当前位置:首页 > 资讯

TBBT第4季20集:科学传播八卦(附视频)

发布时间:2019-07-12 08:32:35   编辑:运动与健康网   阅读次数:

(文/戴维·保罗萨尔茨堡)这是我第一次友谊博文,从一个很好的朋友克里斯蒂娜。我遇到了从大学开始与克里斯蒂娜的第一个星期,因为我们有着共同的专业。我们是多年的“称号”的朋友 - 在20岁这样的物理学家。因为他得到了物理学博士学位,从加州大学圣巴巴拉分校,克里斯蒂娜已经成为数学专家组成的网络,专门从事在线网络。当时的社交网络还没有成为流行。所以当我看到艾米今晚?法拉?当福勒提到梅梅理论,立刻要求帮忙找到克里斯蒂娜。现在,她会热情地向我们这组的科学原理解释背后。

今晚的友谊作者:克里斯蒂娜?勒曼教授

艾米:模因论认为八卦是像其他生物繁殖的需要,并以人类作为宿主。

在这一集里,谢尔顿和艾米发现米姆(八卦和其他社交信息)像传染性生物,繁殖自己,人类作为一个主机。他们用你的朋友之间进行的实验“模因流行病学”的理论,并与刺激,流言蜚语信息和信息勾引世俗的朋友使用,以测试是否前者传播速度更快。

信息传播会像在社会群体疫情。这个比喻说明了社会学家试图了解许多不同的现象,包括接受新的事物,时尚和口碑传播的趋势和社交媒体活动。如果涉及到朋友之间的社会问题,也就是社交网络,这个比喻变得非常准确。在每一个社会流行的“感染”,个人的导电性,因为有可能感染了网络社区,也决定感染传播的电导率。在社会普遍理解的关键是要找到有影响力的人,预测疫情会蔓延至今并想方设法促进或阻碍这一发展。广告和社交媒体顾问都在忙着设计的“病毒式”营销策略。就像传染病,专家会建议人们采取一些措施,以减少病毒的传播(如洗手),如果这些措施无效,就必须找出谁是最应该接种疫苗,以限制病毒的传播(通常是幼儿园老师)。在市场营销的情况下,营销人员最感兴趣的是在收到免费产品或其他奖励的人能够产生最大的影响后发现。

虽然理论进展很快,但直到最近,疫情的实证研究仍局限于查看病人的病历,并试图跟踪他们接触到的人。社会化媒体的出现改变了一切。人加入社交媒体网站(如Twitter,Digg的的Flickr,YouTube)的找到感兴趣的内容,或通过在线社交网络联系的朋友和志同道合的人。网站曝光的人的活动轨迹,这给个人和群体行为研究的科学家提供了大量有价值的信息。经验数据是很多物理学家。因此,物理学家(包括作家)蹂躏的土地,这使得社会科学家的做法很不高兴。在科学和文化战争,物理学家通常要感谢耳朵傲慢,但他有权利这样做,因为他永远是对的。

在社交媒体网站的详细数据使我们能够量化的社会动力盛行的研究。我的研究是在Digg和Twitter信息传播。这些网站允许用户的朋友加入到他们的社交网络,使他们能够参加由发起的活动。如果你投票或鸣叫的故事了一下,随后他被“传染”,他暴露在网络邻居“病毒”。每个邻居可以被“感染”(通过投票或转发),它会暴露他们的邻居,等等。数据使我们能够跟踪沿着社会关系的数据流。我们发现,流行的社交网络和传染病传播的性能具有非常不同的方式。相比之下,大多数的我们增长缓慢的预期连接的信息,没有达到“流行”的标准。事实上,信息涵盖的用户不到1%。

有许多因素可以解释这种现象。也许用户限制在一个很小的范围内,以防止信息过载的故事的传播; 也许该网络的结构,以限制信息的传播; 或者是它的社会沟通机制的故事不能增长(见人们是如何做出决定的朋友投票后)。我们测试的网络仿真这些假设的流行过程和真实的信息链接的实证研究。

我们发现,虽然网络结构限制了连接在一定程度上信息化的发展,更戏剧性的效果的社会蔓延已经引起了我们的注意。和疾病模型的蔓延,在不同的流行多次看到同样的故事在研究使用前不能使用户更倾向于把票投给故事。我们定义了另一种模式的观察,它再现了在Digg观察到真实的信息链路特性。

\

(加长版:特别是,我们使用模拟广为流行的独立研究联模式在网络上。每个模拟链接投票人的故事作为种子节点。打个比方感染过程,我们称之为节点感染。易感追随者种子节点已决定投票一定的概率,取决于传递λ。每个节点只能是一票,如果种子节点被删除,节点我们可以再次从新开始感染。按照投票节点节点不是一个独立的决定进行投票。直观地说,如果你的朋友被感染,那么感染几率变大。)

耦合的数目是传递率λ的函数,该模型是连接的图片和图片的相同的模拟Digg的随机分布的过程。异构平均场预测受连接的节点的数目。HMF线示出了(乘以在网络节点Digg的的总数)这些预测。

不久后,没有新的节点被感染,链路终端。最终感染节点给出的链接数量。这些结果在上文中,每个点代表一个耦合所示,y轴给出最终耦合的数,x轴示出了传递率λ。蓝色代表图Digg的原点联动的数目,连接点表示的随机数Digg的曲线图中,线代表理论预测金。在这两种模拟中,有λ,流行阈值的临界值,低于该值的链接将很快停止,并会超过它显著速度传播。

仿真结果与理论和实际联系的比较产生问题。为什么这么小的数目链接?在我们的模型中的链接,只有传递将产生在一个很窄的范围内链接(约500票)接近临界值的适当数量。很显然,这种结构不足以解释这种差距。为了更深入的研究,我们研究的感染机制本身。我们发现,独立运作的联机模式严重高估的可能性23朋友投政党票。事实上,我们发现很多时候故事只能看到投票的可能性略有增加。

和链接的数量和实际仿真假设Digg的图连接传递。它给出的参考链接预测HMF数。

\

通过使用连接机构模拟新发感染的信息,我们发现,有少数值的值之前,如图所示。。同样的真实和模拟Digg的链接数量,我们相信已经发现机制来限制信息的传播。这些发现强调了信息传播和疾病传播的本质区别:虽然在社会群体被感染的机会很多,但很多时候,人们将不会看到的信息变成了传播者。

\

原来看这里

科技博客微博

博主介绍: 萨尔茨堡保罗·戴维(戴维·索尔兹贝格)是加州大学洛杉矶分校,物理学,天文学教授。同时,他还担任了“生活大爆炸”的科学顾问。谢尔顿说,一群戏剧术语,都来自这个人的手中。在他的博客进一步解释那些令人眼花缭乱的一点科学知识。

本文链接:TBBT第4季20集:科学传播八卦(附视频)

友情链接: 大悲咒经文念诵 听佛经 心经
网站地图
运动与健康网版权所有   苏ICP备18043008号