Higher-order modeling of face-to-face interactions

Technische Samenvatting: Hogere-orde modellering van face-to-face interacties

Probleemstelling
Face-to-face interacties vormen de meest fundamentele vorm van menselijk sociaal contact. Hoewel hoog-resolutie data universele spatio-temporele kenmerken van deze interacties hebben onthuld—zoals bursty activiteit, heterogeniteit in gedrag en de afwezigheid van een karakteristieke contactduur-schaal—schieten bestaande wiskundige modellen tekort om de volledige complexiteit ervan te vatten. Huidige agent-gebaseerde modellen vertrouwen primair op dyadische (paarvormige) relaties of temporele netwerken die zich richten op verbindingen en verbonden componenten. Deze benaderingen falen in het karakteriseren van interacties binnen grotere groepen, waarbij interacties van vele-op-veel slechts als verzamelingen van één-op-één contacten worden behandeld. Bovendien missen huidige hogere-orde netwerkbenaderingen vaak ruimtelijke mobiliteit, terwijl huidige mobiele agent-modellen er niet in slagen de spatio-temporele evolutie en specifieke dynamiek van groepsvorming en -ontbinding te vatten.

Methodologie: Het Group Attractiveness Model (GAM)
Om deze beperkingen aan te pakken, stellen de auteurs het Group Attractiveness Model (GAM) voor, een agent-gebaseerd framework waarbij mobiele agenten interageren door groepen van variërende grootte te vormen. Het model werkt in een vierkante omgeving met periodieke randvoorwaarden en bevat de volgende kernmechanismen:

• Agent Attractiveness (Agent-aantrekkelijkheid): Elke agent $i$ bezit een intrinsieke aantrekkelijkheidswaarde $a_i$, getrokken uit een uniforme verdeling $[0,1]$, die de waarschijnlijkheid vertegenwoordigt dat anderen met hen interageren.
• Group Attractiveness (Groepsaantrekkelijkheid): De aantrekkelijkheid van een groep $g$, aangeduid als $a_g$, wordt gedefinieerd als het product van de aantrekkelijkheid van de leden ervan: $a_g = \prod_{j \in g} a_j$. Deze formulering impliceert dat de groepsaantrekkelijkheid nietlineair schaalt met de grootte; grotere groepen zijn gemiddeld minder aantrekkelijk dan kleinere groepen.
• Interactiedynamiek: Op elk tijdstip overweegt een actieve agent groepen binnen een afstand $d$. De waarschijnlijkheid $p_i(t)$ om met een naburige groep te interageren, is evenredig met de gemiddelde aantrekkelijkheid van die groepen.
  • Als een agent besluit te interageren, sluit deze zich aan bij de groep (verhoging van de groepsgrootte met één) of keert terug naar de bestaande groep.
  • Als een agent besluit niet te interageren (met waarschijnlijkheid $1 - p_i(t)$), beweegt deze in een willekeurige richting.
  • Een groep blijft in de tijd alleen bestaan als al haar leden besluiten met elkaar te interageren.
• Activiteitsstatussen: Agenten kunnen actief of inactief zijn. Inactieve agenten bewegen niet en interageren niet, maar kunnen met een bepaalde waarschijnlijkheid actief worden, wat het proces modelleert waarbij individuen een sociale context betreden of verlaten.
• Homofilie-extensie: Het model wordt uitgebreid om homofiele voorkeuren te bevatten door agenten te koppelen aan attributen (bijv. geslacht). Interactiekansen worden gemoduleerd door homofilie-matrices ($H^{(2)}, H^{(3)}$, etc.), die de waarschijnlijkheid bepalen waarmee een agent zich bij een groep aansluit op basis van de attributen van de bestaande leden.

Het model is getest tegen dertien hoog-resolutie datasets (waaronder SocioPatterns, Utah-experimenten en de Copenhagen Network Study). Groepsinteracties werden gereconstrueerd uit dyadische contactdata door tijdstappen te identificeren waarin alle mogelijke dyaden tussen $s$ individuen aanwezig waren.

Belangrijkste Resultaten
De auteurs vergeleken de GAM met een baseline (individuele) Attractiveness Model (AM) dat alleen rekening houdt met dyadische relaties. De resultaten tonen aan:

1. Groepsgrootteverdeling: De GAM reproduceert succesvol de empirische verdeling van unieke groepen van verschillende groottes binnen diverse sociale contexten. In contrast hiermee overschat de AM het aantal grotere groepen aanzienlijk.
2. Correlatie van groepsaantallen: Het model legt accuraat de hoge Pearson-correlatie vast tussen het aantal groepen van grootte twee en grootte drie waar individuen aan deelnemen. De AM onderschat deze correlatie systematisch, omdat het niet herkent dat groepen niet louter verzamelingen van paren zijn.
3. Hiërarchische Burstiness: Empirische data laten zien dat de contactduur-distributies breed-getrapt zijn en hiërarchisch georganiseerd: kleinere groepen vertonen bredere distributies (duren langer) dan grotere groepen. De GAM reproduceert deze hiërarchische structuur. De AM faalt hierbij, omdat deze voorspelt dat grotere groepen stabieler zijn dan kleinere groepen.
4. Hogere-orde Homofilie: Wanneer het model wordt uitgebreid met geslacht-attributen, legt de GAM complexe mengpatronen op groepsniveau vast. In het "HS11"-dataset laat het model bijvoorbeeld zien dat hoewel mannen homofilie vertonen in dyadische interacties, vrouwen sterkere homofilie vertonen in groepen van drie. De GAM presteert beter dan het Social-Attractiveness Model (SAM), dat uitsluitend steunt op dyadische homofilie om groeps-mixing te verklaren, door correct te voorspellen welk deel van de unieke triaden in verschillende genderconfiguraties voorkomt.

Betekenis en Claims
Het artikel stelt dat hogere-orde interacties essentieel zijn voor een accurate beschrijving van menselijke face-to-face contacten. De primaire bijdrage is de demonstratie dat het modelleren van groepsdynamiek via een "groepsaantrekkelijkheids"-mechanisme de reproductie mogelijk maakt van statistische eigenschappen (verdeling, correlatie, persistentie) en structurele kenmerken (hiërarchische burstiness, hogere-orde homofilie) die dyadische modellen niet kunnen reproduceren.

De auteurs positioneren de GAM als een instrument om te onderzoeken hoe microscopische groepsdynamica macroscopische sociale fenomenen beïnvloedt, zoals epidemische verspreiding, sociale besmetting en het ontstaan van segregatie. Zij erkennen beperkingen, zoals het feit dat het huidige model Markoviaans is (geen geheugeneffecten mist), een enkel mechanisme aanneemt voor het toetreden tot/verlaten van groepen, en geen onderscheid maakt tussen verschillende typen sociale groepen of contexten. Desalniettemin biedt het werk een fundamenteel framework voor het bewegen voorbij dyadische benaderingen om het collectieve gedrag van complexe sociale systemen te begrijpen.