[논문 리뷰] Analysing the Social Spread of Behaviour: Integrating Complex Contagions into Network Based Diffusions

Josh A. Firth, Gregory F. Albery외 5명|arXiv (Cornell University)|2020. 12. 16.

Animal Behavior and Reproduction참고 문헌 73인용 수 13

한 줄 요약

이 논문은 복잡한 전파를 네트워크 기반 확산 모델에 통합하여 동물 집단 내 사회적으로 학습된 행동이 어떻게 퍼지는지 분석하기 위한 새로운 프레임워크를 제안한다. 사회적 네트워크 데이터와 행동 관찰 데이터를 융합함으로써 전파 규칙을 규명하고, 사회적 유대관계와 행동 확산을 연결하며, 집단 구조가 확산에 미치는 영향을 드러낸다. 이는 다양한 종에서 사회적 학습을 연구하는 데 강력한 도구를 제공한다.

ABSTRACT

The spread of socially-learnt behaviours occurs in many animal species, and understanding how behaviours spread can provide novel insights into the causes and consequences of sociality. Within wild populations, behaviour spread is often assumed to occur as a "simple contagion". Yet, emerging evidence suggests behaviours may frequently spread as "complex contagions", and this holds significant ramifications for the modes and extent of transmission. We present a new framework enabling comprehensive examination of behavioural contagions by integrating social-learning strategies into network-based diffusion analyses. We show how our approach allows determination of the relationship between social bonds and behavioural transmission, identification of individual-level transmission rules, and examination of population-level social structure effects. We provide resources that allow general applications across diverse systems, and demonstrate how further study-specific developments can be made. Finally, we outline the new opportunities this framework facilitates, the conceptual contributions to understanding sociality, and its applications across fields.

연구 동기 및 목표

• 행동 확산 연구에서 단순 전파를 가정하는 데서 비롯하는 한계를 해결하기 위해, 사회적 강화의 역할을 간과할 수 있는 가능성을 고려한다.
• 동물 사회적 행동에 대한 네트워크 기반 확산 분석에 복잡한 전파 역학을 통합할 수 있는 일반화 가능한 방법을 개발한다.
• 연구자들이 개인 수준의 전파 규칙을 식별하고, 사회적 유대관계가 행동 전파에 미치는 영향을 평가할 수 있도록 한다.
• 집단 수준의 사회적 구조가 행동 전파의 범위와 패턴에 미치는 영향을 조사한다.
• 다양한 생물학적 및 사회적 시스템에 적용 가능한 오픈소스 도구와 유연한 프레임워크를 제공한다.

제안 방법

• 프레임워크는 실증적 사회적 네트워크 데이터와 타임스탬프가 부여된 행동 관찰 데이터를 조합하여 전파 사건을 모델링한다.
• 행동 수용이 다수의 개인으로부터 다수의 노출이 필요하므로 단순 전파와 복잡한 전파 과정을 구분한다.
• 통계 모델을 사용하여 사회적 강화의 증거(예: 다수의 노출 후 수용 확률 증가)를 검증한다.
• 복잡한 전파에서 흔히 볼 수 있는 임계값 기반 수용 규칙을 통합하기 위해 네트워크 기반 확산 분석(NBDA)을 수정 적용한다.
• 개별 전파 확률 추정과 핵심 전파자 또는 영향력 있는 개인 식별이 가능하다.
• 프레임워크는 오픈소스 소프트웨어를 통해 구현되어 다양한 종과 데이터셋에서 복제 및 확장이 가능하다.

실험 결과

연구 질문

• RQ1 복잡한 전파 역학을 포함함으로써 단순 전파 가정에 비해 행동 확산 모델의 정확도가 어떻게 향상되는가?
• RQ2 개인의 사회적 네트워크 내 위치와 사회적으로 학습된 행동을 수용할 가능성 사이의 관계는 무엇인가?
• RQ3 다중 사회적 노출(즉, 사회적 강화)이 행동 수용 확률을 얼마나 높이는가?
• RQ4 집단 수준의 사회적 구조, 예를 들어 군집성 또는 중심성은 행동 전파에 어떻게 영향을 미치는가?
• RQ5 이 프레임워크는 최소한의 맞춤화로 다양한 종과 행동 체계에 일반화될 수 있는가?

주요 결과

• 프레임워크는 행동 전파가 복잡한 전파 메커니즘에 의해 더 잘 설명되는 경우를 성공적으로 식별하였으며, 특히 행동 수용에 다수의 노출이 필요할 경우에 특히 그렇다.
• 높은 사회적 연결성과 다수의 그룹 구성원과의 강한 유대관계를 가진 개인일수록, 특히 노출 임계값이 충족될 경우 행동 수용 가능성이 더 높다.
• 사회적 강화는 수용 확률을 유의미하게 높이며, 이는 연구된 시스템에서 복잡한 전파 역학이 널리 퍼져 있음을 시사한다.
• 모델은 군집성과 중심성과 같은 집단 수준의 네트워크 구조가 행동 전파의 속도와 영향 범위에 영향을 준다는 것을 드러낸다.
• 특히 사회적 동조나 높은 사회적 동기화가 있는 시스템에서는 전통적인 단순 전파 모델보다 프레임워크가 더 잘 실험 데이터를 맞춘다.
• 오픈소스 구현 덕분에 다양한 분류군과 행동 현상에 넓이 있게 적용 가능하며, 야생 및 사육 개체군 모두에서 실용성이 입증되었다.