Fig. 1 Bärbar sensor. Kredit:SocioPatterns
Under de senaste åren har beteendemönster hos sociala varelser, som människor, nötkreatur, myror, etc., har upptäckts genom att använda bärbara sensorer som kallas Radio Frequency Identification (RFID)-enheter (fig. 1).
SocioPatterns-projektet som leds av Dr. Alain Barrat och kollegor har offentliggjort datauppsättningen av kontaktuppgifter för individuella par som samlats in av RFID-enheter. Dock, eftersom RFID-datauppsättningarna innehåller alla slags kontakter mellan individer, de kan inkludera icke-nödvändiga kontakter som bara observeras av en slump, i motsats till avsiktliga händelser som samtal mellan nära vänner.
Dr. Teruyoshi Kobayashi från Kobe University och hans team utvecklade en ny metod för att identifiera individer som har väsentliga kopplingar mellan dem – vad de kallar "betydande band". Dr Kobayashi säger:"Poängen är att vi måste skilja mellan kontakthändelser som kan hända av en slump och händelser som inte skulle hända utan en betydande relation mellan två individer." Deras resultat publicerades i Naturkommunikation den 15 januari.
Naturligtvis, det totala antalet registrerade kontakter blir större för dem som är socialt mycket aktiva än för dem som är blyga. Det betyder att det inte räcker att räkna antalet bilaterala interaktioner för att hitta "vänner" i sociala nätverk. Den nya metoden som föreslagits av Dr. Kobayashi och hans team gör att man kan kontrollera skillnaden i individers aktivitetsnivåer. Intressant, de extraherade betydande banden baserade på nätverk ansikte mot ansikte som samlats in i en grundskola i Lyon, Frankrike bildar flera kluster, som var och en exakt efterliknar en verklig skolklass (Fig. 2). Dr. Kobayashi kommenterar:"Det är ganska naturligt att kontakter inom varje klass förklarar de flesta av de viktiga banden, men detta fenomen är inte väl fångat av de befintliga metoder som ursprungligen utvecklades för statiska nätverk."
Fig. 2 Betydande band i en grundskola i Lyon, Frankrike. Varje prick representerar en elev och färg anger en klass (lärare anges med svarta prickar). Linjer representerar betydande band. Antalet väsentliga kanter hålls konstant över tre paneler. Vänster:väsentliga kanter väljs i fallande ordning efter antalet kontakter. Mitten:väsentliga kanter detekteras av disparitetsfiltret (Serrano et al., 2009). Höger:ny metod. Kredit:Kobe University
En fördel med denna metod är att den kan tillämpas på alla slags dynamiska nätverk som bildas av bilaterala tidsinteraktioner. Till exempel, Dr. Kobayashi och Dr. Taro Takaguchi (en av medförfattarna) undersökte interbankmarknaden i Italien och bekräftade att andelen banker som anses vara förbundna med betydande band ökade särskilt under tiden för den globala finanskrisen 2008-2009 .
Om möjligheten till framtida ansökan, Dr. Kobayashi tillägger:"Denna metod förväntas fånga utvecklingen av olika komplexa nätverk från interbankmarknader till en flock kor. Om den implementeras på ett ansikte mot ansikte nätverk av studenter, till exempel, man kanske kan upptäcka tecken på mobbning och/eller utfrysning."
