Integrating behavioral experimental findings into dynamical models to inform social change interventions
将行为实验发现融入动态模型以设计社会变革干预AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确结合离散选择实验、个体采纳阈值和社会网络复杂传播，直接对应离散选择及网络与干扰方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
将行为实验发现融入动态模型以设计社会变革干预
- 研究问题
- 如何把个体离散采纳选择的行为驱动因素纳入社会网络传播模型，从而估计采纳阈值并评价大规模行为改变的种子策略？
- 方法与思路
- 作者将离散选择建模与复杂传播理论结合，在两个选择实验中检验预测能力，再把个体采纳阈值输入计算模拟。
- 材料陈述的贡献
- 摘要称忽略个体行为驱动因素的现有种子策略可能次优，并提出利用选择实验估计阈值、修正传播干预设计的方法。
- 阅读关注点
- 应核对实验选择如何映射为传播阈值、预测验证的方式、模拟中的网络与行为设定，以及种子策略评价使用的目标函数。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收均未核实。摘要未提供真实干预效果，选择实验与模拟结果不能直接证明现实政策有效。
原文摘要
Addressing global challenges often involves stimulating the large-scale adoption of new products or behaviors. Research traditions that focus on individual decision making suggest that achieving this objective requires identifying the drivers of individual discrete adoption choices. On the other hand, computational approaches rooted in complexity science focus on maximizing the propagation of a given product or behavior throughout social networks of interconnected adopters. Here, by integrating discrete choice modeling into the complex contagion theory, we propose a method to estimate individual-level thresholds to adoption. We validate the predictive power of this approach in two choice experiments. By integrating the estimated thresholds into computational simulations, we show that state-of-the-art seeding policies for initiating large-scale behavioral change might be suboptimal if they neglect individual-level behavioral drivers, which can be corrected through the proposed experimental method.