[논문 리뷰] Social Contagion Theory: Examining Dynamic Social Networks and Human Behavior

Nicholas A. Christakis, James H. Fowler|arXiv (Cornell University)|2011. 09. 24.

Mental Health Research Topics참고 문헌 80인용 수 34

한 줄 요약

이 논문은 프레밍햄 심장 연구와 같은 종단적 데이터셋 분석을 바탕으로, 비만, 금연, 협력, 행복과 같은 인간의 행동과 정서가 사회적 네트워크를 통해 최대 3단계 이내로 퍼진다는 것을 제안한다. 관찰 및 실험 데이터에 대한 통계 모델링을 통해 저자들은 강력한 인과 추론 방법을 사용하여 사회적 전염 효과를 입증하며, 네트워크 구조가 행동 역학에 미치는 영향을 강조한다.

ABSTRACT

Here, we review the research we have done on social contagion. We describe the methods we have employed (and the assumptions they have entailed) in order to examine several datasets with complementary strengths and weaknesses, including the Framingham Heart Study, the National Longitudinal Study of Adolescent Health, and other observational and experimental datasets that we and others have collected. We describe the regularities that led us to propose that human social networks may exhibit a "three degrees of influence" property, and we review statistical approaches we have used to characterize inter-personal influence with respect to phenomena as diverse as obesity, smoking, cooperation, and happiness. We do not claim that this work is the final word, but we do believe that it provides some novel, informative, and stimulating evidence regarding social contagion in longitudinally followed networks. Along with other scholars, we are working to develop new methods for identifying causal effects using social network data, and we believe that this area is ripe for statistical development as current methods have known and often unavoidable limitations.

연구 동기 및 목표

• 직접적인 관계를 초월하여 사회적 행동과 정서가 사회적 네트워크를 통해 퍼지는지 조사하기 위해.
• 종단적 네트워크 데이터를 활용하여 인간 행동에서 사회적 전염의 범위와 메커니즘을 규명하기 위해.
• 사회적 네트워크 연구에서 인과 추론을 향상시키기 위한 통계적 방법을 개발하고 적용하기 위해.
• 네트워크 구조가 비만, 금연, 행복과 같은 행동의 확산에 미치는 영향을 조사하기 위해.
• 기존의 네트워크 구조 데이터에서 인과 효과를 탐지하는 데 있어 한계를 해결하기 위해.

제안 방법

• 비만, 금연, 협력, 행복과 같은 행동 변화를 시간에 따라 추적하기 위해 프레밍햄 심장 연구 및 청소년 건강 종단 연구와 같은 종단적 데이터셋을 활용함.
• 네트워크 구조와 시간적 동역학을 고려하여 개인 간 영향을 탐지하기 위해 통계 모델을 적용함.
• 사회적 전염과 동종성 또는 혼동 요인을 구분하기 위해 인과 추론 기법을 활용함.
• 관찰 데이터와 실험 데이터를 융합하여 다양한 방법론적 강점에서 발견된 결과를 검증함.
• 다중 네트워크 계층을 분석하여 '3단계 영향' 가설을 탐색함.
• 네트워크 기반의 회귀 분석과 순열 검정을 사용하여 영향 효과의 유의성을 평가하고 네트워크 종속성을 통제함.

실험 결과

연구 질문

• RQ1 비만과 금연과 같은 행동이 직접적인 연결을 초월하여 사회적 네트워크를 통해 얼마나 퍼지는가?
• RQ2 기쁨과 같은 정서 상태는 사회적 유대를 통해 전파될 수 있으며, 그 영향은 어느 정도까지 확장되는가?
• RQ3 네트워크 구조는 사회적 행동의 확산을 어떻게 증폭하거나 제한하는가?
• RQ4 종단적 네트워크 데이터에서 사회적 영향의 인과 효과를 어떻게 신뢰성 있게 추정할 수 있는가?
• RQ5 협력과 건강 결과와 같은 다양한 행동에 대해 동일한 사회적 전염 메커니즘이 적용되는가?

주요 결과

• 사회적 영향 효과는 최대 3단계 이내까지 확장되며, 초기 주체와 직접 연결되지 않은 개인에서도 유의미한 행동 변화가 관찰됨.
• 공동 친구가 비만일 경우 비만 확률이 58% 증가하고, 친구의 친구가 비만일 경우 20% 증가함.
• 기쁨은 전염병과 유사한 방식으로 사회적 네트워크를 통해 퍼지며, 친구 또는 친구의 친구가 기쁨을 느낄 경우 기쁨이 될 가능성은 15~25% 증가함.
• 금연 중단과 협력 행동 역시 전염의 증거를 보이며, 다중 네트워크 계층을 통해 영향이 전파됨.
• 기존의 네트워크 분석에서 인과성과 동종성의 구분에 있어 메서드적 한계를 밝혀내고, 향상된 통계 도구의 필요성을 제기함.
• 결과는 '3단계 영향' 현상의 존재를 지지하며, 사회적 네트워크가 행동에 측정 가능하고 정량화 가능한 파급 효과를 가진다는 것을 시사함.