利用动力学Ising模型推断意见动态的微观机制
Inferring the microscopic mechanisms of opinion dynamics using a kinetic Ising model
浏览论文内容
中文总结 AI 辅助
本研究利用动力学Ising模型从在线社交网络数据中推断意见更新机制，验证了热浴动力学的有效性，并揭示了持久性、社会影响与网络拓扑的定量关联。
中文摘要 AI 辅助
动力学Ising模型被广泛用于描述二元意见动态，但其微观有效性很少得到实证检验。在此，我们从持续一年的在线社交网络中推断控制意见更新的转移概率，并表明它们能被Ising热浴动力学精确描述。推断出的参数具有直接的社会学解释：外场量化内在偏见，耦合强度衡量社会影响，而持久性项捕捉时间惯性。我们进一步表明，持久性与节点度正相关，而持久性和交互强度均与全局网络异质性和聚类强相关。在经验时间网络上使用推断出的时变参数进行蒙特卡洛模拟，我们精确重现了观测到的响应函数、翻转概率和宏观意见动态。在推特气候辩论中，我们的结果为在线意见形成的动力学Ising描述提供了直接实证支持，并建立了微观社会行为与演化网络拓扑之间的定量联系。
英文摘要
Kinetic Ising models are widely used to describe binary opinion dynamics, but their microscopic validity has rarely been tested empirically. Here, we infer the transition probabilities governing opinion updates from a year-long online social network and show that they are accurately described by an Ising heat-bath dynamics. The inferred parameters admit a direct sociological interpretation: the external field quantifies intrinsic bias, the coupling strength measures social influence, and a persistence term captures temporal inertia. We further show that persistence is positively correlated with node degree, while both persistence and interaction strength are strongly correlated with global network heterogeneity and clustering. Using the inferred time-dependent parameters in Monte Carlo simulations on the empirical temporal networks, we accurately reproduce the observed response functions, flip probabilities, and macroscopic opinion dynamics. Within the Twitter climate debate, our results provide direct empirical support for a kinetic Ising description of online opinion formation and establish a quantitative link between microscopic social behavior and evolving network topology.
发表机构
- Sorbonne Université（索邦大学）
- CNRS（法国国家科学研究中心）
- LIP6（LIP6实验室）
- Complex Systems Institute of Paris île-de-France (ISC-PIF, UAR3611)（巴黎-法兰西岛复杂系统研究所）
- Centre d’Analyse et de Mathématique Sociales (CAMS, UMR8557)（社会分析与数学中心）
- Université Paris-Saclay（巴黎萨克雷大学）
- CEA（法国原子能和替代能源委员会）
机构由 AI 辅助整理，请以论文原文为准。
