听说你会悄悄学着我锻炼?| 社交网络中的运动传染现象

发布时间:2018-07-18 4评论 5221阅读
文章封面
文 | zycyc
来源 | 心理测验与评估


整个假期里,大家应该都有持(da)续(chi)学(da)习(he)吧?

啊哦,请稍等!在你大快朵颐的时候,你可曾想过你Keep上的好友又悄悄做了一组马甲线养成计划?!


emmm..所以你还要继续放纵自己的肚皮吗?不!是时候换种活法了!于是你也从磁铁般的床上爬起,在Keep上打开了自己的计划单……



试想,若生活中没有这些人不时给予你沉重的一击,你意识到自己该学着点别人了吗?就像流感病毒一样,你可能并没有意识到它的存在,但它确确实实会影响到你。


其实啊,我们在日常生活中的锻炼,也是受“流感”时时刻刻影响着的,而这“流感”,正来自于你的社交伙伴们。


什么,你不信?让我们来举个例子?


周末上午10:00,你从枕头底下摸出自己的手机,半梦半醒地刷着朋友圈,准备开始咸鱼全新的一天,猛然看到女神刚po的朋友圈:



你是否感到一丝不适,头皮发麻,甚至有点想掀开被子出门动一动呢?


有两位也深受此扰的心理学家们告诉你:是的!你就是会受到她的影响,从而增加自己的运动量。


那么,故事到底是从何开始的呢?


在萌发了研究锻炼是否会通过社交网络传染这个问题后,这两位棒(pang)棒(pang)的心理学家们机智地挖掘了某运动社交app的用户大数据,发现社交网络中的锻炼传染现象竟然是这样操作的!


研究大数据 | DATA


这两位心理学家是来自麻省理工学院的Sinan Aral和Christos Nicolaides,他们收集了一个全球性的健康追踪(fitness tracking)网络上超过1,000,000人的5年以来的运动数据,包括距离、速度、时间和卡路里消耗等指标(其中有29%的数据记录有GPS信息)。共收集到约59,000,000个运动事件,超过350,000,000千米的路程。


同时,他们还获取了用户的基本信息(性别、年龄、身高、体重、国家、学历)及彼此之间的社交关联(互相加为好友后可以看到对方的数据)。最后,他们get了5年来各个国家气象观测点的数据。


面对庞大的数据两位研究者对数据进行了严格的筛选,确保所用于分析的数据是真实可信且有助于我们排除研究所不需要的数据的。


根据以上原则,研究者筛除了以下类别数据:


1)理论上不可能发生的运动事件(一天跑14h,120km,1.07km/Min)。


2)没有好友的运动事件(由于无法用于测量传染效应而被筛除)。


3)离气象监测台太远的运动事件(依据GPS或个人资料)。


4)如果好友属于同一个城市,则取消这个朋友联结(防止由于相似的天气等环境因素对结果产生混淆作用)。


研究方法 | Algorithm

——非算法爱好者可迅速撤离至结果部分


在掌握了这些数据后,研究者是如何使用的呢?


首先,研究者先对数据进行了一些简单的描述统计,包括人口学变量、每日活跃用户、运动速度、运动人数随时间的变化、人均好友数量(符合幂次定律)、天气对运动的影响等。


而后,研究者为了研究社交网络中是否存在锻炼传染现象,做了一个有趣的回归分析。大体上的逻辑可以概述为以下几点:


1. 所有的回归分析都是建立在个体水平的;


2.用如下公式进行回归分析:



(注:i=individual(出现在变量下角标处,代表个体水平);t=时间点(第一天t、第二天t+1…)(出现在变量下角标处,代表时间点);p=peer(出现在变量上角标处,代表朋友的变量);A=跑步行为(代表锻炼强度);X=特征(年量、性别、身高、体重);W=天气;h=本人的固定影响(如习惯);n=日期的固定影响(如周末、假期);e=误差。)


但这一公式存在一个问题:等式右边的首项与末项没有满足误差独立的原则(存在遗漏变量、测量误差等问题)。


3. 工具变量算法改进公式:


其原理为:


a) 找到一个与自变量相关,但与误差项不相关的变量来回归朋友的跑步行为均值中与误差项相关的部分(发现朋友所在地的天气很好地符合了这个条件)。


b) 在朋友跑步行为均值中减去与误差项相关的部分,使用与误差项不相关的部分预测个体当天的跑步情况。



改进后计算公式如下:



结果分析 | Results


最终,研究者发现社交网络中确实存在着锻炼传染现象。那么,这种传染现象程度有多大?对哪些人群适用?又符合怎么样的传染模式呢?


我们再来生动形象地举4个栗子帮助你理解传染现象的程度有多大。?


假设在一天内,你朋友平均多跑了1km,你就会多跑0.3km;你朋友平均增速1km/min,你就会增速0.3km/min(当然我知道你朋友没有开车,说一分钟多跑1km只是为了数量级上方便描述);你朋友平均多跑10min,你就会多跑3min;你朋友平均多消耗10卡路里,你就会多消耗3.5卡路里。


以上这些传染都随着时间逐渐下降,也就是说——传染也是有时间期限的,你不能指望你因为一年前看到的朋友的锻炼记录而使你此时此刻增加锻炼行为,具体的数据如下:



知道了锻炼能传染到如此程度后,你肯定心存疑惑:难道对每个人都是这样的吗?我看他锻炼我也很无感呀?研究者们也想到了这个问题,所以他们对不同人群的锻炼传染现象做出了细致的研究,发现:


1) 人们更容易被与自己锻炼水平差不多的人传染(水平稍低或稍高)。


比如你认识一个天天练短跑的小姐姐,在没有暗恋人家的情况下,你摸着良心说,你真的会受到她很大影响吗?



2) 锻炼不积极的人影响锻炼积极的人比锻炼积极的人影响锻炼不积极的人更多。


简单来说可以理解为,如果A比B不爱锻炼,那么A多锻炼对B产生的影响会大于B多锻炼对A的影响。


3) 不坚持的人影响坚持的人比坚持的人影响不坚持的人更多。可以理解为A比B不坚持,A多锻炼对B的影响大于B多锻炼对A的影响。



根据以上3点发现,研究者总结道:在锻炼中存在费斯汀格的社会比较理论,人们会被比自己好的人激励,也会因为怕被比自己差的人超过而努力,但总的来说下行比较的效应远大于上行比较


4) 此外,研究者还发现,男性间的相互影响很明显,但男性的运动水平不会影响女性。而女性对两种性别的人的影响都稍弱,这可能是因为男女性之间不同的锻炼动机以及互相的竞争。



最后,研究者们发现,两个人的共同好友数量越多,那么两个人对彼此的影响就越大。


来一起锻炼吧 | Exercise


说了这么多,希望你没有自信地以为只要随便交几个爱锻炼的朋友就可以拖动自己懒散的躯壳了,说到底我们还是要多交与自己水平相近、爱锻炼、懂坚持的同性朋友(不是说不要交异性朋友啊喂),当然了,也可以交一些即将有锻炼计划的“潜力股”朋友,他们对你的影响可能会更大噢!


想帮助别人锻炼的小伙伴也可以利用相应的结论获得有效的干预措施。


最后,必不可少地,我们还是要将理论付诸实践才行!


参考文献:
Aral, S., & Nicolaides, C. (2017). Exercise contagion in a global social network. Nature Communications, 8, 14753.


责任编辑:Spencer  蘩



原作者名: zycyc

转载来源: 心理测验与评估

转载原标题: 听说你会悄悄学着我锻炼?| 社交网络中的运动传染现象

授权说明: 口头授权转载

0

回复

作者头像

风呼啸

TA在等你的回复~

(不超过200字)

提交回复
向下加载更多

私信

风呼啸一条私信

取消

问题反馈