Higher-order modeling of face-to-face interactions

技術的要約：対面相互作用の高次モデリング

問題提起
対面での相互作用は、人間における最も基本的な社会的接触の形態を構成している。高解像度データは、バースト的な活動、行動の不均一性、および特徴的な接触持続時間の尺度の欠如といった、これらの相互作用における普遍的な時空間的特徴を明らかにしてきたが、既存の数学的モデルは、その全容を捉えるには不十分である。現在のエージェントベースモデルは、主に二者間（ペア）の関係や、リンクや連結成分に焦点を当てたテンポラルネットワークに依存している。これらのアプローチは、より大きなグループ内での相互作用を特徴付けることができず、多対多の相互作用を単なる一対一の接触の集合として扱ってしまう。さらに、既存の高次ネットワークアプローチは空間的移動性を欠いていることが多く、一方で現在のモバイルエージェントモデルは、グループの形成と解消に関する時空間的な進化や特定のダイナミクスを捉えきれていない。

手法：グループ・アトラクティブネス・モデル (GAM)
これらの限界に対処するため、著者らは、移動するエージェントが様々なサイズのグループを形成することで相互作用するエージェントベースのフレームワークである「グループ・アトラクティブネス・モデル（GAM）」を提案する。このモデルは、周期境界条件を持つ正方形の環境内で動作し、以下の主要なメカニズムを含む：

• エージェントの魅力度 (Agent Attractiveness): 各エージェント $i$ は、他者が自身と相互作用する可能性を表す、一様分布 $[0,1]$ からサンプリングされた固有の魅力度 $a_i$ を持つ。
• グループの魅力度 (Group Attractiveness): グループ $g$ の魅力度 $a_g$ は、そのメンバーの魅力度の積として定義される：$a_g = \prod_{j \in g} a_j$。この定式化は、グループの魅力度がサイズに対して非線形にスケールすることを意味する。すなわち、大きなグループは平均して小さなグループよりも魅力が低い。
• 相互作用のダイナミクス (Interaction Dynamics): 各タイムステップにおいて、活動中のエージェントは距離 $d$ 以内にあるグループを検討する。エージェント $i$ が隣接するグループと相互作用する確率 $p_i(t)$ は、それらのグループの平均的な魅力度に比例する。
  • エージェントが相互作用を選択した場合、そのグループに加入する（グループサイズを1つ増やす）、または既存のグループに再加入する。
  • エージェントが相互作用しないことを選択した場合（確率 $1 - p_i(t)$）、ランダムな方向に移動する。
  • グループが時間的に存続するためには、そのすべてのメンバーが互いに相互作用することを決定しなければならない。
• 活動状態 (Activity States): エージェントは活動中または非活動中の状態を取る。非活動中のエージェントは移動も相互作用もしないが、一定の確率で活動状態になることがあり、これは個人が社会的文脈に入ったり離れたりすることをモデル化している。
• ホモフィリーの拡張 (Homophily Extension): モデルは、エージェントに属性（例：性別）を関連付けることで、ホモフィリー（同類選択）による嗜好性を組み込むよう拡張されている。相互作用の確率は、既存のメンバーの属性に基づいて、エージェントがグループに加入する可能性を規定するホモフィリー行列（$H^{(2)}, H^{(3)}$ など）によって調整される。

モデルは、13個の高解像度データセット（SocioPatterns、Utah実験、Copenhagen Network Studyを含む）を用いてテストされた。グループ相互作用は、$s$ 人の間の可能なすべての二者間（ダイアド）の接触が存在するタイムステップを特定することによって、二者間接触データから再構成された。

主な結果
著者らは、二者間の関係のみを考慮するベースラインである個別（個人）アトラクティブネス・モデル（AM）とGAMを比較した。結果は以下を示している：

1. グループサイズの分布: GAMは、様々な社会的文脈における異なるサイズのユニークなグループの経験的分布を正常に再現している。対照的に、AMは大きなグループの数を大幅に過大評価している。
2. グループ数の相関: モデルは、個人が参加するサイズ2およびサイズ3のグループ数の間の高いピアソン相関を正確に捉えている。AMはこの相関を系統的に過小評価しており、グループが単なるペアの集合ではないことを認識できていない。
3. 階層的バースト性: 経験的データは、接触持続時間の分布が幅広く、階層的に組織化されていること（小さなグループほど分布が広く、長く持続する傾向があること）を示している。GAMはこの階層構造を再現する。AMはここで失敗しており、大きなグループの方が小さなグループよりも安定すると予測してしまう。
4. 高次のホモフィリー: 性別属性を含む拡張を行った際、GAMはグループレベルでの複雑な混合パターンを捉える。例えば、「HS11」データセットにおいて、モデルは、男性は二者間相互作用においてホモフィリーを示す一方で、女性は3人グループにおいてより強いホモフィリーを示すことを明らかにしている。GAMは、二者間のホモフィリーのみを用いてグループの混合を推論するソーシャル・アトラクティブネス・モデル（SAM）よりも優れており、異なるジェンダー構成におけるユニークなトライアド（三者関係）の割合を正しく予測している。

意義と主張
本論文は、人間の対面接触を正確に記述するためには高次の相互作用が不可ントであることを主張している。主要な貢献は、「グループの魅力度」メカニズムを通じてグループのダイナミクスをモデル化することで、二者間モデルでは再現できない統計的特性（分布、相関、持続性）および構造的特徴（階層的バースト性、高次のホモフィリー）の再現が可能であることを示した点にある。

著者らは、GAMを、微視的なグループ・ダイナミクスがいかにして疫病の蔓延や社会的伝染、隔離の出現といった巨視的な社会的現象に影響を与えるかを調査するためのツールとして位置づけている。また、現在のモデルはマルコフ的であり（記憶効果を欠いている）、グループへの加入と離脱の単一のメカニズムを想定しており、異なる種類の社会的グループや文脈を区別していないという限界についても認めている。しかし、本研究は、ペアベースのアプローチを超えて複雑な社会システムの集団的行動を理解するための基礎的なフレームワークを提供するものである。