[논문 리뷰] Unraveling higher-order dynamics in collaboration networks

David Abella, Piero Birello외 5명|arXiv (Cornell University)|2023. 06. 30.

Complex Network Analysis TechniquesPhysics and Astronomy인용 수 3

한 줄 요약

이 연구는 단순체를 다수의 저자로 구성된 논문을 모델링하는 데 사용하여 지질학 분야에서의 과학적 협력에 대한 시간적 고차원 네트워크 분석을 제안한다. 그 결과, 그룹 협력의 역학이 시간에 따라 지속적인 집합 및 해산 패턴을 보이며, 1980년에서 2016년 사이에 그룹 규모 변화의 변동성이 증가하고 있음을 밝혀내어, 이는 이원적 상호작용을 초월한 과학 팀의 구조적 복잡성의 변화를 시사한다.

ABSTRACT

The interactions between individuals play a pivotal role in shaping the structure and dynamics of social systems. Complex network models have proven invaluable in uncovering the underlying mechanisms that govern the formation and evolution of these systems. However, conventional network representations primarily emphasize pairwise interactions, represented as edges in the network. In reality, many social interactions occur within groups rather than individual pairs. To capture this crucial aspect, higher-order network representations come into play, especially to describe those complex systems that are inherently composed of agents interacting with group dynamics. Despite recent research advancements in exploring temporal higher-order networks in various systems, our understanding of collaboration networks remains limited. Specifically, there is a lack of knowledge regarding the patterns of group interactions within scientific collaborations. How do groups form and evolve in this context? In this study, we aim to delve into the temporal properties of groups within collaboration networks. Our investigation focuses on uncovering the mechanisms that govern the global, group, and individual-level dynamics, shedding light on how individuals collaborate and how groups form and disband over time. By studying these temporal patterns, we take a significant stride forward in comprehending the intricate dynamics of higher-order interactions within human collaboration systems.

연구 동기 및 목표

• 이차 상호작용을 초월한 과학 네트워크에서 그룹 협력의 시간적 진화를 이해하기 위해.
• 다수의 저자로 구성된 과학적 논문에서 그룹 형성, 해체 및 구조적 변화를 이끄는 메커니즘을 규명하기 위해.
• 고차원 네트워크 표현을 사용하여 연속된 해 동안 협력 규모 변화의 동역학을 정량화하기 위해.
• 지질학 분야에서 협력 그룹의 안정성과 변동성이 시간에 따라 어떻게 변화했는지 평가하기 위해.
• 집단적 인간 협력에 관여하는 다른 분야에도 적용 가능한 방법론적 프레임워크를 제공하기 위해.

제안 방법

• 각 단순체가 저자들을 노드로 포함하는 출판물을 나타내는 타임스탬프가 부여된 단순체의 시퀀스로 공저자 데이터를 모델링한다.
• 소규모 또는 대규모 팀에서 발생하는 노이즈를 피하기 위해 그룹 수준의 역학을 분석하기 위해 중간 크기의 단순체(5–20명의 저자)에 집중한다.
• 연속된 해 사이의 그룹 규모 변화를 '순서 차이'로 계산하며, 양수는 집합을, 음수는 해산을 의미한다.
• 시간과 협력 규모에 따라 순서 차이를 계층화하여 시간적 및 규모 의존적 경향을 분석한다.
• 시간에 따른 순서 차이의 표준편차의 비선형 진화를 모델링하기 위해 고차수 3의 다항 회귀를 사용한다.
• 선형 경향의 안정성을 검증하기 위해 회귀 분석과 시간 창 구분(10년 간격)을 수행한다.

실험 결과

연구 질문

• RQ1 과학적 협력 그룹은 규모와 구성 측면에서 시간에 따라 어떻게 변화하는가?
• RQ2 다수의 저자로 구성된 과학적 논문에서 그룹의 집합 및 해산의 주요 패턴은 무엇인가?
• RQ3 지질학 분야에서 1980년에서 2016년 사이에 그룹 규모 변화의 변동성은 어떻게 변화했는가?
• RQ4 협력 그룹 규모와 시간에 따른 규모 변화의 크기 사이에는 어떤 관계가 있는가?
• RQ5 관측된 협력 그룹의 동역학은 다양한 시간 창과 데이터 서브셋에서 얼마나 견고한가?

주요 결과

• 1980년에서 2016년 사이에 협력 그룹 규모의 순서 차이 표준편차는 비선형적으로 증가하였으며, 이는 시간이 지남에 따라 팀 구조의 동적이고 불안정한 성향이 증가하고 있음을 시사한다.
• 평균 순서 차이와 협력 규모 사이에 일관된 선형 관계가 관찰되었으며, 더 큰 그룹일수록 시간이 지남에 따라 구성원 변화 비율이 비례적으로 더 크다는 것을 보여준다.
• 10년 단위의 여러 시간 창에서 그룹 규모 변화의 변동성 증가 경향이 견고하게 유지되었으며, 관측된 시간적 패턴의 안정성을 확인한다.
• 분석 결과, 집합과 해산이 모두 흔한 현상임을 확인하였으며, 어느 한 방향으로도 지배적이지 않아 과학적 협력에서 유동적인 팀 구성이 이루어지고 있음을 시사한다.
• 이 방법은 협력 네트워크의 고차원 시간 역학을 성공적으로 포착하였으며, 이는 이원적 상호작용을 초월한 집단적 인간 행동 연구의 잠재력을 보여준다.
• 데이터셋과 코드는 공개되어 있어 재현성과 다른 과학 분야로의 프레임워크 확장이 가능하다.