فیزیک تأیید می کند که دشمن دشمن شما واقعاً دوست شما است

اگرچه مطالعات بی‌شماری با استفاده از علوم و ریاضیات شبکه‌ای برای تأیید این نظریه تلاش کرده‌اند، اما تلاش‌های آنها شکست خورده است زیرا شبکه‌ها از روابط کاملاً متعادل منحرف می‌شوند. بنابراین، سوال واقعی این است که آیا شبکه‌های اجتماعی بر اساس یک مدل شبکه کافی متعادل‌تر از حد انتظار هستند؟ اکثر مدل‌های شبکه بسیار ساده‌تر از آن بودند که پیچیدگی‌های روابط انسانی را که بر تعادل اجتماعی تأثیر می‌گذارند، کاملاً نشان دهند، و نتایج متناقضی در مورد اینکه آیا انحرافات مشاهده شده از انتظارات مدل شبکه با نظریه تعادل اجتماعی سازگار است یا خیر، به دست می‌آیند.

با این حال، تیم نورث وسترن با موفقیت دو قطعه کلیدی را که چارچوب اجتماعی حیدر را کارآمد می‌سازد، ادغام کرد. در زندگی واقعی، همه یکدیگر را نمی شناسند و برخی افراد مثبت تر از دیگران هستند. محققان مدت‌هاست که می‌دانستند هر عاملی بر پیوندهای اجتماعی تأثیر می‌گذارد، اما مدل‌های موجود تنها می‌توانند یک عامل را در یک زمان توضیح دهند. با گنجاندن همزمان هر دو محدودیت، مدل شبکه حاصل از محققان در نهایت نظریه معروف را حدود 80 سال پس از اولین پیشنهاد هایدر تأیید کرد.

چارچوب مفید جدید می‌تواند به محققان کمک کند تا پویایی‌های اجتماعی، از جمله قطبی‌سازی سیاسی و روابط بین‌الملل، و همچنین هر سیستمی که شامل ترکیبی از تعاملات مثبت و منفی، مانند شبکه‌های عصبی یا ترکیبات دارویی باشد را بهتر درک کنند.

Istvan Kovacs از نورث وسترن، نویسنده اصلی این مطالعه گفت: “ما همیشه فکر می کردیم که این شهود اجتماعی کار می کند، اما نمی دانستیم چرا کار می کند.” تنها چیزی که نیاز داشتیم این بود که ریاضیات را بفهمیم. اگر ادبیات را مرور کنید، مطالعات زیادی در مورد این نظریه وجود دارد، اما توافقی بین آنها وجود ندارد. برای چندین دهه، ما مدام اشتباه می کردیم. دلیلش این است که زندگی واقعی پیچیده است. ما متوجه شدیم که باید هر دو محدودیت را همزمان در نظر بگیریم: چه کسی چه کسی را می‌داند، و اینکه برخی افراد از دیگران دوستانه‌تر هستند.»

Bingjie Hao، نویسنده اول این مطالعه افزود: ما در نهایت می توانیم نتیجه بگیریم که شبکه های اجتماعی انتظاراتی را که 80 سال پیش شکل گرفته بود برآورده می کند. “یافته های ما همچنین کاربرد گسترده ای برای استفاده در آینده دارد. ریاضیات ما به ما اجازه می دهد که محدودیت هایی را در روابط و ترجیحات اشیاء مختلف در سیستم لحاظ کنیم. این برای مدل سازی سیستم های دیگر خارج از شبکه های اجتماعی مفید خواهد بود.

با استفاده از گروه های سه نفره، نظریه تعادل اجتماعی هایدر از این فرض حمایت می کند که افراد برای ایجاد روابط راحت و هماهنگ تلاش می کنند. در یک رابطه متعادل، همه افراد یکدیگر را دوست دارند. یا اگر یک نفر دو نفر را دوست نداشته باشد، هر دو دوست هستند. روابط نامتعادل زمانی وجود دارد که هر سه نفر از یکدیگر متنفر باشند، یا یک نفر از دو نفر که همدیگر را دوست ندارند دوست داشته باشد که منجر به اضطراب و تنش می شود. مطالعه چنین سیستم‌های ناکامی منجر به دریافت جایزه نوبل فیزیک ۲۰۲۱ برای فیزیکدان نظری ایتالیایی جورجیو پاریسی شد که این جایزه را با مدل‌سازان آب و هوا، تسوکورو مانابه و کلاوس هاسلمان به اشتراک گذاشت.

کواچ گفت: “به نظر می رسد که این بسیار با شهود اجتماعی مطابقت دارد.” می‌توانید ببینید که چگونه این امر منجر به دوقطبی‌بندی شدیدی می‌شود که امروز از نظر قطبی‌سازی سیاسی می‌بینیم. اگر هرکسی را که دوست دارید از همه افرادی که دوست ندارید هم بدشان می آید، این منجر به نفرت دو طرف از یکدیگر می شود.”

با این حال، جمع آوری داده های در مقیاس بزرگ که در آن نه تنها دوستان، بلکه دشمنان نیز فهرست شده اند، چالش برانگیز بود. با ظهور داده های بزرگ در اوایل دهه 2000، محققان تلاش کردند تا ببینند آیا چنین داده های امضا شده از شبکه های اجتماعی می تواند نظریه حیدر را تایید کند یا خیر. هنگامی که شبکه ها برای آزمایش قوانین هایدر ایجاد می شوند، افراد به عنوان گره ها عمل می کنند. لبه های اتصال گره ها نشان دهنده روابط بین افراد است.

اگر گره ها دوست نباشند، به لبه بین آنها یک مقدار منفی (یا خصمانه) اختصاص داده می شود. اگر گره ها دوستان باشند، لبه با یک مقدار مثبت (یا دوست) مشخص می شود. در مدل‌های قبلی، به لبه‌ها مقادیر مثبت یا منفی به‌طور خودسرانه و بدون رعایت هیچ یک از محدودیت‌ها اختصاص داده می‌شد. هیچ یک از این مطالعات به درستی واقعیت های شبکه های اجتماعی را نشان نداده اند.

برای بررسی این مشکل، کوواکس و هائو به چهار مجموعه داده شبکه در مقیاس بزرگ، در دسترس عموم و امضا شده توسط دانشمندان علوم اجتماعی، از جمله داده‌های (1) نظرات رتبه‌بندی شده توسط کاربر در سایت خبری اجتماعی Slashdot، روی آوردند. (2) تبادلات بین اعضای کنگره در زمین. (3) تعاملات بین معامله گران بیت کوین؛ و (4) بررسی محصول از سایت بررسی مصرف کننده Epinions.

در مدل شبکه خود، Kovacs و Hao مقادیر منفی یا مثبت واقعا دلخواه را به لبه ها اختصاص نمی دهند. برای اینکه هر تعاملی تصادفی باشد، هر گره باید شانس برابری برای رویارویی با یکدیگر داشته باشد. با این حال، در زندگی واقعی، همه افراد دیگر را در شبکه اجتماعی نمی شناسند. برای مثال، ممکن است شخصی هرگز دوست دوست خود را که در آن سوی دنیا زندگی می کند، ملاقات نکند.

کواچ و هائو برای واقعی‌تر ساختن مدل خود، مقادیر مثبت یا منفی را بر اساس یک مدل آماری که احتمال تخصیص علائم مثبت یا منفی به تعاملات موجود را توصیف می‌کند، اختصاص دادند. این از مقادیر دلخواه پشتیبانی می کند – اما دلخواه در محدوده های ارائه شده توسط محدودیت های توپولوژی شبکه. علاوه بر اینکه چه کسی می داند چه کسی، تیم این را در نظر گرفت که برخی از افراد در زندگی فقط دوستانه تر از دیگران هستند. افراد صمیمی بیشتر احتمال دارد که تعاملات مثبت و کمتر خصمانه داشته باشند.

با معرفی این دو محدودیت، مدل به دست آمده نشان داد که شبکه های اجتماعی در مقیاس بزرگ به طور مداوم با نظریه تعادل اجتماعی هایدر همسو هستند. این مدل همچنین الگوهای فراتر از سه گره را برجسته می کند. این نشان می‌دهد که نظریه تعادل اجتماعی برای گرافل‌های بزرگ‌تر که شامل چهار گره و احتمالاً حتی بیشتر است، اعمال می‌شود.

کواچ گفت: “اکنون می دانیم که شما باید این دو محدودیت را در نظر بگیرید.” “بدون آنها، شما نمی توانید با مکانیسم های مناسب دست پیدا کنید. پیچیده به نظر می رسد، اما در واقع یک ریاضی بسیار ساده است.

Kovacs و Hao در حال حاضر در حال بررسی چندین جهت آینده برای این کار هستند. در یک جهت بالقوه، مدل جدید می تواند برای بررسی مداخلات با هدف کاهش قطبی شدن سیاسی استفاده شود. اما محققان می گویند این مدل می تواند به درک بهتر سیستم های فراتر از گروه های اجتماعی و پیوندهای بین دوستان کمک کند.

کوواکس گفت: «ما می‌توانیم به اتصالات تحریک‌کننده و بازدارنده بین نورون‌های مغز یا فعل و انفعالاتی که نشان‌دهنده ترکیب‌های مختلف داروها برای درمان بیماری‌ها هستند، نگاه کنیم. “مطالعه شبکه های اجتماعی یک زمینه تحقیقاتی ایده آل بود، اما علاقه اصلی ما فراتر از بررسی تعاملات بین دوستان و نگاه کردن به شبکه های پیچیده دیگر است.”

برای خبرنامه Daily Dose ثبت نام کنید و بهترین اخبار علمی صبحگاهی را از سراسر وب دریافت کنید که مستقیماً به صندوق ورودی شما تحویل داده می شود؟ به آسانی صبح یکشنبه است.