Network Inequality through Preferential Attachment, Triadic Closure, and Homophily

Dit paper introduceert het PATCH-model, dat laat zien hoe de interactie tussen preferentiële attachement, homofilie en triadische sluiting ongelijkheid en segregatie in sociale netwerken vormgeeft, en dit model toepast om aanhoudende geslachtsdispariteiten in wetenschappelijke samenwerkingsnetwerken te verklaren.

De kern

Hoe Netwerken Onrechtvaardig Worden: Een Verhaal over Populaire Sterren, Vriendenkringen en Soortgelijkheid

Stel je voor dat je een gigantisch feestje organiseert waar duizenden mensen op komen. Op dit feestje zijn er drie onzichtbare krachten die bepalen wie met wie praat, wie de sterren van de avond worden en wie in de hoek blijft staan. Deze drie krachten zijn: Preferentiële Aandacht (de "populaire" mensen), Triadische Sluiting (vrienden van vrienden) en Homofilie (de neiging om met soortgelijken te praten).

Dit wetenschappelijke artikel, geschreven door Jan Bachmann en collega's, onderzoekt hoe deze drie krachten samenwerken om ongelijkheid te creëren op netwerken zoals sociale media of wetenschappelijke samenwerkingen. Ze hebben een nieuw model bedacht, genaamd PATCH, om dit te simuleren en te begrijpen.

Hier is wat ze hebben ontdekt, vertaald in alledaagse taal:

1. De Drie Krachten op het Feestje

• Preferentiële Aandacht (De "Populaire Ster"):
  Stel je voor dat mensen liever naar de bar gaan waar de bekendste persoon van het feest staat. Hoe populairder iemand al is (hoe meer vrienden ze hebben), hoe waarschijnlijker het is dat nieuwe mensen hen benaderen. Dit zorgt ervoor dat een paar mensen heel populair worden, terwijl de rest nauwelijks wordt opgemerkt. Dit creëert een grote ongelijkheid in populariteit.

• Homofilie (De "Soortgelijkheid"):
  Mensen praten liever met mensen die op hen lijken (bijvoorbeeld dezelfde achtergrond, geslacht of interesses). Op het feestje betekent dit dat mannen vooral met mannen praten en vrouwen vooral met vrouwen. Als een groep (bijvoorbeeld vrouwen) al klein is, zorgt dit ervoor dat ze zich afscheiden in een kleine hoek. Dit creëert segregatie (afscheiding).

• Triadische Sluiting (De "Vrienden van Vrienden"):
  Dit is het fenomeen: "Ik ken jou, en jij kent hem, dus laten wij ook kennismaken." Mensen maken contact via hun bestaande vriendenkringen. Dit zorgt voor veel kleine groepjes die goed met elkaar verbonden zijn.

2. Het Grote Geheim: Hoe Ze Samenwerken

De onderzoekers ontdekten iets verrassends over hoe deze krachten met elkaar spelen:

• De Slechte Combinatie: Als je mensen laat kiezen op basis van populariteit en soortgelijkheid, wordt de ongelijkheid enorm. De populaire mensen worden nog populairder, en de kleine groepen worden volledig afgesloten van de rest.
• De Verrassende Rol van "Vrienden van Vrienden":
  Je zou denken dat "vrienden van vrienden" altijd zorgt voor meer afscheiding (want je blijft binnen je eigen kring). Maar het onderzoek toont aan dat het complexer is:
  • Als mensen willekeurig kiezen binnen hun vriendenkring (zonder voorkeur voor populariteit of soort), kan dit de afscheiding verminderen. Het fungeert als een brug tussen groepen.
  • Echter, als mensen binnen die vriendenkring ook nog kiezen op basis van populariteit of soort, dan verergert het de ongelijkheid juist. Het zorgt ervoor dat de "sterren" binnen de groep nog sterker worden, terwijl de rest van de groep achterblijft.

3. Wat Betekent Dit voor de Wereld? (Het Wetenschappelijke Voorbeeld)

De auteurs hebben dit model getest op echte data: 50 jaar aan samenwerkingen en citaties in de natuurkunde en informatica. Ze zagen dat vrouwen in deze vakgebieden vaak minder zichtbaar zijn (minder samenwerkingen, minder citaties).

Met hun model (PATCH) konden ze precies zien wat er aan de hand is:

• Het probleem is niet één ding, maar een mix.
• Wetenschappers kiezen hun partners vaak op basis van populariteit (wie is al bekend?) en geslacht (ik werk liever met iemand van mijn eigen geslacht).
• Zelfs als ze via "vrienden van vrienden" contact zoeken, blijven ze vaak binnen die populaire en geslachtsgebonden kringen hangen.

4. De Les voor de Toekomst: Hoe Maak Je het Rechtvaardiger?

De belangrijkste boodschap van het artikel is: Je kunt niet één knop omdraaien om alles te fixen.

Stel je voor dat je de "vrienden van vrienden"-functie op social media wilt gebruiken om meer vrouwen te helpen.

• Als je dit doet in een wereld waar mensen al liever met hun eigen geslacht praten, kan het juist averechts werken: je brengt vrouwen dichter bij elkaar, maar ze blijven dan nog steeds buiten de grote kring van de "populaire mannen".
• Om echt gelijkheid te creëren, moet je alle drie de krachten tegelijk aanpakken. Je moet de voorkeur voor populaire sterren verminderen, de voorkeur voor "soortgelijken" doorbreken én zorgen dat de "vrienden van vrienden"-mechanismen eerlijk zijn.

Kortom:
Netwerken zijn niet per se onrechtvaardig omdat ze dat zijn, maar omdat de regels van het spel (wie we kiezen en hoe we kiezen) onbewust vooroordelen versterken. Als we willen dat iedereen een eerlijke kans krijgt om gezien te worden, moeten we begrijpen hoe deze regels samenspannen, en dan de regels zelf een beetje herschrijven.

Technische samenvatting

Probleemstelling

Sociale netwerken vertonen vaak een extreme ongelijkheid in zichtbaarheid, waarbij een klein aantal individuen een disproportioneel groot aantal verbindingen verzamelt. Deze ongelijkheid heeft verstrekkende gevolgen voor toegang tot sociaal kapitaal, informatie en kansen. Vooral ondervertegenwoordigde groepen (zoals vrouwen in wetenschappelijke velden zoals natuurkunde en informatica) ondervinden hierdoor extra nadelen.

Hoewel drie specifieke mechanismen bekend staan als drijvers van deze ongelijkheid, wordt hun onderlinge interactie onvoldoende begrepen:

1. Preferentiële Attachement (PA): De neiging om verbindingen aan te gaan met populaire knopen (die al veel verbindingen hebben).
2. Homofiele (H): De neiging om verbindingen aan te gaan met anderen die op je lijken (bijv. geslacht).
3. Triadische Sluiting (TC): De neiging om verbindingen aan te gaan via wederzijdse contacten (vrienden van vrienden).

Bestaande modellen bestuderen deze mechanismen vaak afzonderlijk of in tweetallen, maar missen een model dat de drie-weg interactie analyseert, vooral in de context van een minderheidsgroep. Dit beperkt het begrip van hoe netwerkongelijkheid ontstaat en hoe deze kan worden opgelost zonder onbedoelde gevolgen.

Methodologie

De auteurs introduceren PATCH (Preferential Attachment, Triadic Closure, and Homophily), een groeimodel voor netwerken dat voortbouwt op het Barabási-Albert-model.

• Netwerkgroei: Het model start met een klein aantal knopen en voegt sequentieel $N$ nieuwe knopen toe. Elke nieuwe knoop $i$ maakt $m$ verbindingen.
• Keuze van doelen: Voor elke verbinding kiest de nieuwe knoop een doelwit op basis van twee stappen:
  1. Globaal vs. Triadisch: Met waarschijnlijkheid $1-\tau$ kiest de knoop een doelwit uit het hele netwerk (globale link). Met waarschijnlijkheid $\tau$ wordt het keuzepool beperkt tot "vrienden van vrienden" (triadische sluiting).
  2. Selectiemechanisme: Binnen het keuzepool wordt het doelwit geselecteerd op basis van één van drie mechanismen:
     • U (Unbiased): Willekeurige selectie.
     • H (Homophily): Selectie gebaseerd op groepsaansluiting (parameter $h$).
     • PAH (Preferential Attachment + Homophily): Selectie gebaseerd op zowel populariteit (graad) als groepsaansluiting.
• Modelvarianten: De auteurs testen vier combinaties van mechanismen voor globale ($L_G$) en triadische ($L_T$) links: $(H,U), (H,H), (PAH,U), (PAH,PAH)$.
• Empirische Validatie: Het model wordt getoetst op drie empirische netwerken over een periode van 50 jaar (1970–2020):
  • Samenwerkingsnetwerken in de natuurkunde (APS).
  • Citatienetwerken in de natuurkunde (APS-CIT).
  • Samenwerkingsnetwerken in de informatica (DBLP).
• Inferentie: Er wordt Likelihood-free inference (Approximate Bayesian Computation - ABC) toegepast om de parameters $h$ (homofiele) en $\tau$ (triadische sluiting) te schatten die de waargenomen ongelijkheden in de empirische data het beste verklaren.

Belangrijkste Bijdragen

1. Het PATCH-model: Een unificerend model dat de complexe interactie tussen PA, TC en H simuleert in een omgeving met een minderheidsgroep.
2. Kwantificering van Interacties: Het ontrafelen van hoe deze mechanismen gezamenlijk segregatie, ongelijkheid (Gini-coëfficiënt) en onrechtvaardigheid (inequity, de kans dat een willekeurige minderheidsknoop meer verbindingen heeft dan een meerderheidsknoop) beïnvloeden.
3. Empirische Toepassing: De eerste toepassing van een dergelijk mechanistisch model om geslachtsongelijkheid in wetenschappelijke netwerken over een halve eeuw te verklaren.

Resultaten

1. Simulatie-resultaten:

• Segregatie: Homofiele is de primaire drijver van segregatie. Triadische sluiting (TC) heeft een modererend effect op segregatie als de selectie van vrienden van vrienden onbevooroordeeld is (unbiased). Als de selectie echter ook homofiel is, versterkt TC de segregatie niet noodzakelijk, maar kan het in heterofiele situaties (voorkeur voor anders) de uitwisseling tussen groepen juist beperken.
• Ongelijkheid (Degree Inequality): Preferentiële attachement (PA) is de belangrijkste drijver van ongelijkheid in de graadverdeling. Triadische sluiting verergert ongelijkheid in de meeste gevallen, tenzij het selectieproces onbevooroordeeld is en PA afwezig is.
• Onrechtvaardigheid (Inequity): Homofiele zorgt ervoor dat de meerderheidsgroep een voordeel heeft in zichtbaarheid. Heterofiele keert dit om. Interessant is dat de groep die het meeste voordeel heeft (meer verbindingen), ook de groep is met de hoogste interne ongelijkheid. Dit betekent dat slechts een paar individuen binnen de bevoorrechte groep profiteren, terwijl de rest van de groep achterblijft.
• Interactie: De effecten zijn niet additief maar conditioneel. Bijvoorbeeld, TC kan segregatie verminderen, maar alleen als de selectie niet ook door homofiele wordt beïnvloed.

2. Empirische Resultaten (Wetenschappelijke Netwerken):

• Beste Model: De variant (PAH, PAH) – waarbij zowel globale als triadische links beïnvloed worden door preferentiële attachement en homofiele – past het beste bij de waargenomen data over alle decennia heen.
• Parameters: De inferentie wijst op matige geslachts-homofiele en matige triadische sluiting die licht toeneemt in de tijd. Dit suggereert dat wetenschappers steeds vaker kiezen voor samenwerkingen of citaties op basis van populariteit en geslacht, zelfs binnen hun directe netwerk (vrienden van vrienden).
• Geslachtsongelijkheid: Vrouwen zijn consistent minder vertegenwoordigd en hebben minder verbindingen, hoewel hun aandeel in de populatie toeneemt. De segregatie neemt toe, maar de ongelijkheid binnen de groepen varieert per dataset.

Significantie en Conclusie

De studie toont aan dat het bestrijden van netwerkongelijkheid complex is omdat de mechanismen elkaar beïnvloeden.

• Beleidimplikatie: Het isoleren van één mechanisme (bijv. het verwijderen van homofiele) kan leiden tot onbedoelde gevolgen. Bijvoorbeeld, het verminderen van homofiele kan de segregatie verkleinen, maar de ongelijkheid binnen de minderheidsgroep vergroten omdat de aandacht dan verschuift naar een paar populaire individuen in die groep.
• Interventies: Om netwerken echt eerlijker te maken, is een gelijktijdige reductie van de effecten van homofiele, preferentiële attachement en triadische sluiting nodig.
• Algoritmen: Aanbevelingsalgoritmen (zoals "vrienden van vrienden" suggesties) moeten voorzichtig worden ontworpen. Als deze algoritmen onbewust bevooroordeeld zijn (bijv. door populariteit of geslacht), kunnen ze ongelijkheid verergeren in plaats van verhelpen. Een algoritme dat neutraal is ten opzichte van populariteit en homofiele, zou zowel ongelijkheid als onrechtvaardigheid kunnen verminderen.

Kortom, PATCH biedt een raamwerk om de onderliggende oorzaken van sociale ongelijkheid te diagnosticeren en helpt bij het ontwerpen van ingrepen die rekening houden met de complexe dynamiek van netwerkvorming.