Даже быки боятся новых быков в стаде

Когда мы изучаем развитие социальных связей во времени, наше время — очень специальное. Что мы имеем в виду? Часто мы работаем всего лишь с 2-3 временными срезами. Например, у нас есть анкетные данные о школьниках в начале, середине и конце учебного года: про то, с кем они дружат и курят ли. Допустим, мы хотим понять, как курение распространяется по дружеским связям, и разобраться, насколько курить и "быть крутым парнем или девчонкой" – это связанные вещи в данном случаe. Используя стандартные методы анализа социальных сетей (например, мы уже писали об одном из них), мы можем ответить на эти вопросы.

В то же время, понятно, что реальные взаимоотношения людей устроены намного сложнее и комплекснее. Например, сегодня я дружу с крутым парнем и курю с ним за компанию, а завтра я вдруг решаю, что пора готовиться к ЕГЭ и поступать в университет. Послезавтра я стараюсь формировать новые контакты с ботаниками в классе, чтобы осуществить свои новые жизненные планы. Но через неделю я понимаю, что ботаники в ответ не желают идти на контакт, да, и к тому же, с ними не так весело. Реальная жизнь полна таких случаев, и часто все эти изменения трудно вместить в всего лишь несколько срезов данных.

В этом посте расскажем про relational event modeling (REM) — методе анализа сетевых данных, который позволяет изучать происходящие события в режиме реального времени. Переведем relational event modeling как моделирование реляционных событий.
Пока метод используется достаточно редко, потому что относительно новый и до сих пор дорабатывается и совершенствуется. Тем не менее, нам кажется, что это любопытный подход, который позволяет делать много интересного и более детально подходить к течению времени в социальных сетях.

Что такое реляционные события?

Это эпизодические события, которые происходят в определенный момент времени и имеют известных отправителя и получателя этого события. Иногда мы также можем знать о типе самого события. Пожалуй, вся онлайн-коммунакация — это набор реляционных событий. Это отправка почты, лайки в Фейсбуке, ретвиты в Твиттере, отправка фотографий в Снапчат. Если говорить о реальном мире, то примерами могут быть: передача денег во время покупок, набор действий во время ухода за ребенком, телефонные звонки, общение с коллегами на работе. Зачем работать с сотнями, тысячами и миллионами таких единичных микрособытий? Это позволяет вскрыть тенденции в, казалось бы, мало связанной последовательности событий, из которых, на самом деле, и формируется действие.

Общение людей на кофе-брейке можно воспринимать как набор микрособытий. Источник изображения

Базовая идея REM в том, что мы предсказываем будущие события в зависимости от структуры уже произошедших событий. Метод основан на анализе выживаемости, однако в него также добавляются элементы сетевого анализа. Как здесь может помочь сетевой анализ? Мы просто смотрим на развитие событий с точки зрения типичных сетевых механизмов. Например, известно, что во многих социальных сетях действует такое правило – «друг моего друга – мой друг». Для событий можно предположить похожую ситуацию: если два актора совершают один тип события сегодня, то завтра и послезавтра они могут также склонны совершать и другие типы событий.

С чего все началось: теракт 11 сентября и протесты

Метод впервые был предложен в статье Картера Баттса 2008 года про радиокоммуникацию спасательных служб во время теракта 11 сентября в США. Закодировав членов службы как отправителей и получателей, а сообщения разного рода как набор событий, Баттс тестирует некоторые гипотезы о том, по каким законам может происходить коммуникация во время критических ситуаций. Например, он обнаружил высокую взаимность (радист А посылает сигнал радисту В, через пару минут уже А получает ответное сообщение от В), но незначительные триадные эффекты (А сообщил информацию В, затем В сообщил С, но связи между А и С в будущем не произошло). Полученные результаты Баттс объясняет тем, что эта кризисная ситуация могла бы быть разрешена более успешно, о чем многократно писали в литературе.

Пример системы коммуникации и наблюдения во время кризисных ситуаций. Источник изображения

Годом позже, Ульрик Брандес, Юрген Лернер и Том Снайдерс предложили более расширенную версию этого метода. В их случае события могли были взвешенными – окрашенными положительно или негативно. Они используют несколько баз данных про различные политические события и проверяют, какие есть тенденции в их динамике. Акторами могли быть, например, страны, организации, этнические группы; событиями – визиты, заключение договоров, гуманитарная помощь (позитивно окрашенные события), войны, угрозы, обвинения (негативно окрашенные). Они проверяют гипотезы и взаимности ("если ты со мной дружишь, я дружу с тобой в ответ") и о структурном балансе ("враг моего врага – мой друг").

Они обнаружили, что политические акторы склонны вести себя враждебно по отношению к тем, кто вел себя враждебно по отношению к ним в прошлом. Однако этот эффект взаимности был в меньшей степени выражен для положительного поведения. Иными словами, если одна страна относится к другой положительно и оказывает ей помощь, это ещё не значит, что она получит симметричную поддержку.

Новый бык в стаде

Мы решили немного подробнее рассказать про одно любопытное применение этого метода. Это прошлогодняя статья из журнала «Поведенческая экология и социобиология» и она про отношения между быками Bos Indicus.

Исследователи хотели ответить на вопрос, как меняют поведение знакомые между собой быки, если к ним в группу приходит новенький бычок. Изучение такой, казалось бы, странной темы, на самом деле важно для понимания того, как животные формируют контакты, интегрируются в новую среду и, в целом, как устроена их групповая динамика. Это все разъясняет множество процессов, происходящих в мире животных: выбор партнеров для спаривания, чистка шерсти друг друга (grooming, о котором мы уже писали), передача заболеваний.

Bos Indicus. Источник изображения

Авторы начинают с того, что теперь, благодаря технологиям, стало многое возможно в плане изучения группового поведения животных. Сейчас собирается множество данных о контактах животных с использованием датчиков расстояния. В отличие от людей, взаимоотношения животных в большей степени построены именно на кратковременных контактах. Это мы, люди, часто имеем достаточно продолжительные по времени взаимоотношения, например, мы дружим или работаем вместе с другими людьми. В свою очередь для изучения информации о кратковременных контактах идеально подходит моделирование реляционных событий.

Итак, как изучались контакты между быками? Исследователи отобрали 2 группы быков: 1) группа из 24 быков, которые были вместе в одном загоне целый год (то есть предполагалось, что они знакомы) и 2) группа из 42 не знакомых быков. Знакомство измерялось через контакты, которые фиксировались датчиками расстояния.

Что сделали исследователи? Они предсказывают новые контакты между парой животных, объясняя их историей контактов этой пары, характеристиками этих двух животных, а также прошлыми контактами всех животных в этой сети.

Что они обнаружили? Выяснилось, что к новым быкам в загоне относятся подозрительно. Если пара быков уже была знакома в прошлом, и рядом с ними появляется новый незнакомый бык, эта пара будет продолжать контактировать преимущественно друг с другом, избегая контактов с новым быком. Если один бык участвовал с другим быком в какой-то групповой активности, то в будущем они также будут чаще контактировать. Таким образом, даже опосредованное знакомство важно для поддержания контактов с уже знакомыми быками.

Авторы говорят, что такое предпочтительное формирование контактов (с теми, кто знаком) типично для многих видов животных, известно, что это встречается у жирафов, свиней, дельфинов и зябликов. Новое животное часто воспринимается как угроза социальному статусу животного, которое находится в этой группе на протяжении более длительного времени, а также как угроза ввиду постоянной необходимости борьбы за ресурсы. Именно поэтому знакомые животные, как и люди, могут обеспечивать социальную поддержку друг друга. При этом любопытные результаты были обнаружены относительно быков-новичков в стаде. Именно они были теми акторами, которые стремились производить новые события. Например, новенькие часто первыми приближались к группам уже знакомых между собой животных и стремились производить групповые события.

Что еще почитать на тему

Моделирование реляционных событий уже было использовано в самых разных областях. Можно назвать следующие интересные работы:

* Статья про литературную сеть авторов и критиков, где события – это негативные или положительные рецензии на работы;

* Про групповую динамику в командах. И еще одна на эту же тему;

*Про историю личных сообщений в интернет-сообществе и про коммуникацию на сайтах;

* Про коммуникацию в школьных классах.

Поработать с REM можно в пакетах relevent и informR в статистической среде R на примере этого тьюториала.