[논문 리뷰] The temporal dynamics of group interactions in higher-order social networks

Iacopo Iacopini, Márton Karsai외 1명|arXiv (Cornell University)|2023. 06. 16.

Opinion Dynamics and Social Influence참고 문헌 81인용 수 5

한 줄 요약

이 논문은 대학생과 유아를 대상으로 한 신뢰도 기반의 근접성 데이터를 활용하여 고계 사회 네트워크에서의 그룹 상호작용의 시간적 동역학을 조사한다. 연구는 장기적 그룹 지속 효과와 대칭적인 그룹 집합/해체 패턴을 재현하는 동적 하이퍼그래프 모델을 제안하며, 그룹 형성과 해체가 맥락에 관계없이 일반적인 메커니즘을 따른다는 것을 입증한다.

ABSTRACT

Representing social systems as networks, starting from the interactions between individuals, sheds light on the mechanisms governing their dynamics. However, networks encode only pairwise interactions, while most social interactions occur among groups of individuals, requiring higher-order network representations. Despite the recent interest in higher-order networks, little is known about the mechanisms that govern the formation and evolution of groups, and how people move between groups. Here, we leverage empirical data on social interactions among children and university students to study their temporal dynamics at both individual and group levels, characterising how individuals navigate groups and how groups form and disaggregate. We find robust patterns across contexts and propose a dynamical model that closely reproduces empirical observations. These results represent a further step in understanding social systems, and open up research directions to study the impact of group dynamics on dynamical processes that evolve on top of them.

연구 동기 및 목표

• 실세계 환경에서 사회적 그룹의 형성, 진화, 해체를 지배하는 메커니즘을 이해하는 것.
• 대학과 유치원과 같은 다양한 사회적 맥락에서 시간적 패턴이 일반적으로 공통되는지 규명하는 것.
• 그룹 크기 전이 및 지속 기간 통계와 같은 실증적 그룹 상호작용 패턴을 재현하는 동적 하이퍼그래프 모델을 개발하는 것.
• 개별 수준의 의사결정(예: 그룹 이탈)이 집단적 수준의 그룹 역학에 어떻게 기여하는지 조사하는 것.
• 시간적 기억, 급격한 활동(버스트니스), 계층적 구조가 집단 수준의 행동을 어떻게 형성하는지 평가하는 것.

제안 방법

• 시간 해상도를 갖춘 두 가지 근접성 기반 데이터셋인 코펜하겐 네트워크 연구(대학생)와 DyLNet(유아)의 실증 분석.
• 시간 해상도를 갖춘 전이 행렬을 사용하여, 노드가 τ 시간 단위 후에 크기 k의 그룹에서 떠나는 빈도를 수량화함으로써 그룹 변경 확률 계산.
• 최대 하위군의 크기를 분석하여 그룹 생성 전과 해체 후의 그룹 집합 및 해산 행렬 구축.
• 매개변수 ε(그룹 형성 비율), α(기억 효과), n₀(초기 그룹 크기)를 갖는 동적 하이퍼그래프 모델 개발. T=2000 시간 단위 동안 노드를 무작위 순서로 활성화하는 시뮬레이션.
• 실증적 그룹 크기 분포와 노드 전이 행렬 간의 쿨백-라이블러 발산을 동시에 최소화하는 방식으로 모델 피팅.
• XGI 파이썬 라이브러리를 활용하여 복잡한 그룹 상호작용을 구현하고 모델 시뮬레이션 수행.

실험 결과

연구 질문

• RQ1 그룹 크기와 지속 기간은 시간이 지남에 따라 어떻게 변화하며, 다양한 사회적 맥락에서 일반적인 시간적 패턴을 보이는가?
• RQ2 그룹 집합 및 해산의 통계적 성질은 무엇이며, 계층적 또는 대칭적인 역학을 나타내는가?
• RQ3 개별 수준의 그룹 전이(예: 그룹 간 이동)는 일관된 확률적 패턴을 따르는가?
• RQ4 동적 하이퍼그래프 모델이 실증적 그룹 역학, 특히 장기적 그룹 지속 효과와 크기에 따라 달라지는 전이 확률을 재현할 수 있는가?
• RQ5 인간 상호작용의 시간적 기억과 버스트니스가 그룹 구조의 시간적 진화에 어떻게 영향을 미치는가?

주요 결과

• 그룹에 머무른 시간이 길수록 그룹을 떠나는 확률이 감소함을 확인하여, 모든 그룹 크기에서 두 데이터셋 모두에 걸쳐 강력한 장기적 그룹 지속 효과가 입증됨.
• 그룹 집합 및 해산 동역학은 대부분 대칭적이며, 그룹 생성 전과 해체 후에 유사한 통계적 패턴을 보임.
• 모델은 실증적 그룹 크기 분포와 노드 전이 행렬을 성공적으로 재현하며, 최적의 매개변수 선택으로 KL 발산 최소화됨.
• 그룹 변경 확률은 맥락에 독립적이며, 대학과 유치원 환경 간 일관된 전이 패턴을 보임.
• 모델이 실증적 역학을 재현할 수 있다는 점은, 개별 수준의 의사결정(예: 그룹 이탈)이 매크로 수준의 시간적 패턴을 유도할 수 있음을 시사함.
• 실증적 그룹 지속 기간은 퇴출 확률이 파워 라인 유사 감소를 보이며, 그룹 상호작용에서 강력한 기억 효과가 있음을 나타냄.