[论文解读] Analysing the Social Spread of Behaviour: Integrating Complex Contagions into Network Based Diffusions

Josh A. Firth, Gregory F. Albery+5 more|arXiv (Cornell University)|Dec 16, 2020

Animal Behavior and Reproduction参考文献 73被引用 13

一句话总结

本文提出了一种新颖的框架，将复杂传染机制整合到基于网络的扩散模型中，以分析动物种群中社会学习行为的传播。通过结合社交网络数据与行为观察数据，该方法识别出传播规则，将社交纽带与行为传播联系起来，并揭示种群结构如何影响扩散过程——为跨物种社会学习研究提供了强大工具。

ABSTRACT

The spread of socially-learnt behaviours occurs in many animal species, and understanding how behaviours spread can provide novel insights into the causes and consequences of sociality. Within wild populations, behaviour spread is often assumed to occur as a "simple contagion". Yet, emerging evidence suggests behaviours may frequently spread as "complex contagions", and this holds significant ramifications for the modes and extent of transmission. We present a new framework enabling comprehensive examination of behavioural contagions by integrating social-learning strategies into network-based diffusion analyses. We show how our approach allows determination of the relationship between social bonds and behavioural transmission, identification of individual-level transmission rules, and examination of population-level social structure effects. We provide resources that allow general applications across diverse systems, and demonstrate how further study-specific developments can be made. Finally, we outline the new opportunities this framework facilitates, the conceptual contributions to understanding sociality, and its applications across fields.

研究动机与目标

• 为解决行为扩散研究中假设简单传染机制的局限性，该假设可能忽略社会强化的作用。
• 开发一种可推广的方法，将复杂传染动力学整合到基于网络的行为扩散分析中，以研究动物社会行为。
• 使研究人员能够识别个体层面的传播规则，并评估社交纽带对行为传播的影响。
• 考察种群层面社交结构对行为传播范围与模式的影响。
• 提供开源工具与灵活框架，便于在多种生物与社会系统中应用。

提出的方法

• 该框架结合实证社交网络数据与时间戳行为观察数据，以模拟传播事件。
• 通过评估行为采纳是否需要来自多个个体的多次暴露，区分简单传染与复杂传染过程。
• 该方法使用统计模型检验社会强化的证据，例如多次暴露后采纳概率是否上升。
• 在基于网络的扩散分析（NBDA）中引入修改，以纳入复杂传染中典型的阈值采纳规则。
• 该方法可估计个体传播概率，并识别关键传播者或有影响力的个体。
• 该框架通过开源软件实现，支持在不同物种与数据集上的复现与拓展。

实验结果

研究问题

• RQ1 与简单传染假设相比，纳入复杂传染动力学是否能提高行为扩散模型的准确性？
• RQ2 个体在社交网络中的位置与其采纳社会学习行为的可能性之间存在何种关系？
• RQ3 多次社会暴露（即社会强化）在多大程度上提高了行为采纳的概率？
• RQ4 种群层面的社交结构（如聚类性或中心性）如何影响行为的传播？
• RQ5 该框架能否在较少定制化的情况下推广至不同物种与行为系统？

主要发现

• 该框架成功识别出行为传播更符合复杂传染机制的案例，尤其在采纳行为需要多次暴露时。
• 社交连通性更高且与群体中多个成员有紧密联系的个体，更可能采纳行为，尤其是在达到暴露阈值时。
• 社会强化显著提高了采纳概率，表明在所研究的系统中复杂传染动力学普遍存在。
• 模型揭示了种群层面的网络结构（如聚类性和中心性）塑造了行为扩散的速度与范围。
• 在拟合实证数据方面，该框架优于传统简单传染模型，尤其在具有高度社会同步性或从众行为的系统中。
• 开源实现使该框架可广泛应用于多样化的分类群与行为现象，已在野生与圈养种群中得到验证并展现出实用价值。