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

Resumo Técnico: Extração de Propriedades Comportamentais de Interações Face a Face via Redes Temporais

Problema
A análise de redes temporais requer métodos robustos para compreender como indivíduos repetem interações sociais ao longo do tempo. Embora interações repetidas sejam conhecidas por moldar a difusão de informação e a estrutura social, medidas existentes de persistência de egonets frequentemente confundem regularidades comportamentais genuínas com efeitos estruturais, como o grau do nó. Nós de alto grau exibem inerentemente uma alta similaridade em seus vizinhanças através de períodos de tempo, criando um viés que torna difícil distinguir correlações temporais significativas de misturas aleatórias. Além disso, há uma carência de observáveis interpretáveis que quantifiquem diretamente a persistência da interação egocêntrica, contabilizando tanto a identidade do contato quanto a intensidade da interação.

Metodologia
Os autores introduzem o Critério de Persistência de Vizinhança (NPC), um framework estatisticamente fundamentado projetado para quantificar a persistência de egonets através do tempo. A metodologia procede em três estágios:

1. Medidas de Similaridade: O framework primeiro computa duas métricas clássicas de similaridade para a rede egocêntrica de um indivíduo entre dois períodos de tempo ($T$ e $T'$):

   • Índice de Jaccard ($\lambda_J$): Mede a sobreposição nas identidades de contato, independente da força da interação.
   • Similaridade de Cosseno ($\lambda_{cos}$): Incorpora pesos de interação (duração total), capturando se a intensidade das interações é preservada juntamente com a identidade.

2. Normalização Estatística via Modelos Nulos: Para corrigir o viés introduzido pelo grau do nó e pela topologia da rede, os autores aplicam dois modelos nulos específicos via randomização:

   • $P[k]$: Reconecta a rede preservando os graus dos nós. Este serve como o modelo nulo para o índice de Jaccard para controlar correlações topológicas.
   • $P[L, p(w)]$: Mantém a topologia da rede, mas redistribui aleatoriamente os pesos de interação de acordo com a distribuição empírica. Este serve como o modelo nulo para a similaridade de cosseno para controlar correlações entre topologia e intensidade de interação.

3. O Observável NPC ($\alpha$): Os autores definem um observável padronizado, $\alpha$, baseado no desvio da similaridade observada em relação à mediana da distribuição nula ($\mu_l$).

   • $\alpha$ varia de $[-1, 1]$.
   • $\alpha = 1$ indica uma forte preferência por reengajar-se com os mesmos indivíduos.
   • $\alpha = -1$ indica uma forte evasão de interações repetidas.
   • $\alpha \approx 0$ indica nenhuma desviação de padrões de interação aleatórios.
   • Esta formulação permite uma interpretação probabilística contínua de desvio comportamental, distinguindo entre desvios positivos e negativos.

4. Redução de Dimensionalidade e Categorização Comportamental: Para caracterizar a dinâmica individual através de múltiplos períodos de tempo, os autores analisam a consistência temporal dos valores de $\alpha$. Reconhecendo que o desvio padrão é sensível a outliers e que indivíduos podem alternar estratégias, eles empregam a Média Aparada de Dispersão usando o método de Tukey (TMDT) com um percentil $q=12\%$. Esta métrica ($TMDT_{12}$) quantifica a consistência intraindividual do comportamento, distinguindo entre padrões estáveis e alta variabilidade (alternância de estratégias).

Aplicação de Dados
O framework foi aplicado a redes de interação face a face de alta resolução coletadas em quatro conferências de Ciência Social Computacional (WS16, ICCS17, ECSS18, ECIR19) utilizando a plataforma SocioPatterns. Os dados foram agregados em janelas contíguas de alta atividade (ex: intervalos para café, almoço, sessões de pôster) para capturar eventos socialmente significativos enquanto filtram contatos de curta duração espúrios.

Resultos Principais

• Trade-off Exploração–Explotação: A análise de $\alpha$ versus $TMDT_{12}$ revela uma estrutura comportamental comum em todos os eventos. Os participantes geralmente caem em categorias distintas:
  • Exploradores Estáveis: Indivíduos com baixa dispersão e alto $\alpha$ (próximo a 1), mantendo um conjunto consistente de contatos.
  • Exploradores Estáveis: Indivíduos com baixa dispersão e $\alpha$ próximo a 0, mudando frequentemente de parceiros sem uma estrutura clara.
  • Evitadores: Um pequeno grupo com baixa frequência de presença e evasão sistemática de contatos anteriores ($\alpha \approx -1$).
  • Alternadores (Switchers): Indivíduos com alta dispersão, indicando uma alternância entre estratégias de exploração e explotação entre os intervalos.
• Identidade vs. Intensidade: Existe uma forte correlação entre $\alpha_J$ e $\alpha_{cos}$, mas os participantes tendem a ser ligeiramente mais persistentes em manter a identidade do contato do que em manter a duração específica dessas interações.
• Ausência de Determinismo Socio-Demográfico: Crucialmente, o estudo encontrou nenhuma associação sistemática significativa entre estas dinâmicas comportamentais (consistência ou variabilidade) e atributos socio-demográficos estáveis (idade, gênero) ou traços autorrelatados. Embora existam tendências fracas (ex: participantes mais jovens mostrando ligeiramente mais persistência em alguns contextos), os resultados sugerem que as estratégias de interação são moldadas principalmente por fatores contextuais (estrutura do evento, cronograma, objetivos imediatos) em vez de traços individuais estáveis.

Significância e Alegações
O artigo afirma que o framework NPC fornece uma ferramenta flexível e interpretável para estudar a persistência de egonets em redes temporais. Sua principal significância reside em:

1. Desacoplar Comportamento de Estrutura: Ao utilizar modelos nulos customizados, o NPC separa com sucesso regularidades comportamentais genuínas de artefatos estruturais como o grau do nó.
2. Tipologia Comportamental Matizada: Permite a identificação de arquétipos comportamentais distintos (exploração vs. explotação) e a quantificação de sua estabilidade temporal, indo além de simples medidas agregadas.
3. Insight Contextual: A aplicação aos dados de conferência desafia a suposição de que estratégias de interação são traços individuais fixos, destacando o papel do contexto situacional na moldagem das dinâmicas sociais.

Os autores concluem que, embora o NPC ofere o um método robusto para analisar redes temporais, trabalhos futuros devem explorar padrões de persistência em nível diário e estender o framework para a persistência em nível de ligação para capturar estruturas temporais de grão mais fino.