技术摘要：最小共识努力度 (Minimal Effort to Consensus, MEC)

1. 问题陈述

本文探讨了量化公共话语中极化（polarization）现象的挑战。虽然现有的度量标准（如 Esteban–Ray、Earth Mover's Distance、Van der Eijk 指数）通过成对聚合、序数离散度或运输成本，直接从意见分布中计算极化，但它们缺乏对共识点（consensus point）的结构性定义。具体而言，这些度量标准无法识别出一个能够以最小努力达成一致的具体立场，也无法提供一个用于确定该点的优化框架。作者认为，极化不应仅仅被理解为离散度，而应被理解为对共识的抵抗力。

2. 方法论

作者提出了一种新的度量标准——最小共识努力度 (MEC)，其定义为将一个意见分布转化为共识分布（即所有质量集中在单一一点）所需的最小成本。

2.1. 形式化定义

设 $\pi$ 为具有有限支撑集 $s(\pi) \subset [0, 1]$ 的意见分布，其中 $\pi(x)$ 代表持有意见 $x$ 的代理人的质量。在达成位于点 $y$ 的共识时的努力度定义如下，使用两个参数 $\alpha \ge 1$ 和 $\beta \ge 1$：

$$EC_{\pi}^{\alpha, \beta}(y) = \sum_{x \in s(\pi)} \pi(x)^\alpha |x - y|^\beta$$

MEC 是该努力度函数在所有可能的共识点 $y \in [0, 1]$ 上的最小值：
$$MEC_{\alpha, \beta}(\pi) = \min_{y \in [0, 1]} EC_{\pi}^{\alpha, \beta}(y)$$

2.2. 参数解释

• $\alpha$ (识别度/Identification)： 控制群体规模的权重。当 $\alpha > 1$ 时，较大的群体会施加不成比例的影响力，这反映了社会认同理论（Social Identity Theory）中群体凝聚力如何放大政治权重。
• $\beta$ (疏离度/Alienation)： 控制意见转变的成本。当 $\beta > 1$ 时，巨大的意识形态转变会产生超线性成本，这反映了与重大信仰修正相关的认知失调和身份成本。

2.3. 特殊情况

• $(\alpha, \beta) = (1, 1)$： 退化为从 $\pi$ 到其最近共识分布的 Earth Mover's Distance (1-Wasserstein 距离)。其最优的 $y$ 为中位数。
• $(\alpha, \beta) = (1, 2)$： 退化为一种类似于方差的离散度度量（经总质量缩放）。其最优的 $y$ 为平均值。
• 一般情况： 该度量被表征为总转化质量 $\Sigma \pi^\alpha$ 乘以归一化后的 $\alpha$ 次幂分布的 $L_\beta$ 离散度。

3. 核心贡献与理论结果

3.1. 结构特征

• 几何解释： 定理 1 确立了 $MEC(\pi) = \frac{\Sigma \pi}{2} - EMD(\pi, \pi^*)$，其中 $\pi^*$ 是极端分布（一半质量在 0，一半在 1）。这建立了极化与接近最大分歧程度之间的联系。
• 凸性： 努力度函数是凸函数；对于 $\beta > 1$，它是严格凸的，从而确保了唯一的最佳共识点 $y^*$。
• 对称性与缩放： 该度量在意见谱的反射和平移下具有不变性。它对于人口缩放满足 $\alpha$ 次齐次性。

3.2. 少数派原则 (The Minority Principle)

定理 6 证明了一个反直觉的结果，针对两点分布：无论参数 $\alpha$ 和 $\beta$ 如何，较小的群体总是承担着达成最优共识所需总努力度的更大份额。这是因为最优共识点会向较大的群体偏移，从而迫使少数派移动更长的距离。

3.3. 临界点方法 (The Tipping Point Method)

本文引入了一种方法来计算临界质量 ($k^*$)，即需要移动多少比例的群体向极端移动，才能使得极化程度开始增加。

• 非单调性： 作者证明了极化对于极端化并非单调的。将一个群体的一小部分推向极端，实际上可能会通过削弱原有的凝聚性集团而不产生新的影响力极端的做法，从而降低极化程度。
• 可计算性： 当 $\alpha = \beta = 2$ 时，极化的变化由一个三次多项式控制，允许进行闭式解计算。

3.4. 公理兼容性

作者证明了只要 $\alpha > 1$，$MEC_{\alpha, \beta}$ 就满足 Esteban 和 Ray 关于识别度、疏离度和向极端离散度的三个公理。

• 公理 1 (识别度)： 要求 $\alpha > 1$。如果 $\alpha = 1$，该度量退化为标准的离散度（如方差），无法捕捉到群体的巩固过程。
• 新属性： 作者引入了中心分裂单调性 (Central-Split Monotonicity)，即把一个中心群体分裂成对称的子群体会增加极化度。他们表明 $MEC$ 满足此属性，而标准的 ER 参数化（$\alpha=0.8$）则不满足。

4. 实证结果

作者通过 Koudenburg–Kiers–Kashima (KKI) 基准测试验证了 MEC。在该测试中，60 名专家对 15 种假设的意见分布进行了评分。

• 表现： 参数化方案 $MEC_{2, 1.15}$ 对专家排序的 Kendall's $\tau$ 达到了 $\approx 0.89$。这与表现最好的 Esteban–Ray 参数化方案 ($ER_{0.8}$) 相匹配，并优于基于离散度的替代方案，如 Van der Eijk 指数和 Tastle–Wierman 异议度量。
• 计算效率： 对于支持集大小为 $n$ 的情况，MEC 可以通过二分法在 $O(n \log(1/\epsilon))$ 时间内完成最小化，这在渐近复杂度上快于 ER 等成对度量（$O(n^2)$）。

5. 意义与主张

作者声称 MEC 提供了相比现有度量标准的独特概念和结构优势：

1. 内生共识： 与成对或离散度度量不同，MEC 输出一个最优共识点 ($y^*$)，识别出能使全人口统一努力最小化的具体立场。
2. 优化结构： 该公式允许推导出结构性性质（少数派原则、临界点），而这些是静态离散指数所无法实现的。
3. 理论统一： 它架起了运输理论、凸分析与社会学身份理论及认知失调理论之间的桥梁。
4. 公理鲁棒性： 它满足了 Esteban 和 Ray 的标准公理框架，同时引入了能更好地捕捉细微意见动态变化的新属性（中心分裂单调性）。

作者总结道，虽然 MEC 和 ER 在典型案例（如对称的两极分布）中达成一致，但 MEC 提供了一个更丰富的框架，用于分析对共识的抵抗力以及意见变化的动态过程，特别是在处理将小规模群体推向极端所产生的非单调效应方面。