Новое исследование впервые использует статистическую физику для подтверждения теории социального баланса 1940-х годов.

Большинство людей слышали известную фразу «враг моего врага – мой друг». Теперь исследователи Северо-Западного университета использовали статистическую физику, чтобы подтвердить теорию, лежащую в основе этой знаменитой аксиомы. Исследование «Правильная сетевая рандомизация является ключом к оценке социального баланса» опубликовано в журнале. Достижения науки.

В 1940-х годах австрийский психолог Фриц Хайдер представил теорию социального баланса, которая объясняет, как люди врожденно стремятся найти гармонию в своем социальном кругу. Согласно теории, четыре правила — враг врага — друг, друг друга — друг, друг врага — враг и, наконец, враг друга — враг — приводят к сбалансированному отношения.

Хотя бесчисленные исследования пытались подтвердить эту теорию с помощью сетевой науки и математики, их усилия не увенчались успехом, поскольку сети отклоняются от идеально сбалансированных отношений. Следовательно, реальный вопрос заключается в том, являются ли социальные сети более сбалансированными, чем ожидалось в соответствии с адекватной сетевой моделью.

Большинство сетевых моделей были слишком упрощены, чтобы полностью отразить сложности человеческих отношений, которые влияют на социальный баланс, что давало противоречивые результаты о том, соответствуют ли наблюдаемые отклонения от ожиданий сетевой модели теории социального баланса.

Однако команда Northwestern успешно объединила два ключевых элемента, благодаря которым социальная система Хайдера работает. В реальной жизни не все друг друга знают, и некоторые люди настроены более позитивно, чем другие. Исследователи давно знали, что каждый фактор влияет на социальные связи, но существующие модели могли учитывать только один фактор за раз.

Благодаря одновременному включению обоих ограничений полученная исследователями сетевая модель наконец подтвердила знаменитую теорию примерно через 80 лет после того, как Хайдер впервые предложил ее.

Полезная новая структура может помочь исследователям лучше понять социальную динамику, включая политическую поляризацию и международные отношения, а также любую систему, которая включает в себя смесь положительных и отрицательных взаимодействий, например, нейронные сети или комбинации лекарств.

«Мы всегда думали, что эта социальная интуиция работает, но мы не знали, почему она работает», — сказал Иштван Ковач из Northwestern, старший автор исследования.

«Все, что нам нужно было, это разобраться в математике. Если вы посмотрите литературу, есть много исследований по теории, но между ними нет согласия. На протяжении десятилетий мы продолжали ошибаться. Причина в том, что реальная жизнь сложна. Мы поняли, что нам нужно принять во внимание оба ограничения одновременно: кто знает кого и то, что некоторые люди просто более дружелюбны, чем другие».

«Наконец-то мы можем сделать вывод, что социальные сети соответствуют ожиданиям, сформировавшимся 80 лет назад», — добавил Бинцзе Хао, первый автор исследования. «Наши результаты также имеют широкое применение для будущего использования. Наша математика позволяет нам учитывать ограничения на связи и предпочтения различных объектов в системе. Это будет полезно для моделирования других систем за пределами социальных сетей».

Ковач — доцент кафедры физики и астрономии в Вайнбергском колледже искусств и наук Северо-Западного университета. Хао — научный сотрудник своей лаборатории.

Что такое теория социального баланса?

Используя группы из трех человек, теория социального баланса Хайдера исходит из предположения, что люди стремятся к комфортным и гармоничным отношениям.

В сбалансированных отношениях все люди нравятся друг другу. Или, если одному человеку не нравятся два человека, эти двое — друзья. Несбалансированные отношения существуют, когда все три человека не любят друг друга или одному человеку нравятся два человека, которые не любят друг друга, что приводит к тревоге и напряжению.

Изучение таких неудовлетворительных систем привело к присуждению Нобелевской премии по физике 2021 года итальянскому физику-теоретику Джорджио Паризи, который разделил премию с разработчиками климатических моделей Сюкуро Манабе и Клаусом Хассельманном.

«Кажется, это очень соответствует социальной интуиции», — сказал Ковач. «Вы можете видеть, как это приведет к крайней поляризации, которую мы наблюдаем сегодня с точки зрения политической поляризации. Если всем, кто вам нравится, также не нравятся все люди, которые вам не нравятся, то это приведет к появлению двух партий, которые ненавидят друг друга».

Однако собрать масштабные данные, в которых фигурируют не только друзья, но и враги, оказалось непросто. С появлением больших данных в начале 2000-х исследователи попытались выяснить, могут ли такие подписанные данные из социальных сетей подтвердить теорию Хайдера. При создании сетей для проверки правил Хайдера отдельные люди служат узлами. Ребра, соединяющие узлы, представляют отношения между людьми.

Если узлы не являются друзьями, то ребру между ними присваивается отрицательное (или враждебное) значение. Если узлы являются друзьями, то ребро отмечается положительным (или дружественным) значением. В предыдущих моделях ребрам присваивались положительные или отрицательные значения случайным образом, без соблюдения обоих ограничений. Ни одно из этих исследований точно не отражало реалии социальных сетей.

Как добиться успеха в ограничениях

Чтобы изучить проблему, Ковач и Хао обратились к четырем крупномасштабным, общедоступным наборам подписанных сетевых данных, ранее курируемых социологами, включая данные из 1) комментариев пользователей на сайте социальных новостей Slashdot; 2) обмен мнениями между членами Конгресса в Палате представителей; 3) взаимодействие между биткойн-трейдерами; и 4) обзоры продуктов на сайте потребительских обзоров Epinions.

В своей сетевой модели Ковач и Хао не присваивали ребрам действительно случайные отрицательные или положительные значения. Чтобы каждое взаимодействие было случайным, каждый узел должен иметь равные шансы встретиться друг с другом. Однако в реальной жизни не все знают друг друга в социальной сети. Например, человек может никогда не встретить друга своего друга, который живет на другом конце света.

Чтобы сделать свою модель более реалистичной, Ковач и Хао распределили положительные или отрицательные значения на основе статистической модели, которая описывает вероятность присвоения положительных или отрицательных знаков существующим взаимодействиям. При этом значения оставались случайными, но случайными в пределах, заданных ограничениями топологии сети. Помимо неизвестно кого, команда учла, что некоторые люди в жизни просто дружелюбнее других. Дружелюбные люди с большей вероятностью будут иметь более позитивное и меньшее враждебное взаимодействие.

Введя эти два ограничения, полученная модель показала, что крупномасштабные социальные сети последовательно соответствуют теории социального баланса Хайдера. Модель также выявила закономерности, выходящие за рамки трех узлов. Это показывает, что теория социального баланса применима к более крупным графлетам, которые включают четыре, а возможно, и больше узлов.

«Теперь мы знаем, что необходимо принять во внимание эти два ограничения», — сказал Ковач. «Без них невозможно придумать правильные механизмы. Это выглядит сложно, но на самом деле это довольно простая математика».

Понимание поляризации и не только

Ковач и Хао в настоящее время изучают несколько будущих направлений этой работы. В одном потенциальном направлении новая модель может быть использована для изучения мер, направленных на снижение политической поляризации. Но исследователи говорят, что модель может помочь лучше понять системы, выходящие за рамки социальных групп и связей между друзьями.

«Мы могли бы изучить возбуждающие и тормозящие связи между нейронами головного мозга или взаимодействия, представляющие различные комбинации лекарств для лечения заболеваний», — сказал Ковач. «Исследование социальных сетей стало идеальной площадкой для изучения, но наш главный интерес — выйти за рамки исследования взаимодействий между друзьями и взглянуть на другие сложные сети».

Код и данные, лежащие в основе статьи «Правильная рандомизация сети является ключом к оценке социального баланса», доступны на GitHub.