不仅仅是“吵架”——重新测量我们分裂的世界
如果我问你，现在的社会是不是比三十年前更分裂了？我想绝大多数人会毫不犹豫地点头。我们看新闻，看社交媒体，似乎每个人都在吵架，每个人都觉得自己是对的，对方是不可理喻的。
世界经济论坛甚至把“社会极化”列为2024年人类面临的第三大短期风险。
但是，作为一名冷静的观察者，如果我追问一句：这种“分裂”到底是指什么？是我们单纯地“讨厌”对方，还是我们在具体的“观点”上真的越走越远了？
这其实是两个完全不同的概念。
学者们把前者叫做“情感极化”（Affective Polarization）——就是我看你不顺眼；
把后者叫做“议题极化”（Issue Polarization）——就是我们在税收、堕胎、环保这些具体问题上意见相左。
今天我们要聊的这份研究，发表在2026年的《皇家学会开放科学》期刊上，它的野心很大。
研究者们认为，我们过去测量“极化”的方式，可能是有缺陷的，甚至可能被我们的错觉误导了。
为什么这么说？
想象一下，在美国，如果你通过“你是民主党还是共和党”来划分阵营，然后测量这两个阵营的观点差距。这听起来很合理，对吧？
但这有一个巨大的陷阱，学术上叫“归类效应”（Sorting）。
意思是说，也许大家的观点其实没怎么变，只是大家更擅长“站队”了。以前可能有一个持保守观点的民主党人，现在他意识到自己其实应该去共和党，于是他换了标签。这样一来，数据上看，两党的差距拉大了，但实际上，整个社会的观点分布可能并没有本质变化。
更糟糕的是，这种“红蓝对抗”的二元视角，在全世界很多地方根本行不通。有的国家是多党制，有的国家是一党独大，你怎么去定义那“对立的两极”呢？
所以，这篇论文提出了一种全新的、甚至可以说是有点“反直觉”的测量方法。
他们不再问“你是哪个党的”，而是直接把所有人扔进一个大池子里，用机器学习算法——具体来说是“K均值聚类”（k-meansclustering）——根据每个人对具体问题的回答，自动把人分成两个自然形成的群体。
这就好比我们不开灯，不知道谁穿红衣服谁穿蓝衣服，只听大家说话。根据大家说的话，看能不能自然地分辨出两个原本就在那里的“声音”。
研究者认为，真正的极化，不应该只是一个简单的数字，它应该包含三个维度。
这三个维度是理解今天节目的把手，请大家稍微记一下。
第一个维度，叫“分离度”（Separation）。也就是这两拨人，站得有多远？
第二个维度，叫“离散度”（Dispersion）。也就是在每一拨人内部，大家的观点是有多统一？是抱团很紧，还是松松散散？
第三个维度，叫“规模均等度”（Equality-of-Size）。也就是这两拨人是不是势均力敌？还是说一大帮人对付一小撮人？
研究者认为，最危险、最严重的极化，是这三个条件同时满足：
两拨人离得很远（高分离），内部抱团很紧（低离散），而且人数势均力敌（高均等）。
那么，用这把新的尺子去量一量这个世界，我们会发现什么？
结果可能会让你大吃一惊。
