[논문 리뷰] Formalising the multidimensional nature of social networks

David Lusseau, Louise Barrett외 1명|2011. 01. 19.

Evolutionary Game Theory and Cooperation참고 문헌 60인용 수 93

한 줄 요약

이 논문은 사회적 네트워크를 다차원적 구조로 형식화하여, 다양한 행동적 맥락에서의 상호작용을 삼차원 텐서(n×n×b)로 모델링한다. 여기서 개인들은 사회적 결과에 대한 불확실성을 줄이려 한다. 시뮬레이션과 번개원숭이 군대의 현장 데이터를 사용하여, 사회적 네트워크가 소월 구조를 띠며 외부 자극 후에 더 예측 가능해질 수 있음을 입증하며, 개인 수준의 불확실성 감소가 네트워크 역학을 이끄는 가설을 지지한다.

ABSTRACT

Individuals interact with conspecifics in a number of behavioural contexts or dimensions. Here, we formalise this by considering a social network between n individuals interacting in b behavioural dimensions as a nxnxb multidimensional object. In addition, we propose that the topology of this object is driven by individual needs to reduce uncertainty about the outcomes of interactions in one or more dimension. The proposal grounds social network dynamics and evolution in individual selection processes and allows us to define the uncertainty of the social network as the joint entropy of its constituent interaction networks. In support of these propositions we use simulations and natural 'knock-outs' in a free-ranging baboon troop to show (i) that such an object can display a small-world state and (ii) that, as predicted, changes in interactions after social perturbations lead to a more certain social network, in which the outcomes of interactions are easier for members to predict. This new formalisation of social networks provides a framework within which to predict network dynamics and evolution under the assumption that it is driven by individuals seeking to reduce the uncertainty of their social environment.

연구 동기 및 목표

• 다양한 행동적 맥락에서의 상호작용을 포괄하는 다차원적 객체로서 사회적 네트워크를 형식화하는 것.
• 개인 수준의 불확실성 감소가 사회적 네트워크 구조의 진화와 역학을 어떻게 이끄는지 조사하는 것.
• 사회적 외부 자극 후 사회적 네트워크가 예측 가능성이 증가하는지, 불확실성 감소 가설이 예측한 바와 같은지 테스트하는 것.
• 개체 선택에 기반한 이론적 프레임워크를 제공하여 사회적 네트워크의 구조와 변화를 설명하는 것.

제안 방법

• 개체 수 n과 행동 차원 수 b로 구성된 크기 n×n×b인 삼차원 텐서로 사회적 네트워크를 모델링한다.
• 네트워크의 불확실성을 모든 차원에서 구성되는 상호작용 네트워크의 공동 엔트로피로 정의한다.
• 불확실성 감소 원칙 하에서 소월 구조와 같은 네트워크 특성의 탄생을 탐색하기 위해 에이전트 기반 시뮬레이션을 사용한다.
• 자유로운 번개원숭이 군대에서 자연 실험('노크아웃')을 실시하여 사회적 교란 이후 네트워크의 예측 가능성 변화를 관찰한다.
• 정보 이론적 측정법을 적용하여 자극 전후의 상호작용 결과 예측 가능성 변화를 정량화한다.
• 시뮬레이션된 네트워크 역학을 번개원숭이 군대의 실측 데이터와 비교하여 모델을 검증한다.

실험 결과

연구 질문

• RQ1 불확실성 감소 역학 하에서 다차원 사회적 네트워크 모델이 소월 구조를 나타낼 수 있는가?
• RQ2 사회적 외부 자극 이후 개인들이 사회적 결과에 대한 불확실성을 줄이기 위해 상호작용 패턴을 어떻게 수정하는가?
• RQ3 자극 후 네트워크에서 상호작용 결과의 예측 가능성은 자극 전 상태보다 높은가?
• RQ4 개인 수준의 불확실성 감소가 사회적 네트워크의 구조와 진화에 어느 정도 영향을 미치는가?
• RQ5 다양한 차원에서의 상호작용 네트워크의 공동 엔트로피는 사회 시스템의 총 불확실성을 어떻게 반영하는가?

주요 결과

• 다차원 네트워크 모델은 소월 네트워크 구조를 성공적으로 생성하여 효율적인 정보 전달과 군집화를 나타낸다.
• 핵심 개인의 제거와 같은 사회적 외부 자극 이후 상호작용 결과의 예측 가능성은 유의미하게 증가하였으며, 이는 불확실성 감소 가설을 지지한다.
• 자극 이후 네트워크의 공동 엔트로피가 감소하여 행동 차원 전반에서 사회적 결과의 불확실성이 감소한 것으로 나타났다.
• 시뮬레이션을 통해 개인들이 불확실성을 최소화하기 위해 행동할 경우 네트워크가 더 예측 가능한 구성으로 진화하는 것을 확인하였다.
• 번개원숭이 군대의 실측 데이터는 노크아웃 이후 네트워크의 엔트로피가 낮고 예측 가능성은 높아졌으며, 이는 모델 예측과 일치하였다.
• 이 프레임워크는 정보 이론적 원리를 통해 개인 수준의 의사결정과 기대되는 네트워크 수준의 성질 간의 연결을 성공적으로 수립하였다.