基于种族隔离模型的传播过程分析范式的架构

唐四慧 陈鹤鑫

互联网上用户行为数据的可记录及可获得性大大提高了科研人员研究动态过程的可行性，传播过程是典型领域。就目前的实证、仿真及动力学建模研究来看，现有文献并不能完全描述基于社团结构的流动力现象，作者基于具有社团形成过程的种族隔离模型，用管理学视角去分析策略传播、网络结构、优势传播物及竞争态势变化四者之间的关系，就此解释流动的不均匀性，以此对现有研究进行完善。接著对现有传播领域文献进行梳理，找出目前研究较少的领域，希望为后来研究传播过程的研究者提供一些研究方向。

关键词： 社团形成；传播过程；策略分化；同质化过程

中图分类号： G20 文献标志码：A 文章编号：1009-055X（2017）03-0026-11

doi：1019366/jcnki1009-055X201703010

一、引言

信息通过网络得以快速和大范围的扩散，具有小世界和无标度特性的互联网大大 “压缩”了真实物理社会的时间和空间[1-4]，这种“压缩”是普适的，那么管理人员需要解决如何抑制“坏”信息的传播，高聚集性提供了帮助。[5]管理人员面对的下一个问题就变成如何生成小世界、无标度兼有高聚集性的网络让“好”信息传的更快，“坏”信息扩散的范围更小，在生成网络之前我们必须了解传播物、传播媒介及它们之间的流动力。[6]68-69这三部分研究内容的核心是传播物与传播媒介的动力学，传播物会影响到传播媒介的构造，传播媒介会自主产生优势传播物，优势传播物将会占据更大的比例，但竞争压力会随着多样性的缺失发生变化。社团结构使流动产生变化，它隔离了环境施加与传播物的动力，生成传播物传播的局部环境；同时让相互竞争的传播物共存的也是社团结构[7]。

传播过程是两种及以上不同观点、策略的扩散过程，呈现一种竞争态势。现有复杂网络的文献[8，9]，重点阐述网络社团结构的识别、统计特性，识别精度和算法的速度，对社团结构如何影响流动的速度和选择传播物上涉及不多；管理类文献则多偏向于个体层面的网络指标，网络社团结构是先验的而非传播物型塑的[10，11]；传染病模型、舆论扩散模型研究了某一种传播物的传播过程，模型不涉及网络中有两种相关的传播物在时间序列上呈现此起彼伏的共存状态的动力学过程。[12，13]人群中合作与背叛策略竞争动力学一直为经济学博弈论研究的主题，在个体层面背叛策略优于合作但到群体层面合作优于背叛，用个体收益易于理解个体层面的竞争规则，群体层面在经济学中没有给出如此竞争规则的缘由。[14]

还原动力学过程需要时间维度和“空间”维度的数据，传统问卷方式非常难收集这样大规模的具有时间跨度的数据。有了互联网，研究人员可以采集到空间和时间维度的数据，面对这样的数据，采用传统分析范式[15]，无法还原传播媒介的组织过程和动力学特点，研究人员需要用动力学工具依据空间、时间的传播过程去管理传播媒介、预测出优势传播物。本文试图基于仿真模型，从管理学视角发现社团结构影响流动过程的在空间时间维度上的动力学特点，以此帮助管理人员去影响传播过程。

二、基于种族隔离模型的流分析范式

经济学诺贝尔奖得主Schelling的种族隔离模型中描述了社团结构的形成[16，17]，故本文基于种族隔离模型找出关系、社团、传播物及它们之间的关系。种族隔离模型中每个个体都会对同色邻居（网络关系）数有一个数量要求用（sw）表示；对自己的居住环境不满意的人数体现群体“绩效”，用（uh）表示，如果所有人都满意则仿真停止，此时uh=0。

实验中不断提高智能体对同色邻居数量（sw）的要求，从30%→74%→82%，低于74%时系统都会形成社团结构，高于此标准后，则所有智能体都要不停的运动无法形成社团结构（ticks表示仿真步数）。基于此模型，我们将其抽象成流动的过程，研究关系、社团、传播物及三者之间的关系。

[BT4]（一）策略的分化

仿真0步，所有的智能体策略是一样的：依据自己邻居中与自己同色的个体来判断自己是否进行移动。随着仿真的进行，有些同色的个体在空间上形成相连的关系，具有相连同色邻居的个体在下一个仿真步可以不用移动，这时策略就分化为两种，一种通过移动达到满意；另一种不动也可以达到满意，这种策略要求个体同色的邻居不移动。

满意移动不动同色邻居不动吸引同色个体

（二）同质化过程

分化出不动策略后，可以有两种方式实现智能体的不动，一是吸引同色个体，另一个是同色邻居不动，这与Watts影响同质化产生的选择同质性和诱导同质性相对应。[15]单个智能体吸引同色个体的能力没有差别，但在空间上相连的同色同策略个体具有优势以sw=30%为例：

在同色邻居不动方式中，我们可以看到这样的情景。

1.三个个体不动，没有任何作用，如图2（a）

2.如果是我的三个邻居同色，则我不动，三个邻居的状态会影响到我的行为，如图2（b）。

3.我的邻居，并且剩下的这两个邻居还是我邻居的邻居，那么我会不动并会传给我的邻居②，在我不动之后，他也会采取不动的策略，如图2（c）。

4.如果是我的邻居并且还是我邻居的邻居，他们俩还是邻居，如图2（d），那么这就组成一个稳定的团体，这4个个体是永远不会动的。判断的规则这时就变成只有，①是按颜色去判断，而其他人则会依据别人动不动来选择自己的行为，就会变成不动策略在人群中的传播。

将这种关系对应到种族隔离模型中，邻居关系变成表2所示：

①不移动的概率，与它周围同色邻居的个数相关，同时也与邻居之间的连边数有关系，从表2的（b）→（c）→（d），可以看出，另外邻居之间的关系也能产生出新的功能，如表2（c）此时可以产生出排斥异色的力量，而表2（d）虽没有排斥力但①不移动的策略会流向②，再由②流向①、③。

5.然后再向外延伸，①有4个同色的邻居，邻居间的关系由表2（c）+表2（d）构成，这时以①为核心的社团就具有了，不移动和排斥两种力量。至此，网络中不移动策略的“感染率”基于关系构建后变得比移动策略的“感染率”要高。

6.如果这样的排斥的又连接起来形成9个格的形状，那么就会有4个排斥位。个体在移动的时候，并不能进入到群体的内部，只能在边缘，面积越大，能接受个异色个体的“位数”/智能体数量的比越低，以单个个体的比例为参照。

[BT4]（三）个体异质功能的固化

随着仿真的不断进行，个体依据其所偏好的策略不同，在时间上做累积，由此逐渐形成各自的功能[6]，多次采用移动的个体在社团的周边不断移动和被同化为不动，多次采用不动策略的个体则主要保证不动策略。在社团内部的个体主要功能是吸引同质个体排斥异质个体；社团周边的个体负责接受异色个体；社团周边与能接受异色个体连接的个体主要功能是“劝说”能接受异色的个体改变其移动策略。经过长期的演化，智能体就会分化成两类群体，一类群体通过移动追求满意，另一类群体通过排斥来实现不动策略。当面对同样问题时不同类的群体判断的标准不一样，比如面对异色个体时，移动的个体会用移动策略；不动的个体则会排斥异色个体，由于传染率不同因此不动策略会逐渐占优，移动策略会被同化，同时不移动策略内部的竞争压力会产生变化。

[BT4]（四）社团的形成

逐渐的，依据个体功能不同，形成社团结构，采用不动策略的個体紧紧的扎堆在一起，越是采用不动策略的个体越可能与采用不动策略的个体形成连接。经常移动的个体，因为受到群体排斥的力量逐渐会进入到同色的大的社团中，保证自己不动；只有那些在寻求不动策略失败多次的个体通过找寻可以接受自己的个体，这样的个体因为在力量对比上的悬殊，数量在急剧减少，同时也被排斥在社团的周边；到最后整个社团都达到稳定结构时，也就是不动策略战胜移动策略时候，个体的力量最终被群体力量同化。但在社团结构中，我们依次可以看到一个从社团中心到边缘个体移动次数阶梯形的变化。基于不同策略的分析让我们在种族隔离模型中看到了除颜色不同的成块图形后，还在同色社团中看到不同策略的分布，在不同的色块中这种分布方式是相同的。

三、现有流分析范式的梳理

基于文章第二部分中构建的分析范式，作者查阅相关文献梳理出已有的对于这4部分进行研究的文献，对已经有的研究和未涉及的研究内容进行总结。依据现在研究，对第3、第4部分的实证研究比较多，此两部分的研究为系统呈现出的演化结果易于观察，因此容易进行实证研究。

[BT4]（一）社团形成及功能的实证研究

对社团的功能研究的文献非常多并且出现在很多领域，比如在金融领域，发现集团内部的资本分配要比跨企业分配得有效率[18]；在劳动力市场中，集团比跨产业去分配劳动力更有效。[19]在知识传播领域的实证研究发现社团可能是全局扩散过程中的陷阱，在社团内传播速度会比较快而在社团之间的传播速度会慢很多。[20]在生态学领域称此现象为群落环境，此群落环境有别于周围的生物环境并且证明此环境是由生长在群落中的生物所营造。[6]

研究社团结构形成最多的领域是生态学领域，社团是在特定的空间或特定的生境下，由一定的生物种类组成，向外与环境彼此影响，向内各物种间相互作用，并演化出特定的形态结构与营养结构，总体上呈现出特定功能。

[BT4]（二）个体异质功能的实证研究

早在1930年Ryan和Gross就以时间和数量两个维度将人群分类为：极少数的创新者、社区领袖、大批的早期大多数和晚期大多数、后知后觉型。[21]Granovetter用门槛值将人群进行分类。[22]Wu的文章中[23]，将人群极化为极喜欢参加活动的，和对活动极不喜欢的。互联网非常多的社区中均存在不均现象，如wiki有3200万的用户，但只有68000个用户会编辑词条，仅占用户数的02%。[24]演化博弈中将人群分为合作者和背叛者；公共品博弈中则分为领袖和条件合作者；而社会学中则用角色一词将人进行功能上的区分。[25，26]

在演化博弈的研究中将个体外推到群体，群体会规范个体的行为。如Martin Nowak团队研究的群组选择博弈模型会设定个体只能与群组内的邻居进行交互，他们在参与活动时首先是按群组规则进行，其次才是个体的判断标准，这在另一个层面异质化了个体的行为。[27]同时在其群组选择博弈中，会针对群组去设定一些个体不具有的行为规则，如在个体层面搭便车是最好的策略，但如果群组内的所有个体都搭便，那么该群组存活的概率会比合作个体多的群组低。[28]

[BT4]（三） 同质化过程及策略分化的实证分析

同质化过程及策略分化是动态过程，实证研究给出很多结论性的分析，而仿真模型则在动态过程的研究中体现出其优势。Watts在这方面的研究比较多，他的团队将智能体的决策过程视为一个加权的一维线性方程，权重表示智能体与邻居的关系强度[29]，然后对Ising模型进行改进，将Agent的阈值与群体的优势行动联动[30]，Holyst模型中的阈值是一种整体阈值，所有人的阈值是一样的[31]。

因为是实证研究，所以在研究对象的选择上具有离散性的特点，而在第二部分第一点的分析中讲到的策略分化是一个动态过程，体现策略与策略之间的关系包括竞争、包容、不相关等，这在一个实证研究中是无法完成的，所以这部分的研究就作者的整理还未发现有。

四、结论

网络上的传播动力学，因为网络变得复杂使得各路研究人员纷纷驻足，研究方向包括传染病、舆论、知识传播、价格攻击行为、大众生产社区合作行为等。在研究时，网络上的传播行为虽有共同点，但研究人员应基于自己的研究角度，对同样的问题进行不同角度的推敲，如果管理领域的学者像社会学的学者一样去描述流现象，物理学的学者去找规律，通过提高传染物的感染率来扩大传播面，就不能带来管理领域学者的共鸣，也就无法提出有管理学意义的建议。从另一个角度来说，只有明确了自己研究的出发点，才能区分出不同流问题研究的侧重点。如传染病和舆论的传播，研究传播物的特性研究比较重要。因为这种研究假定人是被动地倾向于接受，但研究知识传播和大众生产社区合作行为时，就不能做如此假设。本文试图基于种族隔离模型理出传播物、社团结构及二者之间的动力学过程，从管理学的视角从空间、时间维度找出流动的变化，以期给管理学领域的研究者提供一些新的研究视角。

參考文献：

[1]MAY R M， LIOYD A L. Infection dynamics on scale-free networks[J]. Physical Review E， 2001， 64（6）： 066112.

[2]唐四慧. 异质复杂信息网络上的搜索路径研究[J].华南理工大学学报（社会科学版），2011，13（4）：8-13.

[3]MOORE C， NEWMAN M E J. Epidemics and Percolation in Small-World Networks[J]. Physical Review E Statistical Physics Plasmas Fluids & Related Interdisciplinary Topics， 2000， 61（5 Pt B）：5678-5682.

[4]HWANG D U， BOCCALETTI S， MORENO Y， et al. Thresholds for epidemic outbreaks in finite scale-free networks.[J]. Mathematical Biosciences & Engineering Mbe， 2005， 2（2）：317-327.

[5]GANESH A J， MASSOULIE L， TOWSLEY D F. The effect of network topology on the spread of epidemics. In： INFOCOM[J]. Proceedings - IEEE INFOCOM， 2005， 2（2）：1455-1466.

[6]李博.生态学[M]. 北京：高等教育出版社， 2000.

[7]AJELLO L， KAPLAN W. Shopping for Information？ Diversification and the Network of Industries[J]. Ssrn Electronic Journal， 2011， 61（1）：161-183.

[8]NEWMAN M E J. Finding community structure in networks using the eigenvectors of matrices.[J]. Physical Review E Statistical Nonlinear & Soft Matter Physics， 2006， 74（3 Pt 2）：92-100.

[9]FORTUNATO S. Community detection in graphs[J]. Physics， 2010， 486（3-5）：75-174.

[10][ZK（#]AOBDIA D， CASKEY J， OZEL N B. Inter-industry network structure and the cross-predictability of earnings and stock returns[J]. Review of Accounting Studies， 2014， 19（3）： 1191-1224.

[11]AHERN K R， JARRAD H. The Importance of Industry Links in Merger Waves[J]. Social Science Electronic Publishing， 2012， 69（2）： 527-576.

[12]张发， 李璐， 宣慧玉. 传染病传播模型综述[J]. 系统工程理论与实践， 2011， 31（9）：1736-1744.

[13]刘怡君， 李倩倩， 牛文元. 舆论动力学模型综述[J]. 管理评论， 2013， 25（1）.

[14]NOWAK M A. Five rules for the evolution of cooperation， Science 314[J]. Science， 2006， 314（5805）：1560-1563.

[15]KOSSINETS G， WATTS D J. Origins of homophily in an evolving social network.[J]. American Journal of Sociology， 2009， 115（2）：405-450.

[16]SCHELLING T C. Dynamic models of segregation[J]. Journal of mathematical sociology， 1971， 1（2）： 143-186.

[17]SCHELLING T C. Models of segregation[J]. The American Economic Review， 1969， 59（2）： 488-493.

[18]HUBBARD R G， PALIA D. A Reexamination of the Conglomerate Merger Wave in the 1960s： An Internal Capital Markets View[J]. Journal of Finance， 1998， 54（3）：1131–1152.

[19]TATE G， YANG L. The Bright Side of Corporate Diversification： Evidence from Internal Labor Markets[J]. 2013， 28（8）： 2203-2249.

[20]WENG L， MENCZER F， AHN Y Y. Virality prediction and community structure in social networks.[J]. Scientific Reports， 2013， 3（8）：618-618.

[21]ROGERS E M. New Product Adoption and Diffusion.[J]. Journal of Consumer Research， 1976， 2（4）：290-301.

[22]GRANOVETTER M. Threshold models of collective behavior[J]. American journal of sociology， 1978，83（6）：1420-1443.

[23]WU F， WILKINSON D M， HUBERMAN B A. Feedback loops of attention in peer production[C]//Computational Science and Engineering， 2009. CSE'09. International Conference on. IEEE， 2009（4）：409-415.

[24]NOH Y H， YOO K. Internet， inequality and growth[J]. Journal of Policy Modeling， 2008， 30（6）： 1005-1016.

[25]OHTSUKI H， HAUERT C， LIEBERMAN E， et al. A simple rule for the evolution of cooperation on graphs and social networks[J]. Nature， 2006， 441（7092）：502-505.

[26]馬博. 公共品博弈实验中的合作行为研究进展[J]. 经济论坛， 2013（11）：163-169.

[27]TRAULSEN A， NOWAK M A. Evolution of cooperation by multilevel selection.[J]. Proceedings of the National Academy of Sciences of the United States of America， 2006， 103（29）：10952-10955.

[28]TRAULSEN A， SENGUPTA A M， NOWAK M A. Stochastic evolutionary dynamics on two levels[J]. Journal of Theoretical Biology， 2005， 235（3）：393-401.

[29]LOPEZ-PINTADO D， WATTS D J. Social influence， binary decisions and collective dynamics[J]. Rationality and Society， 2008， 20（4）： 399-443.

[30]SIECZKA P， HOLYST J A. A Threshold Model of Financial Markets[J]. Acta Physica Polonica A， 2007， 114（3）： 525-530

[31]ODUM H T. Self-Organization， Transformity， and Information[J]. Science， 1988， 242（4882）： 1132-1139.