关于社交媒体上出现“信息雪崩”统计定律,至少目前为止还没有一个在各个系统都表现得足够鲁棒的实证研究。而对于信息传播来说,完全不同的过程很可能背后存在着合理的驱动机制。最近在 ''Nature Communications'' 上发表的一篇文献,分析了来自Titter、Telegram、微博等社交平台的近亿个时间序列,超过将近10年的时间窗口,展示了社交媒体上的信息传播过程的普适性和临界性。其中普适性体现在,无论具体系统的细节如何,我们都可以在不同的系统上观察到宏观尺度的统一模式;临界性则来自于信息雪崩持续时间和规模的幂律分布,相应的超规模关系(hyperscaling relations)。文章在数据上的统计检验指出,社交媒体上信息传播过程是简单传播规则和复杂传播规则的结合,并且还指出这个过程的复杂性和传播信息中包含的语义内容有关。 | 关于社交媒体上出现“信息雪崩”统计定律,至少目前为止还没有一个在各个系统都表现得足够鲁棒的实证研究。而对于信息传播来说,完全不同的过程很可能背后存在着合理的驱动机制。最近在 ''Nature Communications'' 上发表的一篇文献,分析了来自Titter、Telegram、微博等社交平台的近亿个时间序列,超过将近10年的时间窗口,展示了社交媒体上的信息传播过程的普适性和临界性。其中普适性体现在,无论具体系统的细节如何,我们都可以在不同的系统上观察到宏观尺度的统一模式;临界性则来自于信息雪崩持续时间和规模的幂律分布,相应的超规模关系(hyperscaling relations)。文章在数据上的统计检验指出,社交媒体上信息传播过程是简单传播规则和复杂传播规则的结合,并且还指出这个过程的复杂性和传播信息中包含的语义内容有关。 |