PL 
EnglishDomyślny
Українська💬 Dynamika opinii
Model ograniczonego zaufania Deffuanta: agenci zmieniają opinie tylko wtedy, gdy są sobie dostatecznie bliscy. Obserwuj, jak z prostych reguł lokalnych wyłaniają się bańki informacyjne, polaryzacja i konsensus.
O tej symulacji
Ta symulacja uruchamia model ograniczonego zaufania Deffuanta, jeden z klasycznych agentowych modeli kształtowania się opinii. Każdy z N agentów ma opinię wyrażoną liczbą rzeczywistą między 0 a 1. W każdym kroku losowo wybierana jest para agentów i tylko jeśli ich opinie mieszczą się w progu zaufania ε, oboje przesuwają się ku sobie o ułamek μ swojej różnicy — agenci, którzy różnią się zbyt mocno, po prostu się ignorują. Opcjonalny człon wpływu medialnego dodaje stałe zewnętrzne popchnięcie ku jednej skrajności, naśladując stronniczego nadawcę lub algorytm rekomendacji.
🔬 Co pokazuje
Setki agentów (50–500) zaczynają z losowymi opiniami rozrzuconymi na odcinku [0, 1]. Gdy kumulują się losowe interakcje parami, populacja albo zapada się w jeden konsensus, albo rozpada się na kilka stabilnych klastrów opinii, albo fragmentuje się na wiele izolowanych baniek informacyjnych — wyłącznie w zależności od tego, jak tolerancyjni (ε) i jak silnie przekonywalni (μ) są agenci. Kolor koduje opinię od czerwonego (lewa strona) przez żółty (środek) po niebieski (prawa strona), a delikatne linie łączą agentów na tyle bliskich, by wzajemnie na siebie wpływać.
🎮 Jak korzystać
Przeciągnij suwak Zaufanie ε (0,05–0,50), by ustalić, jak otwarci są agenci — małe ε zamyka ludzi w bańkach informacyjnych, duże ε ciągnie wszystkich ku jednemu wspólnemu poglądowi. Konwergencja μ (0,10–0,90) ustala, jak daleko agenci przesuwają się ku sobie przy każdej udanej interakcji. Wpływ medialny (−0,40 do 0,40) ciągnie podatnych agentów w stronę 0,15 lub 0,85. Użyj Reset, by przetasować, Pauza/Odtwórz, by zatrzymać proces, Krok ×100, by przewinąć do przodu, oraz selektora Układ, by przełączać się między widokiem punktowym a widokiem osi czasu opinii w kolejnych iteracjach.
💡 Czy wiesz, że?
Liczba klastrów opinii, w których stabilizuje się ten model, nie jest przypadkowa — kieruje się regułą klastry ≈ 1 / (2ε), wzorcem udokumentowanym od czasu, gdy Guillaume Deffuant i współpracownicy po raz pierwszy opublikowali ten model w 2000 roku. To jedno z najczęściej cytowanych narzędzi wyjaśniających, dlaczego niektóre społeczeństwa polaryzują się na dwa sztywne obozy, podczas gdy inne osiągają szeroki konsensus — zależnie wyłącznie od tego, jak tolerancyjni wobec niezgody są ludzie.
Często zadawane pytania
Czym jest model dynamiki opinii Deffuanta?
Model Deffuanta, wprowadzony przez Guillaume'a Deffuanta i współautorów w 2000 roku, to model ograniczonego zaufania w wpływie społecznym. Agenci mają ciągłe opinie z zakresu [0, 1] i wchodzą w interakcje w losowych parach. Dwóch agentów wpływa na siebie tylko wtedy, gdy ich opinie różnią się o mniej niż próg zaufania ε; gdy ten warunek jest spełniony, oboje przesuwają się ku sobie o ułamek μ różnicy opinii. Agenci, których poglądy są zbyt odległe, po prostu nie wchodzą w interakcję w danym kroku.
Dlaczego mały próg zaufania ε tworzy bańki informacyjne?
Gdy ε jest małe, agenci słuchają tylko tych, których opinie są już bardzo bliskie ich własnym. Losowe pary, które zaczynają zbyt daleko od siebie, nigdy nie przekraczają tego progu, więc nigdy się nie zbliżają — populacja rozpada się zamiast tego na kilka odseparowanych klastrów opinii, które przestają się ze sobą komunikować, co jest modelem bańki informacyjnej lub filtra informacyjnego w tej symulacji.
Co właściwie robi suwak wpływu medialnego?
Ustawienie wpływu medialnego na wartość niezerową dodaje w każdej iteracji stałe popchnięcie, przesuwające opinię każdego agenta nieznacznie w stronę 0,15 (obciążenie ujemne) lub 0,85 (obciążenie dodatnie), niezależnie od zwykłych interakcji między agentami. Modeluje to stały wpływ jednostronnego nadawcy lub algorytmu rekomendacji, który konsekwentnie faworyzuje jedną stronę, i może przesunąć końcowy punkt konsensusu populacji, nawet gdy same interakcje między agentami dałyby wynik zrównoważony.
Jak przewidywana jest liczba klastrów opinii?
Analiza modelu Deffuanta pokazuje, że liczba klastrów w stanie równowagi wynosi w przybliżeniu 1 podzielone przez 2ε. Próg zaufania ε = 0,25 przewiduje na przykład około 2 klastrów, podczas gdy ε = 0,1 przewiduje ich około 5. Statystyka „Klastry” na żywo w tej symulacji liczy grupy, sortując wszystkie bieżące opinie i licząc przerwy większe niż mniej więcej 1,1×ε, pozwalając bezpośrednio sprawdzić tę regułę względem działającej symulacji.
Jaka jest różnica między układem punktowym a osią czasu?
Układ punktowy umieszcza każdego agenta w stałej losowej pozycji na płótnie i koloruje każdy punkt zgodnie z jego bieżącą opinią, rysując delikatne linie łączące agentów wystarczająco bliskich, by na siebie wpływać — przydatne do szybkiego dostrzeżenia klastrowania i izolacji. Układ osi czasu zamiast tego wykreśla wartość opinii każdego agenta w miarę jej ewolucji w kolejnych iteracjach, ułatwiając obserwację, jak poszczególne trajektorie zbiegają się, oscylują lub są ciągnięte w stronę celu wpływu medialnego w czasie.