總結

我們結合無尺度網路以及Moore Neighborhood 來當作模型底層的傳播網路，

在模型中加入四種不同形態的代理人，分別是大眾媒體、小眾媒體以及個人，每 convergence

Vector 個人對於不同媒體的相信程

34  型〈Bounded Confidence Model〉的比較，傳統 BC Model 隨機挑選兩個代理人進 行意見交流，沒有社會網路的概念，因此意見傳播是全域性的，本模型以無尺度 網路為底層網路架構，在此實驗中比較本模型與傳統BC Model 在意見交流上的 異同，並以相關的研究結果驗證我們模型的正確性。第二個實驗是與2006 年所 提出有大眾媒體的有界信心模型[7]的比較驗證，McKeown 的模型有兩個傳播機 制，第一個是基於底層網路的人際交流，採用Von Neumann Neighborhood 的鄰 居模型，每個個體與其上下左右四個鄰居相連，人際意見交流時每個代理人只會 與有連線的鄰居進行意見交換，因此意見交換是區域性的，第二個傳播機制是大 眾媒體的傳播，任何代理人都有機會與大眾媒體進行意見交流，媒體獨立於社會 網路之外的個體，大眾傳播的影響是全域性的。本論文模型採用McKeown 模型 的概念，將大眾媒體獨立於無尺度網路之外，由於本模型的底層網路結合無尺度 網路與Moore Neighborhood，每個代理人除了無尺度網路的連結外還加上與上、

下、左、右、斜上、斜下八個鄰居的連線，與McKeown 模型不同，在第二個實

討小眾媒體對於社會意見的影響，利用本模型觀察當社會大眾對於小眾媒體的觀 看頻率上升後的結果。

第三部分的實驗是利用本模型模擬現今社會的情形。第一個實驗探討當小眾 媒體明確地掌握目標族群傳播訊息時會有什麼樣的情形；第二個實驗模擬台灣眾 多媒體對一些特別的議題〈例如同性戀議題或是反皮草活動〉使用不同的策略傳 遞資訊所造成的影響。此部分的實驗結果亦呈現不同策略下的結果，提供給媒體 業當作策略參考。

36 

4.1 模型驗證

4.1.1 BC Model驗證

BC Model 有兩個重要的參數，一個是代理人意見交流的門檻值 threshold(d)，

當兩個代理人意見差異小於門檻值才進行意見交流，第二個是兩個代理人進行意 見交流時的意見聚合參數convergence parameter〈µ〉，也就是控制意見靠近程度 的參數。本模型使用1 與-1 之間的實數表示代理人的意見，因此 threshold 的值 域落在0 到 2 之間，convergence parameter 的值域落在 0 到 1 之間。

4.1.1.1. 實驗設計

將模型中的大眾媒體與小眾媒體數量設為零，只留下人際交流，此時模型即 是傳統的BC Model 加上無尺度網路與 Moore Neighborhood。設定實驗中總人口 2500 人，模擬 200 回合，分別對 threshold 以及 convergence parameter 兩個參數 分析。

實驗一：convergence parameter 等於 0.5，threshold 從 0 到 2 的意見分布。

實驗結果：下圖的橫軸代表時間，從0 到 200 個模擬回合，縱軸代表代理人 從1 到-1 的意見。當意見交流門檻值〈d〉很小時，表示代理人只願意與意見非 常相近的人意見交流時，經過200 代的模擬後會形成許多個的獨立的意見群

〈cluster〉，群集之間不會互相溝通跟影響，隨著 d 值增大，表示代理人願意接 受的意見範圍變廣，經過200 個回合後群集數變少，形成兩個極端的小群集以及 龐大的中立群體，當d 值增加到 1 之後，兩端的群集消失，所有人意見一致並且 中立。

圖表 24：意見交流門檻值 d=0.1 的意見分布 圖表 25：意見交流門檻值 d=0.3 的意見分布

圖表 26：意見交流門檻值 d=0.7 的意見分布 圖表 27：意見交流門檻值 d=1.0 的意見分布

圖22 整合意見交流門檻值 d 從 0 到 2 的結果，x 軸代表意見交流門檻 d，y 軸代表代理人的意見，z 軸表示累積人數，由下圖可以看出，隨著 d 值的增大，

代理人的意見分布會從多個意見群〈cluster〉變成聚集在中立意見。

圖表 28：意見交流門檻值與累積人數關係圖

傳統BC Model 隨機挑選代理人進行意見交流，隨著 d 值增大，代理人的意 見分布會從「多個獨立群」變成集中在兩端的「雙極化」，最後才變成所有人意 見集中在中立的「意見一致」。我們的研究中沒有雙極化現象是由於加入了Moore Neighborhood 以及無尺度網路，2002 年的研究指出 BC Model 加上的社會網路後

會使得雙極化現象消失[5]，本實驗結果與前人研究結果相符合。

實驗二：固定threshold 等於 0.7，探討不同的 convergence parameter 對於意 見動態的影響

實驗結果：convergence parameter 的大小不會影響最終意見分布情形，只會 影響到最終意見收斂的速度。

圖表 29：convergence parameter=0.1 圖表 30：convergence parameter=0.7

圖表 31：convergence parameter=0.3 圖表 32：convergence parameter=0.9

圖表 33：convergence parameter=0.5

1.1.1.1 結論

本模型採用結合無尺度網路以及Moore Neighborhood Model 的意見動態模 型，隨著d 值增大，群眾的意見會從分散成多個群集慢慢集中變成意見一致，過

38 

程中不會出現雙極化現象，符合Hegselmann 的研究發現[5]；Deffuant 的研究中 提出convergence parameter 的大小只會影響收斂的速度而不會對結果造成影響，

我們的模型符合這個結果，因此驗證本模型在於意見動態上與先前的研究結果一 致，只要將本模型的大眾媒體與小眾媒體個數設定成0 便可和先前的模型相容。

40 

McKeown 的模型採用 Von Neumann Neighborhood 為底層網路，每個代理人 可以與上、下、左、右四個鄰居進行人際交流，或是接受大眾媒體傳播的意見。

模型中加入了兩個重要參數，一個是媒體傳播頻率broadcast ratio〈r〉，1:5 表示 代理人每五次的意見交流就有一次是受到大眾媒體的影響，另一個參數是媒體極 化程度polarization〈p〉，表示兩個媒體的意見差距，當p 等於 1 表是一個媒體的 意見是1，另一個媒體的意見是 0。

4.1.2.1 實驗設計

為了避免不同的底層社會網路造成結果的差異，我們這階段的驗證實驗移除 本模型中的無尺度網度，代理人只留下Moore Neighborhood 的八個鄰居連線，

其他的參數設定仿造McKeown 實驗中的設定，convergence parameter〈µ〉等於 0.3，broadcast ratio〈r〉等於 1:5，媒體極化程度 polarization〈p〉等於 2〈McKeown 的意見值域落在1 到 0，他實驗中採用 polarization 等於 1，對應到本模型中的 polarization 等於 2〉，模擬人口數400，代理人的初始意見採均勻隨機分布〈uniform distribution〉，即多數人的意見都集中在中立的範圍，探討不同的意見交流門檻 值threshold 的影響。

實驗結果：總共會有四個不同的結果，第一個結果出現在當threshold〈d〉

小於0.5，極端的兩個大眾媒體將部分的代理人意見拉向極端，但是媒體卻無法 影響到意見較中立的個體，因此除了極端的意見群集外，有許多較中立的意見群

集產生，形成多個群集現象。圖28 為 polarization〈p〉等於 2，convergence parameter

〈µ〉等於0.3，broadcast ratio 等於 1:5，threshold〈d〉等於 0.5 的意見分布情形。

圖表 34：p=2，µ=0.3，d=0.5 的意見分布情形

隨著 d 值增大，意見中立的群集數以及人數越來越少，大眾的意見慢慢趨向 於兩極，在 d 值介於 0.6 到 0.8 的範圍時出現第二個結果，雙極化現象。圖 29 是當 d 等於 0.8 的意見分布情形，前幾回合的模擬過程中，群眾意見有像中立意 見集中的趨勢，由於媒體的拉力，漸漸將民眾的意見向兩端拉，最後形成了雙極 化現象。

圖表 35：p=2，µ=0.3，d=0.8 的意見分布情形

當 d 值介於 0.9 到 1.3 會出現第三個結果，群眾意見分布在前幾回合在兩個 媒體拉力下形成混亂無序的情形，但當拉力持續到作用，民眾的意見分布會從雙

極轉變成單極，轉向支持兩個媒體的其中一個，下圖 30 是當 d 值等於 0.9 的意 見分布情形。

圖表 36：p=2，µ=0.3，d=0.8 的意見分布情形

最後一個結果出現在 d 大於 1.4 時，代理人接受與自己相差很多的意見，整 體很快進入混亂的狀態，所有代理人的意見一直在動盪，同時受到兩個媒體的拉 力以及人際意見交流的影響，代理人意見一直在固定範圍內改變，不會形成固定 的群集。圖 31 是當 d 等於 1.4 的意見分布情形。

圖表 37：p=2，µ=0.3，d=1.4 的意見分布情形

42 

4.1.2.2 結論

上述四個結果與McKeown 在 2006 年的研究四個結果相符合，驗證本模型 不考慮無尺度網路的影響下與McKeown 探討大眾媒體影響的意見動態模型相容，

同時驗證了本模型中大眾媒體的正確性。

44 

4.2 模型比較實驗

4.1 小節針對本模型與先前研究提出模型做驗證與相容的實驗，在本小節我 們將對我們的模型特色與先前模型不同的部分做進一步的實驗。第一個實驗探討 不同的底層網路對於意見傳的與意見形成的影響。

4.2.1 無尺度網路

以往的模型底層網路使用鄰居模型，本模型使用無尺度網路加上Moore Neighborhood 的八個鄰居，這階段的實驗探討無尺度網路對意見動態模型是否造 成不同的影響。

4.2.1.1 實驗設計

不修改模型的底層網路，以Moore Neighborhood 以及無尺度網路為模型底 層網路，設定模型中有兩個持相反且極端意見的大眾媒體〈p=2〉，沒有小眾媒體，

總人口數2500，媒體播放頻率 broadcast ratio〈r〉是 1:5，意見交流的聚合參數 convergence parameter〈µ〉為 0.3，探討不同的意見交流門檻值 threshold 的影響。

我們分別探討了初始代理人的意見設定使用正規分布〈normal distribution〉與使 用均勻隨機分布〈uniform distribution〉兩種情形。

實驗結果：

1. 使用正規分布：

當意見交流門檻d 小於 0.4 時，形成多個意見群集，由於閥值小，因此這些 獨立的群集彼此不會溝通，也不會受到媒體影響，但靠近大眾媒體的群集會受到 媒體拉力而走向極端，圖32 是 d 等於 0.4 的意見分布情形

圖表 38：p=2，µ=0.3，d=0.4 的意見分布

當意見交流門檻值d 介於 0.5 與 0.9 時，意見群集只剩下中立的群集以及向 媒體靠近的兩個極端群集，隨著d 值慢慢增大，媒體的影響力漸減，使得中立的 群集越來越龐大，兩極的群集越來越小，兩極的群集在d 等於 0.9 時會消失形成 只有意見中立的情形。圖表33 是 d 等於 0.8 的意見分布情形。

圖表 39：p=2，µ=0.3，d=0.8 的意見分布

當d 值介於 1.0 與 1.1 時，模擬的前幾回合，所有的代理人意見在 0.5 到-0.5 之間震盪，不久後所有代理人意見向其中一個媒體靠近，形成單極化現象。下圖

當d 值介於 1.0 與 1.1 時，模擬的前幾回合，所有的代理人意見在 0.5 到-0.5 之間震盪，不久後所有代理人意見向其中一個媒體靠近，形成單極化現象。下圖