Dinamika nalezljivosti po omrežju

Irska raziskovalna skupina je v reviji Physical Review E objavila članek odprtega dostopa, ki opisuje metodo za modeliranje kompleksne nalezljivosti na mrežah z nagnjenjem k združevanju v skupine. Zapisali so teoretični model in računalniške simulacije za intuitivno situacijo; večji ko je družbeni vpliv na posameznika, večja je verjetnost, da se bo prilagodil novi družbeni muhi. Na tak način se denimo po spletu širijo kontroverzni Twitterjevi ključniki in spletni izzivi tipa »ice bucket challenge«.

Najbolj enostaven model prenosa informacije znotraj sistema imenujemo enostavna nalezljivost, pri kateri so učinki večkratne izpostavljenosti med seboj neodvisni. Naravni pojav, ki ga ta model dobro opiše, je širjenje bolezni, pri kateri se virus prenaša z okuženih na dovzetne organizme in je uspešen prenos neodvisen od števila preteklih kontaktov z okuženimi osebami. Ravno pri širjenju Twitterjevih ključnikov pa so opazili primere, ko se nekatere tematike širijo po bolj zapletenem principu. Podobno je denimo privzemanje mnenj o aktualnih zdravstvenih navadah po spletu bolj verjetno po tem, ko so stiki uporabnika enaka mnenja že sprejeli. Takemu načinu širjenja pravimo kompleksna nalezljivost.

V sklopu študije se je znanstvena skupina odločila za teoretični pristop, ki ga je nadgradila z računalniškimi simulacijami in primerjala z empiričnimi podatki. Za začetek je skupina uporabila teorijo večvrstnega razvejanja mreže, ki poleg procesa razvejanja povezav zajame tudi učinke združevanja vozlišč v skupine. Z večvrstnim razvejanjem populacijo spremljajo skozi njen celoten obstoj, tako da jo razdelijo v skupine po razvojnih obdobjih. Tako lahko opišejo časovno odvisne lastnosti populacije, kot denimo v primeru ekoloških sistemov, različne stopnje rodnosti, različnih starostnih skupin.

Model so nadgradili z implementacijo tako imenovanega poplavnega modela, ki omogoča opis dodatne izpostavljenosti informaciji. Ta pristop jim je omogočil določitev parámetra poplave informacij skozi sistem na podlagi števila začetnih ključnih vozlišč in njihovih položajev znotraj mreže. Tako so končno prišli do opaženega pojava: več ko ima posameznik prijateljev, ki so že spremenili svoje obnašanje, večja bo verjetnost, da se bo tudi sam spremenil pri naslednji izpostavljenosti.

Za konec raziskovalke in raziskovalci opozarjajo, da je obnašanje nalezljivosti v realnih sistemih odvisno tudi od zunanjih dejavnikov, denimo od omejene pozornosti uporabnika, ki jo razdeli med svoje prijatelje, in spontane spremembe obnašanja zaradi vpliva zunaj preučevanega omrežja.

Družbene povezave je klikala Tina.