當前位置:
首頁 > 知識 > 公眾遺忘一件事需要多長時間?有個物理學家算出了「遺忘方程」

公眾遺忘一件事需要多長時間?有個物理學家算出了「遺忘方程」

公眾遺忘一件事需要多長時間?本月 10 日發表在《自然-人類行為》(Nature Human Behaviour)上的一項研究對集體記憶的衰退過程進行了量化分析,探索了音樂、電影、科學論文等事物的遺忘周期,發現人類集體記憶的衰退涉及到交往記憶和文化記憶的共同作用,並且雙指數衰退模型在不同類型的事物中具有普遍適用性。

圖片來源:Pixabay

撰文 三水

編輯 戚譯引

在這個「注意力經濟」的時代,熱點事件接二連三地佔領我們的朋友圈,又很快被新的熱點事件取代。難道真的像有些人所說的那樣,「公眾的記憶只有三天」?

所謂「公眾的記憶」,在相關研究領域中被稱為集體記憶(collective memory)。為了從統計學角度量化評估集體記憶的衰退過程,探討這一過程在不同領域是否存在差異,來自麻省理工學院媒體實驗室(MIT Media Lab)、西北大學(Northeastern University)和智利發展大學(UDD)的研究者們對集體記憶的衰退過程進行了研究,研究結果於本月 10 日發表在《自然-人類行為》(Nature Human Behaviour)上。

研究發現,對不同事物的集體記憶有著相似的衰退規律,但衰退的速度各不相同。在研究所探討的不同事物中,關於明星運動員的記憶最長久,能夠延續到他們職業活躍期之後的 20~30 年;關於流行音樂的記憶最為短暫,平均只有 5.6 年;科研論文和專利被銘記的時間與流行音樂相似。

交往記憶 vs 文化記憶

集體記憶由法國社會學家莫里斯·哈布瓦赫(Maurice Halbwachs)於 1925 年首次提出,它是記憶的一種形式,被群體所共享,並且對群體成員的社會認同起著至關重要的作用。目前,在歷史學、人類學、社會學、文學、哲學以及心理學領域都存在對集體記憶的研究。

由於集體記憶較為抽象,還沒有找到客觀、可測量以及可預測的實證研究方法,因此研究者們用獲得關注的情況作為衡量集體記憶的指標。也就是說,如果一件事受到了大量的關注,那麼其集體記憶也會較為清晰,反之則可能已經被遺忘。

基於這一設想,研究者分別收集了兩種類型的數據,一種是與科學論文和專利相關的時間序列數據,來源於美國物理協會(American Physical Society)和美國專利及商標局(United States Patent and Trademark Office);另一種是與歌曲、電影和傳記有關的截面數據,來源於相關的流行歌曲榜單、音樂和視頻網站以及維基百科(Wikipedia)。

在社會學領域,研究者們通常認為存在兩種集體記憶衰退機制,即交往記憶和文化記憶。而這次研究的一個重要發現,就是在集體記憶的衰退過程中,交往記憶和文化記憶是並存的

交往記憶(communicative memory)被定義為個體過往的經驗,這種經驗可以與其直接相關的群體成員分享。這種記憶一般通過非正式的各種傳統和日常交往產生,在交互作用的 3~4 代之間滾動,大多只能存在80~100 年。也就是說,交往記憶是我們口口相傳的記憶,並且消退得較快。

文化記憶(cultural memory)被外化、對象化並以符號的形式儲存,這些符號形式是穩定的、超越情境的:,它們可以從一種情境向另一種情境遷移,並從一代傳遞給另一代。文化記憶以各種文本、圖像、舞蹈、儀式和表演為中介,有較強的續航力。也就是說,文化記憶以書本等為載體進行傳遞,並且消退得較慢。

集體記憶衰退的雙指數模型

該研究還發現,由於交往記憶和文化記憶的衰退速度不同,所以集體記憶的衰退可能存在兩個不同的階段:第一階段,公眾注意水平很高但是快速下降;公眾注意水平下降到一定程度時進入第二階段,這時公眾注意的下降速率開始減小。據此,研究者們提出了雙指數模型,結果表明,該模型能夠比傳統模型更好地展現集體記憶的衰退過程。

紅色曲線代表了雙指數函數(集體記憶的函數),淺藍色曲線代表了交往記憶的函數,淺綠色曲線代表了文化記憶的函數。插圖說明了集體記憶衰退的基本機制。| 圖片來自論文

圖 b(左):在初始交往記憶為1的情況下,查看了不同衰退參數對雙指數模型的影響;

圖 c(右):將雙指數模型與傳統的指數模型和對數正態模型進行了對比。

(圖片來自論文)

「沒有什麼會永垂不朽」

那麼關於不同類型資料的集體記憶的衰退過程是否相似呢?研究者們發現,在不同類型的資料中,雙指數模型擬合得很好。這說明該模型是具有普遍適用性的。

紅色實線是雙指數模型的擬合曲線,灰色實線和虛線則是指數和對數正態模型的擬合曲線。A、B、C、D 是科學論文引用數據的擬合結果,E、F 是專利授予的擬合結果,橫坐標是時間,縱坐標是平均新增引用次數;G、H 是歌曲的數據結果,橫坐標是歌曲首次出現在告示牌流行金榜單曲前 100 名中的時間,縱坐標是標準化後的流行性指數;I 是電影的數據結果,橫坐標是電影首次上映時間 ,縱坐標是標準化後的流行性指數;J、K、L 是運動員傳記的數據結果,橫坐標是網球運動員出現在 Top 600 男單選手榜單的時間/奧運獎牌獲得者職業生涯中期時間/籃球運動員成為球星的時間,縱坐標是其傳記在維基百科中的頁面瀏覽量。| 圖片來自論文

儘管關於不同類型資料的集體記憶衰退的趨勢是相似的,但是研究者發現,它們衰減速度是存在差異的。例如,與關於傳記的集體記憶相比,關於歌曲和電影的集體記憶衰退速度要快得多。

橫坐標表示不同類型資料,縱坐標表示模型不同參數的擬合結果,其中 q、p 是分別是交往記憶和文化記憶隨時間的衰退速率,r 是交往記憶向文化記憶的轉換率,Tc 則是交往記憶強於文化記憶的臨界時間。| 圖片來自論文

儘管一些經典作品似乎能夠超越時間,例如今天的一些年輕人也會聽(年紀比他們還大的)披頭士的歌,但論文第一作者克里斯蒂安·坎迪亞(Cristian Candia)指出,這類音樂已經很少出現在社交場合,在舞廳、酒吧和朋友聚會上播放得最多的仍然是當前流行的音樂。坎迪亞曾經是個實驗物理學家,目前研究社會的複雜度。

至於專利和科學論文的生命周期,目前研究者們一致認為,思想和文化內容的傳播主要受到兩種機制的影響:首先是偏好依附(preferential attachment),即受歡迎的作品會越來越受歡迎,以往的研究證據支持了這一點;其次是時間衰減(temporal decay),即研究中觀察到的兩個衰退階段。

1990 年發表在Physical Review B上的文章的平均被引次數與年份之間的函數關係。| 圖片來自論文

人類為什麼會遺忘

正如聶魯達(Pablo Neruda)所言,「愛情太短,而遺忘太長(Es tan corto el amor, y tan largo el olvido)」,人類的集體記憶也遵循著相似的規律:短時間集中的關注和討論之後,便是漫長而緩慢的遺忘。而在心理學角度,集體記憶的衰退可以從信息過載社會性共同提取誘發遺忘兩方面進行解釋。

心理學和腦科學的研究表明,我們在協同執行力和排除干擾方面的困難都受限於一個核心問題:保存信息的能力。我們保存信息的能力是有限的,當各種信息有如潮水般鋪天蓋地地向我們湧來時,我們就會感覺到力不從心。一旦我們的注意力被分散,結果往往是我們會丟失最初的信息,即在過載信息的沖刷中忘記了對於前一個事件的關注。

在社會情境下,當說者提取某些話題而不提取另外一些話題時, 可能導致聽者遺忘與提取的信息相關但未被提及的信息,這種現象稱為社會性共同提取誘發遺忘。這種遺忘並不一定意味著記憶痕迹的消失, 可能僅僅是記憶沒有被成功地提取。當有相似的熱點事件出現時,沉寂已久的「歷史熱點」可能會重新受到關注,比如 2013 年復旦大學投毒案的報道使馬加爵事件和清華大學鉈中毒事件重回公眾視野。

參考資料

Cristian Candia, C. J.-F., Carlos Rodriguez-Sickert, Albert-László Barabási,& César A. Hidalgo. (2018). The Universal Decay of Human Collective Memory. nature human behaviour.

克林貝里,周東,& 周建國. (2011). 超負荷的大腦: 信息過載與工作記憶的極限.

林娜, & 連榕. (2017). 集體記憶研究綜述. 集美大學學報, 18(5), 25-28.

揚·阿斯曼, & 管小其. (2017). 交往記憶與文化記憶. 學術交流(1), 10-15.

白鷺, 毛偉賓, & 李治亞. (2016). 社會性記憶的新領域:社會性共同提取誘發遺忘. 心理科學進展, 24(5), 707-715.

汪新建, & 艾娟. (2009). 心理學視域的集體記憶研究. 南京師大學報(社會科學版)(3), 112-116.

霍斯特-阿爾弗雷德·海因里希, 韋雷娜·韋蘭, & 楊威. (2017). 作為微觀-中觀-宏觀關係的交往記憶與文化記憶. 學術交流(10), 5-14.

Cummins, E. (2018). How long can an event hold humanity"s attention? There"s an equation for that.. [online] Popsci.com. Available at: https://www.popsci.com/how-collective-memories-decay [Accessed 24 Dec. 2018].

閱讀論文解讀及推薦


喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 科研圈 的精彩文章:

如何拯救全球10億部廢舊手機?答案竟是3D列印
離開谷歌的李飛飛:AI正在製造危機,再不修正就晚了

TAG:科研圈 |