Elogio, aprovação, aceitação e elogio - todos esses elementos da interação social são muito agradáveis e passam por uma linha tênue ao longo da vida de uma pessoa. Quando crianças, somos elogiados por terminar nosso jantar ou desenhar um desenho adorável (que só um especialista em arte abstrata pode entender), por uma boa nota na escola, etc. Como adultos, o elogio se torna menos necessário para nós, mas ainda traz alegria.
A comunicação e o engajamento social mudaram drasticamente com o advento da internet e das mídias sociais. Distância e tempo não são mais fatores decisivos na comunicação entre pessoas que vivem em cidades diferentes. A conveniência, é claro, aumentou, embora às vezes o conteúdo das mensagens tenha diminuído. Ao mesmo tempo, todos e cada um tiveram a oportunidade de conhecer a vida de outra pessoa, sem trocar uma palavra com ela. Do ponto de vista da mecânica das redes sociais, o conceito de "curtidas" também é importante. Alguém não se preocupa com eles, para alguém é apenas uma função curiosa, e alguém não consegue dormir em paz se uma foto de férias recentes não ganhou o número desejado de corações ou polegares para cima.Surge a pergunta - por que algumas pessoas estão tão ansiosas por aprovação na Internet? O que os move? Cientistas da Universidade de Nova York descobriram semelhanças entre o desejo por gostos em humanos e o processo de encontrar comida em roedores de laboratório. Quais são as semelhanças, qual é a base neurológica subjacente ao desejo por gostos e como os dados obtidos podem ser aplicados na prática? Aprendemos sobre isso com o relatório de cientistas. Vai.
Base de pesquisa
A Internet e as redes sociais permitem-nos trocar informações, partilhar ideias, pensamentos e experiências e comunicar com pessoas de todo o mundo. Esta é uma invenção verdadeiramente surpreendente e extremamente útil que não traz nenhum dano a ela. Eu gostaria de dizer se não conhecêssemos a natureza humana, que é capaz de, de uma forma ou de outra, seduzir qualquer coisa.
Às vezes parece que a mídia social se tornou um lugar onde algumas pessoas se gabam de suas realizações e outras as odeiam por isso. Essa, é claro, é uma visão muito pessimista da situação, mas até há um grão de verdade nela.
Todos nós conhecemos a frase “alguém está errado na Internet”, que em sua raiz indica um número infinito de opiniões sobre algo. Alguém pode aceitar isso com calma, mas alguém não pode viver sem constantes escaramuças verbais na rede, que nunca terminam do jeito que gostaria.
Enquanto alguns usuários de "redes sociais" procuram emoções na forma de disputas na Internet, outros procuram aprovação, comentários elogiosos e amor universal. Essas são manifestações completamente normais da psique humana, mas tudo tem seu próprio limite saudável. Se curtir para uma pessoa é um subproduto da atividade social na rede, isso é razoável. Se gostos se tornam a razão, o propósito e o motor da existência humana, então é hora de pensar seriamente.
Considerando esse problema do ponto de vista científico, muitos pesquisadores tentaram entender por que uma pessoa se comporta de maneira diferente na Internet, por que se torna dependente das redes sociais, por que anseia por curtidas etc. Naturalmente, as respostas a essas perguntas podem ser muito individuais, porque quantas pessoas - tanta bagagem psicológica acumulada no passado.
Em termos gerais, muitos estudos têm como objetivo não tanto a compreensão da natureza humana quanto o aprimoramento de softwares para que essa natureza possa ser utilizada em benefício da rede social por trás desta pesquisa. No entanto, como dizem os cientistas, mesmo nesses trabalhos, você pode aprender muitas coisas interessantes.
Por exemplo, verificou-se que receber uma reação negativa a uma postagem (não gostar, etc.) levou a uma deterioração na qualidade das postagens subsequentes, e não à sua melhoria. Outros estudos mostraram que uma pessoa passará mais tempo no fórum onde recebeu mais respostas. Esses casos apontam para o mecanismo de recompensa subjacente ao comportamento humano na Internet e a muitos organismos vivos na natureza.
No trabalho que estamos considerando hoje, os cientistas decidiram testar se é possível caracterizar de forma abrangente a interação nas redes sociais como uma forma de aprendizagem por recompensa. O estudo analisou mais de um milhão de mensagens (postagens) de 4.000 usuários em diferentes plataformas. Os dados foram avaliados por meio de simulações em computador.
A hipótese, sobre a qual os autores do estudo operam, baseia-se na teoria da aprendizagem computacional, que é utilizada no desenvolvimento e análise de algoritmos de aprendizagem de máquina. Essa teoria pode converter o comportamento humano na rede em um formato de "recompensa pelo aprendizado".
O entendimento empírico subjacente é que quando um animal (como um roedor na caixa de Skinner) pode escolher o momento de suas respostas instrumentais (como quando e com que frequência pressionar a alavanca), a latência de resposta (o inverso da taxa de resposta) afeta negativamente a quantidade de recompensas acumuladas.
Um exemplo de diagrama de caixa de Skinner - uma câmara de laboratório especial necessária para o estudo controlado do comportamento animal.
Em outras palavras, quanto pior a recompensa, maior será o atraso na resposta. Em experimentos com roedores, os sujeitos perceberam muito rapidamente que ações mais rápidas levam a recompensas mais frequentes, enquanto ações mais lentas aumentam o tempo de espera até a próxima recompensa. Se traduzirmos isso na estrutura deste estudo, então quanto mais recompensa uma pessoa recebe, menor deve ser o atraso médio entre as respostas, porque uma ação mais lenta leva a um atraso maior antes da próxima recompensa.
Preparação para experimentos
Para testar a teoria de que o comportamento social na Internet na forma de mensagens (posts) segue os princípios da teoria da recompensa pelo aprendizado, os cientistas analisaram conjuntos de dados de várias redes sociais usando simulações de computador. No total, 1.046.857 postagens de 4.168 usuários foram usadas no estudo. A pesquisa foi dividida em várias etapas.
No primeiro estágio (2.039 usuários), a hipótese foi testada em um grande conjunto de dados de postagens do Instagram (número médio de postagens por pessoa = 418). Essa rede social tem cerca de um bilhão de usuários, e o formato das postagens é bastante simples, assim como a resposta em forma de “curtir”. No entanto, de acordo com os autores do estudo, o Instagram, como muitas outras mídias sociais modernas. redes, os benefícios financeiros desempenham um papel importante. Isso pode levar a vários usuários falsos e curtidas falsas.
Por isso, a primeira fase foi ampliada para 2.127 usuários, passando assim para a segunda fase. Dados adicionais foram retirados de sites temáticos (fóruns de discussão sobre moda masculina, moda feminina e jardinagem), onde motivos financeiros são menos prováveis (número médio de postagens por pessoa = 91).
A terceira etapa foi realizar um experimento online, que envolveu 176 pessoas. O experimento tinha como objetivo imitar aspectos-chave da mídia social, onde os cientistas poderiam manipular o nível de recompensa social para testar seu efeito causal nos atrasos nas respostas.
A ação humana em uma rede social (por exemplo, Instagram) foi comparada à ação de um roedor na caixa de Skinner: postar - ativar uma alavanca; like é uma recompensa.
Tendo estabelecido o fato de que o comportamento da mídia social depende da recompensa, os cientistas desenvolveram um modelo generativo baseado na teoria do operando livre em animais não humanos. Um princípio fundamental desta teoria é que os sujeitos devem equilibrar o custo do esforço de resposta e o custo de oportunidade da passividade (ou seja, recompensas relacionadas à publicação que uma pessoa perde sem postar), a fim de maximizar a média líquida (ou seja, lucro menos perdas) taxa de juro. A consequência disso é que o atraso médio da resposta deve ser menor quando a taxa média de recompensa for maior. Esta técnica é aplicável tanto no caso de recompensa instantânea, quanto no caso em que um certo tempo se passa entre a postagem e a recompensa.
Com base diretamente nesses princípios, o modelo criado determina como os sujeitos ajustam sua latência de resposta para maximizar o nível médio de recompensa líquida ®.
Imagem # 1
Formalmente, o modelo descreve o uso de mídia social como uma sequência de decisões sobre o atraso entre as publicações sucessivas (τ Post , 1a ), onde uma pessoa maximiza a relação de recompensa ajustando adaptativamente τ Post depois de observar cada recompensa recebida.
Psicologicamente τ Postpode ser visto como um acúmulo de motivação para o valor limite para publicação. O limite que determina o τ Post é ajustado dinamicamente com base no erro de previsão da remuneração líquida (δ) - a diferença entre o nível de remuneração recebido e o de referência.
O nível de referência é definido tanto pela sensibilidade individual ao custo do esforço (por exemplo, o custo subjetivo de fotografar e carregar), quanto pela avaliação subjetiva da taxa média de remuneração líquida ( 1b e 1c ). O custo de esforço e o custo de oportunidade dependem do atraso de resposta τ Post... Em outras palavras, a latência de resposta ótima equilibra esses dois custos para maximizar a recompensa líquida δ ( 1d ).
Como resultado, um modelo foi criado com ~ 250.000 pontos de dados de 1.000 usuários simulados com valores de parâmetros aleatórios. De acordo com a teoria de aprendizagem, τ Post deve ser menor quando a taxa média de remuneração é relativamente maior. Para testar isso, R foi padronizado e, em seguida, a variável foi dicotomizada * por 0 para obter um preditor qualitativo de “R baixo vs alto” (R baixo versus alto).
Dicotomização * - tratamento de dados contínuos como se fossem variáveis binárias.A análise revelou um efeito claro de R baixo e alto em τ Post , como esperado. Em outras palavras, o modelo prevê (dado um conjunto de parâmetros de simulação) que o atraso médio da resposta deve ser ~ 18% maior quando a taxa média de recompensa é baixa versus alta ( 1e ).
Resultados simulados
Como já sabemos, a primeira fase do estudo foi relacionada à análise de dados de comportamento online no Instagram. Inicialmente, foi feita uma comparação entre dois modelos que podem explicar o comportamento humano na rede, nomeadamente o modelo utilizado de “aprendizagem por recompensa” (RL para aprendizagem por reforço ) e o modelo sem treino. Como resultado, constatou-se que o modelo RL é adequado para mais de 70% dos usuários avaliados e suas postagens ( 2a ).
Imagem No. 2
Curiosamente, a descoberta de que pessoas com um grande número de seguidores no Instagram mostraram um valor subjetivo (utilidade) não linear decrescente de curtidas. Em outras palavras, existe um vício em curtir - quanto maior e mais estável o fluxo de curtidas, menos a pessoa se envolve em seu posterior recebimento e aumento.
Segundo a teoria dos cientistas, a resposta de uma pessoa na rede deve ocorrer mais rapidamente se a recompensa por ela for maior. Isso também foi confirmado no Instagram (N Obs = 851946, N Usuários = 2039), onde o atraso entre as postagens diminuiu quando o número de curtidas ® era relativamente alto: β = -0,18, SE = 0,003, t = -54,59, p <0001 ( 2b) Quando recalculado, isso significa que um aumento na recompensa (curtidas) de um nível baixo para um nível relativamente alto resultou em uma diminuição de 18% na latência entre as postagens (equivalente a 8 horas). No caso de um aumento linear de curtidas de 1%, houve uma diminuição do tempo entre postagens em 0,34% (cerca de 5 minutos).
Os gráficos 2c e 2d mostram a relação entre τ Post , R e a estrutura do modelo RL usando o exemplo da atividade de um usuário ao longo de dois anos.
Na segunda etapa do estudo, os resultados obtidos na primeira tiveram que ser verificados por meio da introdução de variáveis adicionais. Neste caso, tratam-se de plataformas sociais adicionais, nomeadamente fóruns com uma temática restrita (moda masculina, moda feminina e jardinagem). Obviamente, a maioria das postagens em tal plataforma são na forma de texto, e não de imagens, como no Instagram. No entanto, esses fóruns tinham tópicos separados com conteúdo principalmente gráfico (por exemplo, “O que você está vestindo hoje?”, “Compartilhe fotos do seu jardim,” etc.), cada um contendo vários milhares de postagens.
Mais uma vez, verificou-se que o modelo RL é o mecanismo fundamental do comportamento online, como no caso do Instagram. Nos três conjuntos de dados (190.721 postagens de 2.127 pessoas), independentemente do tema específico, ao comparar os modelos, constatou-se que os modelos RL, ao invés dos modelos sem treinamento, são adequados para a grande maioria dos casos.
Imagem # 3
Como esperado, R maior previu uma resposta mais rápida em todos os três conjuntos de dados ( 3d - 3f ):
- moda masculina (N Obs = 36 139, N Usuários = 541): β = –0,08, SE = 0,016, t = –5,1, p <0001;
- (NObs = 36 434, NUsers = 773): β = −0.16, SE = 0.02, t = −7.1, p <0001;
- (NObs = 118 148, NUsers = 813): β = −0.18, SE = 0.02, t = -12.09, p <0001).
Assim, nesses conjuntos de dados, os atrasos entre as publicações foram 8%, 16% e 18% menores quando a taxa média de remuneração era alta, em vez de baixa. Consequentemente, para cada aumento de 1% na taxa de remuneração subjetiva, ocorre uma redução no atraso médio entre cargos em 0,18%, 0,41% e 0,38%, respectivamente.
A ampliação dos dados analisados pela combinação de plataformas de naturezas bastante distintas (Instagram e fóruns temáticos) mostra que independentemente da rede social, o comportamento humano seguirá os princípios do modelo RL.
Agora era necessário estabelecer se existem diferenças individuais no comportamento de diferentes pessoas no âmbito do modelo RL, e também o que isso pode causar. Por exemplo, diferenças individuais na taxa de aprendizagem foram previamente associadas a diferenças genéticas e diferenças de desenvolvimento entre as pessoas. E diferenças individuais na sensibilidade ao custo do esforço foram associadas ao sistema dopaminérgico (síntese e produção do neurotransmissor dopamina, que está envolvido na sensação de satisfação).
Imagem No. 4
Para pesquisar possíveis subgrupos nos dados multivariados, três parâmetros do modelo RL original, estimado para cada pessoa dos estágios I e II (número total de usuários = 4.168), foram usados como entrada para agrupar as k-médias. Uma avaliação quantitativa usando vários critérios padrão mostrou que quatro grupos principais podem ser distinguidos, ou seja, 4 subgrupos ( 4a ). Esses clusters variaram de 41% (1.739 pessoas) a 7% (299 pessoas) do conjunto de dados total.
Figura 4bmostra quatro fenótipos de computador putativos que são de natureza comportamental. Por exemplo, as pessoas no cluster 1 têm uma taxa de aprendizagem relativamente baixa (ɑ). Essas pessoas são as menos sensíveis à recompensa social em seu comportamento na mídia social. As pessoas do cluster 2 são caracterizadas por baixos custos de esforço e taxas médias de aprendizado, enquanto o cluster 4 demonstra a relação oposta entre taxas de aprendizado e custos de esforço (o cluster 3 é intermediário). Assim, as pessoas nos clusters 2 e 4 publicam mensagens prontamente em resposta a recompensas sociais, embora os mecanismos subjacentes sejam diferentes.
Durante a fase final do estudo, foram obtidas evidências diretas de que o nível de recompensa social afeta o atraso na postagem. Para fazer isso, um experimento online foi conduzido no qual os cientistas puderam manipular recompensas sociais e observar as respostas.
Os participantes (n = 176) puderam postar "memes" a qualquer hora que quisessem durante a sessão de 25 minutos (número total de postagens = 2.206). Em seguida, eles receberam curtidas (de 0 a 19) dos mesmos participantes do experimento e de usuários falsos.
Para testar se uma taxa de recompensa social mais alta causa uma latência de resposta pós-resposta mais curta, o número médio de curtidas recebidas pelos participantes entre a primeira e a segunda metade da sessão foi aumentado ou diminuído (recompensa baixa: 0-9 curtidas por postagem, recompensa alta: 10-19 curtidas por postagem).
Como os cientistas esperavam, o atraso médio entre postagens foi significativamente maior quando a recompensa era baixa (0-9 curtidas por postagem) em comparação com maior (10-19 curtidas por postagem), o que corresponde a uma diferença de 10,9% (imagem # 5 )
Imagem No. 5
Também é engraçado que os participantes do experimento, que tinham um grande número de seguidores em suas redes sociais reais, tenham mostrado uma influência mais fraca de curtidas em seu comportamento durante o próprio experimento.
Este pequeno experimento na prática mostrou a validade da teoria de que há uma correlação direta entre recompensa (curtir) e comportamento posterior de uma pessoa (resposta).
Para um conhecimento mais detalhado das nuances do estudo, recomendo que você leia o relatório dos cientistas e materiais adicionais a ele.
Epílogo
O fato de que muitas pessoas literalmente não podem viver sem redes sociais, curtidas, repostagens, etc., sabemos sem nenhuma pesquisa. No entanto, este trabalho foi capaz de explicar em detalhes a conexão entre o comportamento de uma pessoa na rede e sua sede de recompensa, mesmo que na forma de um coração ilusório sob uma postagem na tela de seu dispositivo.
Basicamente, a vida na Internet não é muito diferente da vida no mundo real, com exceção de alguns elementos. O comportamento de uma pessoa pode mudar dependendo de onde ela se comunica, mas suas características comportamentais, psicológicas e até fisiológicas permanecem inalteradas. A Internet é apenas uma ferramenta que os exagera ou os transforma visualmente, mas fundamentalmente tudo permanece o mesmo.
Os próprios autores do estudo acreditam que seu trabalho pode ser extremamente útil no estudo do problema da dependência das redes sociais, que é bastante real em nosso mundo moderno. No entanto, não se deve esquecer que as redes sociais há muito deixaram de ser um “clube de insiders”, mas se tornaram empresas multibilionárias. Portanto, é provável que esse tipo de pesquisa, embora bem intencionada, possa afetar indiretamente a ampliação do leque de ferramentas que as redes sociais utilizam para ampliar sua audiência. Ao mesmo tempo, gostaria de observar que não há necessidade de entrar em pânico, porque a grande maioria dos produtos de progresso sempre teve e terá os dois lados da moeda. E a Internet pode ser descrita com bastante precisão por uma das interpretações da famosa frase dita por Paracelso: "a diferença entre o veneno e o remédio está na dosagem".
Obrigado pela atenção, fiquem curiosos e tenham uma boa semana de trabalho, pessoal. :)
Um pouco de publicidade
Obrigado por ficar com a gente. Você gosta de nossos artigos? Quer ver um conteúdo mais interessante? Apoie-nos fazendo um pedido ou recomendando a amigos VPS em nuvem para desenvolvedores a partir de US $ 4,99 , um análogo exclusivo de servidores de nível básico que inventamos para você: The Whole Truth About VPS (KVM) E5-2697 v3 (6 núcleos) 10GB DDR4 480GB SSD 1Gbps a partir de US $ 19 ou como dividir o servidor corretamente? (opções disponíveis com RAID1 e RAID10, até 24 núcleos e até 40 GB DDR4).
O Dell R730xd 2x é mais barato no data center Maincubes Tier IV em Amsterdã? Apenas temos 2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV a partir de $ 199 na Holanda!Dell R420 - 2x E5-2430 2.2 Ghz 6C 128 GB DDR3 2x960 GB SSD 1 Gbps 100 TB - a partir de $ 99! Leia sobre como construir a infraestrutura do prédio. classe com o uso de servidores Dell R730xd E5-2650 v4 a um custo de 9.000 euros por um centavo?