少数派如何被感知为多数派:一条度分布判据
【锚点】只钉一个判断:【「大家都这么说」不是统计错误,是度加权的必然】——感知到的规范由 ⟨k⟩ 决定,不由 p 决定。
一、【显式】一个能手算的判据
设总体里带属性 A 的节点占 p,A 的平均度 ⟨k⟩_A,其余节点平均度 ⟨k⟩_B。从一条【随机边的端点】看过去,邻居里 A 的比例的期望是
E[f_A] = p⟨k⟩_A / (p⟨k⟩_A + (1−p)⟨k⟩_B)
令它 > 1/2,解出:【判据】⟨k⟩_A / ⟨k⟩_B > (1−p)/p。
p = 0.25 时,少数派平均度只要达到多数派的 3 倍以上,一个随机邻居就有一半以上概率是少数派。取 5 倍:0.25×5 / (0.25×5 + 0.75×1) = 1.25/2 = 62.5%。取 9 倍:2.25/3 = 75%。
A 只占四分之一,但每个人眼里的邻居有 62.5%–75% 是 A。
二、【隐式】这不是数学游戏
Lerman、Yan、Wu(2016, PLOS ONE 11(2): e0147617)在带度异质性与同质性的网络模型里跑出了这个效应,给它起名【多数错觉 majority illusion】。结论是:少数派不需要变成多数派,只需要变得【可见】——度更高、内部更密——就能让过半节点把它感知为多数。
【流程节点链路】总体属性比例 p → 邻居抽样按度 k 成比例(size-biased) → 感知均值 p⟨k⟩_A/(p⟨k⟩_A+(1−p)⟨k⟩_B) → 判据 ⟨k⟩_A/⟨k⟩_B > (1−p)/p → 结论:少数派可被感知为多数派
三、【细微】经验对应物
社会心理学的【多元无知 pluralistic ignorance】早就测到了同一件事:Prentice & Miller(1993, JPSP 64(2): 243–256)在普林斯顿测饮酒规范,学生的私人态度比他们以为的「典型普林斯顿学生」保守得多——私下都不同意,公开都表演同意。Perkins & Berkowitz(1986)在高校测到的偏差方向一致:系统性高估同伴饮酒量。
差别在于:多元无知讲「认知偏差」,网络科学讲「偏差的结构来源」。前者要心理学解释,后者只要度分布。
四、【极难发现】被换掉的前提
这些研究共享一个没说出口的前提:【一个观点/变体的社会地位 = 它在总体中的比例 p】。
这个前提是错的,而且错得很贵。预测行为的是【感知规范】,感知规范是度加权的,不是 p。于是任何拿「总体比例」当规范强度的指标,都在测量一个几乎没人实际经历过的世界。
对语言学尤其致命:你用 Twitter 语料估某个变体的「流行度」,得到的不是人群的 p,而是【平台可见性加权后的 p】。平台账号的度分布极端重尾,少数高产账号贡献绝大部分 token。所以「语料库里的多数」和「人群里的多数」是两个不同的量,且前者系统性地偏向高可见度节点——这不是抽样误差,方向是确定的。
五、值得辩论的问题
如果感知规范比真实规范更能预测行为(社会规范干预的 Cochrane 综述 Moreira et al. 2009 效果有限,但其机制假设正是这一条),那我们所有的「总体比例」指标——语料频率、调查流行度、共识度——是不是都在测量一个没人经历过的世界?反过来说:有没有可能某些被判为「濒危/失效」的变体,在度加权的感知空间里仍是多数?







0 评论