Журнал вычислительной математики и математической физики, 2020, T. 60, № 10, стр. 1795-1804

Стационарные состояния в модели выбора позиций индивидами

А. П. Петров 1*, О. Г. Прончева 2**

1 ИПМ им. М.В. Келдыша РАН
125047 Москва, Миусская пл., 4, Россия

2 МФТИ (НИУ)
141701 Долгопрудный, М.о., Институтский пер., 9, Россия

* E-mail: petrov.alexander.p@yandex.ru
** E-mail: olga.proncheva@gmail.com

Поступила в редакцию 07.05.2020
После доработки 07.05.2020
Принята к публикации 09.06.2020

Полный текст (PDF)

Аннотация

Рассматривается модель выбора позиции индивидами при пропагандистской битве двух партий. Выбор позиции основан на нейрологической модели принятия решений, имеющей на входе информационные стимулы, поступающие к индивиду от противоборствующих партий, на выходе – его поддержку одной из этих партий. В данном варианте модели учитываются также ассортативность и неполный охват населения средствами массовой информации. Исследованы состояния равновесия: их количество и устойчивость, предложена содержательная трактовка. Библ. 27. Фиг. 3.

Ключевые слова: обыкновенные дифференциальные уравнения, устойчивость,нейрологическая модель принятия решений, пропагандистская битва, эхо-камеры.

1. ВВЕДЕНИЕ

Реальные социумы редко приходят к консенсусу, хотя его достижение предсказывается классом математических моделей, называемых моделями динамики мнений. Наиболее известная и ранняя работа данного направления, принадлежащая М. де Груту, так и называется: “Достижение консенсуса” [1]. В упрощенном виде, механика таких моделей имеет следующий вид. Позиция индивида по некоторой теме в конкретный момент времени представляется скалярной величиной. Он обсуждает данную тему с другими индивидами, и все они корректируют свои позиции, делая шаги навстречу друг другу. Таким образом, гипотеза о поведении индивида состоит в том, что свою позицию в момент времени $t + 1$ он определяет как взвешенное среднее позиций различных индивидов (в том числе своей) в момент времени $t$. Величины весов задаются так называемой матрицей влияния, элементы которой имеют смысл влиятельности мнения $j$-го индивида для $i$-го. При таком предположении в обществе неминуемо достигается консенсус, т.е. все индивиды с течением времени приходят к одному и тому же мнению (за исключением особого случая, когда матрица влияния распадается на отдельные блоки).

На сегодняшний день существует довольно много публикаций по моделям динамики мнений (см., например, литературу в [2]–[5]). Между тем, реальные общества (и большие группы) редко приходят к консенсусу; более того, часто динамика направлена в сторону поляризации мнений, а не достижения консенсуса. Иногда формируются взаимодействующие сообщества “левых” и “правых”, которые не сближаются друг с другом. Часто возникают группы идеологических меньшинств, называемые эхо-камерами (см. [6]–[8]), способные оставаться на своей позиции (или радикализироваться), несмотря на информационное доминирование “партии большинства”. Не достижение консенсуса, а наоборот, поляризация фиксируется постоянно растущей в объеме политологической литературой (см., например, [9]).

Поэтому для того, чтобы описать социальную реальность, требуется математическая модель, основанная на более сложных положениях о поведении индивидов.

В работе [7] мы предложили такую модель, основанную на нейрологической схеме Рашевского (см. [10]). Настоящая работа посвящена анализу ее математических свойств.

Данная модель лежит в русле моделирования информационного противоборства, в рамках которого можно выделить несколько подходов. Так, ряд работ посвящены моделям конкурирующих слухов (competing rumors) (см. [11], [12]). Они разрабатываются в рамках традиции моделей слухов (rumor models), исходящей из аналогии между передачей информации от индивида к индивиду и эпидемии заражением, и не учитывающей влияния масс-медиа. Данная традиция восходит к ранним работам [13], [14].

Альтернативный подход, предложенный в работе [15] (см. также [16]), учитывает не только межличностную коммуникацию, но и влияние масс-медиа. Эмпирическое основание для этого дает, в частности, работа [17], в которой изучались этнические чистки в Руанде, и было показано, что чистки были наиболее интенсивными в деревнях, принимающих радиостанцию RTLM (которая пропагандировала насилие), а также соседних, связанных с ними межличностной коммуникацией жителей.

Если говорить в целом об эмпирических работах соответствующей тематики, то большинство из них анализирует содержание публикаций в интернете либо поисковых запросов (см., например, [18]–[20]).

Настоящая работа развивает подход, в котором основное внимание уделяется принятию индивидом решения о том, какую из двух конкурирующих партий поддержать.

Рассматривается процесс пропагандистской битвы (propaganda battle) противоборства двух партий: Левой ($L$) и Правой ($R$). Каждая из них имеет аффилированные СМИ, распространяющие информационные сообщения в пользу своей партии. Эти сообщения распространяются далее сторонниками, причем в каждый момент времени каждый член населения является сторонником ровно одной из партий. С течением времени индивид может переходить на сторону другой партии неограниченное количество раз.

Математическая модель основана на нейрологической схеме Рашевского (см. [10]), на выходе которой формируется манифестируемая политическая позиция, т.е. поддержка конкретным индивидом той или иной партии (см. также похожее, но иное применение данного подхода в [21]). Эта манифестируемая позиция индивида $i$ отражает его латентную позицию ${{\lambda }_{i}}\left( t \right)$, которая является непрерывной скалярной функцией времени. Именно, манифестируемая позиция в момент времени $t$ равна $R$, если ${{\lambda }_{i}}\left( t \right) \geqslant 0$, и она равна $L$, если ${{\lambda }_{i}}\left( t \right) < 0$. Чем больше абсолютное значение ${{\lambda }_{i}}\left( t \right)$, тем более твердым является сторонник партии.

Далее, латентная позиция индивида имеет вид ${{\lambda }_{i}}\left( t \right) = {{\varphi }_{i}} + \psi \left( t \right)$, где ${{\varphi }_{i}}$ – это постоянная в течение битвы установка (attitude) данного индивида, описывающая его предрасположенность к поддержке той или иной партии, $\psi \left( t \right)$ – динамическая составляющая, которая одинакова для всех членов населения и меняется в ходе пропагандисткой битвы под влиянием информационных факторов, таких как пропагандистское медиавещание сторон и межличностное общение. Очевидно, что рост функции $\psi \left( t \right)$ описывает рост численности сторонников партии $R$ и наоборот.

2. БАЗОВАЯ МОДЕЛЬ

В этом разделе описывается базовая модель выбора позиций индивидами (см. [22]).

В соответствии со сказанным выше численность сторонников Правой партии равна

(2.1)
$R\left( {\psi \left( t \right)} \right) = \int\limits_{ - \psi \left( t \right)}^\infty \,n\left( \varphi \right)d\varphi ,$
а Левой партии
(2.2)
$L\left( {\psi \left( t \right)} \right) = \int\limits_{ - \infty }^{ - \psi \left( t \right)} \,n\left( \varphi \right)d\varphi ,$
где $n\left( \varphi \right)$ – распределение установок среди индивидов в населении.

Функция $n\left( \varphi \right)$ является основной характеристикой социума. Например, нормальное распределение с центром в нуле соответствует консолидированному обществу, в котором большинство членов имеют центристскую политическую позицию. Двугорбая функция $n\left( \varphi \right)$ с одним горбом левее нуля, другим – правее, соответствует поляризованному обществу, в котором преобладают индивиды выраженных левых и правых взглядов, а политический центр является малочисленным (см., например, [9]).

Уравнение для функции $\psi \left( t \right)$ имеет вид

(2.3)
$\frac{{d\psi }}{{dt}} = C\left[ {R\left( \psi \right) - L\left( \psi \right)} \right] + {{b}_{R}} - {{b}_{L}} - a\psi ,$
где ${{b}_{R}}$ (${{b}_{L}}$) – интенсивность пропаганды Правой (Левой) партии через СМИ, $C$ – положительная величина, описывающая активность в распространении информации через межличностную коммуникацию. Слагаемое $a\psi $ описывает релаксацию.

Из (2.1)–(2.3) получаем базовую модель (см. [22])

(2.4)
$\frac{{d\psi }}{{dt}} = C\left[ {2\int\limits_{ - \psi \left( t \right)}^\infty \,n\left( \varphi \right) - {{N}_{0}}} \right] + {{b}_{R}} - {{b}_{L}} - a\psi ,$
где ${{N}_{0}}$ – размер всего населения.

Начальное условие для уравнения (2.4) имеет вид

$\int\limits_{ - \psi \left( 0 \right)}^\infty \,n\left( \varphi \right)d\varphi = R\left( 0 \right).$

На основании данной базовой модели в [22] была разработана более сложная модель, учитывающая ассортативность и дифференцированное пользование средствами массовой информации, а в [23] – модель информационного противоборства, учитывающая положения теории информационной повестки дня (см. [24], [25]).

3. ИССЛЕДУЕМАЯ МОДЕЛЬ

Предположим теперь, что население состоит из двух групп, каждая из которых характеризуется собственным распределением ${{n}_{1}}\left( \varphi \right)$, ${{n}_{2}}\left( \varphi \right)$, и люди больше общаются внутри своих групп, чем с членами другой группы. Пусть ${{N}_{1}}$ – размер первой группы, а ${{N}_{2}}$ – размер второй группы. Далее, первая группа имеет распределение, смещенное влево (индивиды предрасположены к поддержке партии $L$), для определенности положим его нормальным:

(3.1)
${{n}_{1}}\left( \varphi \right) = \frac{{{{N}_{1}}}}{{\sqrt {2\pi } }}exp\left[ { - \frac{{\mathop {\left( {\varphi + p} \right)}\nolimits^2 }}{2}} \right],$
и распределение второй группы смещено вправо (индивиды предрасположены к поддержке партии $R$):
(3.2)
${{n}_{2}}\left( \varphi \right) = \frac{{{{N}_{2}}}}{{\sqrt {2\pi } }}exp\left[ { - \frac{{\mathop {\left( {\varphi - p} \right)}\nolimits^2 }}{2}} \right].$
Здесь параметр $p > 0$ описывает поляризацию населения. Для симметрии положим этот параметр одинаковым для каждой из групп.

Характер межгруппового общения математически описывается параметром $\gamma $, который представляет ассортативность. По своему смыслу $\gamma $ – это доля контактов внутри группы в общем количестве контактов каждого индивида. Считается, что индивид внутри своей группы общается как минимум не менее интенсивно, чем с представителями других групп, поэтому $\gamma \geqslant 1{\text{/}}2$. При этом $\gamma = 1$ означает, что каждый человек общается только с членами своей группы, а $\gamma = 0.5$ относится к ситуации, в которой у людей нет предпочтений в общении. Таким образом, $\gamma \in \left[ {1{\text{/}}2;1} \right]$.

Окончательно модель из [22] имеет вид

(3.3)
$\begin{gathered} \frac{{d{{\psi }_{1}}}}{{dt}} = A\alpha C\left[ {\gamma \left( {2\int\limits_{ - {{\psi }_{1}}\left( t \right)}^\infty \,{{n}_{1}}\left( \varphi \right)d\varphi - {{N}_{1}}} \right) + \left( {1 - \gamma } \right)\left( {2\int\limits_{ - {{\psi }_{2}}\left( t \right)}^\infty \,{{n}_{2}}\left( \varphi \right)d\varphi - {{N}_{2}}} \right)} \right] + A\alpha \left( {{{b}_{R}} - {{b}_{L}}} \right) - a{{\psi }_{1}}, \\ \frac{{d{{\psi }_{2}}}}{{dt}} = A\alpha C\left[ {\left( {1 - \gamma } \right)\left( {2\int\limits_{ - {{\psi }_{1}}\left( t \right)}^\infty \,{{n}_{1}}\left( \varphi \right)d\varphi - {{N}_{1}}} \right) + \gamma \left( {2\int\limits_{ - {{\psi }_{2}}\left( t \right)}^\infty \,{{n}_{2}}\left( \varphi \right)d\varphi - {{N}_{2}}} \right)} \right] + A\alpha \left( {{{b}_{R}} - {{b}_{L}}} \right) - a{{\psi }_{2}}. \\ \end{gathered} $

Итак, описываемая моделью социальная ситуация следующая. Общество состоит из двух групп. Члены каждой из групп коммуницируют в большей мере в своем кругу, но отчасти также (при $\gamma < 1$) с членами другой группы. Все члены общества в равной мере подвержены влиянию медийной пропаганды обеих партий.

Замечание. Дизайн модели позволяет рассматривать ситуации с неполным охватом аудитории средствами массовой информации и с дифференцированным потреблением информации, когда одна группа больше получает пропаганду Левой партии, другая – Правой; в связи с этим см. Заключение.

Из уравнений (3.3) определяются функции ${{\psi }_{1}}\left( t \right)$, ${{\psi }_{2}}\left( t \right)$, что позволяет найти численности сторонников каждой из партий в каждой из групп по формулам, аналогичным (2.1), (2.2).

Вычислительные эксперименты показывают, что при определенных параметрах и начальных условиях динамика числа сторонников в одной из групп может быть немонотонна (фиг. 1).

Фиг. 1.

Начальные условия: ${{\psi }_{1}} = 15$, ${{\psi }_{2}} = - 7$; параметры: $\gamma = 0.55$, $m = 0.4$, ${{N}_{1}} = 1$, ${{N}_{2}} = 2$, $A = 1.5$, $\alpha = 2$, $C = 1$, $a = 0.8$, ${{b}_{R}} = 1.5$, ${{b}_{L}} = 1$. Сплошные линии – $R\left( t \right)$, пунктирные линии – $L\left( t \right)$.

4. КОЛИЧЕСТВО ПОЛОЖЕНИЙ РАВНОВЕСИЯ И ИХ УСТОЙЧИВОСТЬ

Настоящий раздел посвящен аналитическому исследованию системы (3.3). При этом мы не рассматриваем “крайние” случаи, т.е. считаем, что $\gamma \in \left( {1{\text{/}}2;1} \right)$. При различных значениях параметров система может иметь разное количество устойчивых стационарных решений. Некоторые из этих стационарных решений соответствуют победе (т.е. большему числу сторонников при $t \to \infty $) Правой партии, другие – Левой. Далее нас будет интересовать вопрос о количестве состояний равновесия, их устойчивости и исходе информационной борьбы в зависимости от параметров модели.

Уравнения (3.3) могут быть записаны в виде

$\gamma \frac{{d{{\psi }_{1}}}}{{dt}} - \left( {1 - \gamma } \right)\frac{{d{{\psi }_{2}}}}{{dt}} = A\alpha C\left[ {\left( {2\gamma - 1} \right)\left( {2\int\limits_{ - {{\psi }_{1}}\left( t \right)}^\infty \,{{n}_{1}}\left( \varphi \right)d\varphi - {{N}_{1}}} \right)} \right] + $
(4.1)
$\begin{gathered} \, + A\alpha \left( {2\gamma - 1} \right)\left( {{{b}_{R}} - {{b}_{L}}} \right) - a\gamma {{\psi }_{1}} + a\left( {1 - \gamma } \right){{\psi }_{2}}, \\ \left( {1 - \gamma } \right)\frac{{d{{\psi }_{1}}}}{{dt}} - \gamma \frac{{d{{\psi }_{2}}}}{{dt}} = A\alpha C\left[ {\left( {1 - 2\gamma } \right)\left( {2\int\limits_{ - {{\psi }_{2}}\left( t \right)}^\infty \,{{n}_{2}}\left( \varphi \right)d\varphi - {{N}_{2}}} \right)} \right] + \\ \end{gathered} $
$ + \;A\alpha \left( {1 - 2\gamma } \right)\left( {{{b}_{R}} - {{b}_{L}}} \right) - a\left( {1 - \gamma } \right){{\psi }_{1}} + a\gamma {{\psi }_{2}}.$

Поделим каждое из уравнений на $a\left( {1 - \gamma } \right)$ (как указано выше, мы не рассматриваем вырожденный случай, когда $\gamma = 1$), получим

$\frac{1}{{a\left( {1 - \gamma } \right)}}\left[ {\gamma \frac{{d{{\psi }_{1}}}}{{dt}} - \left( {1 - \gamma } \right)\frac{{d{{\psi }_{2}}}}{{dt}}} \right] = \frac{1}{{a\left( {1 - \gamma } \right)}}\left\{ {A\alpha C\left[ {\left( {2\gamma - 1} \right)\left( {2\int\limits_{ - {{\psi }_{1}}\left( t \right)}^y \,{{n}_{1}}\left( \varphi \right)d\varphi - {{N}_{1}}} \right)} \right]} \right. + $
(4.2)
$\begin{gathered} \left. {\mathop + \limits_{_{{_{{}}}}}^{^{{^{{}}}}} A\alpha \left( {2\gamma - 1} \right)\left( {{{b}_{R}} - {{b}_{L}}} \right) - a\gamma {{\psi }_{1}}} \right\} + {{\psi }_{2}}; \\ \frac{1}{{a\left( {1 - \gamma } \right)}}\left[ {\left( {1 - \gamma } \right)\frac{{d{{\psi }_{1}}}}{{dt}} - \gamma \frac{{d{{\psi }_{2}}}}{{dt}}} \right] = \frac{1}{{a\left( {1 - \gamma } \right)}}\left\{ {A\alpha C\left[ {\left( {1 - 2\gamma } \right)\left( {2\int\limits_{ - {{\psi }_{2}}\left( t \right)}^y \,{{n}_{2}}\left( \varphi \right)d\varphi - {{N}_{2}}} \right)} \right]} \right. + \\ \end{gathered} $
$\left. {\mathop + \limits_{_{{_{{}}}}}^{^{{^{{}}}}} A\alpha \left( {1 - 2\gamma } \right)\left( {{{b}_{R}} - {{b}_{L}}} \right) + a\gamma {{\psi }_{2}}} \right\} - {{\psi }_{1}}.$

Введем обозначения

(4.3)
$\begin{gathered} f\left( {{{\psi }_{1}}} \right) = \frac{\gamma }{{1 - \gamma }}{{\psi }_{1}} - \frac{{A\alpha C}}{a}\frac{{2\gamma - 1}}{{1 - \gamma }}\left( {2\int\limits_{ - {{\psi }_{1}}\left( t \right)}^\infty \,{{n}_{1}}\left( \varphi \right)d\varphi - {{N}_{1}}} \right) - \frac{{A\alpha }}{a}\frac{{2\gamma - 1}}{{1 - \gamma }}\left( {{{b}_{R}} - {{b}_{L}}} \right), \\ g\left( {{{\psi }_{2}}} \right) = \frac{\gamma }{{1 - \gamma }}{{\psi }_{2}} - \frac{{A\alpha C}}{a}\frac{{2\gamma - 1}}{{1 - \gamma }}\left( {2\int\limits_{ - {{\psi }_{2}}\left( t \right)}^\infty \,{{n}_{2}}\left( \varphi \right)d\varphi - {{N}_{2}}} \right) - \frac{{A\alpha }}{a}\frac{{2\gamma - 1}}{{1 - \gamma }}\left( {{{b}_{R}} - {{b}_{L}}} \right). \\ \end{gathered} $

Тогда уравнения примут вид

(4.4)
$\begin{gathered} \frac{1}{{a\left( {1 - \gamma } \right)}}\left[ {\gamma \frac{{d{{\psi }_{1}}}}{{dt}} - \left( {1 - \gamma } \right)\frac{{d{{\psi }_{2}}}}{{dt}}} \right] = {{\psi }_{2}} - f\left( {{{\psi }_{1}}} \right), \\ \frac{1}{{a\left( {1 - \gamma } \right)}}\left[ {\left( {1 - \gamma } \right)\frac{{d{{\psi }_{1}}}}{{dt}} - \gamma \frac{{d{{\psi }_{2}}}}{{dt}}} \right] = g\left( {{{\psi }_{2}}} \right) - {{\psi }_{1}}. \\ \end{gathered} $

Отсюда следует, что по разные стороны от кривой ${{\psi }_{2}} = f\left( {{{\psi }_{1}}} \right)$ разные знаки имеет величина $\gamma \tfrac{{d{{\psi }_{1}}}}{{dt}} - \left( {1 - \gamma } \right)\tfrac{{d{{\psi }_{2}}}}{{dt}} = \tfrac{d}{{dt}}\left[ {\gamma {{\psi }_{1}} - \left( {1 - \gamma } \right){{\psi }_{2}}} \right]$), а по разные стороны от кривой ${{\psi }_{1}} = g\left( {{{\psi }_{2}}} \right)$ разные знаки имеет величина $\left( {1 - \gamma } \right)\tfrac{{d{{\psi }_{1}}}}{{dt}} - \gamma \tfrac{{d{{\psi }_{2}}}}{{dt}}$.

Это соображение позволяет строить фазовые портреты при различных значениях параметров. При выполнении условий ${{\psi }_{1}} = g\left( {{{\psi }_{2}}} \right)$, ${{\psi }_{2}} = f\left( {{{\psi }_{1}}} \right)$, имеем

(4.5)
$\gamma \frac{{d{{\psi }_{1}}}}{{dt}} - \left( {1 - \gamma } \right)\frac{{d{{\psi }_{2}}}}{{dt}} = 0,\quad \left( {1 - \gamma } \right)\frac{{d{{\psi }_{1}}}}{{dt}} - \gamma \frac{{d{{\psi }_{2}}}}{{dt}} = 0,$
что означает при условии $\gamma > 1{\text{/}}2$
(4.6)
$\frac{{d{{\psi }_{1}}}}{{dt}} = 0,\quad \frac{{d{{\psi }_{2}}}}{{dt}} = 0,$
т.е. точка пересечения ${{\psi }_{2}} = f\left( {{{\psi }_{1}}} \right)$ и ${{\psi }_{1}} = g\left( {{{\psi }_{2}}} \right)$ представляет положение равновесия системы (3.1).

Ввиду нормальности распределений $n\left( \varphi \right)$ кривая ${{\psi }_{2}} = f\left( {{{\psi }_{1}}} \right)$ имеет N-образную форму, а кривая ${{\psi }_{1}} = g\left( {{{\psi }_{2}}} \right)$ – S-образную (см. фиг. 2). Следовательно, они могут иметь от 1 до 9 пересечений в зависимости от параметров.

Фиг. 2.

Возможные случаи фазовых портретов системы (3.3).

При построении фазового портрета будем использовать следующий алгоритм.

1. Проводим прямые из семейств $\gamma {{\psi }_{1}} - \left( {1 - \gamma } \right){{\psi }_{2}} = C$ и $\left( {1 - \gamma } \right){{\psi }_{1}} - \gamma {{\psi }_{2}} = C$, где $C$ – некий параметр.

2. Фиксируем какую-либо точку фазовой плоскости. Она является точкой пересечения некоторых двух прямых из различных семейств. Если эта точка лежит выше (ниже) кривой ${{\psi }_{1}} = g\left( {{{\psi }_{2}}} \right)$, то при $t \to + \infty $ она перейдет в точку на прямой из семейства $\left( {1 - \gamma } \right){{\psi }_{1}} - \gamma {{\psi }_{2}} = C$, которая лежит ниже (выше) исходной прямой из этого семейства. Если точка лежит правее (левее) кривой ${{\psi }_{2}} = f\left( {{{\psi }_{1}}} \right)$, то при $t \to + \infty $ она перейдет в точку на прямой из семейства $\gamma {{\psi }_{1}} - \left( {1 - \gamma } \right){{\psi }_{2}} = C$, которая находится левее (правее) исходной прямой из того же семейства.

3. Повторяем первые два пункта для других точек фазовой плоскости.

Рассмотрим наиболее сложный случай с 9 положениями равновесия. Этот случай возможен, когда $\gamma $ близко к 1 (параметр $\gamma $ отвечает за “высоту” пиков), т.е. люди предпочитают общение внутри своей группы. Используя кривые (4.3), построим фазовый портрет (фиг. 2). Здесь 4 устойчивых узла, 1 неустойчивый узел и 4 седла.

Из геометрических соображений (см. описанный выше алгоритм) следует, что (здесь и далее значения функций берутся в точке равновесия):

• если $\left( {f\left( {{{\psi }_{2}}} \right)} \right){\kern 1pt} ' < \left( {{{g}^{{ - 1}}}\left( {{{\psi }_{1}}} \right)} \right){\kern 1pt} '$, положение равновесия – неустойчивый узел;

• если $\left( {f\left( {{{\psi }_{2}}} \right)} \right){\kern 1pt} ' > \left( {{{g}^{{ - 1}}}\left( {{{\psi }_{1}}} \right)} \right){\kern 1pt} '$ и $\left( {f\left( {{{\psi }_{2}}} \right)} \right){\kern 1pt} ' < 0$, положение равновесия – устойчивый узел;

• в любом другом случае положение равновесия – седло (мы не рассматриваем случаи, когда $f\left( {{{\psi }_{1}}} \right)$ и $g\left( {{{\psi }_{2}}} \right)$ касаются).

Дадим аналитическое обоснование этим соображениям.

Теорема. Если кривые $f\left( {{{\psi }_{1}}} \right)$ и $g\left( {{{\psi }_{2}}} \right)$ пересекаются (а не касаются), при этом в точке их пересечения

$(f({{\psi }_{2}})){\kern 1pt} ' < ({{g}^{{ - 1}}}({{\psi }_{1}})){\kern 1pt} '$, то положение равновесия – неустойчивый узел;

$(f({{\psi }_{2}})){\kern 1pt} ' > ({{g}^{{ - 1}}}({{\psi }_{1}})){\kern 1pt} '$ и $\left( {f\left( {{{\psi }_{2}}} \right)} \right){\kern 1pt} ' < 0$, то положение равновесия – устойчивый узел.

В любом другом случае положение равновесия – седло.

Доказательство. Запишем систему (3.3) в виде

(4.7)
$\begin{gathered} \frac{1}{a}\left[ {\mathop {\left( {\frac{\gamma }{{1 - \gamma }}} \right)}\nolimits^2 - 1} \right]\frac{{d{{\psi }_{1}}}}{{dt}} = {{\psi }_{1}} - \frac{\gamma }{{1 - \gamma }}g\left( {{{\psi }_{1}}} \right) + \frac{\gamma }{{1 - \gamma }}{{\psi }_{2}} - f\left( {{{\psi }_{2}}} \right), \\ \frac{1}{a}\left[ {\mathop {\left( {\frac{\gamma }{{1 - \gamma }}} \right)}\nolimits^2 - 1} \right]\frac{{d{{\psi }_{2}}}}{{dt}} = \frac{\gamma }{{1 - \gamma }}{{\psi }_{1}} - g\left( {{{\psi }_{1}}} \right) + {{\psi }_{2}} - \frac{\gamma }{{1 - \gamma }}f\left( {{{\psi }_{2}}} \right). \\ \end{gathered} $

Матрица Якоби имеет вид

(4.8)
$\left( {\begin{array}{*{20}{c}} {1 - \frac{\gamma }{{1 - \gamma }}g{\kern 1pt} '\left( {{{\psi }_{1}}} \right)}&{\frac{\gamma }{{1 - \gamma }} - f{\kern 1pt} '\left( {{{\psi }_{2}}} \right)} \\ {\frac{\gamma }{{1 - \gamma }} - g{\kern 1pt} '\left( {{{\psi }_{1}}} \right)}&{1 - \frac{\gamma }{{1 - \gamma }}f{\kern 1pt} '\left( {{{\psi }_{2}}} \right)} \end{array}} \right).$

Исследуем теперь собственные значения матрицы, для чего решим следующее характеристическое уравнение:

(4.9)
${{\lambda }^{2}} + \lambda \left( { - 2 + \frac{\gamma }{{1 - \gamma }}g{\kern 1pt} {\text{'}} + \frac{\gamma }{{1 - \gamma }}f{\kern 1pt} '} \right) + \mathop {\left( {\frac{\gamma }{{1 - \gamma }}} \right)}\nolimits^2 f{\kern 1pt} {\text{'}}g{\kern 1pt} {\text{'}} - \mathop {\left( {\frac{\gamma }{{1 - \gamma }}} \right)}\nolimits^2 + 1 - f{\kern 1pt} {\text{'}}g{\kern 1pt} ' = 0.$

Чтобы положение равновесия было седлом, собственные значения должны иметь разные знаки. По теореме Виета, если решения квадратного уравнения принимают значения разных знаков, то свободный член отрицателен, т.е.

(4.10)
$\left( {f{\kern 1pt} {\text{'}}g{\kern 1pt} {\text{'}} - 1} \right)\left[ {\mathop {\left( {\frac{\gamma }{{1 - \gamma }}} \right)}\nolimits^2 - 1} \right] < 0.$

Так как $\left[ {\mathop {\left( {\tfrac{\gamma }{{1 - \gamma }}} \right)}\nolimits^2 - 1} \right] > 0$, то знак левой части (4.10) зависит от знака выражения $f{\kern 1pt} {\text{'}}g{\kern 1pt} {\text{'}} - 1$. Таким образом, положение равновесия – седло, если $f{\kern 1pt} {\text{'}}g{\kern 1pt} ' < 1$. Если производные принимают значения разных знаков, то это неравенство выполняется автоматически, если же они имеют один и тот же знак, то мы можем записать это неравенство в виде следующего условия: $\left| {f{\kern 1pt} {\text{'}}{\kern 1pt} } \right| < \tfrac{1}{{\left| {g{\kern 1pt} '{\kern 1pt} } \right|}} = {\text{|}}({{g}^{{ - 1}}}){\text{|}}$.

Итак, геометрически положение равновесия – седло, если угловые коэффициенты имеют различные знаки, или модуль наклона функции $f\left( {{{\psi }_{2}}} \right)$ меньше, чем модуль наклона ${{g}^{{ - 1}}}\left( {{{\psi }_{1}}} \right)$. В противном случае положение равновесия – узел (ввиду положительности детерминанта собственные значения вещественны). Все это также подтверждается графиком.

Если собственные значения имеют один и тот же знак и оба отрицательны, то положение равновесия является устойчивым узлом.

Для того чтобы оба собственных значения были отрицательны, необходимо, чтобы в положении равновесия выполнялось неравенство $ - 2 + \tfrac{\gamma }{{1 - \gamma }}g{\kern 1pt} {\text{'}} + \tfrac{\gamma }{{1 - \gamma }}f{\kern 1pt} ' > 0$, т.е. $f{\kern 1pt} {\text{'}} + g{\kern 1pt} {\text{'}} > \tfrac{{2\left( {1 - \gamma } \right)}}{\gamma }$. Покажем, что если производные положительные и графики пересекаются в соответствующем порядке ($\left| {f{\kern 1pt} '{\kern 1pt} } \right| > {\text{|}}({{g}^{{ - 1}}}){\kern 1pt} '{\kern 1pt} {\text{|}}$), то положение равновесия – устойчивый узел. Тогда теорема будет доказана. Данные аналитические закономерности соответствуют графикам на фиг. 2.

Лемма. Пусть $1{\text{/}}2 < \gamma < 1$. Пусть также в некоторой точке $\left( {{{\psi }_{1}},{{\psi }_{2}}} \right)$ имеют место соотношения

(4.11)
$0 < f{\kern 1pt} {\text{'}}\left( {{{\psi }_{2}}} \right) \leqslant \frac{\gamma }{{1 - \gamma }},$
(4.12)
$0 < g{\kern 1pt} '\left( {{{\psi }_{1}}} \right) \leqslant \frac{\gamma }{{1 - \gamma }},$
(4.13)
$f{\kern 1pt} '\left( {{{\psi }_{2}}} \right)g{\kern 1pt} '\left( {{{\psi }_{1}}} \right) > 1.$

Тогда

(4.14)
$f{\kern 1pt} '\left( {{{\psi }_{2}}} \right) + g{\kern 1pt} '\left( {{{\psi }_{1}}} \right) > \frac{{2\left( {1 - \gamma } \right)}}{\gamma }.$

Доказательство. Обозначим

(4.15)
${{\delta }_{1}} = \frac{\gamma }{{1 - \gamma }} - g{\kern 1pt} '\left( {{{\psi }_{1}}} \right) \geqslant 0,\quad {{\delta }_{2}} = \frac{\gamma }{{1 - \gamma }} - f{\kern 1pt} '\left( {{{\psi }_{2}}} \right) \geqslant 0.$

Тогда неравенство (4.13) примет вид

(4.16)
$\left( {\frac{\gamma }{{1 - \gamma }} - {{\delta }_{1}}} \right)\left( {\frac{\gamma }{{1 - \gamma }} - {{\delta }_{2}}} \right) > 1.$

Так как $\tfrac{\gamma }{{1 - \gamma }} > {{\delta }_{1}}$, $\tfrac{\gamma }{{1 - \gamma }} > {{\delta }_{2}}$, то

(4.17)
$\frac{\gamma }{{1 - \gamma }}\left( {{{\delta }_{1}} + {{\delta }_{2}}} \right) > 2{{\delta }_{1}}{{\delta }_{2}}.$

В то же время из (4.16) следует, что

(4.18)
${{\left( {\frac{\gamma }{{1 - \gamma }}} \right)}^{2}} - 1 + {{\delta }_{1}}{{\delta }_{2}} > \frac{\gamma }{{1 - \gamma }}\left( {{{\delta }_{1}} + {{\delta }_{2}}} \right).$

Из (4.17), (4.18) имеем

(4.19)
${{\left( {\frac{\gamma }{{1 - \gamma }}} \right)}^{2}} - 1 > {{\delta }_{1}}{{\delta }_{2}},$
т.е.

(4.20)
$1 - {{\delta }_{1}}{{\delta }_{2}} > 2 - {{\left( {\frac{\gamma }{{1 - \gamma }}} \right)}^{2}}.$

Из неравенства (4.16) следует неравенство

(4.21)
${{\left( {\frac{\gamma }{{1 - \gamma }}} \right)}^{2}} - \frac{\gamma }{{1 - \gamma }}\left( {{{\delta }_{1}} + {{\delta }_{2}}} \right) > 2 - {{\left( {\frac{\gamma }{{1 - \gamma }}} \right)}^{2}},$
т.е.

(4.22)
$\frac{\gamma }{{1 - \gamma }}\left[ {\left( {\frac{\gamma }{{1 - \gamma }} - {{\delta }_{1}}} \right) + \left( {\frac{\gamma }{{1 - \gamma }} - {{\delta }_{2}}} \right)} \right] > 2.$

Отсюда имеем

(4.23)
$\frac{\gamma }{{1 - \gamma }}\left( {f{\kern 1pt} '\left( {{{\psi }_{2}}} \right) + g{\kern 1pt} '\left( {{{\psi }_{1}}} \right)} \right) > 2,$
что и требовалось доказать.

Таким образом, приведенным перед теоремой геометрическим наблюдениям дано аналитическое обоснование.

Как указывалось выше, наличию девяти положений равновесия способствует большое значение параметра $\gamma $. Четыре из них на фиг. 2 являются асимптотически устойчивыми. Например, положение равновесия в первой четверти (${{\psi }_{1}} > 0$, ${{\psi }_{2}} > 0$) соответствует победе Правой партии в обеих группах и, следовательно, в обществе в целом. Положение равновесия во второй четверти (${{\psi }_{1}} < 0$, ${{\psi }_{2}} > 0$) соответствует победе Левой партии в первой группе, Правой партии – во второй и т.д.

При уменьшении параметра $\gamma $ уменьшается количество положений равновесия, в том числе устойчивых положений равновесия. На фиг. 3 приведен один из возможных сценариев. В данном случае, при $\gamma = 0.8$, фазовый портрет имеет меньше (по сравнению с $\gamma = 0.9$) на одну асимптотически устойчивую точку равновесия и на одну неустойчивую. Другими словами, точка равновесия в четвертой четверти вырождается (т.е. из списка возможных исходов пропагандистской битвы исчезает исход, при котором Правая партия побеждает во второй группе, а Левая партия – в первой). При дальнейшем уменьшении параметра $\gamma $ вырождаются другие положения равновесия, и при $\gamma $, близком к $1{\text{/}}2$, в данном примере остаются только два устойчивых положения равновесия, одно из которых соответствует победе партии $R$ в обеих группах, а другое – победе партии $L$ в обеих группах.

Фиг. 3.

Возможный сценарий при уменьшении параметра $\gamma $. Остальные параметры: $p = 0.8$, ${{N}_{1}} = 1$, ${{N}_{2}} = 2$, $A = 3$, $\alpha = 1.5$, $C = 1$, $a = 0.8$, ${{b}_{R}} = 1.2$, ${{b}_{L}} = 1$.

5. ЗАКЛЮЧЕНИЕ

Вернемся к проблеме, поставленной в начале настоящей статьи. Почему реальные общества редко приходят к консенсусу, хотя в соответствии с моделями динамики мнений он является естественным исходом общественной дискуссии?

Одна из причин, имеющих место в большинстве реальных ситуаций, состоит в так называемой селективной экспозиции (selective exposure) (см. [26], [27]), игнорируемой моделями динамики мнений: сторонники одной социальной группы читают левые газеты, сторонники другой группы – правые газеты, что позволяет каждой из групп удержаться от “сползания” к политическому центру. В терминах модели настоящей работы это означало бы, что параметры ${{b}_{R}},{{b}_{L}}$ имеют различные значения в двух группах. Другими словами, первая группа не только имеет левые взгляды (в соответствии с (3.1)), но также склонна читать левую прессу, т.е. для этой группы ${{b}_{R}} - {{b}_{L}} < 0$. Аналогично для второй группы ${{b}_{R}} - {{b}_{L}} > 0$. Однако селективная экспозиция не является необходимым условием отсутствия консенсуса.

Модель выбора позиций индивидами показывает, что даже при недифференцированном получении информации из СМИ в обществе действуют механизмы, препятствующие формированию консенсуса.

Прежде всего данная модель учитывает, что у каждого индивида имеется установка, т.е. предрасположенность к поддержке той или иной партии, сформированная до рассматриваемого противоборства и отражающая его социальный статус, экономическое положение и т.д.

Другое важное отличие от моделей динамики мнений состоит в характере коммуникации между индивидами. Поясним это на следующем примере. Предположим, что индивид А имеет латентную позицию ${{\psi }_{A}} = 2$. Какое влияние на него оказывает индивид В, имеющий позицию ${{\psi }_{B}} = 1$? Логика моделей динамики мнений предполагает, что он убеждает индивида А сдвинуться налево, так как сам находится левее него. В противоположность этому, модель данной работы исходит из того, что оба они – сторонники Правой партии, поэтому индивид В укрепляет индивида А в его верности этой партии. При определенных параметрах это означает, что в результате коммуникации они оба могут сдвинуть свои позиции направо.

Таким образом, индивиды, например, правых взглядов, могут удерживать свою политическую позицию, коммуницируя между собой, даже если они находятся в меньшинстве, а их оппоненты доминируют в СМИ. Именно такая социальная структура называется эхо-камерой. Тем самым, в обществе поддерживается одновременное существование различных политических мнений.

Список литературы

  1. DeGroot M.H. Reaching a Consensus // J. Am. Statistic. Associat. 1974. V. 69 (345). P. 1181–1121.

  2. Friedkin N.E., Proskurnikov A.V., Tempo R., Parsegov S.E. Network science on belief system dynamics under logic constraints // Science. 2016. V. 354 (6310). P. 321–326.

  3. Kozitsin I.V., Belolipetskii A.A. Opinion convergence in the Krasnoshchekov model // J. Math. Sociology. 2018. P. 1–18.

  4. Chkhartishvili A.G., Gubanov D.A., Novikov D.A. Social Networks: Models of information influence, control and confrontation // Cham, Switzerland: Springer Intern. Publ. 2019. P. 158.

  5. Chkhartishvili A.G., Gubanov D.A. Influence Levels of Users and Meta-Users of a Social Network // Automation and Remote Control. 2018. V. 79 (3). P. 545–553.

  6. Barberá P., Jost J.T., Nagler J., Tucker J.A., Bonneau R. Tweeting from left to right: Is online political communication more than an echo chamber? // Psychologic. Sci. 2015. V. 26 (10). P. 1531–1542.

  7. Petrov A., Proncheva O. Modeling propaganda battle: Decision-making, homophily, and echo chambers // Artificial Intelligence and Natural Language. 2018. V. 930 of Communications in Computer and Information Science. Springer Cham. P. 197–209.

  8. Chkhartishvili A., Kozitsin I. Binary Separation Index for Echo Chamber Effect Measuring // Proceed. 11th Intern. Conf. “Management of Large-Scale System Development” (MLSD). Moscow: IEEE. 2018. P. 1–4.

  9. Fiorina M.P., Abrams S.J. Political polarization in the American public // Annu. Rev. Polit. Sci. 2008. V. 11. P. 563–588.

  10. Rashevsky N. Mathematical Biophysics: Physico-mathematical Foundations of Biology. Univ. of Chicago: Chicago Press. 1938.

  11. Osei G.K., Thompson J.W. The supersession of one rumour by another // J. of Applied Probability. 1977. V. 14 (1). P. 127–134.

  12. Escalante R., Odehnal M. A deterministic mathematical model for the spread of two rumors // ArXiv preprint arXiv:1709.01726. 2017.

  13. Daley D.J., Kendall D.G. Stochastic rumors // J. Inst. Math. Appl. 1964. V. 1. P. 42–55.

  14. Maki D.P., Thompson M. Mathematical Models and Applications. 1973. Prentice-Hall, Englewood Cliffs.

  15. Mikhailov A.P., Marevtseva N.A. Models of information warfare // Math. Modeling. 2011. V. 23 (10). P. 19–32.

  16. Petrov A.P., Proncheva O.G. Modeling position selection by individuals during information warfare with a two-component agenda // Math. Models and Computer Simulat. 2020. No. 2. B пeчaти.

  17. Yanagizawa-Drott D. Propaganda and conflict: evidence from the rwandan genocide // Q. J. Econ. 2014. V. 129 (4). P. 1947–1994.

  18. Akhtyamova L., Ignatov A., Cardiff J. A Large-scale CNN ensemble for medication safety analysis // Intern. Conf. Applications of Natural Language to Information Systems. 2017. Springer, Cham. P. 247–253.

  19. Boldyreva A., Sobolevskiy O., Alexandrov M., Danilova V. Creating collections of descriptors of events and processes based on Internet queries // Proc. of 14-th Mexican Intern. Conf. on Artif. Intell. (MICAI-2016). 2016. Springer Cham, LNAI. V. 10061 (chapter 26). P. 303–314.

  20. Boldyreva A., Alexandrov M., Koshulko O., Sobolevskiy O. Queries to Internet as a tool for analysis of the regional police work and forecast of the crimes in regions // Proc. of 14-th Mexican Intern. Conf. on Artif. Intell. (MICAI-2016). 2016. Springer Cham, LNAI. V. 10061 (chapter 25). P. 290–302.

  21. Mikhailov A., Petrov A., Pronchev G., Proncheva O. Modeling a decrease in public attention to a past one-time political event // Dokl. Math. 2018. V. 97 (3). P. 247–249.

  22. Petrov A., Proncheva O. Modeling propaganda battle: Decision-making, homophily, and echo chambers // Artificial Intelligence and Natural Language. AINL 2018. 2018. V. 930 of Communications in Computer and Information Science. Springer Cham. P. 197–209.

  23. Petrov A., Proncheva O. Propaganda battle with two-component agenda // CEUR Workshop Proceed. 2019. V. 2478. P. 28–38.

  24. McCombs M.E., Shaw D.L. The agenda-setting function of mass media // Public opinionquarterly. 1972. V. 36 (2). P. 176–187.

  25. McCombs M., Stroud N.J. Psychology of agenda-setting effects: Mapping the paths ofinformation processing // Rev. Communicat. Res. 2014. V. 2 (1). P. 68–93.

  26. Garrett R.K. Echo chambers online?: Politically motivated selective exposure among Internet news users // J. Computer-Mediated Communicat. 2009. V. 14 (2). P. 265–285.

  27. Stroud N.J. Polarization and partisan selective exposure // J. Communicat. 2010. V. 60 (3). P. 556–576.

Дополнительные материалы отсутствуют.

Инструменты

Журнал вычислительной математики и математической физики