大約幾個月前，看到HackerNews在討論這篇文章：Information Overload Helps Fake News Spread, and Social Media Knows It - Scientific American
本文的中文版我正好在環球科學2021年1月刊中看過，這篇文章介紹了OSoMe的各項研究成果。OSoMe全稱是印第安納大學“Observatory on Social Media”研究專案。我覺得環球科學的文章很不錯，亮點不少。
但是OSoMe的迴音室專案討論，和我對現實的感知有衝突，環球科學原文裡這部分體現得比較淡，但HackerNews那篇帖文（已經找不到連結）把這一點突出了，於是我想翻翻他們的論文原文，看看有什麼發現。
他們做了有視覺化介面的迴音室demo，而且還支援中文，看起來非常方便。
Social Media Echo Chamber (iu.edu)
Demo裡可以設定幾個變數：
- 個體的容忍度
- 個體容易受他人言論影響的程度
- 個體取消關注的傾向
如果我們按照直覺去設定這些變數的值，會發現最終社交網路都會演化成純粹的極化網路和同質網路。
但這和我們實際生活中觀測到的現象並不一致。在現實中，哪怕是小規模社交網路，經過漫長的時間也很難演化成純粹的極化網路或同質網路，那麼哪裡有疑點呢？
他們這一系列的論文和程式碼都在這個網站上，我這裡多給出幾個連結：
- Observatory on Social Media: Home (iu.edu)
- Observatory on Social Media: Publications (iu.edu)
- Observatory on Social Media: Open Source (iu.edu)
其中，Echo Chamber模擬器的原始碼地址是：GitHub - soramame0518/echo_chamber_model: Echo Chamber Model
我這裡直接指出我的質疑吧：程式碼中所有用到的隨機數生成過程，都是以uniform random的方式生成隨機數的。而每個個體的引數都被設定成了相同的或是均勻的。
但現實中，個體的容忍度、個體容易受他們言論影響的程度、個人取消關注的傾向，既不可能是相同的，也不可能是均勻分佈的，而應該是正態的。縱觀整個程式碼，我沒有看到這部分的體現。
當然，還有其他和現實環境不同的地方，比如，現實中的社交網路有新加入的節點，也有不斷退出的節點，模型也沒有體現。但我的直覺是，這些部分不像統計錯誤那樣，會對模擬網路的結構產生那麼大的影響。
本作品採用知識共享署名-相同方式共享 4.0 國際許可協議進行許可。
https://www.orangeclk.com/2021/11/01/osome-echo-chamber-random/
