Die Suche nach dem Gleichgewicht in sozialen Netzwerken
Wenn Sie jemals versucht haben, mit beiden Mitgliedern eines Paares befreundet zu bleiben, das sich mitten in einer tumultartigen Scheidung befindet, oder wenn Sie Teil einer Freundesgruppe waren, die auch eine Person umfasst, die Sie nicht ausstehen können, wissen Sie, wie unausgewogen ein soziales Netzwerk sein kann.
Sie werden wahrscheinlich auch den Sozialpsychologen des 20. Jahrhunderts, Fritz Heider, verstehen, der theorisiert hat, dass Menschen versuchen, diese unangenehmen und unausgewogenen Situationen zu vermeiden, und stattdessen „ausgewogene“ Netzwerke bevorzugen, die Regeln folgen wie „der Freund meines Freundes ist auch mein Freund“ und „der Feind meines Feindes ist mein Freund“.
Die Schwierigkeit, das Gleichgewicht in sozialen Netzwerken zu finden
Es stellt sich jedoch heraus, dass es komplizierter ist, ein Gleichgewicht in realen sozialen Netzwerken zu finden, als es scheint. Einige Studien legen nahe, dass soziale Netzwerke ausgewogen sind, während andere das Gegenteil behaupten. Darüber hinaus scheitern einige „Nullmodelle“, die verwendet werden, um die statistische Signifikanz der in realen Netzwerken beobachteten Muster zu bewerten, daran, das Gleichgewicht sogar in künstlichen Netzwerken zu identifizieren, die eigens zu diesem Zweck entworfen wurden.
Die Entdeckung der Physiker
Zwei Physiker von der Northwestern University in den USA haben kürzlich angekündigt, dass sie dieses Problem gelöst haben. Mit Hilfe von Daten, die von Bitcoin-Tauschplattformen, der Technologie-Nachrichtenseite Slashdot, einer Produktbewertungsseite namens Epinions und den Interaktionen zwischen Mitgliedern des US-Repräsentantenhauses gesammelt wurden, haben István Kovács und Bingjie Hao gezeigt, dass die meisten sozialen Netzwerke tatsächlich ein starkes Gleichgewicht aufweisen. Sie behaupten, dass ihre Entdeckung ein erster Schritt zur „Verständnis und möglicherweise zur Verringerung der Polarisierung in sozialen Medien“ sein könnte und auch Anwendungen in der Gehirnvernetzung und Protein-Protein-Interaktionen haben könnte.
Positive und negative Zeichen in sozialen Netzwerken
Aus mathematischer Sicht sind soziale Netzwerke Gruppen von Knoten (die Personen darstellen), die durch Linien oder Kanten (die die Beziehungen zwischen ihnen darstellen) verbunden sind. Wenn zwei Personen eine feindliche oder misstrauische Beziehung haben, trägt die Kante, die ihre Knoten verbindet, ein negatives Zeichen. Freundschaftliche oder vertrauensvolle Beziehungen erhalten ein positives Zeichen.
Faktoren, die das Gleichgewicht sozialer Netzwerke komplizieren
Dennoch enthalten reale soziale Netzwerke einige Nuancen, die in Nullmodellen schwer zu erfassen sind. Zum Beispiel kennt nicht jeder jeden. Wenn der Feind Ihres Feindes im Ausland lebt, wissen Sie möglicherweise nicht, dass er existiert, geschweige denn, ob Sie ihn als Freund betrachten sollten. Ein weiterer komplizierender Faktor ist, dass manche Menschen freundlicher sind als andere, weshalb sie mehr positive Verbindungen haben werden.
Die Antwort der Physiker
In ihrer Studie, die in der Zeitschrift Science Advances veröffentlicht wurde, haben Kovács und Hao ein neues Nullmodell entwickelt, das sowohl die Topologie (d.h. die Struktur der Verbindungen) als auch den „signierten Knotengrad“ (d.h. die Freundschaft oder Feindschaft einzelner Knoten) berücksichtigt, die die Netzwerke der realen Welt charakterisieren. Durch den Vergleich dieses Modells mit Mini-Netzwerken von drei und vier Knoten in ihren gewählten Datensätzen haben sie gezeigt, dass die sozialen Netzwerke der realen Welt tatsächlich ausgewogener sind, als man basierend auf dem genaueren Nullmodell erwarten könnte.
Fazit: Kann man wirklich Freunde machen, indem man unsere Feinde nutzt?
So können Sie sich das nächste Mal, wenn Sie zwischen zwei streitenden Freunden wählen müssen oder entscheiden, ob Sie jemandem vertrauen können, der nicht die gleichen Personen mag wie Sie, beruhigen: Sie führen eine einfache mathematische Operation durch, und das wahrscheinlichste Ergebnis wird ein ausgewogeneres soziales Netzwerk sein. Problem gelöst!
