近年有許多人用電腦方法來研究社會現象，這種研究方法讓社會過程〈social processes〉更明確的表現。社會模擬應用在傳播的研究也不少，像是 J. Kottonau 和C. Pahl-Wostl 在政治態度和投票行為的模擬[18]，本論文的採用社會模擬的方 法探討傳播的影響。
社會模擬有許多研究意見的形成以及對社會影響的模型，探討意見動態
〈Opinion Dynamics〉的模型依據意見的設定方式大致可將模型分成兩種，一種 用二元〈binary〉的方式來代表代理人的意見，以 1 與 0〈或是 1 與-1〉代表意 見，用1 表示對一議題的完全贊成，0 表示完全反對，著名的有 Snzajd Model[19]、
Galam Model[20]；另一種是連續型的意見，用 0 到 1(或是-1 到 1)之間的實數來 代表，量化了每個人對一議題贊成或反對的程度，著名的有Bounded Confidence Model〈簡稱 BC Model〉[21]。
BC Model 模型的概念是當兩個人的意見夠接近時才進行意見交流，兩人意 域性的。Deffuant 接著提出 BC Model 的變形，透過代理人間的社會網路關係挑 選意見比較交流的對象，而不再是隨機挑選，從全域變成基於社會網路的區域意 見交流[21]。
近年有許多基於BC Model的意見動態研究，Hegselmann和Krause探討不同條 件對於意見動態的影響，研究結果顯示只有三種結果，第一種是代理人意見形成 好幾個群集〈clusters〉的「意見區隔」〈fragmentation〉，我們以 x軸代表意見，
y軸代表累積人數，意見區隔表示形成多個不同意見群，同一意見群中的個體會
互相交流影響，但是不同意見群之間意見差異太大以致於沒有意見交流產生，如 下圖9所示，第二種是「極化」〈polarization〉，代理人意見集中到某一端，所有 人都高度贊成或是反對某個議題的「單極化」，如下圖10，或是分化成兩個群集，
對此議題高度的贊成或反對，且兩個群集人數不相上下的「雙極化」，如下圖11，
第三種是「意見一致」〈consensus〉，所有人意見集中在中立範圍，對此議題沒有 高度的贊成或是反對，如下圖12[5]。
圖表 9：意見區隔〈fragmentation〉 圖表 10：單極化〈single polarization〉
圖表 11：雙極化〈double polarization〉 圖表 12：意見一致〈consensus〉
Deffuant 等人在模型中的代理人加入「不確定性」〈uncertainty〉，用來表示 每個人對自己的信心程度，抱持極端意見的極端份子不確定性低，不易受他人影 響，不確定性高的人易受到他人影響改變自己的意見，用改良過的模型探討極端 份子影響社會意見分布的過程，並且探討什麼情形下極端分子會勝出[22]；在此 研究所提出的模型中，人際網路使用鄰居模型，每個人只和他上下左右四個鄰居 有連線，沒有加入社會網路的概念。
沒有社會網路的意見交流不能顯現出真實社會的意見交流情形，因此 Stauffer在BC Model中加入了社會網路，意見交流的代理人從建立好的無尺度網 路中挑選，並且探討最終形成意見群的數量[23]。傳統BC Model使用連續性
〈continuous〉的意見，代理人的意見有無限多種可能，結果分析較為複雜，
Stauffer等人提出離散化的BC Model，代理人的意見是1到Q之間的正整數，意見 的數量便可由使用者控制，簡化了傳統BC Model[24]。雖然Stauffer提出的這兩個 研究對傳統的BC Model做了改良，卻未考量大眾媒體的影響。Mckeown和Sheehy 在BC Model的意見動態模型中加入了大眾媒體，模型有兩個主要的傳播機制，
第一個是發生在鄰居之間的「社會互動」〈social interaction〉，採用BC Model的傳 播方式，第二個則是代理人與媒體之間的「大眾傳播」〈mass communication〉，
代理人的意見會受到媒體影響，但是媒體不受大眾影響；此研究中加入兩個大眾 媒體，探討媒體意見極端程度對社會意見分布的影響，研究顯示總共會有四種可 能結果，除了與之前研究相同的「意見一致」〈consensus〉、「極化」〈polarization〉、
「意見區隔」〈fragmentation〉外，還有看不出規律的變化的「意見失序」
〈disordered〉，如下圖13所示，除了較極端的意見外，其他意見全都有支持者，
不同的意見群之間的意見差異小，形成好幾個會互相交流的意見群，也可看成一 個很大的意見群[7]，此研究也提出「人際交流促成意見一致，媒體會促成社會 意見的分裂」。但是模型中只有兩個媒體，不能顯示出真實社會中多個媒體的影 響，而且模型中代理人只與鄰居有連線，因此不能表現出真實社會網路的人際交 流情形。
圖表 13：意見失序〈disordered〉
18
社會網路 媒體 貢獻 G. Deffuant et al(2000), “Mixing
Beliefs Among Interacting Agents”
鄰居模型 無 意見交流範圍從全域
變成區域 Rainer Hegselmann & Ulrich
Krause(2002) , “Opinion Dynamics and Bounded Confidence Model, Analysis, and Simulation,”
無 無 總共有三個結果
“polarization”
“consensus”
“fragmentation”
Deffuant et al(2002), “How Can Extremism Prevail? A Study Based on the Relative Agreement
Interaction Model”
鄰居模型 無 探討極端份子
(extremism)以及吸引 者(attractor)對於社會 意見的影響
D. Stauffer(2004), “Simulation of Consensus Model of Deffuant et al.
on A BARABÁSI-ALBERT Network”
無尺度網路 無 加社會網路加入BC
Model中
D. Stauffer(2004), “Discretized Opinion Dynamics of The Deffuant Model on Scale-Free Networks”
無 無 離散化的意見
Gary Mckeown and Noel Sheehy (2006), “Mass Media and Polarisation Processes in the Bounded Confidence Model of Opinion Dynamics”
鄰居模型 大眾媒體 大眾媒體加入後，有
四種可能結果
“polarization”
“consensus”
“fragmentation”
“disordered”
Yuying Hsu(2008),“Influence of Media in the Bounded Confidence Model”