文摘
解决冲突通常包括介质了解辩论双方的观点的核心问题。介质在复杂网络表示关键节点连接到其他反对子图的关键节点。这里我们介绍一种新的衡量标准,调解中心,对于识别良好的介质在对抗性的政策网络,如个人和他们之间的连接的支持和反对的理由有争议的话题(如国家资助堕胎)。中介使用一个基于流程的原因我们构建双方的敌对政策网络和展示中介定义子图预测约束代表对立的原因可以用来产生一个衡量中介中心优于中心计算完整的网络。然后我们经验说明和测试中介中心在一个参与者的“政策流畅性任务,”产生的原因或反对8有争议的政策问题(银行救助补贴堕胎,迫使减少,大麻合法化,缩短入籍,代孕合法化,公共禁烟令,安乐死合法化)。我们将讨论如何调解中心可以扩展到敌对的政策网络与两个以上的位置和其他中心措施。
1。介绍
对抗的系统可以被定义为系统持对立观点的个人组成的,比如民主党和共和党在美国政治或离开与Remainers Brexit讨论。许多最近的研究调查对手的信息的发展环境,可以从他们的对手的观点孤立的个人,如回音室和过滤泡沫(1- - - - - -3]。这种隔离会导致过度自信和进一步极化,与我们的直觉相反,可能在信息丰富的环境中(尤其突出4]。这些系统往往形成了意识形态的分歧和甚至扩展到科学的真值,与最终的结果,这些团体很少取得一致和严重绝缘与信仰和社会接触(例如,5,6])。
在有争议的问题上取得进展在对抗系统中,它可能是有用的识别人最好能够帮助集体解决问题。这些人应该能够指导他人对认识和承认个人的信仰和价值观在不同方面的问题7]。例如,能力的角度理解和承认的观点的能力在不同的一个问题是最有效的工具之一,良好的谈判代表(8]。同样,收敛框架识别问题的共同认可的描述可以帮助促进解决冲突(9]。从的角度解决冲突10),这个集体的角度识别能力是一个定义良好的特点中介(11]。这么好的介质最大化的机会,绝大多数人在两边的问题上能达成一致分歧归结为。
敌对的上面描述的系统可以被认为是复杂网络,人们通过确认共享连接到其他个人原因支持对立的问题。尽管网络科学提出了许多中心指标识别关键节点在各种语境下的(12- - - - - -16),我们不知道指标识别介质在对抗系统中,和更特别的对抗性的政策网络,网络是敌对的,因为它包含代表多个位置信息的政策。敌对的政策网络可以用由两部分构成的网络,通过边连接,个人原因他们承认。图1(a)提供了一个实证的例子,这样双方的敌对的政策网络基于这些reasons-concerning原因和个体识别的政策问题,降低了最小数量的年的住宅成为归化公民在瑞士(基于实证研究的结果稍后将在本文描述)。在这种对抗性的政策网络,可以支持的原因只有一个的几个方面的问题。这样一个网络可以投射到人(个人相连,如果他们分享至少一个原因)或原因(两个原因在哪里连接如果他们是由同一人;图1(b))。通过约束问题的原因是一方面可以进一步描述子图的个人连接在赞成或反对的理由(图1(c))。
在双方的对抗性的政策网络,有理由和政策以及个人承认不同子集的这些原因,一些人意识到原因两岸的问题。一个好的中介在这个空间是与高度集中在各子图的人。重要的是,根据这个定义,一个好的中介不一定是人认识到大多数原因或原因会使大多数人开心,也不是人承认等量的原因在不同位置,甚至一个人认识到这些原因,最好将覆盖空间所定义的人集体承认的原因(代表性指标,下面我们描述)。这些属性可以博弈只需添加更多的人或质量差的原因。下面我们描述的方法是免疫这样的托词。
中央的贡献本文的介绍和调查调解中心网络测量识别介质在双方的对抗性的政策网络。中介中心计算结合中心从子图预测的预测指标定义与不同的原因。
接下来,我们首先定义双方的对抗性的政策网络,然后描述我们的新中介指标识别图介质在这些网络。然后我们评估这个中介指标使用模拟双方的对抗性的政策网络和中介中心捕获的概念表明,一个好的中介的best-recognizer-of-best-recognized-reasons是谁一个假设的讨论一个关联路径的参数空间。一个好的中介在这个空间最讨论作出贡献。然后我们经验说明中介中心在一个参与者的“政策流畅性任务,”产生的原因或反对一系列有争议的政策问题。
2。调解中心
2.1。双方的敌对政策网络、中介和中心指标
双方的敌对政策网络可以表示成图, ,顶点, ,是由个人、 ,和原因, ,与边缘, ,连接个人原因(图1(a))。原因网络对抗的,代表职位的政策,因此独家子图。当我们注意下面,这个可以扩展到任意数量的头寸,但为便于博览会我们假设原因只能要么为或对这一政策。
原因到个人的投影图 在个人和连接在生成的邻接矩阵,如果他们分享至少有一个原因, ,(图1(b),左图像),这样 在哪里的值为如果原因由个人和否则。同样,可以形成投影一个原因(图1(b),对图)。
不同的位置可以表示为 和 ,代表约束形成的子图的理由要么支持或反对这个问题,分别。形成投影个人如上所述,我们得到和 ,分别代表个人的连接完全由无论赞成或反对的理由,分别(图1(c))。
有各种各样的核心指标,可以计算每个子图的预测,如学位中心、中间性中心,中心的亲密接触。可以推广到每一个中介中心指标如下,我们将讨论。然而,由于我们正在考虑中介上下文中的一个领域,原因是在个人的头脑,我们感兴趣的是人与人之间的思想是如何连接的。特别是,我们感兴趣的过程一个假想的富有成果的讨论,在讨论跟踪定义的结构信息之间的关联人,他们共同承认的原因。在这种环境下,一个好的中介是人贡献最大这个假设的讨论,因为她知道,可以引入集体重要原因讨论。她因此best-recognizer-of-best-recognized原因(如下我们展示)。我们确定这个中介通过两个假设:思想是联想人联系,除此之外,通过共同的想法。
在“Trayne的想法,“霍布斯(17]承认这已成为当代认知科学的真理:一个想法产生了另一个与他们之间的关系(18,19]。这个想法扩展到个人的集合在一个敌对的政策网络,我们想象一个简单的模型的社会过程,个人激活另一个共同的原因,有一个人说一个原因,另一个回应,想到的原因与另一个相关联的原因。正式这个过程可以描述为一个随机漫步通过政策空间,在个人之间的转换发生的随机选择边缘集体关联表示。
双方的对抗性的政策网络的投影到个人抓住了这一过程,即个人如果他们能激活连接通过一个共享的想法。一个随机游走在这个子空间相当于上述过程。在两个节点之间移动在这个子空间的概率转移矩阵描述并描述了一个马尔可夫过程收敛于一个平稳分布在连续的转换(20.]。
这种平稳分布可以用向量表示 。平稳性意味着进一步转换不影响分布,这样 在哪里的最大特征值的特征向量 。 是标准化的邻接矩阵表示如下: 在哪里是个体的总数。固定的值分布对应的一个特例网页排名(21为无向图)。网页排名是一个网络测量,已应用于许多认知和社会现象(例如,19,22- - - - - -24])。大致说来,一个节点对应的PageRank的概率随机沃克在那个节点,沃克的马尔可夫过程的约束邻接矩阵。尽管中介中心可以通用,原则上,任何中心度量(如学位中心、介数中心,亲密中心),在调解中心的描述,我们将限制我们的调查PageRank因为它遵循上述逻辑的讨论受到关联的结构原因发生在人们之间的关系。然而,在中心指标的讨论,我们认为是最适合任何领域将取决于该域的过程。
2.2。在子图计算调解中心
中心措施通常计算完整的网络,可能因此被视为全球中心的措施。像我们展示后,全球的中心不捕获一个好的中介,因为介质的概念需要能够协调不同位置之间的讨论。也就是说,在敌对的政策网络的背景下,个人中心高 可能不是一个好的中介反对子图。具体来说,他们可能不承认的问题会使他们的核心和在同一时间。为了处理这个问题,我们定义了一个节点的中介中心, ,作为调和平均数的中心值子图 在哪里和代表中心节点的计算从子图和 ,分别。调和平均数捕捉我们的中介中心的概念,因为它是由最小(最小)中心子空间。尤其是,最右边的一部分方程(4)强调,如果或是零, 不管其他中心的价值(除非它也是零,那么是未定义)。
更普遍的是,谐波的意思是一个Schur-concave函数,这意味着对于任何积极的组吗我们已经输入 。这意味着也不能任意大而不改变其最小输入的值。特别是,如果任何输入为零, ,无论其他输入的值(除非所有的输入都是零,那么是未定义)。几何平均数也是Schur-concave函数。然而,我们选择类比的调和平均数计算的平均速度:当车辆以率然后在速度平等的距离,然后调和平均数的平均速度和 。松说,中介的平均“率”的贡献在一个子空间是他们常常导致相关的子图(即随机漫步。,经常一个人是如何访问的随机游走)。如果我们假设一个类似的概念,通过正面和反面论证空间等距路径,个体的平均速率正比于调和平均数的贡献他们的贡献在子图。
敌对的政策网络组成的子空间表示位置,中介中心的定义是 在哪里的中心吗th子空间计算从 。这方便减少了标准中心措施的情况下只有一个子空间( )。
注意,中介中心不同于描述的子图中心埃斯特拉达& Rodriguez-Velazquez [25),“数倍,一个节点参加不同的网络的连通子图,“如三角形,四个周期,等等。
2.3。中介中心和代表性
早些时候,我们认为基于流程的测量可以获取的中介结构关系社会和认知过程。然后我们确定PageRank中介等一个合适的网络指标的措施。这里我们介绍和形式化的概念代表性认知措施旨在捕捉原因人口覆盖率。我们注意到representativeness-unlike中介centrality-does不包含网络结构。比较中介中心代表性有助于突出简单计数措施的潜在的弱点。
开发代表性的概念,让我们假设一个单元称为person-reason代表一个由一个人的理由。两个person-reasons可以反映出两个不同的人承认的原因之一可能是也可能不是相同的理由或者一个人承认两个不同的原因。由这个单位,十人都承认相同的原因之一(person-reasons)有一个强大的理性空间少于十人承认五个原因(是否共享;person-reasons)。如果我们假设一个理由在一个人的思想代表了一个槽的敌对的空间,然后总敌对的一方空间的问题是插槽的总和,即person-reasons的总和。这假设原因插槽是可以互换的。这种情况可能并不总是因为一些原因可能是比其他人更有说服力即使它们持有更少的个人。结合原因的规范性重量超出了当前论文的范围(但[26),一些想法的基础上)。
为了说明,图2描绘了一个敌对的空间组成的20独特的原因和28 person-reasons所持有的一个原因三人每个个人,两个原因,等等。个体在多大程度上涵盖了这个空间是一个衡量他们的代表性 。因此我们可以定义一个人的代表性的总和插槽(person-reasons)他们在敌对的空间 在每一个原因在个人设置的原因, ,我们和个体的数量谁承认的原因。一个人更高是一个人更好的覆盖的敌对的空间吗是代表。因此,我们可以计算和表示赞成和反对的理由空间内的代表性,分别。
这里的计算,节点的子图中代表性相当于节点的加权网络学位,边的权值反映了共享的数量原因,加上节点的未加权的程度,代表个人持有的许多原因。添加节点的未加权的程度可以删除以避免个体创造了独特的情况下,特殊理由放大自己的代表性。在目前的情况下,我们留给这个假设网络中的个人反映人口从采样。这也符合下面的实证研究框架,我们要求个体产生原因他们认为会被他人。
我们定义中介代表性在多个空间, ,调和平均数的代表性在子图, 在哪里是子空间的数量。在中心中值的定义(见前),谐波的意思是最好的吸引了我们的意图中介代表性的意义,因为它是由最小的子空间的代表性。这可以防止个人越来越代表的仅仅是获取更大份额已经有利子空间。
虽然和会经常联系么?事实上相关实证研究中我们描述below-they不需要相关的。原因,考虑原因网络介质有相同的两个候选人年代和年代。可以提高她的第一候选人通过列出一个理由两边的政策问题。然而,她的保持不变,因为它最重要的是取决于被他人认可的原因。换句话说,不会改变,因为它是敏感的结构person-reason网络空间。
3所示。评价:模拟研究
3.1。模拟1
考虑两个位置的政策辩论,支持和反对,相应箴和反对的原因。人意识到各种原因两岸的辩论。目的是识别介质在这个空间best-recognizers-of-best-recognized原因两岸的辩论。
模拟这个,要有 个人在政策辩论一个问题(例如,大麻合法化)的宇宙可能不同的箴原因和可能不同的反对的原因。每个样品的原因:箴原因和 反对原因(四舍五入为最接近的整数)。代表一个人的偏见;一个 代表了一个公正的人。在这个模拟过程中,一个人的是均匀采样 。
我们允许的原因有一个幂律分布概率被采样的 与排名和 。的精确值不重要的整体结果,除了大的值所有个人都产生相同的原因和小的值所有的原因都将均匀采样。在这种情况下,每个人都是最好的中介(因为每个人产生同样的原因)或最好的中介是数量最多的个人原因/位置,因为所有的原因也同样表示。因此,中间的也最有趣的配方和配方能够最好地反映的经验数据。
使用个人的样本,我们生产一个双边的邻接矩阵,个人行,原因是列。如上所述,然后这个矩阵投射到个人正面和反面的原因子空间分开,然后计算个人的中介中心作为调和平均数的中心值在两个子空间。
图3展示了全球中心(即之间的关系。,computed from the projection onto individuals based on the full bipartite network) and mediation centrality. Global centrality shows a limited ability to discriminate among individuals’ different degrees of bias for or against the policy issue. Mediation centrality, on the other hand, captures the central intuition of mediation, whereby individuals with the least bias, ,有最高的中介中心。然而,值得注意的是,最小的个人偏见不一定是最高的一个中介中心。中介的变化对于一个给定水平的偏差是一个衡量个人能力的子图内捕捉最公认的原因。考虑到个人的没有偏见( )双方会产生同等数量的原因,但是这些原因可能不是同样的双方代表采样。因此,更多的偏向个人可以(在某种程度上)仍然是更好的识别器best-recognized原因。
图4每个模拟代理相关的代表性正面和反面空间攻击对方和代理的中介中心相同, ,和全球中心。图显示一个数量的见解。最重要的是,可以预料到的,人有更高的代表性con子空间代表性较低的子空间。这是因为原因产生的数量是固定的,在子空间分割。其次,人是高度代表一个或两个子空间的其他中介中心较低(小尺寸的点;图4(一))。全球中心,另一方面,受到更大的代表性的赞成或反对(图4 (b))。比较具有代表性的中介中心从正面和反面的空间, ,表明,中介中心捕捉直觉介质必须承认问题的关键想法两侧(图4 (c));全球中心缺乏这个属性(图4 (d))。此外,还要注意,个人最高的不是最高的个人 。
(一)
(b)
(c)
(d)
遵循随机游走的概念通过政策空间,我们也可以验证中介中心跟踪每个子图上的随机行走的停留时间。图5显示的结果发布1000个随机行人从每个个体和跟踪网络中的每个节点的居住时间。中介中心又是最高的人至少有偏见的居留时间(图5(一个))。相比之下,全球中心不歧视(图5 (b))。比较中介中心对住宅的调和平均数乘以显示两项措施(图之间的密切关系5 (c))。相比之下,全球中心没有显示一个明确的与住宅的调和平均数乘以(图5 (d))。
(一)
(b)
(c)
(d)
3.2。模拟2
进一步检查的特点一个好的中介,我们跑第二次模拟总共有100个理由,80和20的政策问题;所有其他模拟细节模拟1完全相同。数据6,7,8显示相应的结果。正如所料,中介中心相对失衡的影响欺诈的数量和专业的原因和标识的人都是公正的和更具代表性;相比之下,全球中心不能捕获两个子图(图之间的区别6)。还要注意一个人最高的全球中心值最低的中介代表性和强烈偏向生产职业原因(图7 (d))。最后,中介中心再次跟踪随机沃克住所的调和平均数乘以,而全球中心未能捕获(图8)。
(一)
(b)
(c)
(d)
(一)
(b)
(c)
(d)
凸显了中介的有效性给出的两个模拟中心双方确定好调解者的政策问题。在下一节中,我们应用这种方法对实际政策经验数据的问题。
4所示。介质在对抗性的政策网络:一个实证研究
测试中介中心在现实的环境中,我们收集的数据(表8的政策问题1)。参与者在这个研究中被要求想象他们会缓和讨论具体的政策主张,为了准备这次会议他们应该列出所有可能的原因赞成或反对主张他们能想到的,可能会出现在这样的讨论。我们称之为任务后的“政策流畅性任务”类似的任务类别流利文学,如动物和国家流畅性任务,个人的名字所有的动物或国家他们能想到的,(例如,[分别18,27])。
4.1。方法
以下4.4.1。参与者
53参与者(中位年龄 ; 大学的女性)招募了巴塞尔(瑞士)。这个实验是临床前研究,不涉及任何病人,据瑞士联邦法律并没有要求深入评价和市区的审查委员会批准。
4.1.2。材料和过程
我们进行了一项试验调查来确定在我们的参与者人口政策问题不可忽视的支持双方的问题。表1显示了八个问题主要研究中使用。
这项研究的原因是参与者的主要数据为每个策略生成问题。旁边这个主要数据,我们收集了一些额外的变量没有调查与调解中心。充分披露的精神我们不过报告他们在描述以下实验。所有指令都在德国;我们在这里展示他们的英语翻译。实验程序E-Prime 2。(1)测量工作记忆容量,参与者完成一个操作周期任务(28]。(2)参与者被要求想象他们会缓和讨论一个具体的政策建议(例如,使大麻合法化),他们是一个公正的中介作用。为了准备讨论他们将所有的参数列表(即。,reasons) for and against the current proposition they could think of that other people might find important for deciding in favor of or against the policy proposition. For each of the eight policy issues (Table1),参与者被要求写下他们所能想到的每个原因使用3 - 4个单词和提交按回车。一旦他们无法想到任何更多的原因,他们继续下一个问题在屏幕上按下一个按钮。政策问题提出了一个新的随机顺序为每个参与者。(3)每个八政策问题的参与者表示自己的立场(即。赞成或反对的政策主张)。(4)参与者表示一组人口统计学变量(年龄;性别;瑞士公民身份;吸烟状态;大麻消费)。(5)几个自我评定的问题评估参与者的政治立场。第一个问题要求被试把自己在政治左翼和右翼的频谱通过选择一个点在一个模拟的规模。然后为每个八瑞士政党参与者表示他们同意或不同意程度政治议程。参与者选择一个点在一个模拟的规模,范围从“分歧”“总协议”。八个政党是:瑞士全民(高级);Sozialdemokratishe Partei (SP);Freisinning占领区内Partei /自民党-死Liberalen;Christlichdemokratische全民(CVP);Grune Partei (GPS);Burgerlich-Demokratische Partei (BDP); Grünliberale Partei (GLP); Evangelische Volkspartei (EVP).(6)我们评估参与者的自我能力的角度采取基于德国版的四个项目(29日)的人际反应指数(30.]。参与者表示四个语句应用于他们的程度上选择一个点一个模拟双相规模,范围从“不适用”“完全适用”。原来英语制定(30.]声明写道:“我想看看大家的分歧在我做出决定之前。”“我相信每个问题都有两面,看他们两个。”“在批评别人之前,我想象我如何会觉得如果我是在自己的地方。”“当我不满的人,我通常试图“把自己放在鞋”一段时间。”
三个独立评级机构判断每个理由是否支持或反对政策问题还是他们不能告诉 ;然后我们总结的迹象,的值之和来表示的原因是否赞成或总数的一场骗局原因产生,324没有价(即。之和为零)。我们排除了这些,因为他们通常没有提到的原因。
对于每个问题,第四个评定等级的创建的类别的原因,产生的原因被分配;剩余的1454原因未能被编码和被移除。分配的类别被用来计算邻接矩阵中的值。例如,一个人写了“谋杀胎儿”和另一个写道“这是谋杀”随后被分成相同的类别“堕胎是谋杀。“一个人的代表性计算通过考虑参与者的独特原因类别数产生至少一个原因。这样做是为了避免膨胀值的代表性当参与者产生多个原因类别都属于相同的原因。
两个评级程序后,1447个理由,这被用于进一步的分析报告。表的数量的总和1表明许多的53个参与者产生至少一个有效的原因各自的问题。
4.2。结果
表1显示个人的数量在每一方的每一个问题。我们的试验调查旨在识别会有实质性的政策问题在我们的参与者的人口支持任何一方。与这一目标相一致,显示每一个问题不可忽视的支持立场。这些极化水平表明,研究中使用的问题代表了一个好的测试床调查调解中心。
图9显示了双方的敌对的原因网络为每个问题。各有一个巨大的网络组件,它表明,双方的每一期倾向于承认两岸的问题的原因。因此,即使这些有争议的问题,参与者在至少partly-aware另一边的原因。这意味着识别介质作为个人谁是best-recognizers-of-best-recognized原因是一个合理的努力在这个研究。
中介中心是有用的在某种程度上,它在对抗性的政策网络因个人而异。图10表明,中介中心产生一个明确的个人排名在每个的八个截然不同的政策问题。这是有前途的,因为这意味着即使在有争议的话题有一系列敌对的理解的人,换句话说,有个人会比其他人更好的介质。
虽然仅仅是多种原因产生的参与者是参与者的一个粗略的代理中介中心,它是一个可怜的直接代替调解中心。图11表明,虽然在某些情况下中介中心对应最高最多的个人原因,这并非总是如此。救助银行,缩短入籍,公共场所吸烟禁令,代孕合法化,并迫使有限公司2降低证明的情况下生产最原因并不能使一个最好的中介。
图12比较调解中心和中介代表性, 。中显示的结果与模拟,表明患者高也有高 。然而,他们也展示在这个现实世界中可以为个人用同样的有何不同 ,如堕胎和国籍的离群值,代表二分体分开各自的巨型组件(网络不是如图所示)。图13显示了类似的结果,当比较中介中心和1000年的居留时间随机步行者开始每个人在每个子图。强烈与住宅相关的随机行走空间的原因。这些结果为中介代表性和随机漫步居留时间证明中介中心的符合我们的直觉好中介对这些政策问题的样子:一个best-recognizer-of-best-recognized原因。
5。一般讨论
本文有两个目标。第一和主要目标是引入一个新的测量网络科学家捕获一个有趣的和有用的一式两份的对抗性的政策网络的属性。正如我们所显示的,中介中心有有用的定量性质,可以识别节点由两部分构成的网络,可能特别适合某些任务在敌对的环境中。第二个目标是产生一个衡量中介可能有用的社会和认知科学家。虽然本文主要集中于这两个目标的前,我们还是经验演示了如何调解中心是一个有意义的措施对抗的政策网络应该是有用的在将来的研究中,旨在提供更详细的量化通常,而定性概念的中介(见[10])。
与复杂网络,中介中心测量我们提出,关注网页排名,是一个特定实例的一个更一般的家庭中介中心的可能措施。其他中心的措施,如亲密中心或中间性中心,可以用来代替PageRank的测量我们提出的调解中心。然而,我们认为在对抗性的政策网络中介的任务,衡量中介密切对应于社会和认知过程比process-agnostic,描述性的措施,如代表性或其他,更通用的网络中心的措施。然而,这样的替代措施很可能在其他设置有意义,他们可能密切对应于感兴趣的其他进程。例如,当一只蜜蜂殖民地试图定位位置的蜂窝,适当减少不同类型的旅游资源,亲密中介中心可能是非常合适的。中介中心也可以适应加权子图与它们的相对重要性由其他标准,例如,例如,持有一个特定位置的人数问题,或价值的不同的原因(例如,花粉花蜜在上面的蜂巢的例子;(31日])。的确,调解中心是一个高度灵活的方法构造定量措施和有足够的空间变化。例如,中介中心,这里提出的目的是衡量一个网络中介在致力于一个给定的对抗性的问题。但它可能是有价值的在未来能够量化的程度中介跨多个政策问题,相应不同的关联结构。
此外,未来的调查中介从更多的社会心理的角度来看应该关注这里未讨论的几个因素。最重要的是,我们没有获取个人的力量举行他们报道自己的位置。例如,我们没有抓住一个人的力量支持针对公共场所吸烟的法律,只有他们或没有。是有用的有更多的分段测量的位置,作为一个可以高中介中心调查患者是否也个人持有更多温和的在这些问题上的立场。当然,这可能并非如此。良好的介质的测量可以通过必要的知识的其他个体believe-be更好的说服者。在这方面,未来的研究调查的中介也将从中受益的程度高的个体中介中心可以产生争论,更有可能导致双方认可的解决方案。
未来的研究还应该调查个体在多大程度上相信他们承认的原因,以反映合理参数。尽管我们使用一个相当粗糙的测量确认,仅仅涉及生产的原因,可能是这些原因是承认不同程度。上述问题都可以改编成未来中介的措施。最后,重要的是要注意,调解中心,我们在这里提出,社交网络是不可知论者。它仅仅聚焦于你所知道的而不是你认识谁。尽管如此,在许多地方,同时介质可能是最有效的,当他们知道有关各方和认识到best-recognized原因举行替代的问题。
6。结论
人可以持有的观点对立的问题和帧参数,双方可以同意经常帮助生成更好的解决方案在解决冲突(8,9,32]。我们这个概念适用于介质通过扩展角度考虑到基于流程的中介。这让我们引入中介中心的指标量化中介个人在对抗性的政策网络的价值。中介中心正式一个好的中介的概念在一个集体的认知表征一个敌对的政策空间聚合多个个人和立场。使用模拟和实证数据从八现实政策问题,我们表明,中介中心遵循直觉意味着什么是一个好的中介,我们进一步说明这个优于其他措施和捕获一个随机游走的逻辑空间的原因。
数据可用性
数据和代码用于支持这项研究的结果已经沉积在一个开放的科学框架项目(https://osf.io/nsd2r)
的利益冲突
作者宣称没有利益冲突。
确认
感谢卡门·凯瑟编码实验,特里萨·施密特记录实验,CDS参与者招募研究助理,和达尼亚每,伊娃·哈,塞巴斯蒂安在埃博拉病毒病,莎拉Turowski编码参与者的反应。这项工作是由英国皇家学会沃尔夫森研究绩效奖(WM160074)和阿兰·图灵研究所的奖学金(托马斯·t·山)。