B, o_A) + (1-p)f(o_B, o_B)$$
   onde $p$ representa a probabilidade de contato cruzado (definida como $1/2$ para tamanhos de grupo iguais). Isso reduz o sistema para um espaço de fase bidimensional. Os autores utilizam o Jacobiano deste sistema para separar as dinâmicas em um "modo de média" e um "modo de polarização", permitendo um teste simples de estabilidade para os equilíbrios.

Principais Contribuições

• Redução Analítica de Modelos Cognitivos: O artigo demonstra que um modelo PAT complexo, cognitivamente fundamentado, com viés de confirmação, pode ser rigorosamente reduzido a um sistema de campo médio bidimensional sem perder as características dinâmicas centrais do ABM original.
• Análise de Estabilidade e Bifurcação: O sistema reduzido permite uma análise completa de estabilidade. Os autores identificam dois limiares críticos de viés de confirmação ($\beta$):
  1. $\beta^*_1 = 2$: Uma bifurcação pitchfork onde o equilíbrio de consenso $(0,0)$ perde estabilidade e surgem equilíbrios de polarização (inicialmente como sela instáveis).
  2. $\beta^*_2 \approx 2.6$: Uma segunda bifurcação onde os equilíbrios de polarização tornam-se atratores totalmente estáveis, permitindo a coexistência de consenso extremo e estados polarizados.
• Ponte Baseada em Mecanismo: O framework estabelece uma ponte micro-macro explícita, ligando o processamento de informação motivado ao nível individual a padrões de opinião ao nível agregado. Ele fornece uma "visão global e de nível de mecanismo" de pontos fixos e bifurcações que abstrai de topologias de rede específicas.

Resultados

• Precisão de Predição: Simulações extensas comparando o ABM PAT original, o ABM baseado em IRF reduzido e o sistema MF mostram um acordo notável. O sistema MF reproduz com precisão as dinâmicas agregadas e a transição do consenso para a polarização observada nos ABMs completos.
• Estabilidade da Polarização: No modelo PAT original, a bipolarização é frequentemente um estado metaestável que eventualmente colapsa em consenso extremo ao longo de escalas de tempo longas. Nos modelos reduzidos IRF e MF, o estado polarizado torna-se um atrator estável uma vez que $\beta > \beta^*_2$. Os autores observam que o modelo reduzido converge para o consenso moderado significativamente mais rápido quando $\beta=0$, oferecendo eficiência computacional.
• Condições Iniciais e Efeitos de Tamanho Finito: Ao projetar condições iniciais aleatórias do ABM (cadeias de argumentos aleatórias) no espaço de fase MF, os autores explicam por que populações finitas frequentemente convergem para a polarização mesmo quando o consenso é teoricamente estável. A inicialização aleatória tipicamente cai dentro da bacia de atração do estado polarizado. A análise também mostra que aumentar o número de argumentos ($M$) desloca o limiar de transição para valores mais altos de $\beta$.

Significância e Alegações
O artigo afirma fornecer uma "perspectiva geral e baseada em mecanismos" sobre como os vieses cognitivos influenciam resultados coletivos. Sua principal significância reside em demonstrar que processos complexos de influência social podem exibir estruturas de espaço de fase simples e tratáveis.

• Utilidade Teórica: O framework oferece um teste de estabilidade compacto (derivado diretamente das derivadas da IRF) que serve como uma linguagem comum para comparar diferentes modelos de influência social, abordando uma fronteira na área.
• Integração Metodológica: Os autores argumentam que esta redução facilita a integração de modelos de opinião cognitivamente fundamentados em modelos de compartimentos de escala populacional usados em epidemiologia e ciência climática. Ao fornecer um módulo analiticamente tratável, permite o estudo de como a polarização de opinião e a disseminação de desinformação interagem com outros sistemas dinâmicos (por exemplo, transmissão de doenças) sem o ônus computacional dos ABMs completos.
• Limitações: Os autores reconhecem que a abordagem depende de mistura homogênea e uma partição de dois grupos, abstraindo da heterogeneidade de redes do mundo real e de espaços de opinião multidimensionais. Eles sugerem que trabalhos futuros devem estender o framework para topologias estruturadas e mapeamentos de condições iniciais mais sutis.