Fig. 1 Bærbar sensor. Kredit:SocioPatterns
I de seneste år, adfærdsmønstre for sociale væsner, såsom mennesker, kvæg, myrer, etc., er blevet opdaget ved at bruge bærbare sensorer kaldet Radio Frequency Identification (RFID) enheder (fig. 1).
SocioPatterns-projektet ledet af Dr. Alain Barrat og kolleger har offentliggjort datasættet af kontaktregistreringer for individuelle par indsamlet af RFID-enheder. Imidlertid, da RFID-datasættene indeholder enhver form for kontakter mellem individer, de kan omfatte ikke-essentielle kontakter, der kun observeres tilfældigt, i modsætning til tilsigtede begivenheder såsom samtale blandt nære venner.
Dr. Teruyoshi Kobayashi fra Kobe University og hans team udviklede en ny metode til at identificere personer, der har væsentlige forbindelser mellem dem – det, de kalder "betydelige bånd". Dr. Kobayashi siger:"Pointen er, at vi er nødt til at skelne mellem de kontaktbegivenheder, der kunne ske tilfældigt, og de begivenheder, der ikke ville ske uden et væsentligt forhold mellem to personer." Deres resultater blev offentliggjort i Naturkommunikation den 15. januar.
Naturligt, det samlede antal registrerede kontakter vil være større for dem, der er socialt meget aktive end for dem, der er generte. Det betyder, at det ikke er nok at tælle antallet af bilaterale interaktioner til at finde "venner" på sociale netværk. Den nye metode foreslået af Dr. Kobayashi og hans team giver mulighed for at kontrollere forskellen i individers aktivitetsniveau. Interessant nok, de udvundne betydningsfulde bånd baseret på ansigt-til-ansigt netværk indsamlet i en folkeskole i Lyon, Frankrig danner flere klynger, som hver nøjagtigt efterligner en egentlig skoleklasse (fig. 2). Dr. Kobayashi kommenterer:"Det er helt naturligt, at kontakter inden for hver klasse forklarer de fleste af de væsentlige bånd, men dette fænomen er ikke godt fanget af de eksisterende metoder, der oprindeligt blev udviklet til statiske netværk."
Fig. 2 Væsentlige bånd i en folkeskole i Lyon, Frankrig. Hver prik repræsenterer en elev, og farve angiver en klasse (Lærerne er angivet med sorte prikker). Linjer repræsenterer væsentlige bånd. Antallet af væsentlige kanter holdes konstant på tværs af tre paneler. Venstre:væsentlige kanter vælges i en faldende rækkefølge efter antallet af kontakter. Midten:væsentlige kanter detekteres af disparitetsfilteret (Serrano et al., 2009). Til højre:ny metode. Kredit:Kobe University
En fordel ved denne metode er, at den kan anvendes på enhver form for dynamiske netværk dannet af bilaterale tidsmæssige interaktioner. For eksempel, Dr. Kobayashi og Dr. Taro Takaguchi (en af medforfatterne) undersøgte interbankmarkedet i Italien og bekræftede, at andelen af banker, der anses for at være forbundet med betydelige bånd, steg især på tidspunktet for den globale finanskrise i 2008-2009 .
Om muligheden for fremtidig ansøgning, Dr. Kobayashi tilføjer:"Denne metode forventes at fange udviklingen af forskellige komplekse netværk fra interbankmarkeder til en flok køer. Hvis den implementeres på et ansigt-til-ansigt netværk af studerende, for eksempel, man kan muligvis opdage tegn på mobning og/eller udstødelse."