Modeling Uncertainty in Social Network

मानवीय जुड़ाव के अध्ययन में, वैज्ञानिक लंबे समय से उन मानचित्रों पर भरोसा करते आए हैं जो दिखने में बेहद सरल लगते हैं। ये मानचित्र, जिन्हें सामाजिक नेटवर्क कहा जाता है, रिश्तों को बाइनरी स्विच (binary switches) की तरह मानते हैं: दो लोग या तो जुड़े हुए हैं या वे नहीं हैं। यदि वे जुड़े हैं, तो उनके बीच एक रेखा खींची जाती है; यदि नहीं, तो वह स्थान खाली रहता है। यह दृष्टिकोण दोस्तों की गिनती करने या यह ट्रैक करने के लिए उपयोगी रहा है कि कोई अफवाह कितनी तेज़ी से फैल सकती है, लेकिन यह मानव जीवन की जटिल वास्तविकता को पकड़ने में संघर्ष करता है। वास्तविक दुनिया में, एक रिश्ता शायद ही कभी केवल 'हाँ' या 'ना' का मामला होता है। यह भावनाओं का एक स्पेक्ट्रम है। एक सहकर्मी एक साझेदारी को एक गहरे, महत्वपूर्ण गठबंधन के रूप में देख सकता है, जबकि दूसरा इसे विचारों के एक आकस्मिक, सामयिक आदान-प्रदान के रूप में देख सकता है। पारंपरिक मानचित्र इन जटिल, अस्पष्ट भावनाओं को कठोर श्रेणियों में डालने के लिए मजबूर करते हैं, जिससे उस अनिश्चितता का अस्तित्व ही मिट जाता है जो वास्तव में लोगों के बीच होने वाली बातचीत को परिभाषित करती है।

तेहरान विश्वविद्यालय के शोधकर्ताओं ने इन मानचित्रों को बनाने का एक नया तरीका प्रस्तावित किया है, जो इस अनिश्चितता को अनदेखा करने के बजाय इसे स्वीकार करता है। 'फजी लॉजिक' (fuzzy logic) नामक एक गणितीय दृष्टिकोण का उपयोग करके, उन्होंने एक ऐसी प्रणाली बनाई जो रिश्तों को "फजी" (fuzzy) कनेक्शन के रूप में मौजूद रहने देती है, जहाँ एक बंधन की ताकत कोई एक निश्चित संख्या नहीं बल्कि संभावनाओं की एक सीमा होती है। इस पद्धति का परीक्षण तेहरान विश्वविद्यालय के प्रोफेसरों के एक वास्तविक समूह पर किया गया, जिससे पता चला कि जब हम यह मानने का ढोंग करना छोड़ देते हैं कि मानवीय रिश्ते सटीक होते हैं, तो हमें समुदाय में शक्ति और प्रभाव रखने वाले लोगों की एक अलग, अधिक सटीक तस्वीर दिखाई देती है। अध्ययन बताता है कि एक नेटवर्क में सबसे महत्वपूर्ण लोग हमेशा वे नहीं होते जिनके पास सबसे अधिक संबंध होते हैं, बल्कि अक्सर वे होते हैं जो दूसरों के बीच सबसे विश्वसनीय सेतु (bridge) के रूप में कार्य करते हैं—एक ऐसी भूमिका जो केवल तभी दृश्यमान होती है जब हम मानवीय धारणा में निहित अनिश्चितता को ध्यान में रखते हैं।

इस नए दृष्टिकोण का मूल आधार इस बात में निहित है कि यह एकत्र किए गए डेटा के साथ कैसा व्यवहार करता है। एक मानक सर्वेक्षण में, एक प्रोफेसर से उनके सहकर्मी के साथ सहयोग को "बहुत कम" से "बहुत उच्च" के पैमाने पर रेट करने के लिए कहा जा सकता है। एक पारंपरिक विश्लेषण में, एक शोधकर्ता केवल शब्द "उच्च" को संख्या 4 में और "बहुत उच्च" को संख्या 5 में बदल सकता है। यह एक व्यक्तिपरक भावना को एक कठोर तथ्य में बदल देता है, जैसे कि 4 और 5 के बीच का अंतर एक मीटर और दो मीटर के बीच के अंतर जितना सटीक हो। तेहरान विश्वविद्यालय की टीम का तर्क था कि यह एक गलती है। एक एकल संख्या थोपने के बजाय, उन्होंने इन शब्दों को "त्रिकोणीय फजी संख्याओं" (triangular fuzzy numbers) में अनुवादित किया। इसे एक ग्राफ पर एक बिंदु रखने के बजाय एक छोटा सा टीला (hill) खींचने के रूप में समझें। टीले का शिखर सबसे संभावित मान का प्रतिनिधित्व करता है, जबकि इसके दोनों ओर की ढलानें उस संदेह या हिचकिचाहट की सीमा को दर्शाती हैं जो व्यक्ति महसूस कर सकता है। यह मूल उत्तर की सूक्ष्मता को सुरक्षित रखता है, यह स्वीकार करते हुए कि मानवीय निर्णय शायद ही कभी पूर्ण होते हैं।

इस विचार का परीक्षण करने के लिए, शोधकर्ताओं ने तेहरान विश्वविद्यालय के इंजीनियरिंग विज्ञान विभाग के बीस प्रोफेसरों को एक प्रश्नावली वितरित की। सर्वेक्षण में प्रत्येक प्रोफेसर से अपने प्रत्येक अन्य सहकर्मी के साथ अपने संबंधों का दो अलग-अलग मोर्चों पर मूल्यांकन करने के लिए कहा गया: वैज्ञानिक सहयोग, जैसे शोध पत्र सह-लेखन या छात्रों को सलाह देना, और सामाजिक संपर्क, जैसे मैत्रीपूर्ण या सांस्कृतिक आदान-प्रदान। टीम ने इन उत्तरों के आधार पर दो अलग-अलग नेटवर्क बनाए। पहले नेटवर्क ने शैक्षणिक कार्य के प्रवाह को मैप किया, जबकि दूसरे ने सामाजिक बंधनों के प्रवाह को मैप किया। महत्वपूर्ण रूप से, उन्होंने सर्वेक्षण के उत्तरों को सरल संख्याओं में परिवर्तित नहीं किया। इसके बजाय, उन्होंने डेटा को उसके "फजी" रूप में ही रखा, जिससे गणितीय विश्लेषण को शुरुआत से ही अनिश्चितता की पूरी सीमा के साथ काम करने की अनुमति मिली।

एक बार फजी नेटवर्क बन जाने के बाद, शोधकर्ताओं ने महत्व को मापने के तीन अलग-अलग तरीकों का उपयोग किया, जिन्हें 'सेंट्रैलिटी मेजर्स' (centrality measures) कहा जाता है। पहला पैमाना, 'डिग्री सेंट्रैलिटी' (degree centrality), बस यह गिनता है कि एक व्यक्ति के कितने संबंध हैं। दूसरा, 'क्लोजनेस सेंट्रैलिटी' (closeness centrality), यह देखता है कि एक व्यक्ति नेटवर्क में अन्य सभी तक कितनी जल्दी पहुँच सकता है। तीसरा, 'बिटवीननेस सेंट्रैलिटी' (betweenness centrality), पहचानता है कि कौन एक सेतु या द्वारपाल (gatekeeper) के रूप में कार्य करता है, जो अन्य लोगों के बीच के सबसे छोटे पथों पर स्थित होता है। एक फजी नेटवर्क में, ये गणनाएँ अधिक जटिल होती हैं। केवल रेखाओं को गिनने के बजाय, प्रणाली रास्ते में संबंधों की ताकत और विश्वसनीयता को तौलते हुए दो लोगों के बीच "सर्वश्रेष्ठ" पथ की गणना करती है। यह केवल यह नहीं पूछती कि क्या कोई पथ मौजूद है, बल्कि यह भी पूछती है कि वह पथ कितना मजबूत और निश्चित महसूस होता है।

फजी विश्लेषण के परिणामों ने पारंपरिक तरीकों की तुलना में विभाग का एक आश्चर्यजनक रूप से भिन्न दृष्टिकोण प्रस्तुत किया। शैक्षणिक नेटवर्क में, एक प्रोफेसर सबसे अधिक जुड़ा हुआ व्यक्ति बनकर उभरा, जो एक केंद्र (hub) के रूप में कार्य कर रहा था जो कई सहयोगों में गहराई से शामिल था। हालाँकि, फजी विश्लेषण ने एक अन्य प्रोफेसर को उजागर किया, जो सबसे अधिक जुड़ा हुआ तो नहीं था, लेकिन सबसे महत्वपूर्ण सेतु था। यह व्यक्ति लगभग हर अन्य जोड़ी के बीच इष्टतम पथों (optimal paths) पर स्थित था। फजी मॉडल में, इस प्रोफेसर का 'बिटवीननेस' के लिए एक पूर्ण स्कोर था, जिसका अर्थ था कि वे वह अपरिहार्य कड़ी थे जो शैक्षणिक संरचना को थामे हुए है। पारंपरिक तरीकों ने, जिन्होंने डेटा को कठोर संख्याओं में बदलने की कोशिश की थी, इस प्रोफेसर के संरचनात्मक महत्व को काफी हदतः अनदेखा कर दिया और उन्हें बहुत नीचे रैंक किया।

सामाजिक नेटवर्क में भी एक समान पैटर्न देखा गया। जबकि एक प्रोफेसर स्पष्ट रूप से सबसे अधिक सामाजिक रूप से सक्रिय था, एक अन्य व्यक्ति समूह के सामाजिक सामंजस्य के लिए प्रमुख संयोजक के रूप में उभरा। फजी दृष्टिकोण ने दिखाया कि इस व्यक्ति ने विभिन्न सामाजिक समूहों को जोड़ने में एक महत्वपूर्ण भूमिका निभाई, भले ही उनके प्रत्यक्ष मित्रों की संख्या सबसे अधिक न हो। अध्ययन में पाया गया कि फजी पद्धति द्वारा उत्पन्न रैंकिंग अक्सर पुराने, कठोर तरीकों द्वारा उत्पन्न रैंकिंग से काफी भिन्न थी। 'बिटवीननेस' के माप के लिए, फजी परिणामों और पारंपरिक परिणामों के बीच सहसंबंध इतना कमजोर था कि वे लगभग असंबंधित थे। यह सुझाव देता है कि फजी दृष्टिकोण उन छिपे हुए रूपों को उजागर कर रहा है जिन्हें मानक विश्लेषण देख ही नहीं पाता।

शोधकर्ताओं ने नेटवर्क के समग्र स्वास्थ्य को समझने के लिए इन स्कोर के वितरण को भी देखा। उन्होंने पाया कि शैक्षणिक दुनिया में, नेटवर्क कार्य करने के लिए कुछ प्रमुख व्यक्तियों पर बहुत अधिक निर्भर है, जिससे एक ऐसी संरचना बनती है जहाँ एक व्यक्ति की हानि संचार को गंभीर रूप से बाधित कर सकती है। इसके विपरीत, सामाजिक नेटवर्क अधिक संतुलित था, जिसमें कम महत्वपूर्ण बाधाएं (bottlenecks) थीं। यह अंतर विश्वविद्यालयों के प्रशासकों के लिए महत्वपूर्ण है। यदि कोई विभाग शैक्षणिक सहयोग के लिए एक एकल "सेतु" प्रोफेसर पर निर्भर है, तो वह व्यक्ति विफलता का एक एकल बिंदु (single point of failure) बन जाता है। इन भूमिकाओं की पहचान करने से नेताओं को बेहतर निर्णय लेने, संसाधनों को कहाँ आवंटित करना है, अंतरविषयक परियोजनाओं में किसे समर्थन देना है, और नेटवर्क को संभावित व्यवधानों के विरुद्ध कैसे मजबूत करना है, इसमें मदद मिलती है।

डेटा में अनिश्चितता को त्यागने के बजाय उसे बनाए रखकर, यह अध्ययन प्रदर्शित करता है कि सामाजिक नेटवर्क का सबसे सटीक मानचित्र वह नहीं है जो सबसे स्वच्छ दिखता है, बल्कि वह है जो मानवीय रिश्तों की जटिलता के बारे में सबसे अधिक स्वीकार करता है। फजी दृष्टिकोण केवल गणितीय परिष्कार की एक परत नहीं जोड़ता है; यह उस कहानी को बदल देता है जो डेटा सुनाता है। यह प्रकट करता है कि प्रभाव केवल बहुत सारे दोस्त होने या हर किसी के बहुत करीब होने के बारे में नहीं है, बल्कि उन लोगों के बीच सबसे विश्वसनीय पथ होने के बारे में है जो अन्यथा एक-दूसरे से कटे हुए होते। पहली बार, शोधकर्ताओं के पास एक ऐसा उपकरण है जो एक संबंध की ताकत को एक निश्चित तथ्य के रूप में नहीं, बल्कि एक जीवंत, सांस लेती अनिश्चितता के रूप में माप सकता है, जो उस अदृश्य वास्तुकला का स्पष्ट दृश्य प्रदान करता है जो समुदायों को एक साथ थामे रखती है।