Modeling Uncertainty in Social Network

人間のつながりの研究において、科学者たちは長い間、一見すると単純に見える地図に頼ってきました。ソーシャルネットワークとして知られるこれらの地図は、人間関係を二進法のスイッチのように扱います。つまり、二人の人間は「つながっている」か「つながっていない」かのどちらかであるという考え方です。つながっていれば線が引かれ、そうでなければ空白のままとなります。この手法は、友人の数を数えたり、噂がどれほど速く広まるかを追跡したりするには有用ですが、人間生活の複雑な現実を捉えることには苦慮します。現実の世界において、人間関係が単純な「イエス」か「ノー」であることは滅多にありません。それは感情のスペクトラムなのです。ある同僚にとってのパートナーシップは、深く不可欠な同盟である一方で、もう一方の同僚にとっては、単なるカジュアルで時折行われる意見交換に過ぎないかもしれません。伝統的な地図は、こうした複雑で曖昧な感情を硬直したカテゴリーへと強制的に押し込み、人々が実際にどのように相互作用しているかを定義づける「不確実性」を事実上消し去ってしまうのです。

テヘラン大学の研究者たちは、この不確実性を無視するのではなく、むしろそれを受け入れる新しい地図の描き方を提案しました。彼らは「ファジー論理」と呼ばれる数学的手法を用いることで、関係性が「ファジーな」つながりとして存在することを許容するシステムを作り上げました。そこでは、絆の強さは単一の固定された数値ではなく、可能性の範囲として扱われます。この手法は、実際の大学教授のグループに対してテストされました。その結果、人間関係が精密であるとふりえることをやめたとき、コミュニティの中で誰が権力や影響力を持っているのかについて、より異なる、より正確な姿が見えてくることが明らかになりました。この研究は、ネットワークにおいて最も重要な人物とは、必ずしも最も多くのつながりを持つ人ではなく、しばしば他者との間の最も信頼できる「架け橋」として機能する人であることを示唆しています。そして、その役割は、人間の知覚における不確実性を考慮に入れたときに初めて可視化されるのです。

この新しいアプローチの核心は、収集されたデータの扱い方にあります。標準的な調査では、教授は同僚との協力関係を「非常に低い」から「非常に高い」までの尺度で評価することが求められます。従来の分析では、研究者は単に「高い」という言葉を数値の4に、「非常に高い」を5に変換するかもしれません。これは、主観的な感情を、あたかも1メートルと2メートルの差が正確であるかのように、硬い事実へと変えてしまう行為です。テヘラン大学のチームは、これが間違いであると主張しました。彼らは、単一の数値に強制する代わりに、これらの言葉を「三角ファジー数」へと翻訳しました。これは、グラフ上に単一の点を打つのではなく、小さな「丘」を描くようなものだと考えてください。丘の頂点は最も可能性の高い値を表し、その両側の斜面は、その人が抱いているであろう疑念や躊躇の範囲を表します。これにより、元の回答のニュアンスが保持され、人間の判断が決して絶対的ではないという事実が認められるのです。

このアイデアを検証するため、研究者たちはテヘラン大学工学部の20人の教授に対してアンケートを実施しました。調査では、各教授に対し、共同執筆や学生の指導といった「学術的な協力関係」と、親睦や文化的交流といった「社会的な相互作用」という、二つの異なる側面から、他のすべての同僚との関係を評価してもらいました。チームは、これらの回答に基づいて二つの別々のネットワークを構築しました。第一のネットワークは学術的な仕事の流れをマッピングし、第二のネットワークは社会的な絆の流れをマッピングしました。決定的なのは、彼らが調査の回答を単純な数値に変換しなかったことです。代わりに、データはファジーな形式のまま保持され、数学的分析が最初から不確実性の全範囲を扱えるようにしました。

一度ファジーネットワークが構築されると、研究者たちは「中心性（セントラリティ）」と呼ばれる3つの異なる重要度の測定法を適用しました。第一の指標である「次数中心性」は、単にその人が持つつながりの数を数えます。第二の「近接中心性」は、その人がネットワーク内の他の全員にどれほど素早く到達できるかを見ます。第三の「媒介中心性」は、誰がブリッジ（架け橋）やゲートキーパー（門番）として機能し、他の人々の間の最短経路に位置しているかを特定します。ファジーネットワークにおいて、これらの計算はより複雑になります。単に線を数えるのではなく、システムは、道中のつながりの強さと信頼性を加味しながら、二人の間の「最善の」経路を計算します。それは単に経路が存在するかどうかを問うのではなく、その経路がどれほど強く、確かなものであるかを問うのです。

このファジー分析の結果は、伝統的な手法と比較して、学部に関する驚くほど異なる視点を提供しました。学術ネットワークにおいては、ある教授が最も多くのつながりを持ち、多くのコラボレーションに関与するハブとして際立っていました。しかし、ファジー分析は、別の教授が、最も多くのつながりは持たないものの、最も重要な「架け橋」であることを明らかにしました。この人物は、ほぼすべての同僚のペアの間にある最適な経路上に位置していました。ファジーモデルにおいて、この教授は媒介中心性で完璧なスコアを獲得しました。つまり、彼こそが学術的な構造を維持している不可欠なリンクであったということです。データを硬直した数値へと強制した伝統的な手法は、この構造的な重要性を見落とし、この教授の順位を大幅に低く付けていました。

同様のパターンが社会ネットワークでも現れました。ある教授が明らかに最も社交的であった一方で、別の個人がグループの社会的結束のための鍵となるコネクターとして浮上しました。ファジーアプローチは、この人物が、たとえ直接的な友人の数が最も多くなくても、異なる社会的な輪を結びつける重要な役割を果たしていることを示しました。研究によれば、ファジー法によって算出されたランキングは、古い硬直した手法によって算出されたものとは、しばしば大きく異なるものでした。媒介中心性の測定において、ファジーな結果と伝統的な結果の相関関係は極めて弱く、両者はほとんど無関係でした。このことは、ファジーアプローチが、標準的な分析では決して見ることのできない隠れた役割を明らかにしていることを示唆しています。

研究者たちはまた、ネットワーク全体の健全性を理解するために、これらのスコアの分布についても調査しました。彼らは、学術の世界においては、ネットワークが機能するために少数のキーパーソンに大きく依存しており、一人の欠落がコミュニケーションを深刻に混乱させる可能性がある構造になっていることを発見しました。対照的に、社会ネットワークはより均衡が取れており、決定的なボトルネックが少ない状態にありました。この違いは、大学の管理者にとって極めて重要です。もし学部が学術的なコラボレーションのために単一の「架け橋」となる教授に依存しているならば、その人物は単一障害点（シングル・ポイント・オブ・フェイラー）となります。こうした役割を特定することで、リーダーは、リソースをどこに配分すべきか、どの学際的なプロジェクトを支援すべきか、そしてネットワークを潜在的な混乱に対してどのように強化すべきかについて、より優れた意思決定を行うことができるのです。

データの不確実性を破棄するのではなく、あえて保持することで、本研究は、ソーシャルネットワークの最も正確な地図とは、最もクリーンに見える地図ではなく、人間関係の複雑さについて最も多くを認めている地図であることを証明しました。ファジーアプローチは、単に数学的な精緻さを加えるだけではありません。それは、データが語る物語を変えるのです。それは、影響力とは単に多くの友人を持つことや全員と非常に近いことではなく、他の人々が接続されない場合に、人々を繋ぐ最も信頼できる経路になることであるということを明らかにします。研究者たちは初めて、関係の強さを固定された事実としてではなく、生き生きとした「不確実性」として測定するツールを手に入れ、コミュニティを維持している目に見えない構造をより明確に描き出すことに成功したのです。