心理学家认为每个人都有一个容量巨大的长时记忆系统,我们将自己对世界的认知通过各种网络模型整理进入这个系统。
这些模型是由无数个概念与关系组成的内容丰富的网络。
他们既能够捕捉飞机、电脑、房子等实体对象,也能捕捉家庭、沟通、能力等众多抽象概念。
比较经典的网络模型包括层次网络模型和激活扩散模型。
层次网络模型是由Quillian提出的认知心理学中第一个语义记忆模型,这个模型最开始是针对言语理解的计算机模拟而提出,后来被用来说明概念的结构。
在这个理论中,概念是以结点(Node)的形式储存在概念网络中,每个概念具有一定的特征,这些特征实际上也是概念。
各类属概念按逻辑的上下级关系组织在一起,概念间通过连线表示它们的类属关系,这样彼此具有类属关系的概念组成了一个概念的网络。
在网络中,层次越高的概念,其抽象概括的水平也越高。
激活扩散模型也是一种语义记忆模型。
但与层次网络模型不同,它放弃了概念的层次结构,而是以语义联系或相似性将概念组织起来。
概念之间通过共同的特征数量形成联系,互相之间共同特征越多,两个概念之间的关系就越紧密。
扩散模型是用来干什么的工作
创新扩散过程:创新通过该过程“在一个社会系统的成员中随时间在不同渠道传播”。
关键渠道:创新、时间、社会系统
开始阶段只有社会系统中的少数成员采纳这项创新;在随后的时间段里,当扩散开始更完整地展现时,采纳数逐步上升;最后,扩散曲线的轨迹放缓且开始变得平滑,最终接近最高的渐近线。
①该项创新的经济优势大小;②该项创新需要的投资数和不确定性程度;③供求原理;
④学习理论;⑤信息转换;⑥技术替代框架;⑦传播理论。
使用预先设定的倾向或者分布函数等来描述观察到的扩散模式。
例如:累积正态、Compertz模型和Logistic分布函数、以及简单数学函数。
现存的扩散模型经常被特定的、非理论的方式使用,而没有考虑到任何概念框架。
扩散模型方程:→确定速率方程(deterministicrateequation)。
有边界条件:
在时间的累积采纳者数量。
在时间社会系统中所有潜在采纳者数量。
在时间的扩散率。
扩散的系数(概率)。
。
。
其中,为外部影响扩散模型,为内部影响扩散模型,为混合影响扩散模型。
。
。
不考虑先行采纳者和潜在采纳者之间的交互作用。
。
。
变形:Compertz函数。
。
。
。
①在缺乏历史的或时间序列的数据时,创新模拟,专家判断。
②存在历史的或时间序列的数据时,非线性估计方法、Oliver、MLE。
③没有少数相关数据点且可更新,自适应估计方法、贝叶斯估计方法。
①扩散过程二分,即社会系统中的成员要么采纳要么不采纳创新,从而忽略了采纳过程的不同层次。
②社会系统中的潜在采纳者数量存在明确且恒定的上限。
③仅允许采纳单元的一次性采纳且不可撤回。
④暗指存在全混合的社会系统成员。
⑤创新本身不会随着扩散过程而变化。
⑥未考虑创新的空间扩散。
⑦全局假定:所有与扩散过程有关的信息都已经被模型控制。
拐点&对称。
扩散曲线的拐点出现在最大扩散率发生处,如果拐点之后的扩散模式是拐点之前扩散模式的映射图像,那么扩散曲线具有对称性。
例3.1:内部影响模型中,令,则
积分,得。
令,得,即拐点出现在50%采纳的时候。
可变模型(所有可变模型通过估计额外参数获得其可变性):
①Floyd模型
速率方程:
。
②Sharif-Kabir模型。
速率方程:
。
③Jeuland模型。
速率方程:
其中,表示潜在采纳者采纳创新的倾向且服从Gamma分布。
④NSRL模型
速率方程:
⑤NUI模型
速率方程:
当时,内部影响作用能够随着时间增强,导致一个更迟且更矮的峰值
⑥VonBertalaffy模型。
速率方程:
当时,得到内部影响模型的Compertz形式。
扩散模型的基本假定:
①扩散过程是二分的,即社会系统中的成员要么采纳要么不采纳创新。
②潜在采纳者的数量具有固定的上限。
③一个采纳单位仅有一次采纳。
④通过模型参数恒定,可以在扩散过程中存在一个先行采纳者和潜在采纳者完全的混合。
⑤该创新独立于所有其他创新。
⑥社会系统的地理边界不会随着扩散过程而变化。
⑦所有扩散过程中的相关信息被模型所“控制”。
推翻假定②→潜在采纳总体是持续变化的。
Mahajan&Peterson:
其中,是影响的(潜在)相关的外在和内在变量组成的因素。
推翻假定⑤→定义四类创新相互关系:独立性、互补性、有条件性、(单向)可替代性。
推翻假定⑥→从空间的角度考虑扩散过程。
等级效应:扩散被认为从大的中心点进行到小的中心点。
邻近效应:扩散被认为是波浪形地从一个城市中心开始扩散。
。
其中,
推翻假定①→扩展扩散的阶段及阶段间的相互作用。
Dodson-Muller三阶段模型。
。
。
。
进一步地,认为信息传递存在差别:
推翻假定③→重复购买者可能是重要用户。
推翻假定⑦→扩展相关信息,将参数作为相关变量的函数。
。
其中,是影响的(潜在)相关的外在和内在变量组成的因素。
进一步地,创新在生命周期内会不断变化,并推翻假定④。
如
其中,
扩散模型可能有时看起来缺乏深度且简单,实际上,它们代表了一组非常有力的概念工具。
一般而言,扩散模型具有三个截然不同的用处:
①用于描述行为事件,比如谣言的传播或创新的扩散。
②作为标准模型,去检验其他更为复杂的模型。
③预测的备用方法之一,需要评估各种预测技术相关的特性和能力
还没有评论,来说两句吧...