به گزارش خبرداغ به نقل از خبرآنلاین؛ غزال زیاری: وقتی افراد مختلفی دور هم جمع میشوند، با در نظر داشتن اینکه قصد بدی ندارند، ایدههای جدیدی در جمعشان پدیدار میشود که باعث تقویت نوآوری میشود و این موضوع به رونق اقتصادی کمک خواهد کرد. این بخشی از صحبتهای دریک هلبینگ، یکی از اعضای هیئتعلمی در Complexity Science Hub و استاد دانشگاه ETH زوریخ است.
او معتقد است که حفظ و ارتقای تنوع اجتماعی نقش به سزایی در زندگی انسانها دارد. در مطالعهای که اخیراً در ژورنال انجمن سلطنتی علوم منتشر شد، هلبینگ و همکارش از شواهدی خبر دادند که نشان میدهد در شبکههای اجتماعی متمرکز، تنوع اجتماعی کمتر است؛ چراکه در این فضاها، چند چهره کلیدی با افراد زیادی در ارتباطند.
طبق گفته محققان، در واقعیت، در پلتفرمهایی مثل اینستاگرام و X که افراد میتوانند فالوورهای زیادی داشته باشند، شبکهها بهشدت متمرکزند و در شرایطی که اکثر افراد در این شبکههای اجتماعی نسبتاً فالوورهای کمی دارند، تعداد محدودی از افراد، با فالوورهای فراوان، به بقیه فرمان میدهند و آنها را رهبری میکنند.
آندرئا موسو دراینباره میگوید: «واقعیت آن است که افرادی که فالوورهای زیادی دارند، بیشتر در دیدرس قرار میگیرند و بهسرعت فالوورهای بیشتری نیز پیدا میکنند». او این اثر را " دارا، داراتر میشود" مینامد و معتقد است که این اثر، تمرکز در شبکهها را افزایش میدهد؛ و در عوض این تمرکز، جایگاههای محافظت از نظرات اقلیتها را از بین میبرد. طبق این بررسی، تمرکز باعث کاهش تنوع اجتماعی خواهد شد.
هلبینگ توضیح میدهد: «در شبکههای اجتماعی متمرکز، نظرات اقلیت بهراحتی با نظرات اکثریت از بین میروند. این گاهی به معنای از بین رفتن ایدههای ارزشمند خواهد بود که در این شرایط به جریان حاکم اصلی تبدیل میشود و درعینحال، این موضوع، هیچ تضمینی برای یافتن راهحلهای خوب نیست. درواقع، باید در شبکههای اجتماعی فضاهای امنی ارائه شود تا ایدههای جدید بتوانند بدون نیاز به رقابت مستقیم با جریان اصلی رشد کنند.»
موسو هم در این رابطه میگوید: «وقتی افراد عضوی از گروهی هستند که در آن عقایدشان را به اشتراک میگذارند، ایدههای جدید برای مدت طولانیتری دوام میآورند. در غیر این صورت، احتمالاً درنهایت خودشان را با اکثریت مطابقت میدهند و بدین ترتیبی فرصتی برای نوآوری نخواهد بود؛ اما نکته مهم این است که چنین حمایت گروهیای، بیشتر به شبکه اجتماعی فرد بستگی دارد تا اینکه این ایده بهطورکلی تا چه اندازه پذیرفته میشود.»
جمعبندی هلبینگ اینگونه است: «شبکههایی که تنوع اجتماعی را ترویج میکنند، دارای ویژگیهای ساختاریای هستند که از نظرات اقلیتها نیز محافظت میکند.»
راهکاری نیز که موسو برای این ماجرا پیشنهاد کرده، در نوع خودش جالبتوجه است: «اگر میخواهیم تنوع اجتماعی را ارتقا دهیم، باید شبکههای اجتماعی را غیرمتمرکز کنیم.»
مثلاً پلتفرمهای شبکههای اجتماعی مثل متا یا X را در نظر بگیرید. هلبینگ توضیح میدهد: «به نظر میرسد که یک اقدام ساده، مانند آنفالو کردن چند فرد VIP، یعنی افراد بانفوذ با فالوورهای زیاد، باعث کمک به ارتقای تنوع اجتماعی خواهد شد.»
باگذشت زمان، این به طیف وسیعتری از ایدهها، نوآوری بیشتر، رونق اقتصادی، انعطافپذیری در برابر اختلالات اجتماعی و هوش جمعی منجر میشود.
محققان در راستای بررسیهایشان، روش جدیدی را برای درک توانایی یک شبکه برای تقویت تنوع اجتماعی ایجاد کردند تا ببینند که یک شبکه چقدر در فراهم کردن فضایی برای نظرات اقلیتها کاربردی عمل میکند. آنها این روش را با استفاده از یک مدل ساده از نحوه تغییر عقاید تأیید کردند: افراد میتوانند نظر یک شبکه همسایه را تقلید یا تصاحب کرده و یا با نوآوری یک نظر جدید ابداع کنند.
این مطالعه حکایت از آن داشت که شبکههای مختلف میتوانند سطوح کاملاً متفاوتی از تنوع اجتماعی را نشان دهند، حتی در شرایطی که میزان تقلید و نوآوری یکسان باشد. نکته مهم اینجاست که روش جدید میتواند این تفاوتها را بهخوبی پیشبینی کند.
طبق توضیح موسو، در گام اول، محققان قدرت پیشبینی این روش را روی شبکههای مصنوعی آزمایش کردند. مزیت شبکههای مصنوعی این است که میتوان پارامترهای مربوط را بهدلخواه تغییر داد؛ مثلاً میتوان بااتصال بیشتر عناصر با چند عنصر مرکزی منتخب در رایانه، شبکههای بسیار متمرکز را ایجاد کرد. درروش دیگر هم میتوان بااتصال تصادفی شبکهها به یکدیگر، شبکه را غیرمتمرکز کرد. کنیم. موسو توضیح میدهد که عناصر آن بهطور تصادفی.
در ادامه، محققان این روش را در بیش از صد شبکه اجتماعی واقعی، از پلتفرمهایی مانند متا یا X ارزیابی کردند. هلبینگ دراینباره گفت: «نتایج این مطالعه پیامدهای مهمی برای چگونگی حفظ یا حتی افزایش تنوع عقاید دارد.»
بنا به گفته نویسندگان، شکلگیری عقیده درواقع تنها موردی نیست که در آن رفتار یک سیستم، به ساختار شبکه بستگی داشته باشد و وقوع اثرات آبشاری مضر، گسترش بیماریها، کارایی الگوهای ترافیکی و سطوح انتشار آنها و اثربخشی عملیات واکنش به بلایا، همگی نمونههایی هستند که نتیجه آن تا حد زیادی توسط شبکه تعاملی تعیین میشوند.
هلبینگ در بخش پایانی صحبتهایش گفت: «این وابستگیها اغلب ضد شهودی هستند و این موضوع، نظریه شبکه و علم سیستمهای دینامیکی پیچیده را به یک حوزه تحقیقاتی هیجانانگیز تبدیل میکند.»
منبع: phys