O estymacji preferencji w sztucznych sieciach społecznych

Abstract

W artykule rozważano scenariusz, w którym administracja publiczna wykorzystuje internetową platformę społecznościową do komunikacji z obywatelami i uzyskiwania informacji o ich preferencjach. Z platformy tej korzysta tylko część całej populacji (subpopulacja), co powoduje, że preferencje obserwowane na platformie mogą być niereprezentatywne dla całego społeczeństwa. W niniejszym opracowaniu uwzględniono dwa problemy związane z brakiem reprezentatywności preferencji, tj.: (1) odmienną strukturę demograficzną populacji i subpopulacji oraz (2) różnice w procesie dynamiki preferencji w całej populacji i subpopulacji wyrażającej swoje opinie na platformie społecznościowej. Dane wykorzystane w analizie obejmują informacje o aktywności użytkowników na platformie społecznościowej, ich dane socjodemograficzne oraz dane o populacji pochodzące ze spisu powszechnego. W celu badania dynamiki preferencji skonstruowano wieloagentowy model symulacyjny, w którym sieć społeczną przedstawiono za pomocą nieskierowanego grafu, gdzie węzły reprezentują obywateli, a łuki ich relacje społeczne. W procesie analizy najpierw jest generowana sztuczna populacja i na niej jest symulowana dynamika preferencji. Następnie losowo, metodą kuli śnieżnej (ang. snowballsampling) są wybierane różne niereprezentatywne subpopulacje, na których są testowane algorytmy uogólniania preferencji przez odtwarzanie dynamiki całej populacji. Miarą jakości modelu jest zgodność preferencji między subpopulacją a całą populacją. Rezultaty przeprowadzonych symulacji wskazały na skuteczność zastosowanej metody: wraz z kolejnymi krokami symulacji wzrasta zgodność między populacją rzeczywistą a syntetyczną. Okazało się również, że najistotniejszymi determinantami błędów uogólniania preferencji są model dyfuzji preferencji oraz waga opinii własnej agenta.

The paper considers a scenario in which public administration (PA) uses an online social platform to collect information on citizens' preferences. However, the opinions of the sub-population that uses the online platform might be not representative. The author develops a method for generalization of the dynamics of the preferences observed on the social platform onto the entire population. The available data include information collected by the PA from the online platform (assuming that it is run and administered by the PA) and census data regarding the population. Hence, the PA has access to basic personal data of platform users (e.g. gender and age), position in the online social network, and opinions revealed on the platform. The online users' data can be analyzed along with the aggregated census data on the entire population. The author has implemented a multi-agent simulation model that takes into account the distribution of personal attributes, social network data, and opinion diffusion dynamics. The analysis involves showing how different algorithms enable generalization of preferences collected by the online platform to the entire population. The results of the analysis prove that the proposed method is efficient in the preference elicitation process – with each simulation step, the preference congruence level between real and synthetic populations increases. The main determinants of preference elicitation errors include the preference diffusion model and the weight of the agents’ own opinions.