论文题目：

Homophily and minority-group size explain perception biases in social networks

论文地址：

https://www.nature.com/articles/s41562-019-0677-4

在阅读这篇文章之前，先凭感觉来做一个小测试——你觉得目前有吸烟习惯的人（不包括已戒烟人群，下同）在全国总人口中的占比是多少？在男性和女性两个不同群体中这一比例又分别是多少？

——接下来揭晓答案了，根据疾控中心公布的《2018年中国成人烟草调查报告》（http://www.notc.org.cn/gzdt/201908/t20190814_204617.html），这三个数据分别是：26.6%（全国吸烟率），50.5%（男性吸烟率），2.1%（女性吸烟率）。如何？你的感觉准确吗？如果你的感觉和真实状况之间出现的了较大的出入，那你就出现了感知偏差（perception biases ）。

事实上，由于感知的形成往往基于人们自己的经验，人不可能始终如开启上帝视角一般对每一件事都做到完全感知，感知偏差无处不在，并深刻地影响着我们的生活——人们会根据自己的感知作出态度判断和行动决策，比如，当一个人认为社会上大部分人都和自己一样有宫殿百间万计仆佣，就难免发出“何不食肉糜”的疑问；而当一个人认为社会中绝大多数人都参与了慈善捐款，那么出于从众心理也好群体压力也罢，他（她）也将有更大的可能会做出参与慈善捐款的决定，反之亦然。

感知偏差往往存在高估和低估两种情况，即，有时我们会高估某一群体社会中的比例而有时我们会低估他们的比例。这种偏差从何而来呢？社会学和心理学中对此进行了很多探讨，也提出了许多的理论，如在解释高估现象（如：虚假共识）的产生时，社会学认为这是由于个体对于他人意见的选择性接触或者意图通过高估自己所在群体的比例合理化自己的行为；而在解释低估现象（如：虚假独特性）的产生时，则引入了另外一套认知和动机机制，如自我感知的强化和对自己所在群体与对立群体不平衡的注意力分配等。

那么有没有一套统一的机制可以同时解释这种感知的高估和低估呢？Eun Lee等人试图从社交网络的结构特性出发去给出一个答案，她们将同质性因素加入到网络偏好模型中，提出了BA同质性生成网络模型——同质性即为相似性，社交网络中的同质性水平简单来说就是指在你的朋友中和你相同属性的人的所占的比例。为了方便计算，他们将这种感知偏差简化为二元对立项（如是与否，男性与女性），探讨了个体层面与群体层面、少数群体与多数群体的同质性和感知偏差，通过对三个国家的抽样问卷调查和六个实证网络去验证模型并得出结论。

研究者对德、韩、美三国发放的共300份抽样调查问卷显示，对于身处少数群体的人来说，他们社交网络中的同质性越高，越倾向于高估少数群体的规模，反之则会低估；对于身处多数群体之中的人来说，他们社交网络中的同质性水平越高，越容易低估少数群体的规模（也即高估多数群体的规模），反之，多数群体社交网络的同质性水平越低，越会高估少数群体的规模。这一规律不但对个体生效，而且对于作为个体总和的群体（事实上在这里可以将群体看做是平均化了的个体）来说也奏效。总而言之，不管对于少数群体还是多数群体中的个体，当其社交网络中的同质性水平越高，越倾向于高估自己所在群体的规模而低估对方群体的规模。

研究者为网络偏好模型（BA模型）加入了同质性因素，形成BA-同质性网络生成模型，将同质性水平（h）和少数群体规模（fm）视为可调参数，对感知偏差（Bgroup）进行了理想化的模拟。

模拟结果如上图，可以更清晰地看出分界点（0.5，1）。图中横轴与纵轴表达的含义与图1中相同，仍然是同质性水平和感知偏差，不同之处在于，在这个网络生成模型中，同质性被视为可调参数，同时设置了从0.1到0.5不同大小的少数群体规模（fm），模拟每一个同质性水平下不同少数群体规模产生的感知偏差。

在同质性网络（0.5＜h≤1）中，相同同质性水平下，少数群体的规模越小，少数群体对于自身规模高估的程度越大（左图）；而在异质性网络（0≤h＜0.5）中，相同同质性水平下，少数群体的规模越小，多数群体对于少数群体的规模高估的程度越大（右图）。

——举个极端的例子，假设全社会真实的吸烟率只有10%，但是你和你身边所有的小伙伴都吸烟，这是一个完全同质的网络（h=1），那么你可能会将吸烟率高估10倍，认为世界上所有人（100%）都在吸烟；而当你自己不抽烟，但是你身边所有的小伙伴都吸烟，这是一个完全异质的网络（h=0），你同样可能会将吸烟率高估接近10倍，认为世界上除你之外的所有人（趋近100%）都在吸烟。

当我们遇到问题时，总会有人建议“多听听别人的意见”，究竟听取别人的意见是否可以消除我们的感知偏差呢？研究者在模型的模拟过程中加入了临近节点的同质性和感知偏差，得出了这样的结论：只有在个体社交网络中的同质性较低时，听取朋友的意见才可以降低个人的感知偏差，而当个体社交网络中的同质性过强时，听取朋友的意见可能会适得其反，此时，我们可能必须要去借助其他的手段更正自己的感知，比如通过广泛接触媒介或者亲自做调查。

图3：加入临近节点作用后的同质性水平-感知偏差拟合曲线

本图为模型模拟的结果。图中横轴与纵轴表达的含义不变，在这个模型中加入了临近节点的感知偏差，用以模拟当个体听取了朋友意见后感知偏差的状况。

这一项研究的价值不仅在于揭示了社交网络同质性与少数群体规模如何影响感知偏差，给出了减小个人感知偏差的建议，更在于其提出的BA-同质性模型，使得我们有可能根据群体中的个体的社交网络的同质性水平精确计算个体或群体的感知偏差。尽管如此，该模型目前在解释现实数据时还有一些局限，比如在部分网络上会出现拟合失效，其原因值得各位学者进一步探究解决。

图4：BA-同质性模型与六个真实的网络的同质性-感知偏差拟合结果

https://www.bilibili.com/video/av73856999

如何科学地拓展社交网络？专才与通才的策略不同

图学习：探索网络结构如何影响人类认知的新兴领域

Science经典回顾：贫穷妨碍认知功能 | 诺贝尔奖掀起“贫穷”问题讨论

加入集智，一起复杂！