大家好,欢迎收听拉丁牧马人 衡远智评播客,本期播客的题目是
不仅仅是“吵架”——重新测量我们分裂的世界
如果我问你,现在的社会是不是比三十年前更分裂了?我想绝大多数人会毫不犹豫地点头。我们看新闻,看社交媒体,似乎每个人都在吵架,每个人都觉得自己是对的,对方是不可理喻的。
世界经济论坛甚至把“社会极化”列为2024年人类面临的第三大短期风险。
但是,作为一名冷静的观察者,如果我追问一句:这种“分裂”到底是指什么?是我们单纯地“讨厌”对方,还是我们在具体的“观点”上真的越走越远了?
这其实是两个完全不同的概念。
学者们把前者叫做“情感极化”(Affective Polarization)——就是我看你不顺眼;
把后者叫做“议题极化”(Issue Polarization)——就是我们在税收、堕胎、环保这些具体问题上意见相左。
今天我们要聊的这份研究,发表在2026年的《皇家学会开放科学》期刊上,它的野心很大。
研究者们认为,我们过去测量“极化”的方式,可能是有缺陷的,甚至可能被我们的错觉误导了。
为什么这么说?
想象一下,在美国,如果你通过“你是民主党还是共和党”来划分阵营,然后测量这两个阵营的观点差距。这听起来很合理,对吧?
但这有一个巨大的陷阱,学术上叫“归类效应”(Sorting)。
意思是说,也许大家的观点其实没怎么变,只是大家更擅长“站队”了。以前可能有一个持保守观点的民主党人,现在他意识到自己其实应该去共和党,于是他换了标签。这样一来,数据上看,两党的差距拉大了,但实际上,整个社会的观点分布可能并没有本质变化。
更糟糕的是,这种“红蓝对抗”的二元视角,在全世界很多地方根本行不通。有的国家是多党制,有的国家是一党独大,你怎么去定义那“对立的两极”呢?
所以,这篇论文提出了一种全新的、甚至可以说是有点“反直觉”的测量方法。
他们不再问“你是哪个党的”,而是直接把所有人扔进一个大池子里,用机器学习算法——具体来说是“K均值聚类”(k-meansclustering)——根据每个人对具体问题的回答,自动把人分成两个自然形成的群体。
这就好比我们不开灯,不知道谁穿红衣服谁穿蓝衣服,只听大家说话。根据大家说的话,看能不能自然地分辨出两个原本就在那里的“声音”。
研究者认为,真正的极化,不应该只是一个简单的数字,它应该包含三个维度。
这三个维度是理解今天节目的把手,请大家稍微记一下。
第一个维度,叫“分离度”(Separation)。也就是这两拨人,站得有多远?
第二个维度,叫“离散度”(Dispersion)。也就是在每一拨人内部,大家的观点是有多统一?是抱团很紧,还是松松散散?
第三个维度,叫“规模均等度”(Equality-of-Size)。也就是这两拨人是不是势均力敌?还是说一大帮人对付一小撮人?
研究者认为,最危险、最严重的极化,是这三个条件同时满足:
两拨人离得很远(高分离),内部抱团很紧(低离散),而且人数势均力敌(高均等)。
那么,用这把新的尺子去量一量这个世界,我们会发现什么?
结果可能会让你大吃一惊。