Пять друзей до раскола: модель объяснила, почему соцсети поляризуют общество - Новости психологии perec.ru

Пять друзей до раскола: модель объяснила, почему соцсети поляризуют общество

13.10.2026, 13:01:03 Психология
✮✮✮✮✮✮
Хроника:
Подписаться на «Психология / Научные исследования»
Пять друзей до раскола: модель объяснила, почему соцсети поляризуют общество

Пять друзей до раскола: как связи превращают общество в два лагеря

Рост числа близких социальных связей может не объединять людей, а, наоборот, раскалывать их на непримиримые политические лагеря. К такому выводу пришли Stefan Thurner, Markus Hofer и Jan Korbel из Медицинского университета Вены и Complexity Science Hub Vienna. Их исследование опубликовано в Proceedings of the National Academy of Sciences.

За последние два десятилетия политическая поляризация заметно усилилась в США и других западных странах. Примерно в тот же период среднее число близких друзей, о которых сообщают люди, почти удвоилось. Совпадение по времени пришлось на появление смартфонов и массовых социальных сетей — примерно с 2008 года. Учёные проверили, может ли само увеличение числа связей усиливать идеологический конфликт.

Модель опиралась на два известных свойства поведения. Первое — гомофилия, то есть склонность искать людей со схожими взглядами. Общение с единомышленниками укрепляет исходные убеждения. Второе — социальный баланс: люди стремятся к устойчивым отношениям в тройках. Сбалансированной считается ситуация, когда все трое дружат либо двое дружат между собой и не любят третьего.

Несбалансированные тройки создают напряжение. Например, одному человеку трудно оставаться другом двух людей, которые ненавидят друг друга. Дискомфорт возникает и в случае, когда все трое враждуют. Чтобы снизить стресс, люди меняют взгляды или дистанцируются от несогласных.

Исследователи создали агентную компьютерную модель — виртуальное общество, где у каждого участника был набор бинарных политических позиций по разным вопросам. Между людьми существовали положительные и отрицательные связи. Дружба возникала при совпадении большинства взглядов, а противоположные позиции формировали соперничество.

Алгоритм случайно менял одну позицию выбранного участника. Затем модель оценивала когнитивный диссонанс — насколько человек согласен с друзьями и не согласен с противниками. Если новая позиция снижала социальное напряжение, она сохранялась. Если повышала — обычно отвергалась, хотя небольшая вероятность принятия оставалась как условная модель иррационального поведения. После изменений пересчитывались и отношения, чтобы сохранить социальный баланс.

Учёные запускали симуляцию много раз, меняя среднее число близких связей. Пока у человека было мало близких контактов, общество сохраняло разнообразие и относительную сплочённость. Небольшие группы единомышленников существовали, но оставались разрозненными и терпимыми к остальным.

Критическим оказался порог примерно в пять близких друзей. После его превышения происходил резкий переход, который в физике называют фазовым переходом: множество небольших групп превращалось в два крупных лагеря примерно равного размера. Внутри каждого лагеря взгляды становились почти одинаковыми, а между лагерями закреплялись противоположные позиции и отрицательные отношения.

Затем в модель добавили радикальных влиятельных участников. Их доля составляла всего 2% населения. Они придерживались крайних неизменных взглядов, не пытались снижать социальное напряжение, но вступали в дружбу и конфликт в зависимости от идеологической близости. В результате раскол начинался раньше — уже примерно при 4,5 близких связях на человека. Сам переход становился не резким, а постепенным.

Чтобы проверить модель, исследователи сопоставили её результаты с многолетними опросами, включая данные Pew Research Center. Эти исследования отслеживают политические взгляды и число близких дружеских связей у тысяч респондентов. До 2010 года поляризация в США оставалась сравнительно низкой и стабильной. Вскоре после увеличения числа социальных связей она резко пошла вверх.

Модель воспроизвела время и масштаб этого скачка. Для объяснения результата ей не понадобились отдельные факторы вроде экономических перемен или политических кампаний: сочетания стремления к общению с единомышленниками, социального баланса и роста числа связей оказалось достаточно.

У модели есть ограничения. Она предполагает, что все люди одинаково чувствительны к несогласию и социальному стрессу, хотя в реальности терпимость и политическая вовлечённость различаются. Кроме того, базовая сеть контактов считается относительно фиксированной. Реальные платформы постоянно предлагают новые знакомства с помощью алгоритмов рекомендаций, поэтому в интернете эффект группировки может быть ещё сильнее.

Особенно неприятен эффект гистерезиса — трудности обратного перехода. Если общество уже пересекло порог и раскололось, простое возвращение числа связей к прежнему уровню не восстановит единство. Чтобы снизить поляризацию, связность пришлось бы уменьшить значительно сильнее, чем требовалось для запуска раскола.

Поскольку отказаться от цифровой связанности практически невозможно, авторы предлагают повышать сам критический порог. Для этого нужны образовательные программы, развивающие терпимость к противоположным мнениям. Дополнительной мерой может стать модерация контента, ограничивающая распространение радикальных влиятельных участников. Работа называется «Почему больше социальных взаимодействий ведёт к большей поляризации в обществах».


PEREC.RU

Исследование Stefan Thurner, Markus Hofer и Jan Korbel из Медицинского университета Вены и Complexity Science Hub Vienna предлагает математическое объяснение роста политической поляризации. Авторы заметили, что за последние два десятилетия в США и других западных странах одновременно усилилась политическая вражда и почти вдвое выросло среднее число близких социальных связей, о которых сообщают люди. Этот период совпал с распространением смартфонов и массовых социальных сетей примерно с 2008 года.

Исследователи построили агентную компьютерную модель общества. Каждый виртуальный участник получил набор бинарных политических позиций по разным вопросам. Между участниками существовали положительные и отрицательные связи: дружба возникала при совпадении большинства взглядов, а противоположные позиции формировали соперничество. Модель учитывала гомофилию — склонность выбирать единомышленников — и социальный баланс, то есть стремление поддерживать устойчивые отношения в группах из трёх человек.

При случайном изменении политической позиции алгоритм оценивал когнитивный диссонанс участника: насколько новая позиция согласуется с друзьями и расходится с противниками. Если социальное напряжение снижалось, изменение сохранялось. Если напряжение возрастало, оно обычно отвергалось, хотя небольшая вероятность сохранения моделировала иррациональное поведение. Одновременно отношения менялись так, чтобы сохранять социальный баланс.

При небольшом числе контактов общество оставалось разнообразным и относительно сплочённым. Критическим оказался порог примерно в пять близких друзей на человека. После его превышения происходил фазовый переход: небольшие разрозненные группы превращались в два крупных лагеря примерно равного размера. Внутри каждого лагеря взгляды становились почти одинаковыми, а между лагерями закреплялись противоположные позиции и отрицательные отношения.

Добавление радикальных влиятельных участников, составлявших 2% населения и сохранявших крайние неизменные взгляды, меняло картину. Раскол начинался раньше — примерно при 4,5 близких связях на человека. Переход становился постепенным, но формирование противоположных эхокамер ускорялось.

Для проверки модели авторы использовали многолетние опросы, включая данные Pew Research Center. Реальные данные показали, что до 2010 года поляризация в США была сравнительно низкой и стабильной, а после увеличения числа социальных связей быстро выросла. Модель воспроизвела время и масштаб скачка без привлечения экономических изменений или политических кампаний.

Авторы отмечают ограничения. Модель предполагает одинаковую чувствительность всех людей к несогласию и использует почти фиксированную сеть контактов, тогда как реальные платформы постоянно предлагают новые связи. Алгоритмы рекомендаций могут усиливать кластеризацию сильнее, чем предполагает симуляция.

Важный результат — гистерезис: после перехода к высокой поляризации простое возвращение числа связей к прежнему уровню не восстанавливает единство. Для обратного перехода связность пришлось бы уменьшить намного сильнее исходного порога. Поскольку сокращение цифровых контактов малореалистично, исследователи предлагают повышать критический порог с помощью образования, развивающего терпимость к несогласию, и модерации, ограничивающей охват радикальных инфлюенсеров.

Поделиться

Похожие материалы