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

Technische Samenvatting: Extractie van Gedragseigenschappen uit Face-to-Face Interacties via Temporele Netwerken

Probleemstelling
De analyse van temporele netwerken vereist robuuste methoden om te begrijpen hoe individuen sociale interacties in de loop van de tijd herhalen. Hoewel herhaalde interacties bekend staan om hun invloed op informatieverspreiding en sociale structuur, verwarren bestaande maten van egonet-persistentie vaak genuante gedragsregulariteiten met structurele effecten, zoals de graad van een knoop (node degree). Knopen met een hoge graad vertonen inherent een hoge mate van gelijkenis in hun buurten over verschillende tijdsperioden, wat een bias creëert die het moeilijk maakt om betekenisvolle temporele correlaties te onderscheiden van willekeurige menging. Bovendien is er een gebrek aan interpreteerbare observeerbare grootheden die egocentrische interactie-persistentie direct kwantificeren terwijl ze zowel rekening houden met de identiteit van het contact als de intensiteit van de interactie.

Methodologie
De auteurs introduceren het Neighbourhood Persistency Criterion (NPC), een statistisch gefundeerd kader ontworpen om de persistentie van egonetten over de tijd te kwantificeren. De methodologie verloopt in drie stadia:

1. Gelijkenismaatregelen: Het kader berekent eerst twee klassieke gelijkenismetrieken voor het egocentrische netwerk van een individu tussen twee tijdsperioden ($T$ en $T'$):

   • Jaccard-index ($\lambda_J$): Meet de overlap in contactidentiteiten, onafhankelijk van de interactiekracht.
   • Cosine-gelijkenis ($\lambda_{cos}$): Integreert interactiegewichten (totale duur), waardoor wordt vastgelegd of de intensiteit van de interacties eveneens behouden blijft naast de identiteit.

2. Statistische Normalisatie via Null-modellen: Om de bias te corrigeren die wordt geïntroduceerd door de graad van een knoop en de netwerktopologie, passen de auteurs twee specifieke null-modellen toe via randomisatie:

   • $P[k]$: Herschikt het netwerk terwijl de graad van de knopen behouden blijft. Dit dient als het null-model voor de Jaccard-index om voor topologische correlaties te controleren.
   • $P[L, p(w)]$: Behoudt de netwerktopologie maar herverdeelt de interactiegewichten willekeurig volgens de empirische distributie. Dit dient als het null-model voor de cosine-gelijkenis om te controleren voor correlaties tussen topologie en interactie-intensiteit.

3. De NPC-observeerbare ($\alpha$): De auteurs definiëren een gestandaardiseerde observeerbare, $\alpha$, gebaseerd op de afwijking van de geobserveerde gelijkenis van de mediaan van de null-distributie ($\mu_l$).

   • $\alpha$ varieert van $[-1, 1]$.
   • $\alpha = 1$ duidt op een sterke voorkeur voor het opnieuw aangaan van contacten met dezelfde individuen.
   • $\alpha = -1$ duidt op een sterke vermijding van herhaalde interacties.
   • $\alpha \approx 0$ duidt op geen afwijking van willekeurige interactiepatronen.
   • Deze formulering maakt een continue, probabilistische interpretatie van gedragsafwijking mogelijk, waarbij onderscheid wordt gemaakt tussen positieve en negatieve afwijkingen.

4. Dimensiereductie en Gedragscategorisering: Om de dynamiek van individuen over meerdere tijdsperioden te karakteriseren, analyseren de auteurs de temporele consistentie van $\alpha$-waarden. In het besef dat de standaarddeviatie gevoelig is voor uitschieters en dat individuen strategieën kunnen afwisselen, gebruiken zij de Trimmed Mean Dispersion met Tukey's methode (TMDT) met een percentiel $q=12\%$. Deze metriek ($TMDT_{12}$) kwantificeert de intra-individuele consistentie van gedrag, waarbij onderscheid wordt gemaakt tussen stabiele patronen en hoge variabiliteit (het afwisselen van strategieën).

Data-toepassing
Het kader werd toegepast op hoog-resolutie face-to-face interactienetwerken verzameld tijdens vier Computational Social Science conferenties (WS16, ICCSS17, ECSS18, ECIR19) met behulp van het SocioPatterns-platform. De data werd geaggregeerd in aaneengesloten perioden van hoge activiteit (bijv. koffiepauzes, lunch, postersessies) om sociaal betekenisvolle gebeurtenissen te vangen terwijl kortstondige, minder relevante contacten werden weggefilterd.

Belangrijkste Resultaten

• Exploratie–Exploitatie Trade-off: Analyse van $\alpha$ versus $TMDT_{12}$ onthult een gemeenschappelijke gedragsstructuur over alle evenementen heen. Bezoekers vallen over het algemeen in afzonderlijke categorieën:
  • Stabiele Exploiters: Individuen met een lage dispersie en een hoge $\alpha$ (nabij 1), die een consistente set contacten behouden.
  • Stabiele Explorers: Individuen met een lage dispersie en een $\alpha$ nabij 0, die frequent van partner wisselen zonder een duidelijke structuur.
  • Vermijders (Avoiders): Een kleine groep met een lage aanwezigheid en een systematische vermijding van eerdere contacten ($\alpha \approx -1$).
  • Switches (Wisselaars): Individuen met een hoge dispersie, wat wijst op een afwisseling tussen exploratie- en exploitatiestrategieën tijdens verschillende pauzes.
• Identiteit vs. Intensiteit: Er is een sterke correlatie tussen $\alpha_J$ en $\alpha_{cos}$, maar bezoekers zijn over het algemeen iets persistenter in het behouden van de identiteit van het contact dan in het behouden van de specifieke duur van die interacties.
• Gebrek aan Socio-democratisch Determinisme: Cruciaal is dat de studie geen significante systematische associatie vond tussen deze gedragsdynamieken (consistentie of variabiliteit) en stabiele socio-demografische attributen (leeftijd, geslacht) of zelfgerapporteerde eigenschappen. Hoewel zwakke trends bestaan (bijv. jongere aanwezigen die in sommige contexten meer persistentie vertonen), suggereren de resultaten dat interactiestrategieën primair worden gevormd door contextuele factoren (evenementstructuur, planning, directe doelstellingen) in plaats door stabiele individuele kenmerken.

Betekenis en Claims
Het artikel beweert dat het NPC-kader een flexibel en interpreteerbaar instrument biedt voor het bestuderen van egonet-persistentie in temporele netwerken. De primaire betekenis ligt in:

1. Ontkoppeling van Gedrag en Structuur: Door gebruik te maken van op maat gemaakte null-modellen, slaagt NPC erin om genuante gedragsregulariteiten te scheiden van structurele artefacten zoals de graad van een knoop.
2. Genuanceerde Typologie van Gedrag: Het maakt de identificatie van onderscheidende gedragsarchetypen (exploratie versus exploitatie) en de kwantificering van hun temporele stabiliteit mogelijk, waarmee verder wordt gegaan dan eenvoudige geaggregeerde maten.
3. Contextueel Inzicht: De toepassing op conferentiedata daagt de aanname uit dat interactiestrategieën vaste individuele eigenschappen zijn, en benadrukt in plaats daarvan de rol van de situationele context bij het vormgeven van sociale dynamiek.

De auteurs concluderen dat hoewel NPC een robuuste methode biedt voor de analyse van temporele netwerken, toekomstig werk de dagelijkse persistentiepatronen moet verkennen en het kader moet uitbreiden naar link-niveau persistentie om fijnmazigere temporele structuren te vangen.