Fra in-crowds til power couples, netværksvidenskab afslører den skjulte struktur af samfundsdynamik

Verden er et netværkssted, bogstaveligt og billedligt talt. Netværksvidenskaben bruges i dag til at forstå fænomener så forskellige som spredningen af ​​misinformation, vestafrikansk handel og protein-protein-interaktioner i celler.

Netværksvidenskab har afsløret flere universelle egenskaber ved komplekse sociale netværk, hvilket igen har gjort det muligt at lære detaljer om bestemte netværk. For eksempel har netværket bestående af den internationale finansielle korruptionsordning, som blev afsløret af Panama Papers-undersøgelsen, en usædvanlig mangel på forbindelser mellem sine dele.

Men forståelsen af ​​de skjulte strukturer af nøgleelementer i sociale netværk, såsom undergrupper, er forblevet uhåndgribelig. Mine kollegaer og jeg har fundet to komplekse mønstre i disse netværk, som kan hjælpe forskere med bedre at forstå hierarkierne og dynamikken i disse elementer. Vi fandt en måde at opdage stærke "indre cirkler" i store organisationer ved blot at studere netværk, der kortlægger e-mails, der sendes blandt medarbejdere.

Vi demonstrerede anvendeligheden af ​​vores metoder ved at anvende dem på det berømte Enron-netværk. Enron var en energihandelsvirksomhed, der begik bedrageri i massivt omfang. Vores undersøgelse viste endvidere, at metoden potentielt kan bruges til at opdage mennesker, der udøver enorm blød magt i en organisation uanset deres officielle titel eller stilling. Dette kan være nyttigt til historisk, sociologisk og økonomisk forskning, såvel som regerings-, juridiske og medieundersøgelser.

Fra blyant og papir til kunstig intelligens

Sociologer har konstrueret og studeret mindre sociale netværk i omhyggelige felteksperimenter i mindst 80 år, længe før fremkomsten af ​​internettet og online sociale netværk. Konceptet er så enkelt, at det kan tegnes på papir:Entiteter af interesse – mennesker, virksomheder, lande – er noder repræsenteret som punkter, og relationer mellem par af noder er links repræsenteret som linjer tegnet mellem punkterne.

At bruge netværksvidenskab til at studere menneskelige samfund og andre komplekse systemer fik ny betydning i slutningen af ​​1990'erne, da forskere opdagede nogle universelle egenskaber ved netværk. Nogle af disse universelle egenskaber er siden kommet ind i den almindelige popkultur. Et koncept er Kevin Bacons seks grader, baseret på den berømte empiriske opdagelse om, at to mennesker på Jorden er seks eller færre led fra hinanden. Tilsvarende er versioner af udsagn som "de rige bliver rigere" og "vinderen tager alt" også blevet replikeret i nogle netværk.

Disse globale egenskaber, hvilket betyder dem, der gælder for hele netværket, opstår tilsyneladende fra de nærsynede og lokale handlinger af uafhængige noder. Når jeg forbinder med nogen på LinkedIn, tænker jeg bestemt ikke på de globale konsekvenser af min forbindelse på LinkedIn-netværket. Alligevel fører mine handlinger, sammen med mange andres, til sidst til forudsigelige snarere end tilfældige resultater om, hvordan netværket vil udvikle sig.

Mine kolleger og jeg har brugt netværksvidenskab til at studere menneskehandel i Storbritannien, strukturen af ​​støj i kunstige intelligenssystemers output og finansiel korruption i Panama Papers.

Grupper har deres egen struktur

Sammen med at studere nye egenskaber som Kevin Bacons seks grader, har forskere også brugt netværksvidenskab til at fokusere på problemer såsom samfundsdetektion. Enkelt sagt, kan et sæt regler, også kendt som en algoritme, automatisk opdage grupper eller fællesskaber inden for en samling af mennesker?

I dag er der hundredvis, hvis ikke tusindvis, af algoritmer til fællesskabsdetektion, hvoraf nogle er afhængige af avancerede AI-metoder. De bruges til mange formål, herunder at finde interessefællesskaber og afdække ondsindede grupper på sociale medier. Sådanne algoritmer koder for intuitive antagelser, såsom forventningen om, at noder, der tilhører den samme gruppe, er tættere forbundet med hinanden end noder, der tilhører forskellige grupper.

Selvom det er en spændende arbejdslinje, studerer lokalsamfundsdetektion ikke fællesskabernes interne struktur. Skal fællesskaber kun opfattes som samlinger af noder i netværk? Og hvad med fællesskaber, der er små, men særligt indflydelsesrige, såsom indre kredse og i folkemængderne?

To hypotetiske strukturer for indflydelsesrige grupper

På en måde har du sandsynligvis allerede en anelse om strukturen af ​​meget små grupper i sociale netværk. Sandheden i ordsproget om, at "en ven af ​​min ven er også min ven" kan testes statistisk i venskabsnetværk ved at tælle antallet af trekanter i netværket og afgøre, om dette tal er højere end tilfældighederne alene kunne forklare. Og faktisk er mange sociale netværksundersøgelser blevet brugt til at bekræfte påstanden.

Desværre begynder konceptet at gå i stykker, når det udvides til grupper med mere end tre medlemmer. Selvom motiver er blevet godt undersøgt i både algoritmisk datalogi og biologi, er de ikke blevet pålideligt forbundet med indflydelsesrige grupper i rigtige kommunikationsnetværk.

Med udgangspunkt i denne tradition fandt og præsenterede min doktorand Ke Shen og jeg to strukturer, der virker komplicerede, men som viser sig at være ret almindelige i rigtige netværk.

Den første struktur udvider trekanten, ikke ved at tilføje flere noder, men ved direkte at tilføje trekanter. Specifikt er der en central trekant, der er flankeret af andre perifere trekanter. Det er vigtigt, at den tredje person i en perifer trekant ikke må knyttes til den tredje person i den centrale trekant, og derved udelukke dem fra den sande indre cirkel af indflydelse.

Den anden struktur ligner, men antager, at der ikke er nogen central trekant, og den indre cirkel er kun et par knudepunkter. Et eksempel fra det virkelige liv kan være to medstiftere af en startup som Sergey Brin og Larry Page fra Google, eller et magtpar med fælles interesser, der er almindelige i global politik, som Bill og Hillary Clinton.

Forstå indflydelsesrige grupper i et berygtet netværk

Vi testede vores hypotese på Enron-e-mail-netværket, som er velundersøgt i netværksvidenskab, med noder, der repræsenterer e-mail-adresser og links, der repræsenterer kommunikation mellem disse adresser. På trods af at de var omfattende, var vores foreslåede strukturer ikke kun til stede i netværket i større antal, end tilfældigheder alene ville forudsige, men en kvalitativ analyse viste, at der er værdi i påstanden om, at de repræsenterer indflydelsesrige grupper.

Hovedpersonerne i Enron-sagaen er efterhånden veldokumenterede. Spændende nok ser nogle af disse karakterer ikke ud til at have haft meget officiel indflydelse, men kan have haft betydelig blød magt. Et eksempel er Sherri Reinartz-Sera, som i mange år var administrativ assistent for Jeffrey K. Skilling, den tidligere administrerende direktør for Enron. I modsætning til Skilling blev Sera kun nævnt i en artikel i New York Times efter undersøgelsesrapporter, der fandt sted i løbet af skandalen. Vores algoritme opdagede imidlertid en indflydelsesrig gruppe, hvor Sera indtog en central position.

Dissektion af kraftdynamik

Samfundet har indviklede strukturer på niveauet af individer, venskaber og fællesskaber. In-crowds er ikke bare ragtag-grupper af karakterer, der taler med hinanden, eller en enkelt hovedmand, der kalder alle skud. Mange in-crowds eller indflydelsesrige grupper har en sofistikeret struktur.

Mens der stadig er meget at finde ud af om sådanne grupper og deres indflydelse, kan netværksvidenskab hjælpe med at afdække deres kompleksitet. + Udforsk yderligere

Oxytocin spreder samarbejde i sociale netværk

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.