了解信息在社交网络中的流动方式对于抵制危险的错误信息、促进新闻传播和设计健康的在线社交环境至关重要。学者们很早就认识到信息超级传播者的作用，即能够向许多其他人快速传播信息和想法的用户。长期以来的研究传统是通过超级传播者在社交网络中的位置来识别他们。这项由吕林园教授(中国电子科技大学)和Manuel S. Mariani博士(苏黎世大学)领导的研究挑战了这一长期存在的范式。它表明，用户的行为特征(即他们的行为倾向)如何提供比他们在社交网络中的位置更准确的传播能力的早期指标。
作者脱离了传统的网络方法，从信息如何在个体之间流动的模型开始。受先前的实证研究结果的启发，该模型假设消息从源传输到目标用户的概率由源的影响力(即捕获她向其他人传输信息的可能性的参数)和目标的敏感性决定去影响。用户的影响力和敏感性参数是事先未知的。然而，作者推导出了一对耦合方程，将用户的影响力和敏感性与底层传播网络的结构联系起来，这使得他们能够在海量行为数据集上进行计算。
通过这些方程，作者可以测量微博和推特上数百万用户的影响力和敏感性得分，这从两个方面增进了我们对信息超级传播者的理解。首先，作者的结果挑战了网络中心(即拥有许多追随者的用户)是最有效的信息传播者的范式。相反，他们表明，用户的影响力和易感性分数比用户的关注者数量更能准确地预测超级传播者的身份。其次，超级传播者的特点是具有更高的传染性联系(即他们的影响力与其受众的敏感性之间的乘积往往很大)，并且他们往往会影响更有影响力的用户。这表明解释超级传播者需要整合网络结构和个体层面的行为特征。
这些发现可能为社交网络研究开辟新的方向。在信息传播领域，传播模型的简化假设可能会逐渐放松。更精细的模型可能包括主题多样性、算法影响、记忆效应，所有这些都可能导致用户影响力和敏感性分数的不同方程。影响力和敏感性分数也可能因主题而异，这最终可能导致用户及其传播能力的多维表征。
更一般地说，这项研究提出的范式也可能对旨在大规模行为改变的干预措施产生影响。传统上，这些活动的重点是说服社交中心尽早采用新产品或行为。作者的研究结果表明，更有效的方法可能依赖于识别高传染性链接，这些链接将高影响力和高易感性的潜在采用者联系起来。为此，需要进行额外的研究以使算法适应行为的传播，与信息传播所获得的方程组相比，这可能需要不同的方程组。需要进行现场实验来验证由此产生的见解。最终，这些努力可以揭示如何最好地将个人在社交网络中的地位与他们通常的行为方式结合起来，以设计行为改变的干预措施，这对于组织和政策制定者来说至关重要。
免责声明：本文由用户上传，如有侵权请联系删除！
