Source-linked AI summary
Multirelational Organization of Large-scale Social Networks in an Online World
Michael Szell, Renaud Lambiotte, Stefan Thurner
TL;DR
대규모 사회 네트워크 연구는 사회 조직을 설명하는 데 중요한 개인 간 다중 관계를 흔히 간과해 왔다. 이 논문은 약 300,000명의 온라인 게임 플레이어 사이에서 발생하는 여섯 가지 상호작용 네트워크를 분석하고, 공격적 관계가 비공격적 관계와 다르며 multiplex 패턴이 structural balance theory를 뒷받침한다는 점을 보인다.
문제
제한된 경험적 데이터 때문에 대규모 사회 네트워크 연구는 개인을 연결하는 다중 관계를 대체로 간과해 왔다.
방법
온라인 게임 인구의 거의 전체를 포괄하는 종단 데이터를 바탕으로 여섯 개의 directed interaction network를 구축하고, 그 위상, 중첩, 상관관계, triad를 분석한다.
결과
부정적 상호작용은 더 낮은 상호성, 더 약한 clustering, 더 두꺼운 꼬리를 갖는 degree distribution을 보이며, friendship–enmity triad는 structural balance의 weak formulation을 경험적으로 뒷받침한다.
시사점 및 한계
Multiplex 사회 네트워크는 상호작용에 따라 구별되는 조직 양상을 보이며, 개인은 관계 네트워크마다 서로 다른 역할을 맡는 경우가 많다.
시사점 및 한계
상관관계 측정은 게임 플레이 시간에 의해 편향될 수 있고 메시지나 거래 금액의 link weight를 무시할 수 있으므로 주의가 필요하다.
Abstract
from arXiv · showhide
The capacity to collect fingerprints of individuals in online media has revolutionized the way researchers explore human society. Social systems can be seen as a non-linear superposition of a multitude of complex social networks, where nodes represent individuals and links capture a variety of different social relations. Much emphasis has been put on the network topology of social interactions, however, the multi-dimensional nature of these interactions has largely been ignored in empirical studies, mostly because of lack of data. Here, for the first time, we analyze a complete, multi-relational, large social network of a society consisting of the 300,000 odd players of a massive multiplayer online game. We extract networks of six different types of one-to-one interactions between the players. Three of them carry a positive connotation (friendship, communication, trade), three a negative (enmity, armed aggression, punishment). We first analyze these types of networks as separate entities and find that negative interactions differ from positive interactions by their lower reciprocity, weaker clustering and fatter-tail degree distribution. We then proceed to explore how the inter-dependence of different network types determines the organization of the social system. In particular we study correlations and overlap between different types of links and demonstrate the tendency of individuals to play different roles in different networks. As a demonstration of the power of the approach we present the first empirical large-scale verification of the long-standing structural balance theory, by focusing on the specific multiplex network of friendship and enmity relations.
결과
여섯 상호작용 네트워크에서 긍정적 연결은 더 높은 상호성과 군집화를 보이는 반면, 부정적 연결은 더 낮은 상호성, 더 약한 군집화, power-law 차수분포를 보인다. 네트워크 간 중첩과 상관은 서로 다른 관계적 역할을 드러내며, friendship–enmity triad는 structural balance의 약한 형태를 뒷받침한다.
- 단일 네트워크 특성: 긍정적 네트워크는 상호성이 강한 반면, enmity, attack, bounty 네트워크는 상호성이 유의하게 더 작다.긍정적 네트워크는 friendship, private messages, trade이며, enemy 네트워크에서 상호성이 낮은 것은 부분적으로 의도적인 상호 응답 거부를 반영할 수 있다.
- 단일 네트워크 특성: 부정적 상호작용은 꼬리가 더 두꺼운 차수 패턴을 보인다. aggression, enmity, bounty에는 power law가 나타나지만, 긍정적 또는 수동적 연결에는 나타나지 않는다.power law는 attack out-degree, enmity in-degree, bounty in- 및 out-degree 모두에서 나타나며, friendship, communication, trade, being attacked에는 나타나지 않는다.
- 단일 네트워크 특성: 긍정적 연결은 부정적 연결보다 더 강하게 군집화되며, 이는 triadic closure가 부정적 상호작용에서 지배적이지 않음을 시사한다.부정적 연결의 낮은 군집화는 부호가 있는 motif의 균형에 기인하는 것으로 해석된다.
- 네트워크 간 상관과 중첩: communication은 friendship 및 attack과 강하게 중첩되는 반면, trade–enmity 중첩은 사라지며 친구와 적은 결코 동일한 관계가 아니다.communication은 aggression을 동반한다. trade하는 플레이어는 거의 enemy가 되지 않으며, friendship–enmity는 중첩이 사라지는데도 상당한 차수 상관을 보인다.
- 네트워크 간 상관과 중첩: 네트워크 간 차수 상관이 낮다는 것은 한 네트워크의 hub가 다른 네트워크의 hub일 필요는 없으며, 따라서 행위자들이 서로 다른 관계적 역할을 수행함을 의미한다.플레이어의 활동 시간과 무시된 link weight가 상관을 편향시킬 수 있으므로 상관 추정에는 주의가 필요하다.
- Structural balance: 부호가 있는 triad의 빈도는 structural balance의 약한 정식화를 뒷받침한다. +++ 및 +−− triad는 과대표집되고, ++−는 과소대표집되며, −−−는 과소대표집 정도가 더 작다.z-score 비교는 순수한 우연을 기준으로 하며, 이 패턴은 Heider의 원래 정식화보다 약한 정식화를 지지한다.
논의
이 연구는 인간관계의 다차원성을 정량적으로 측정함으로써 대규모 사회 네트워크 연구의 공백을 다룬다. 공격성에 의해 유발된 관계가 비공격적 관계와 체계적으로 다르며, 서로 다른 네트워크가 인간의 상이한 역할을 드러낸다는 점을 보인다.
- 동기: 사회적 행위자에게 작용하는 여러 힘이 대규모 사회 시스템을 형성하므로 multiplexity를 분석하는 것이 필수적이라고 주장한다.많은 실증 연구는 노드의 속성에 초점을 맞추면서 행위자를 연결하는 여러 유형의 링크를 간과한다.
- 발견: 공격성에 의해 유발된 관계는 비공격적 관계와 현저히 다른 체계적 특성을 보인다.이 결과는 상호작용 유형이 거시적 결과를 낳는다는 점을 보여준다.
- 발견: 네트워크 유형 간 상호작용은 자명하지 않은 다차원 구조를 드러내며, 인간은 관계 네트워크에 따라 매우 다른 역할을 수행한다.이 데이터셋은 이러한 다차원성을 정량적으로 탐색할 수 있게 한다.
재료 및 방법
300,000명이 넘는 Pardus 플레이어의 거의 완전한 종단적 상호작용 데이터를 사용해 6개의 방향성 social network를 구축한다. 각 network를 표준 구조적 지표로 분석하고 Jaccard similarity를 사용해 network overlap을 비교한다.
- Social Network Data: 데이터셋은 2004년 이후 Pardus 플레이어의 사실상 모든 행동을 기록하므로, 전체 사회의 multiplex relation을 거의 완전하게 종단적으로 mapping할 수 있다.플레이어들은 자신의 행동이 기록된다는 사실을 몰랐으므로 interviewer effect가 없었고 measurement error도 사실상 무시할 수 있었다.
- Network Construction: Friendship network와 enmity network는 day 445의 snapshot인 반면, 나머지 network는 day 1과 day 445 사이에 발생한 모든 link를 집계한다.Network는 unweighted 및 directed로 표현하며, 적어도 하나의 방향성 link가 존재하면 undirected link가 존재하는 것으로 본다.
- 네트워크 측정치: 여섯 네트워크를 노드 및 링크 수, reciprocity, in–out-degree 상관, average degree, clustering coefficients를 사용해 각각 분석한다.clustering은 해당 random graph를 기준으로도 정규화한다.
- Network Interactions: Network type 간 상호작용은 Jaccard coefficient로 정량화하며, 이는 두 link set의 intersection을 union으로 나눈 값으로 정의한다.이는 두 network에서 link가 동시에 발생하는 경향을 측정한다.