互聯網使科學家能夠理解集體記憶的運作方式

互聯網使科學家能夠理解集體記憶的運作方式

互聯網給我們生活中的一切帶來了變化。 特別是,我們獲取知識的方式發生了重大變化,部分原因是維基百科等在線知識庫。 事實上,它甚至改變了科學的方式。 社會科學家越來越多地使用在線數據來研究我們的個人或集體行為,其規模和準確性通常只在自然科學中看到。 談話

當然,我們仍遠未擁有類似於歐洲核子研究中心生成的大型實驗社會科學數據集,但至少我們有數據觀測數據,如在觀測天體物理學中收集和分析的數據。 數百萬人每天使用在線工具 - 例如維基百科每天閱讀500,000次。

理解社會行為的關鍵主題之一是科學家稱之為“集體記憶“:社交團體的成員將如何記住過去的事件。 儘管集體記憶是社會學中的一個基本概念,但很少有關於這一主題的實證研究,主要是因為缺乏數據。 傳統上,研究公眾如何回憶過去事件的科學家必須花費大量時間和精力通過訪談和調查收集數據。

飛機墜毀

飛機失事5 1我們對雙塔攻擊的記憶因後來發生的事件而得到加強。 Michael Foran / Flickr, CC BY-SA

在最近的一項研究中, 發表於Science Advances我們的團隊由一名社會學家,一名計算機工程師和兩名物理學家組成,他們利用維基百科的數據,通過百科全書中所有文章的公開日常統計數據來研究集體記憶。

我們專門研究了整個航空歷史上的飛機事件(只要維基百科覆蓋)。 這是因為這些事件有很好的記錄,但也因為不幸的是,存在相當多的此類事故 - 使統計分析變得強大。

我們將事件分為最近(2008-2016)和過去(2008之前的任何事件)。 最近的航班的例子是 馬來西亞航空370航班, 馬來西亞航空17航班, 法航航班447 - Germanwings航班9525。 過去的崩潰包括 美國航空公司航班587 - 伊朗航空655航班.

然後,我們使用統計方法測量最近事件發生一周後過去事件的文章增加的頁面瀏覽量。 我們稱這種增加為“注意力流”。 我們有興趣知道對過去事件的關注度的增加是否與最近和過去事件之間的相似性或時間安排有任何關係。 我們還想知道我們是否可以預測新事件發生時對每個過去事件的關注流量。

我們發現的時候 德國之翼飛行 在2015中墜毀,人們從維基百科那裡獲得了關於 美國航空公司航班墜毀 11月2001在紐約市外面。 事實上,在德國之翼崩潰後的一周裡,這個頁面的觀看次數增加了三倍。

這似乎是一種模式。 由於最近發生的事件,我們一直觀察到過去事件的觀點顯著增加。 平均而言,過去的事件在發生後的一周內比最近發生的事件被查看了1.4倍。 這表明事件的記憶隨著時間的推移會變得更大 - 受到的關注比原來的要多。 然後我們嘗試對這種模式進行建模 - 考慮到諸如近期事件和過去事件的影響,事件之間的相似性以及維基百科上是否存在將兩篇文章直接相互連接的超鏈接等因素。

什麼塑造了我們的記憶

例如,在德國之翼和美國航空公司的航班中,這兩起事件都與飛行員的作用有關,這可能是一個重要的耦合因素。 由於飛行員錯誤,美國航空公司的飛機墜毀,而德國之翼飛行員故意撞毀飛機。 當我們觀察到在維基百科上沒有連接這兩篇文章的超鏈接時,它變得更有趣。 實際上,即使我們刪除了通過超鏈接直接相互連接的所有對,我們的一般結果也很穩健。

內存觸發模式中最重要的因素是過去事件的原始影響,這是通過最近事件發生之前的平均每日頁面瀏覽量來衡量的。 這意味著一些過去的事件本質上更令人難忘,我們對它們的記憶更容易被觸發。 這類事件的例子是與之相關的崩潰 9 / 11恐怖襲擊.

集體記憶2 5 1三個最近的航班(2015)及其對過去事件的頁面瀏覽量的影響。 最近的事件導致一些過去事件的觀點增加。

兩個事件之間的時間分離也起著重要作用。 兩個事件越接近,它們之間的耦合就越強。 當時間間隔超過45年時,最近事件觸發過去事件的任何記憶變得非常不可能。

這兩個事件之間的相似性被證明是另一個重要因素。 伊朗航空655的記憶就是一個例證,該航班被1988的美國海軍導彈擊落。 這實際上並不是人們記得很清楚的事情。 然而,當馬來西亞航空17航班在2014上被烏克蘭的導彈擊中時,它突然引起了很多關注。 在馬來西亞航空公司事件發生之前,伊朗航空事故平均每天都有關於500日常觀點的事件,但此後每天增加到120,000觀點

值得注意的是,我們並不真正理解這些觀察背後的潛在機制。 媒體的作用,個人記憶或維基百科上文章的結構和分類都可以發揮作用,並將受到未來的研究。

更傳統的理論認為媒體 在塑造我們的集體記憶中起著核心作用。 但是,現在要問的一個重要問題是,向網絡媒體,特別是社交媒體的過渡是否會改變這種機制。 這些天,我們經常通過我們的Facebook好友收到新聞,這可以解釋為什麼多年來沒有出現在新聞中的事件突然變得如此明顯?

了解這些問題的答案並理解集體記憶的形成方式不僅從科學的角度來看是有趣的,而且還可以應用於新聞,媒體發展,政策制定甚至廣告。

關於作者

Taha Yasseri,牛津互聯網研究所計算社會科學研究員, 牛津大學

這篇文章最初發表於 談話。 閱讀 原創文章.

相關書籍:

{amazonWS:searchindex = Books; keywords =集體記憶; maxresults = 3}

enafarZH-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

關注InnerSelf

Facebook的圖標Twitter的圖標RSS圖標

通過電子郵件獲取最新信息

{emailcloak = OFF}