[논문 리뷰] Dose-response functions and surrogate models for exploring social contagion in the Copenhagen Networks Study

Jonathan F. Donges, Jakob Lochner외 5명|arXiv (Cornell University)|2021. 03. 17.

Opinion Dynamics and Social Influence참고 문헌 99인용 수 5

한 줄 요약

이 논문은 시간적 사회망에서 네트워크 기반 전염과 동질성에 대한 감지에 사용할 수 있는 복용량-반응 함수(DRF)와 가짜 데이터 모델링 프레임워크를 제안한다. 코펜하겐 네트워크 연구에 적용한 결과, 정기적인 피트니스 스튜디오 이용에 대해 복용량-반응 전염 또는 동질성에 대한 유의미한 증거가 없음을 확인하여, 개인의 성향과 외부 영향력이 관찰된 역학을 더 잘 설명함을 시사한다.

ABSTRACT

Spreading dynamics and complex contagion processes on networks are important mechanisms underlying the emergence of critical transitions, tipping points and other nonlinear phenomena in complex human and natural systems. Increasing amounts of temporal network data are now becoming available to study such spreading processes of behaviours, opinions, ideas, diseases and innovations to test hypotheses regarding their specific properties. To this end, we here present a methodology based on dose-response functions and hypothesis testing using surrogate data models that randomise most aspects of the empirical data while conserving certain structures relevant to contagion, group or homophily dynamics. We demonstrate this methodology for synthetic temporal network data of spreading processes generated by the adaptive voter model. Furthermore, we apply it to empirical temporal network data from the Copenhagen Networks Study. This data set provides a physically-close-contact network between several hundreds of university students participating in the study over the course of three months. We study the potential spreading dynamics of the health-related behaviour "regularly going to the fitness studio" on this network. Based on a hierarchy of surrogate data models, we find that our method neither provides significant evidence for an influence of a dose-response-type network spreading process in this data set, nor significant evidence for homophily. The empirical dynamics in exercise behaviour are likely better described by individual features such as the disposition towards the behaviour, and the persistence to maintain it, as well as external influences affecting the whole group, and the non-trivial network structure. The proposed methodology is generic and promising also for applications to other temporal network data sets and traits of interest.

연구 동기 및 목표

• 시간적 네트워크 데이터에서 복잡한 전염과 동질성을 탐지하기 위한 강력한 방법론을 개발하는 것.
• 관찰 데이터에서 동질성, 외부 영향력, 네트워크 구조 등의 혼동 요인과 인과적 전염 효과를 구분하는 데 도전하는 것.
• 코펜하겐 네트워크 연구에서의 실증적 시간적 네트워크 데이터가 건강 관련 행동에 대해 감지 가능한 네트워크 기반 확산 역학을 보이는지 테스트하는 것.
• 가짜 데이터 모델의 효과성을 평가하여 전염 과정의 잔여 인과적 흔적을 다른 역학적 메커니즘으로부터 분리하는 것.
• 지속 가능성 전환과 공중보건 역학을 포함한 다양한 시간적 네트워크 시스템에서 확산 과정을 분석하기 위한 일반적이고 이식 가능한 프레임워크를 제공하는 것.

제안 방법

• 노드가 네트워크 이웃으로부터 받는 노출 수준에 따라 특성 유형을 채택할 확률을 모델링하기 위해 복용량-반응 함수(DRF)를 구축한다.
• 합성 및 실증적 시간적 네트워크 데이터에서 DRF를 안정적으로 추정하고 불확실성 전파를 포함하기 위해 가우시안 필터링을 적용한다.
• 복용량-반응 또는 동질성과 관련된 핵심 구조적 특징을 유지하면서 대부분의 데이터 요소를 무작위화하는 가짜 데이터 모델의 계층적 구조를 설계한다.
• 가짜 모델을 사용하여 비모수적 가설 검정을 수행: 실측 DRF를 무작위 데이터에서 유도된 DRF와 비교하여 통계적 유의성을 평가한다.
• 차수 수열, 시간 순서, 또는 특성 역학 등을 순차적으로 완화하는 다수준 가짜 데이터 모델링 접근법을 구현하여 결과의 민감도를 테스트한다.
• 실제 실증 데이터에 적용하기 전에 합성 데이터에서 방법의 유효성을 검증하기 위해 생성 모델(예: 적응형 투표자 모델)을 통합한다.

실험 결과

연구 질문

• RQ1 코펜하겐 네트워크 연구에서 정기적인 피트니스 스튜디오 이용의 확산이 사회적 전염을 시사하는 복용량-반응 관계를 보이는가?
• RQ2 관찰된 행동 역학의 어느 정도가 동질성, 즉 유사한 특성을 가진 개인 간의 선호적 연관성에 의해 설명될 수 있는가?
• RQ3 실증 데이터에 네트워크 기반 전염 과정의 감지 가능한 흔적이 개인 수준의 지속성 또는 외부 집단적 영향력 이외에 존재하는가?
• RQ4 네트워크 구조, 시간 해상도, 특성 측정에 대한 다양한 가정에 대해 연구 결과는 얼마나 강인한가?
• RQ5 제안된 가짜 데이터 모델링 프레임워크는 복잡한 시간적 네트워크 데이터에서 전염과 대체 메커니즘을 효과적으로 구분할 수 있는가?

주요 결과

• 코펜하겐 네트워크 연구 데이터에서 정기적인 피트니스 스튜디오 이용에 대해 복용량-반응 유형의 네트워크 전염 과정에 통계적으로 유의미한 증거가 발견되지 않았다.
• 또한 해당 데이터셋에서 관찰된 행동 역학의 주요 원인으로서의 동질성에 대한 유의미한 증거도 없었다.
• 실제로 관찰된 피트니스 행동의 확산은 개인 수준의 성향과 행동의 지속성, 그리고 외부 집단적 영향력에 의해 더 잘 설명되었다.
• 제안된 DRF와 가짜 데이터 모델링 프레임워크 하에서, 시간적 네트워크의 비트리비얼한 구조는 감지 가능한 전염 신호를 제공하지 못했다.
• 이 방법은 네트워크 기반 전염과 동질성을 주요 메커니즘으로서 배제하여 개인적 요인과 환경적 요인의 중요성을 강조했다.
• 가짜 데이터 모델링 계층은 네트워크 구조와 시간 역학의 영향을 효과적으로 격리하였으며, 이는 방법이 혼동 요인에 민감함을 보여주었다.