第一章引言
随着信息传播技术的迅猛演进，社会舆论环境已发生深刻变革，我们正步入一个被称为“后真相”的时代。在这一时代背景下，情感诉求与个人信念往往先于客观事实对公众认知产生影响，导致传统的政治信任基础面临严峻挑战。政治信任作为现代政治体系有效运行的基石，其生成机制在算法推荐、社交机器人介入以及信息茧房效应的冲击下，呈现出高度复杂性与动态不确定性。因此深入探究这一特定语境下政治信任的构建逻辑，对于维护社会稳定与优化国家治理体系具有不可忽视的现实紧迫性。
传统的实证研究方法在面对后真相时代海量、非结构化以及高交互性的社会数据时，往往难以捕捉微观个体行为与宏观政治现象之间的涌现性关系。计算政治学的兴起为突破这一局限提供了全新的技术路径，其核心在于利用计算机仿真技术对社会科学理论进行量化演绎与验证。本研究采用多智能体建模与仿真技术，旨在构建一个能够模拟异质性个体在复杂信息环境中交互决策的虚拟实验平台。通过设定智能体的认知规则、情感偏好以及社交网络结构，系统能够动态模拟政治信息在群体中的传播扩散过程，并实时观测个体信任水平的演化轨迹。
这种基于计算范式的应用，不仅能够将抽象的政治学理论转化为可操作、可复现的算法模型，还能通过对不同参数的敏感性分析，精准识别影响政治信任生成的关键变量。从实际应用价值来看，该研究成果有助于理解假新闻与情绪化宣泄如何瓦解公众对政府的信任，进而为政府部门制定精准的舆情引导策略、构建透明化的信息回应机制提供科学依据。通过技术手段厘清信任生成的微观机理，能够有效提升政治风险预警能力，从而在数字化浪潮中巩固政治信任的合法性根基，确保政治秩序的良性运转。
第二章后真相时代政治信任生成机制的计算政治学建模与仿真设计
2.1后真相时代政治信任的核心变量与作用关系提炼
后真相时代舆论传播环境的显著变迁，促使政治信任的生成机制呈现出高度复杂性与动态性，因此科学提炼核心变量并厘清其作用关系成为计算建模的关键前提。在构建模型之前，必须依据政治社会学与传播学的实证研究，将抽象的政治信任概念转化为可计算、可观测的量化指标。因变量被设定为公众政治信任度，具体指个体在特定信息环境刺激下，对政府机构、政策执行及政治制度所持有的总体评价与心理依赖，这是衡量政治系统合法性与稳定性的核心指标。
自变量的选取紧密贴合后真相时代“情感优于事实”的传播特征。核心自变量包括算法推荐信息流中的情绪极化程度与信息偏差度。情绪极化程度反映了网络空间中政治言论所携带的强烈情感色彩，往往能绕过理性思考直接作用于公众心理；信息偏差度则量化了媒体报道与客观事实之间的偏离距离，表征了后真相语境下虚假信息或片面信息的渗透强度。此外公众个体的既有政治倾向性与媒介素养作为控制变量也被纳入考量，用以解释个体在面对异质信息时的差异化反应。
中介变量在连接信息环境与信任产出之间起到了至关重要的传导作用，其中感知确认偏差与风险感知最为关键。感知确认偏差指个体倾向于接触、解读并记忆那些支持其既有观点的信息，这一心理机制在算法助推下被显著放大，进而强化了信任或疏离感。风险感知则是个体在信息混乱环境中对政治不确定性及社会安全威胁的主观评估，高风险感知往往直接侵蚀政治信任的根基。基于现有实证研究结论，上述变量构建了清晰的逻辑框架：高情绪极化与高信息偏差度的外部环境，通过加剧个体的感知确认偏差与提升风险感知，对政治信任产生显著的直接抑制效应或间接调节作用。这一变量作用逻辑框架不仅涵盖了从信息输入到心理认知加工的全过程，也精准映射了后真相时代政治传播中事实弱化与情感凸显的实际运行规律。
2.2多智能体模型的主体设定与规则构建
图 1 多智能体模型主体设定与规则构建类图
在后真相时代的政治生态中，多智能体模型的构建首先依赖于对参与主体的精准属性设定。模型将社会空间中的个体抽象为异质性的智能体，依据政治参与度、信息辨识能力及情感倾向等维度，将主体划分为普通公众、意见领袖与官方媒体三类核心智能体。普通公众智能体具备有限理性，其属性中包含初始信任值、情绪易感性以及社交网络连接度，这些变量直接决定了其在面对复杂信息时的反应模式。意见领袖智能体则拥有更高的中心度与更广的信息覆盖范围，其属性侧重于议程设置能力与话语影响力。官方媒体智能体作为权威信息的发布源，其核心属性在于信息的准确性与公信力权重。通过明确区分各类智能体的属性，模型能够在微观层面复现现实社会中不同行为主体在政治信任结构中的差异化定位。
基于上述主体设定，行为规则的构建紧密围绕后真相时代的传播特征展开。在政治信息传播环节，模型引入了情绪感染机制与信息证实偏差规则。普通公众智能体在接收信息时，不再单纯依据事实真伪进行判断，而是优先根据信息内容与自身既有立场的情感一致性来决定是否转发与信任。若接收到的信息能够引发强烈情感共鸣，即便其事实核查置信度较低，传播概率也将显著提升。意见领袖智能体则遵循热点追踪规则，倾向于发布能够最大化激活群体情绪的议题，从而加速后真相语境下的情感极化现象。这种规则设计精准捕捉了后真相时代“情感先于事实”的传播逻辑。
表1 后真相时代政治信任生成多智能体模型的主体属性与行为规则设定
在信任感知更新过程方面，模型采用了动态衰减与强化算法。当智能体接收到与其心理预期一致的政治信息时，其政治信任度会依据情感强度进行正向累加；反之，当遭遇与其价值观相悖的事实核查信息时，受认知失调保护机制影响，信任度下降幅度受限，甚至可能因逆反效应而进一步固化对原立场的信任。不同主体之间的互动逻辑体现为多层级的信息级联与回声室效应，智能体在局域网络内的高频同质化互动，逐渐形成封闭的信任圈层。这一整套规则体系不仅保障了模型运行逻辑与现实政治传播过程的高度同构，也为量化分析后真相时代政治信任的非线性演化提供了坚实的计算基础。
2.3仿真场景的参数校准与实验方案设计
仿真场景的参数校准是确保模型具备现实解释力的基础工作，其核心目标在于将抽象的数学模型参数映射为后真相时代政治传播的具体特征。为了实现这一目标，本研究系统梳理了现有的实证研究与典型案例数据，对多智能体模型中的关键变量进行了科学赋值。针对个体层面的初始政治信任值，参考了近年来相关社会调查的统计分布，设定符合实际偏态分布的初始参数，以反映公众信任感的现状。在信息传播机制方面，依据社交媒体平台的舆情分析报告，对后真相信息的情感极性强度与传播速率进行了校准，特别放大了情绪化内容在算法推荐机制下的权重系数，确保模型能够重现“情绪先行、事实滞后”的传播环境。通过这种基于真实数据的参数校准，有效规避了模型设定的随意性，为后续仿真实验奠定了坚实的量化基础。
在完成参数设定后，本研究设计了多组对照仿真实验方案，旨在通过控制变量法深入探究政治信任生成的动态规律。实验方案主要围绕信息环境特征与网络拓扑结构两大维度展开。一方面，通过调节后真相信息在系统中的占比与发布频率，构建了从理性主导到情绪主导的连续信息传播情境，以观察不同舆论生态对政治信任消长的影响。另一方面，实验对比了强关系与弱关系占主导的不同网络结构，检验社会连接方式的差异如何改变信任的传递路径。在观测指标上，重点监测宏观层面的社会平均信任度变化趋势以及微观层面的个体信任极化现象。这一系列实验设计不仅明确了变量间的逻辑关系，更保障了仿真结果能够有效检验后真相时代政治信任生成的内在机制，从而为理解复杂的社会政治现象提供可视化的数据支持与决策参考。
第三章结论
本研究通过构建基于计算政治学的多智能体仿真模型，深入剖析了后真相时代政治信任生成的内在机理与动态演变过程。研究结论表明，政治信任并非仅仅源于客观的政策绩效或制度安排，而是深受信息环境与社会情绪互动的复杂影响。在仿真实验中，智能体在面对真假难辨的碎片化信息时，其信任决策表现出显著的情绪化与认知偏差特征，证实了后真相环境下情感共鸣往往先于事实判断成为信任构建的主导逻辑。
政治信任的生成机制呈现出一种非线性的动态平衡过程。模型运行结果显示，当网络中虚假或煽动性信息的传播速率超过特定阈值时，群体极化现象加剧，理性的制度信任会迅速转化为基于情感的社会信任崩塌。反之，若信息环境中具备一定的纠错机制与理性中介，即便存在高强度的情绪干扰，政治信任系统仍能维持基本的稳定性。这一发现揭示了政治信任具有韧性，但也暴露了其在面对系统性认知攻击时的脆弱性。
此外本研究验证了计算政治学方法在探索宏观政治现象微观基础方面的独特价值。通过自下而上的建模仿真，成功将微观个体的心理认知规则与宏观社会的政治信任水平进行了有效连接。这不仅弥补了传统实证研究在动态过程捕捉上的不足，也为理解数字化时代的政治秩序提供了新的解释框架。研究指出，维护政治信任的关键在于优化信息传播生态，提升公共理性的临界值，这对于提升国家治理能力现代化具有重要的实践参考意义。