意见联结,同质性和多模态边缘
数据集描述
在舆论动力学中,有一种经验建立和广泛建立的驱动力是同质性,即“物以类聚”的倾向。我们的观点越接近,我们就越有可能互动和融合。使用这些假设的模型被称为有界置信度模型(BCM),因为它们假设一个容忍阈值,在此阈值之后不太可能发生相互作用。已知它们会产生一个或多个簇,这取决于边界的大小,只有在确定性的情况下才可能产生多个簇。在随机世界中很可能会出现噪声,引入噪声会导致BCM产生共识,这给我们留下了一个开放的问题,即解释意见集群和两极分化的出现和持续。我们研究了异质先验在意见形成中的作用,引入了意见联结的概念,认为该概念得到了《社会心理学》研究结果的有力支持,并用它来证明随机BCM确实在不需要额外假设的情况下产生了意见聚类。
选择方法:Python代码以Jupyter笔记本的形式生成论文中的所有模拟。
创建日期:2017-07-10数据集的范围
主题:
人类行为,互联网,舆论,社会融合
引用(s)
阿斯基达斯,Nikos(2017)。意见联结,同质性和多模态边缘。IZA研究数据中心(IDSC)。doi: 10.15185 / izadp.10753.1
研究人员与“意见copula,同质性和多模态边缘”工作,有义务确认数据库在他们的出版物,包括DOI,通过使用该参考。