A Multi-Perturbation Stability Framework for Assessing Community Structure in Complex Networks

في دراسة الشبكات المعقدة، ينظر العلماء إلى كل شيء، من اتصالات وسائل التواصل الاجتماعي إلى توصيلات الدماغ، باعتبارها شبكات هائلة من العقد والروابط. وتتمثل إحدى الألغاز المركزية في هذا المجال في تحديد "المجتمعات" — وهي مجموعات من العقد المترابطة ببعضها البعض داخليًا ولكنها ترتبط بشكل فضفاض ببقية الشبكة. تخيل مدرسة حيث تشكل مجموعات الطلاب فرق أصدقاء متميزين يختلطون بحرية أثناء الغداء، لكنهم نادرًا ما يتفاعلون مع طلاب من مدارس أخرى. إن العثور على هذه المجموعات هو أمر، ولكن قياس مدى حقيقتها أو قوتها الفعلية ظل مشكلة مستعصية. قد تبدو الشبكة وكأنها تحتوي على مجموعات واضحة، ولكن إذا تلاشت تلك المجموعات بمجرد كسر عدد قليل من الاتصالات، فقد لا تكون ذات مغزى كبير. لسنوات، اعتمد الباحثون على مقياس يسمى "النمطية" (modularity) للحكم على هذه الهياكل، لكن هذه الأداة عُرفت بعيوبها، إذ غالبًا ما تجد أنماطًا حيث لا توجد، أو تفشل في رؤيتها عندما تكون باهتة. ويبقى السؤال: كيف يمكننا معرفة ما إذا كان المجتمع ميزة حقيقية ومتينة، أم مجرد وهم عابر ناتج عن الطريقة التي ننظر بها إليه؟

اقترح فريق من الباحثين من الجامعة الوطنية لتكنولوجيا الدفاع وجامعة هندسة دعم المعلومات في الصين طريقة جديدة للإجابة على هذا السؤال. فبدلاً من مجرد أخذ لقطة للشبكة وحساب درجة معينة، قرروا إخضاعها لاختبار الإجهاد. يعتمد نهجهم على فكرة بسيطة وبديهية: إذا كان هيكل المجتمع قويًا حقًا، فيجب أن يكون قادرًا على الصمود أمام الضرر. تمامًا كما قد يصمد مبنى متين أمام بعض الطوب المفقود بينما ينهار مبنى هش، فإن الشبكة ذات المجتمعات الحقيقية يجب أن تحافظ على تماسك مجموعاتها حتى عند إزالة أجزاء منها أو إعادة خلطها. وقد طور الباحثون إطارًا يعمل على إلحاق الضرر بالشبكة بشكل منهجي بثلاث طرق مختلفة ومراقبة مدى صمود المجموعات الأصلية.

طبق الفريق ثلاثة أنواع محددة من "الضرر" على شبكاتهم. أولاً، قاموا بإزالة نسبة مئوية من الاتصالات عشوائيًا، مما يحاكي فقدان الشبكة للروابط. ثانيًا، أخذوا الاتصالات الموجودة وأعادوا ربطها لتتصل بأجزاء مختلفة من الشبكة، مما أدى فعليًا إلى بعثرة الهيكل الأصلي. ثالثًا، قاموا بإزالة عقد كاملة، وهو ما يمثل فقدان أفراد أو مكونات من النظام. ولكل نوع من أنواع الضرر، قاموا بزيادة شدة الضرر تدريجيًا، من ضرر طفيف إلى ضرر جسيم، وقاسوا مدى بقاء المجموعات الأصلية عند كل خطوة. واستخدموا مقياسًا معياريًا للتشابه لمعرفة مدى مطابقة مجموعات الشبكة المتضررة للمجموعات الأصلية. ومن خلال رسم هذه النتائج، أنشأوا منحنى يوضح مرونة الشبكة. وأصبح المساحة الواقعة تحت هذا المنحنى تمثل درجة واحدة تعبر عن استقرار هيكل المجتمع.

ولجعل هذه الدرجة مفيدة، دمج الباحثون النتائج من أنواع الضرر الثلاثة في رقم مركب واحد. واستخدموا طريقة إحصائية لتحديد الوزن الذي يجب إعطاؤه لكل نوع من أنواع الضرر، مما ضمن أن تكون الدرجة النهائية موضوعية وغير قائمة على التفضيل الشخصي. ثم اختبروا هذه الدرجة الجديدة مقابل شبكات عشوائية تمتلك نفس عدد الاتصالات ولكن دون أي هيكل حقيقي. كانت هذه الخطوة حاسمة لضمان أن الدرجة العالية تعني وجود مجتمع حقيقي، وليس مجرد تقلب عشوائي يبدو كمجموعة. وأظهرت اختباراتهم أن درجة الاستقرار الجديدة هذه تعمل بشكل جيد؛ ففي الشبكات التي عرفوا فيها أن المجموعات قوية، كانت الدرجة عالية، وفي الشبكات التي كانت فيها المجموعات ضعيفة أو غير موجودة، انخفضت الدرجة.

كان أحد أهم النتائج هو أن هذه الطريقة الجديدة تكمل الطريقة القديمة. فمقياس النمطية التقليدي ومقياس الاستقرار الجديد غالبًا ما يقدمان قصصًا مختلفة. يقيس المقياس التقليدي مدى كثافة الاتصالات داخل المجموعة مقارنة بالصدفة العشوائية، بينما يقيس المقياس الجديد مدى صمود تلك المجموعات عند تعرض الشبكة للهجوم. في بعض الحالات، قد تبدو الشبكة منظمة للغاية وفقًا للمقياس القديم ولكنها تتفكك فور تعرضها للضرر، مما يكشف أن الهيكل كان هشًا. وفي حالات أخرى، قد يكون المقياس الجديد مرتفعًا حتى لو كان المقياس التقليدي أقل، مما يشير إلى هيكل متين ولكنه ربما أقل كثافة. وجد الباحثون أنه بالنسبة للشبكات ذات المجتمعات الواضحة والقوية، اتفق كلا المقياسين على ترتيب القوة، ولكن بالنسبة للشبكات الأضعف أو الأكثر غموضًا، اختلفا، مما قدم صورة أكثر اكتمالًا عند استخدامهما معًا.

كما كشفت الدراسة أن الخوارزمية المستخدمة للعثور على المجموعات أمر مهم. فقد اختبر الباحثون طريقتهم باستخدام ثلاث خوارزميات مختلفة للكشف. ووجدوا أنه بينما تتغير الدرجة الرقمية الدقيقة اعتمادًا على الخوارونة المستخدمة، إلا أن ترتيب قوة الشبكة ظل ثابتًا بالنسبة للهياكل المحددة جيدًا. ومع ذلك، في الشبكات ذات الهياكل المجتمعية الضعيفة جدًا، تباينت الدرجات بشكل كبير بين الخوارزميات. وهذا يشير إلى أن درجة الاستقرار ليست خاصية مطلقة أو جوهرية للشبكة نفسها، بل هي أداة تشخيصية تعتمد على الطريقة المستخدمة لرؤيتها. وهذا ليس عيبًا، بل هو ميزة: فهو يجبر الباحثين على أن يكونوا صادقين بشأن الأدوات التي يستخدمونها وأن يفهموا أن "قوة" المجتمع هي علاقة بين الشبكة وطريقة التحليل.

تعلق اكتشاف رئيسي آخر بحجم الشبكة. حاول الباحثون تطبيع درجاتهم لجعل الشبكات ذات الأحجام المختلفة قابلة للمقارنة، لكنهم وجدوا أن التعديلات الرياضية البسيطة لم تنجح. فدرجة الاستقرار تتغير طبيعيًا مع نمو الشبكة أو زيادة كثافة المجموعات، مما يشير إلى أن مقياس الشبكة مرتبط بعمق بكيفية سلوك مجتمعاتها. وهذا يعني أن مقارنة شبكة صغيرة بشبكة ضخمة باستخدام رقم خام واحد هو أمر مضلل. وبدلاً من ذلك، يقترح الباحثون أن الدرجة تكون أكثر فائدة عند مقارنة الشبكات ذات الحجم والكثافة المتقاربين، أو عند النظر في الأهمية الإحصائية لدرجة ما مقابل خط أساس عشوائي.

عندما طبق الفريق طريقتهم على أربع شبكات شهيرة من العالم الحقيقي — الشبكة الاجتماعية لنادي كاراتيه، ومجموعة اجتماعية للدلافين، وجدول مباريات كرة قدم جامعية، وشبكة من الكتب السياسية — وجدوا أن جميع الشبكات الأربع أظهرت هياكل مجتمعية ذات دلالة إحصائية. نجحت الطريقة في تمييز هذه الشبكات الحقيقية عن مجموعة ضابطة عشوائية، والتي لم تظهر أي استقرار معنوي. ومن المثير للاهتمام أن الطريقة سلطت الضوء أيضًا على الاختلافات بين الشبكات الحقيقية التي أغفلها المقياس التقليدي. فعلى سبيل المثال، بينما قد تمتلك إحدى الشبكات درجة تقليدية أعلى، قد تظهر أخرى استقرارًا أكبر تحت الضرر، مما يشير إلى أنواع مختلفة من السلامة الهيكلية.

خلص الباحثون إلى أن إطار العمل متعدد الاضطرابات يوفر عدسة جديدة قيمة لفهم الشبكات المعقدة. فهو ينتقل من القياسات الساكنة إلى القياسات الديناميكية، فلا يسأل فقط "كيف يتم ترتيب هذه المجموعات؟" بل "إلى أي مدى تصمد هذه المجموعات؟". ومن خلال الجمع بين أنواع مختلفة من اختبارات الإجهاد وتأسيس النتائج على الأهمية الإحصائية، تقدم هذه الطة وسيلة أكثر صرامة لتقييم هيكل المجتمع. إنها لا تستبدل الأدوات الموجودة، بل تضيف طبقة ضرورية من العمق، مما يساعد العلماء على التمييز بين الأنماط الحقيقية المتينة وبين النماذج الهشة المصطنعة. ويؤكد هذا العمل أنه في عالم الشبكات المعقدة، لا يتم تعريف الهيكل الحقيقي فقط من خلال كيفية اتصال الأشياء، بل من خلال مدى قدرة تلك الاتصالات على الصمود عندما يواجه النظام تحديًا.