[論文レビュー] Higher-order modeling of face-to-face interactions

Luca Gallo, Chiara Zappalà+2 more|arXiv (Cornell University)|Jun 7, 2024

Data Visualization and Analytics被引用数 4

ひとこと要約

本稿では、グループの魅力—メンバーの魅力から導かれる—が参加・退去行動を決定する動的グループ形成を通じて、対面の相互作用をモデル化する高次元のエージェントベースフレームワーク、Group Attractiveness Model (GAM) を提案する。このモデルは、実証的なグループ統計、時間的持続性、および二重対の相互作用を超えた高次元の同質性パターンをうまく再現し、グループレベルの社会的ダイナミクスにスケーラブルなメカニズムを提供する。

ABSTRACT

The most fundamental social interactions among humans occur face to face. Their features have been extensively studied in recent years, owing to the availability of high-resolution data on individuals' proximity. Mathematical models based on mobile agents have been crucial to understand the spatio-temporal organization of face-to-face interactions. However, these models focus on dyadic relationships only, failing to characterize interactions in larger groups of individuals. Here, we propose a model in which agents interact with each other by forming groups of different sizes. Each group has a degree of social attractiveness, based on which neighboring agents decide whether to join. Our framework reproduces different properties of groups in face-to-face interactions, including their distribution, the correlation in their number, and their persistence in time, which cannot be replicated by dyadic models. Furthermore, it captures homophilic patterns at the level of higher-order interactions, going beyond standard pairwise approaches. Our work sheds light on the higher-order mechanisms at the heart of human face-to-face interactions, paving the way for further investigation of how group dynamics at a microscopic scale affects social phenomena at a macroscopic scale.

研究の動機と目的

• 既存のモバイルエージェントモデルが二重対の相互作用に限定されており、対面の状況におけるグループレベルのダイナミクスを捉えられていないという限界を解決すること。
• グループサイズの分布、時間的相関、持続性といった、グループ相互作用の主要な実証的特徴を再現するモデルフレームワークを開発すること。
• 個々の属性とグループの魅力から生じる高次元の同質性—グループレベルでの同質性—が、二重対の類似性を超えてどのように出現するかを調査すること。
• 微視的なグループダイナミクスとそのマクロ的社会的結果を研究できる、スケーラブルで予測可能なモデルを提供すること。

提案手法

• エージェントは周期的境界を持つ2次元空間に配置され、[0,1] から一様に抽出された個々の魅力値が割り当てられる。
• グループの魅力は、メンバーの魅力の積として計算され、これにより平均して大きなグループは魅力が低くなる。
• エージェントはグループの魅力に基づいて参加・退去を決定し、参加確率は他のグループと比較した相対的なグループ魅力に比例する。
• モデルは時間経過に伴うグループ形成と解体を追跡し、正規化されたグループ構成の割合を用いて、二重対および三重対レベルでの同質性を推定する。
• 高次元の同質性は、3次元の同質性行列 $ H^{(3)} $ を用いて定量的に評価され、エントリ $ h_{etaetaeta} $ は属性 $ eta $ を持つエージェントが、属性 $ eta $, $ eta $, $ eta $ を持つメンバーからなるグループに参加する確率を表す。
• モデルは、学校や国際会議からの実世界の対面相互作用データと比較することで検証され、シミュレーションされたグループ統計（サイズ分布、時間的持続性、構成割合など）が実測値と一致することを確認した。

Figure 1: Schematic illustration of the Group Attractiveness Model . At each time step $t$ , each active agent $i$ (blue) considers the groups lying within a radius $d$ from it, and interacts with all of them with a probability $p_{i}(t)$ that depends on the mean attractiveness of the neighboring gr

実験結果

リサーチクエスチョン

• RQ1 高次元のエージェントベースモデルは、実際の対面相互作用におけるグループサイズ、持続時間、時間的相関の実証的統計を再現できるか？
• RQ2 個々の魅力から導かれるグループの魅力は、社会的グループの形成および解体にどのように影響するか？
• RQ3 二重対の類似性を超えて、グループレベルでの同質性—高次元の同質性—はどの程度モデルが捉えることができるか？
• RQ4 スプリットや再構成を伴うグループレベルのダイナミクスは、魅力に基づくエージェントの個別意思決定からどのように生じるか？
• RQ5 微視的なグループ相互作用をシミュレートすることで、モデルはマクロ的社会現象を予測できるか？

主な発見

• Group Attractiveness Model は、従来の二重対モデルが捉えられない実証的グループサイズ分布とその時間的持続性をうまく再現した。
• モデルは時間経過に伴うグループ数の相関を捉えており、グループダイナミクスが独立ではなく、記憶効果やクラスタリング効果を示していることを示している。
• モデルは高次元の同質性パターンを再現した：エージェントは類似した属性を持つグループに参加する傾向が強く、これは3次元同質性行列 $ H^{(3)} $ を用いて定量的に測定可能である。
• 同質性が存在しない状況では、モデルは $ h_{000} = h_{001} = h_{011} = 1/3 $ となる中立的状態に帰着し、基本的期待と整合的であることが確認された。
• モデルは、大きなグループは集団的魅力が低いため安定性に欠け、実社会のグループにおけるスプリット現象と整合する結果を示した。
• 小学校および中学校、科学会議からの実データを用いた検証により、モデルの予測力が裏付けられ、観測されたグループレベルの統計と強い一致を示した。

Figure 2: The GAM reproduces the empirical group statistics . Panels a to f report the distribution of groups of different sizes in a given social system (black circles), as well as the predictions of the Group Attractiveness Model (blue squares) and the Attractiveness Model [ 10 ] (red diamonds). M