社会爆炸中的临界迹象
摘要：社交媒体促进了在线运动向大规模和后来的线下大规模抗议行动的转变，从而定义了在线运动的成功。社交媒体实现这种效果的方式是通过扩大具有相似热情的个人和群体的集团，并使之产生相互交流。由于自发和大规模的互动，这些宏观社会行动很自然地会使相关性长度增加和分歧产生，进而简化多个统计数据。在这项工作中，我们报告了社会示威活动中临界性的迹象。也就是说，当计算分布时，无论是考虑相同的时间窗口还是相同的hashtag数量，都会发现相同的幂律指数。在活动期间的分布指数较之前后更小。当每个用户仅计算一次hashtag或考虑其全部用法时也是如此。通过网络表示，我们展示了系统中存在两种高相关性，其特征分别为高或低模块性值。高模块性的时间点以持续的相关性为特征，而低模块性的时间点则以点性相关性为特征。分析接近临界点的系统的重要性在于任何小扰动都可能升级并引发大规模甚至全国性的连锁反应。
作者：Mariano G. Beir''o, Ning Ning Chung, Lock Yue Chew, Stefan Thurner and Y''erali Gandica
论文ID：2305.01944
分类：Physics and Society
分类简称：physics.soc-ph
提交时间：2023-05-04