Extracting behavioural properties from face-to-face interactions temporal networks: a measure of egonet persistency

기술 요약: 시계열 네트워크를 통한 대면 상호작용에서의 행동적 특성 추출

문제 정의
시계열 네트워크 분석에는 개인이 시간에 따라 사회적 상호작용을 어떻게 반복하는지 이해하기 위한 견고한 방법론이 필요하다. 반복적인 상호작용은 정보 확산과 사회적 구조를 형성하는 것으로 알려져 있으나, 기존의 에고넷(egonet) 지속성 측정 방식은 진정한 행동적 규칙성과 노드 차수(node degree)와 같은 구조적 효과를 혼동하는 경지는 문제가 있다. 고차수 노드는 서로 다른 시간대 사이에서 이웃(neighbourhood)의 유사성을 본질적으로 높게 나타내며, 이는 의미 있는 시간적 상관관계와 무작위 혼합(random mixing)을 구분하기 어렵게 만드는 편향을 생성한다. 또한, 접촉의 정체성(identity)과 상호작용 강도(intensity)를 모두 고려하면서 에고 중심적 상호작속 지속성을 직접 정량화할 수 있는 해석 가능한 관측치가 부족한 실정이다.

방법론
저자들은 시계열에 걸친 에고넷 지속성을 정량화하기 위해 설계된 통계적으로 근거 있는 프레임워크인 **이웃 지속성 기준(Neighbourhood Persistency Criterion, NPC)**을 소개한다. 이 방법론은 세 단계로 진행된다:

1. 유사도 측정(Similarity Measures): 프레임워크는 먼저 두 시간대($T$와 $T'$) 사이의 개인의 에고 중심 네트워크에 대해 두 가지 고전적 유사도 지표를 계산한다:

   • 자카드 지수(Jaccard Index, $\lambda_J$): 상호작용 강도와 독립적으로 접촉 정체성의 중첩을 측정한다.
   • 코사인 유사도(Cosine Similarity, $\lambda_{cos}$): 상호작용 가중치(총 지속 시간)를 포함하여, 정체성과 함께 상호작용의 강도가 보존되는지를 포착한다.

2. 영 모델(Null Models)을 통한 통계적 정규화: 노드 차수 및 네트워크 토폴로지로 인한 편향을 교정하기 위해, 저자들은 무작위화를 통한 두 가지 특정 영 모델을 적용한다:

   • $P[k]$: 노드 차수를 보존하면서 네트워크를 재배선(rewire)한다. 이는 토폴로지적 상관관계를 제어하기 위한 자카드 지수의 영 모델 역할을 한다.
   • $P[L, p(w)]$: 네트워크 토폴로지는 유지하되, 경험적 분포에 따라 상호작용 가중치를 무작위로 재분배한다. 이는 토폴로지와 상호작용 강도 사이의 상관관계를 제어하기 위한 코사인 유사도의 영 모델 역할을 한다.

3. NPC 관측치($\alpha$): 저자들은 관측된 유사도가 영 분포의 중앙값($\mu_l$)으로부터 벗어난 정도를 기반으로 표준화된 관측치 $\alpha$를 정의한다.

   • $\alpha$는 $[-1, 1]$ 범위를 갖는다.
   • $\alpha = 1$은 동일한 인물과 다시 교류하려는 강한 선호도를 나타낸다.
   • $\alpha = -1$은 반복적인 상호작용을 강하게 회피함을 나타낸다.
   • $\alpha \approx 0$은 무작위 상호작용 패턴으로부터의 편차가 없음을 나타낸다.
   • 이 공식화는 연속적이고 확률적인 해석을 가능하게 하여, 긍정적 편차와 부정적 편차를 구분한다.

4. 차원 축소 및 행동 범주화: 여러 시간대에 걸친 개인의 역동성을 특징짓기 위해, 저자들은 $\alpha$ 값의 시간적 일관성을 분석한다. 표준 편차는 이상치(outlier)에 민 heavy하고 개인이 전략을 교체할 수 있다는 점을 인식하여, 저자들은 백분위수 $q=12\%$를 사용하는 **Tukey의 방법을 이용한 절단 평균 분산(Trimmed Mean Dispersion using Tukey's method, TMDT)**을 채택한다. 이 지표($TMDT_{12}$)는 개인 내 행동의 일관성을 정량화하여, 안정적인 패턴과 높은 변동성(전략 교체)을 구분한다.

데이터 적용
본 프레임워크는 SocioPatterns 플랫폼을 사용하여 네 곳의 계산 사회 과학 컨퍼런스(WS16, ICCSS17, ECSS18, ECIR19)에서 수집된 고해해상도 대면 상호작용 네트워크에 적용되었다. 데이터는 사회적으로 의미 있는 이벤트를 포착하고 불필요한 단기 접촉을 필터링하기 위해 연속적인 고활동 윈도우(예: 커피 브레이크, 점심시간, 포스터 세션)로 집계되었다.

주요 결과

• 탐색-활용 트레이드오프(Exploration–Exploitation Trade-off): $\alpha$ 대 $TMDT_{12}$ 분석은 모든 이벤트에서 공통적인 행동 구조를 드러낸다. 참가자들은 일반적으로 다음과 같은 뚜별한 범주로 분류된다:
  • 안정적 활용가(Stable Exploiters): 낮은 분산과 높은 $\alpha$(1에 근접)를 보이며, 일관된 접촉 집단을 유지하는 개인들.
  • 안정적 탐색가(Stable Explorers): 낮은 분산과 $\alpha$가 0에 근접하며, 명확한 구조 없이 빈번하게 파트너를 바꾸는 개인들.
  • 회피자(Avoiders): 낮은 참석률과 이전 접촉을 체계적으로 피하는 경향($\alpha \approx -1$)을 보이는 소수 그룹.
  • 교체자(Switchers): 높은 분산을 보이며, 휴식 시간마다 탐색 전략과 활용 전략 사이를 오가는 개인들.
• 정체성 대 강도(Identity vs. Intensity): $\alpha_J$와 $\alpha_{cos}$ 사이에는 강한 상관관계가 존재하지만, 참가자들은 상호작용의 구체적인 '지속 시간'을 유지하는 것보다 접촉 '정체성'을 유지하는 데 약간 더 지속적인 경향을 보인다.
• 사회-인구학적 결정론의 부재: 결정적으로, 본 연구는 이러한 행동 역동성(일관성 또는 변동성)과 안정적인 사회-인구학적 속성(연령, 성별) 또는 자기 보고된 특성 사이에 유의미한 체계적 연관성이 없음을 발견했다. 약한 추세(예: 일부 맥락에서 젊은 참가자들이 약간 더 높은 지속성을 보임)는 존재하지만, 결과는 상호작용 전략이 안정적인 개인적 특성보다는 주로 맥락적 요인(이벤트 구조, 일정, 즉각적 목표)에 의해 형성됨을 시사한다.

의의 및 주장
본 논문은 NPC 프레임워크가 시계열 네트워크를 연구하기 위한 유연하고 해석 가능한 도구를 제공한다고 주장한다. 주요 의의는 다음과 같다:

1. 행동과 구조의 분리: 맞춤형 영 모델을 활용함으로써, NPC는 순수한 행동적 규칙성을 노드 차수와 같은 구조적 인공물로부터 성공적으로 분리해 낸다.
2. 미묘한 행동 유형론: 이는 단순한 집계 측도를 넘어, 탐색 대 활용의 구별된 행동 원형을 식별하고 그 시간적 안정성을 정량화할 수 있게 한다.
3. 맥락적 통찰: 컨퍼런스 데이터에 대한 적용은 상호작용 전략이 고정된 개인적 특성이라는 가설에 도전하며, 사회적 역동성을 형성하는 데 있어 상황적 맥락의 역할을 강조한다.

저자들은 NPC가 시계열 네트워크를 분석하는 강력한 방법을 제공하지만, 향-후 연구에서는 일 단위의 지속성 패턴을 탐구하고 더 미세한 시간적 구조를 포착하기 위해 링크 수준의 지속성으로 프레임워크를 확장해야 한다고 결론짓는다.