Threshold Models of Diffusion and Collective Behavior
 
1
  83
2019-11-29 18:24:04

다작은 아니나 쓴 논문마다 많이 인용된 Granovetter의 초기 시절 또 다른 논문입니다.

Weak ties와 같은 경제사회학 논문이 아니라 집합 행동 논문입니다.  
   
7
Comments
1
2019-12-04 17:25:33

본 논문이 전달하고자 하는 메시지가 현실적인 영역을 잘 설명해 준다는 점에서 흥미로웠습니다. 집단행동에 대한 분석과 예측에 있어서 임계치라는 개념을 도입하여서 보다 역동적인 현상에 대한 분석이 가능해졌지 않았나 싶습니다. 특히 읽는 도중에 들었던 의문점들에 대해 논문이 답해줬던 부분이 인상적이었습니다. 우선 집단행동의 최초 행동을 하는 사람을 어떻게 설정할 것인 가에 대해서 임계치를 0인 개인이 그러한 최초 행동을 하는 주동자가 될 것이라는 점과 각각의 개인이 영향을 받는 정도가 상이할 것인데 이를 further complexity에 대한 고려에서 다루었던 점이 그러합니다.

다만 현실의 영역을 예측하기 위해선 근본적인 한계점이 존재한다고 생각합니다. 바로 어떠한 외부적 자극(충격)에 대해서 개인별 임계치를 어떻게 측정할 것인지에 대한 논의가 그것입니다. 집단의 임계치 누적분포를 통해 앞으로 행동양상을 파악할 수 있다고 하지만, 새로운 자극에 대한 임계치는 아직 누구도 알 수 없는 것이고, 그렇기 때문에 이에 대한 집단 행동의 결과를 쉽사리 예측하기는 힘들 것이라고 생각합니다. 만약 비슷한 양상의 충격에 대한 집단의 임계치 누적 분포가 존재한다면 이를 예측하는 것은 가능할테지만요

WR
1
2019-12-05 01:31:17

동의합니다. 이 모델에서 집합행동이나 확산을 예측을 하려면 모집단 임계치의 분포를 알아야 하는데, 이 분포는 미리 알수 있다기보다는 오히려 집합행동의 결과를 놓고 역추해야 하는 측면이 강하다고 생각합니다. 

1
2019-12-04 18:18:27
논문에서 주요하게 다루어졌던 지점은, threshold를 단순히 personality나 internal하고 stochastic한 무엇으로 이해하는 것이 아니라, '누군가가 모종의 (양자택일의) 선택을 내리기 전에, 이미 선택을 내린 타인의 비율(즉, 관찰가능한 선택의 비율)'이라는 식으로 external하게 이해하고 있다는 점인데요, 요컨대 개개인의 임계점은 그 사람의 사회/경제/인구학적 특성과 주변 인적 네트워크의 함수 관계로 정의할 수 있다는 논의로 이해했습니다. 이때 개인적으로는 논의 전개상 인적 네트워크 개념의 중요성에 비해서 생각보다 인적 네트워크를 어떻게 조작화 하는 것이 타당한지에 대해서는 크게 다루어지지 않았다는 인상을 받았어요. 

한편 전파되는 과정 중에, 타인들의 선택을 준거점으로 삼을 때에 모든 타인의 선택이 같은 정도의 영향을 주지 않는다는 점도 모델링 과정에 반영할 수 있다는 점도 언급하는데요, 이와 관련하여서는 NBA에서 굉장히 특이한 자세(cf. 강백호) 로 자유투를 던지는 선수가 있는데, 해당 선수의 높은 자유투 성공율에도 불구하고 대부분의 NBA 선수가 해당 선수를 싫어해서 모종의 이점이 있는 행위가 전파되지 않았다는 사례가 떠올랐습니다. 
WR
1
2019-12-05 01:36:01

지적하신대로 "관찰가능한 선택의 비율"을 알아야 내 선택을 하는데, 이 모델은 이 비율을 모집단에 대해 알고 있다는 가정을 합니다. 이건 굉장히 강한 가정이라 현실적인지 생각해봐야 하구요. 이런 가정을 수학적으로는 (논문에서도 언급되긴 했는데) mean field 가정이라고 부릅니다.

저자도 이 문제를 알기에, 역시 지적하신대로 "모든 타인의 선택이 같은 정도의 영향을 주지 않는다는 점도 모델링 과정에 반영할 수 있다는 점도 언급하는데요" 이건 discussion 차원에서 언급하죠. 결국 같은 정도로 영향을 주지 않을때는 행위자 주변의 local networks를 고려해야 하는데, 이 고려가 모델에 통합 가능할지는 사실 미지수입니다. 이게 통합 가능했으면 이 모델이 지금보다 더욱 발전하지 않았을까 조심스레 평가해봅니다. 
1
2019-12-05 02:19:03

현실의 임계치 누적분포는 알 수 없지만, 임계치 모델이 사실은 현실과 비슷하면서도 본질적으로는 이념형적인 균형상태들과 다이나믹을 시뮬레이션 하는 데에 더 의미가 크다고 생각했습니다. 다중 에이전트 기반의 인공지능 시뮬레이션으로 논문의 내용을 구현할 수 있을 거 같은데요, 아마 이미 하고 있다고 들었습니다. 에이전트들의 임계치가 시간이 변함에 따라 바뀌는 다이나믹을 구현하기 위해서는 강화학습과 유사한 학습방식을 가지는 인공지능 에이전트들이 필요하겠지만 지금은 당장 구체적인 방식은 생각이 안 납니다. 다만 다이나믹을 제외하고 특정 파라미터에서의 균형은 쉽게 알 수 있습니다. 예컨대 이타적인 개인들과 이기적인 개인들로 이뤄진 집단에서 각 개인들이 상호작용할 때 각 개인이 얻는 이득과 손해를 게임이론같이 2by2 매트릭스로 표현할 수 있습니다. (예컨대 이타적 개인 간에 상호작용을 하면 각각 2의 식량을 얻고, 이기적 개인 간이면 0, 이타와 이기면 이타적 개인은 0 이기적 개인은 3) 이 네가지 숫자들만 바꿔줘도 시간에 따라 다양한 균형이 발생하는 걸 볼 수 있습니다. 이기적인 사람끼리 만났을 때 결과가 0에서 1/3만 되어도 전체 집단에서 이기적인 사람의 비율이 늘어날 것입니다. 제가 이해한 게 맞겠죠?


1
2019-12-05 09:44:11

처음에도 고개를 끄덕이며 읽었지만, 발을 넣기로 결심하는 사람과 손을 떼기로 결정하는 사람 모두를 고려했단 점에서 더 설득력 있게 느껴졌었어요. 읽으면서 생각했던 것은 그래서 어떻게 이 모델을 사용할 수 있을지에 관한 것이었어요.

임계점에 영향을 미치는 요인들을 어떻게 구성해야 현실에서 사람들이 집단에 얼마나 참여하는지 예측할 수 있을까요?

저는 개인적으로 물론 개인의 성향도 중요한 요소일 테지만, 네트워크에서의 위치도 중요할 것 같다고 생각해요. 또 어떤 게 있을지 이야기를 나눠보고 싶어요.

1
2019-12-05 10:00:09

논문 내용에 관한 질문이 있습니다.

1. a value가 높을수록 polarization 정도가 높은 이유가 궁금함니다. a value가 매우 높은 상황에서는 절반 정도의 인구는 소수만 특정 의견에 동의하는 상태에서 모두 그 의견을 받아들이고, 나머지 절반 정도의 인구는 엄청 많은 사람이 특정 의견에 동의할 때까지 그 의견을 받아들이지 않으므로, polarization 상태라고 보면 될까요?

2. a value가 높은 상태의, 즉 polarization이 높은 상태의 유일한 equilibrium이 1이라는 사례가 의아한데, figure 5처럼 polarized된 상태에서는 모든 사람이 특정 의견을 adopt할때까지 adoption 비율이 계속 늘어날 것이라고 예상할 수 있을까요?