信息划分：政客在网上形成分裂的社区

• 作者：
• 作者姓名

  量子运行远见
• 2022 年 10 月 24 日

洞察总结

随着社交媒体使用的增加，政治观点变得更加分裂和好斗。 许多人似乎存在于党派泡沫中，无论是身体上还是在线上。 政党鼓励这种片面性，以使他们的选民对反对派的观点和政策视而不见。

信息筛选上下文

传统上，选区划分操纵选区边界，为选区的政党、团体或社会阶层提供不公平的优势。 这种做法通常是通过重新划分或重新分配每个地区的人口来完成的。 在美国，隔离的社区和种族投票模式表明，政党通过针对有色人种社区在重新划分选区时获得优势。 

Gerrymandering 是一种古老的做法，但随着计算机算法和人工智能 (AI) 的进步，地图抽屉可以更精确地执行重新划分，以明确定义的选民人口统计数据为目标。

除了选址不公正之外，网络曝光也影响着选民的主观性。研究人员将这种信息称为“不公正划分选区”。 2019 年，麻省理工学院 (MIT) 进行了一项研究，将参与者置于模拟的游戏化选举中。研究小组发现，通信网络（例如社交媒体）可能会扭曲其他人计划投票的方式，并增加选举僵局或整体偏见的可能性。

研究人员还创建了约占参与者总数 20% 的在线机器人，只强烈支持一方，即学者们所说的“狂热者”。超过2,500名志愿者通过在不同条件下玩“选民游戏”的方式参与了这项研究。经过几个月的游戏，研究人员发现选举结果可能会受到投票信息如何在网络上传播以及狂热者活动的显着影响。

破坏性影响

获取不同的信息源对于民主进程中的知情决策至关重要。然而，当社交网络限制信息流或信息被有偏见的个人和自动化机器人扭曲时，就会出现挑战。麻省理工学院 (MIT) 研究人员的一项研究发现了一种称为信息不公正划分的现象，即即使不存在虚假信息，信息的分布也会严重扭曲群体决策。这种现象会造成高达20%的选举偏见，导致原本应该平分50-50的群体可能会因为信息分配不均而最终分裂成60-40。

麻省理工学院的研究人员检查了美国国会和欧洲立法机构共同发起的法案以及社交媒体平台上的用户网络的数据。他们发现了故意操纵信息以偏袒某些群体的证据。这种操纵在对 1973 年至 2007 年美国共同提案法案的分析中显而易见，最初民主党发挥了更大的影响力。然而，随着1994年共和党控制国会，他们的影响力与民主党的影响力相平衡。研究中八个欧洲议会中有六个观察到了类似的两极分化模式。

这项研究的结果强调需要从各种来源寻求信息以形成全面的观点，特别是在政治决策中。公司，尤其是那些涉及信息技术和社交媒体的公司，可能需要重新评估其算法和政策，以防止信息不公正划分。与此同时，政府可能需要制定法规和指导方针，以确保信息的公平分配，特别是在政治敏感的环境中。 

信息划分的含义

信息划分的更广泛影响可能包括： 

• 更多地使用更微妙的公共监控技术来收集有关选民的信息，例如面部扫描识别和在线活动。
• 社区研究小组收集并向其社区提供有关候选人、政策等方面的公正信息。 
• 越来越多地使用狂热机器人和巨魔农场来充斥社交媒体，往往是极端主义的理想，这可能导致现实世界的暴力。 
• 政党开展更多计算宣传活动，以促进党派理想并传播针对反对派的虚假信息。
• 人工智能越来越多地识别可能投票给特定政党或支持特定立法的公民。
• 更脆弱的社区成为选民操纵或压制的目标。

需要考虑的问题

• 您遇到过哪些信息滥用的例子？
• 信息分配对当地社区的影响还有哪些？