Mesa: Un cadru Python esențial pentru modelarea bazată pe agenți, cu aplicații în analiza rețelelor sociale

În era complexității sistemice, înțelegerea fenomenelor emergente necesită instrumente avansate. Mesa se distinge ca un cadru Python de modelare bazată pe agenți (ABM), oferind o platformă robustă pentru explorarea și simularea comportamentelor colective, inclusiv în contextul rețelelor sociale.

Ce este Mesa?

Mesa este o bibliotecă open-source care facilitează crearea de modele bazate pe agenți, permițând cercetătorilor și practicienilor să simuleze sisteme complexe prin intermediul interacțiunilor dintre agenți autonomi.

Caracteristici cheie:

🟥Modularitate și flexibilitate: Mesa oferă componente predefinite pentru modelare, cum ar fi grile spațiale și programatoare de agenți, dar permite și personalizarea extinsă pentru a se adapta la nevoi specifice, inclusiv modelarea interacțiunilor din rețelele sociale.

🟥Vizualizare interactivă: Interfața de vizualizare bazată pe browser permite monitorizarea în timp real a simulărilor, facilitând înțelegerea dinamicii sistemului, inclusiv a dinamicii rețelelor sociale.

🟥Integrare cu ecosistemul Python: Mesa se integrează perfect cu biblioteci populare precum Pandas și NumPy, oferind instrumente puternice pentru analiza datelor generate de simulări, inclusiv a datelor din rețelele sociale.

🟥Comunitate activă și documentație extinsă: O comunitate de utilizatori activă și o documentație detaliată asigură suport și resurse pentru dezvoltatori.

Aplicații în analiza rețelelor sociale:

Mesa este aplicabilă într-o gamă largă de domenii, inclusiv analiza rețelelor sociale:

🟥Răspândirea informațiilor: Modelarea modului în care informațiile se răspândesc în rețelele sociale, inclusiv fenomenul de fake news.

🟥Dinamica grupurilor: Simularea formării și evoluției grupurilor online, precum și a interacțiunilor dintre acestea.

🟥Influența socială: Studiul modului în care indivizii se influențează reciproc în rețelele sociale.

🟥Comportamentul mulțimilor online: Modelarea comportamentului mulțimilor virtuale în diverse contexte, cum ar fi proteste online sau campanii de marketing.

#soft@socialcomputing

https://mesa.readthedocs.io/latest/index.html

"Spiral of Silence in Social Networks: A Data-driven Approach" („Spirala tăcerii în rețelele sociale: O abordare bazată pe date”)

Articolul investighează aplicabilitatea teoriei spiralei tăcerii în rețelele sociale folosind un set de date reale colectat de pe platforma Sina Weibo. Teoria, propusă de Elisabeth Noelle-Neumann în 1973, sugerează că indivizii evită să-și exprime opiniile dacă acestea sunt minoritare, din frica izolării sociale. Studiul autorilor analizează această teorie în contextul rețelelor sociale, examinând patru factori cheie:

🟥Lățimea propagării – diferența dintre numărul de distribuiri ale opiniilor majoritare și minoritare.
🟥Adâncimea propagării – cât de departe se răspândește o opinie în rețea.
🟥Sentimentul mesajelor – diferențele de ton emoțional dintre opiniile majoritare și minoritare.
🟥Modularitatea propagării – cât de bine sunt grupate opiniile în cadrul comunităților din rețea.

Principalele concluzii

Teoria spiralei tăcerii este aplicabilă și în rețelele sociale: Opiniile majoritare se propagă mai mult și mai adânc, iar utilizatorii tind să adopte opiniile predominante.

Diferențe între tipurile de conținut: Categoriile Divertisment, Citate și Gastronomie manifestă cel mai puternic efect al spiralei tăcerii. Categoriile Film și Societate au un efect moderat, în timp ce Știință, Știri internaționale, Sport și Tehnologie prezintă o aplicabilitate redusă a teoriei.

Majoritatea opiniilor sunt mai conectate: Graficul modularității arată că opiniile dominante creează comunități mai bine interconectate, în timp ce opiniile minoritare sunt mai izolate.

Implicații și direcții viitoare

Rezultatele pot fi utilizate în publicitate personalizată și monitorizarea opiniei publice.

Autorii propun extinderea studiului prin analizarea mai multor aspecte specifice și cuantificarea mai precisă a efectului spiralei tăcerii în rețelele sociale.

Articolul oferă o perspectivă importantă asupra felului în care opiniile sunt influențate și propagate în social media, confirmând că fenomenul spiralei tăcerii rămâne relevant și în mediul digital.

https://www.computer.org/csdl/proceedings-article/asonam/2016/07752359/12OmNznCl2p

Camelia Florela Boinea, Political Attitudes Computational and Simulation Modelling (Modelarea computațională și simularea atitudinilor politice)

Știința politică a utilizat în mod tradițional cercetarea empirică și resursele analitice pentru a înțelege, explica și prezice fenomenele politice. Una dintre criticile de lungă durată împotriva modelării empirice vizează perspectiva statică oferită de paradigma modelului invariant.

În cercetarea în domeniul științelor politice, această problemă are o relevanță deosebită, deoarece fenomenele politice dovedesc grade sofisticate de dependență de context, a căror complexitate ar putea fi cu greu surprinsă de abordările tradiționale. Pentru a face față provocării complexității, a fost nevoie de o nouă paradigmă de modelare. Această carte se referă la această provocare.

În plus, lucrarea își propune să dezvăluie puterea modelării computaționale a atitudinilor politice de a consolida metodologia politică în confruntarea cu două provocări fundamentale: modelarea culturii politice și modelarea polity.

Cartea susține că un model artificial de polity ca instrument puternic de cercetare ar putea fi cu greu eficient fără teoria, experimentele și practica modelării computaționale și simulării atitudinilor politice și, prin extensie, a culturii politice.

Această lucrare:

🟥 Sintetizează stadiul actual al modelării computaționale a atitudinilor politice, cu ilustrații și exemple prezentate pe tot parcursul cărții.

🟥Explorează diferitele abordări ale modelării computaționale și modul în care cerințele de complexitate ale științei politice ar trebui să determine direcția metodelor de cercetare și evaluare.

🟥Abordează noua disciplină emergentă a științei politice computaționale.

🟥Pune în discuție paradigmele de modelare, modelarea și simularea bazate pe agenți și modelarea bazată pe complexitate.

🟥Pune în discuție clasele de modele în domeniile fundamentale ale comportamentului de vot și luării deciziilor, acțiunii colective, ideologiei și partizanatului, apariției revoltelor sociale și conflictelor civile, relațiilor internaționale, alocării resurselor publice, politicii și funcției instituționale, funcționării, dezvoltării și reformei, formării și schimbării atitudinilor politice în societățile democratice.

Cartea este ideală pentru studenții care au nevoie de o descriere conceptuală și operațională a fazelor, obiectivelor și rezultatelor modelării computaționale a atitudinilor politice pentru a înțelege modul în care atitudinile politice ar putea fi modelate și simulate computațional. Cercetătorii, experții în politici guvernamentale și internaționale vor beneficia, de asemenea, de această carte.

#books@socialcomputing

Un alt soft util pentru vizualizarea și analiza rețelelor sociale, bun pentru începători - SocNetV

Caracteristici de bază:

🟥Metrici standard de coeziune a grafurilor și rețelelor, cum ar fi densitatea, diametrul, geodezicele, distanțele, conectivitatea, excentricitatea, coeficientul de grupare, reciprocitatea etc.

🟥Rutine matriciale: Grafic de adiacență, matrice Laplaciană, matrice de grade, cocitare etc.

🟥Măsuri avansate pentru analiza rețelelor sociale, cum ar fi indicii de centralitate și de prestigiu (de exemplu, centralitatea eigenvector, centralitatea apropierii, centralitatea betweenness, centralitatea informațiilor, centralitatea puterii, prestigiul proximității și prestigiul pagerankului).

🟥Algoritmi rapizi pentru detectarea comunităților, cum ar fi recensământul triadelor, recensământul clicelor etc.

🟥Analiza echivalenței structurale utilizând gruparea ierarhică, asemănările dintre actori, disimilitudinile dintre profilurile de legături și coeficienții Pearson.

🟥Modele de dispunere bazate pe indici de proeminență (de exemplu, circular, nivel, dimensiuni nodale în funcție de scorul de centralitate) sau pe plasarea dirijată de putere (de exemplu, Kamada-Kawai, Fruchterman-Reingold).

🟥Încărcarea și editarea rețelelor multirelaționale.

🟥Crearea aleatorie de rețele folosind diverse modele (Barabási-Albert Scale-Free, Erdős-Rényi, Watts-Strogatz Small-World, d-regular, ring lattice etc.).

🟥Seturi de date faimoase de analiză a rețelelor sociale, cum ar fi familiile florentine Padgett.

🟥Web crawler încorporat pentru a crea automat „rețele sociale” din legăturile găsite într-un anumit URL.

🟥Documentație cuprinzătoare disponibilă atât online, cât și în interiorul aplicației.

#soft@socialcomputing

Cum ne poate ajuta analiza rețelelor să înțelegem cine va fi următorul Papă?

Un studiu realizat de cercetătorii de la Universitatea Bocconi analizează modul în care statutul, informațiile și alianțele influențează alegerea papală din cadrul Conclavului.

În spatele ușilor închise ale Conclavului, dinamici similare alegerilor prezidențiale sau numirii unui CEO sunt în joc, dar cu coduri și ritualuri antice. Cercetătorii au aplicat analiza rețelelor sociale Colegiului Cardinalilor pentru a înțelege ce structuri relaționale cresc probabilitatea ca un cardinal să devină papabil.

Studiul identifică trei criterii cheie pentru "prominența" unui cardinal:

🟥Statutul: Cardinalii conectați la cei mai influenți.
🟥Controlul informațiilor: Cei care acționează ca punți între grupuri.
🟥Capacitatea de a construi coaliții: Un indice compozit care măsoară coeziunea grupului, influența directă și rolul strategic.

Modelul include, de asemenea, o corecție statistică bazată pe vârsta medie a papilor aleși din 1800.

Clasamentele indică figuri centrale în rețeaua Vaticanului, cu o densitate mare de conexiuni între cardinalii cu orientare "soft liberal" și o bună distribuție geografică.

Echipa Bocconi subliniază că modelul este un instrument de înțelegere a contextului, nu o profeție. Istoria arată importanța dinamicii relaționale, dar și a factorilor spirituali și geopolitici.

@socialcomputing