Una nova recerca proposa l'ús d'una eina matemàtica per desxifrar dinàmiques socials complexes

• Investigadors de l'Institut de Física Interdisciplinària i Sistemes Complexos desenvolupen un model que caracteritza la dinàmica de les interaccions grupals 
• L'estudi, publicat a Nature Communications, utilitza hipergrafs temporals per estudiar com es formen els grups de conversa en diferents contextos socials

Els models tradicionals de xarxes descriuen interaccions entre parells. A causa d'aquesta limitació, no aconsegueixen captar la dinàmica de les interaccions grupals que caracteritzen molts de sistemes del món real, com les converses socials en temps real entre tres o més persones. Altres xarxes, com les utilitzades en sistemes socials, biològics i ecològics, solen implicar interaccions d'aquest tipus que són canviants en el temps. Ara, un nou estudi publicat a Nature Communications proposa utilitzar una eina matemàtica per revelar aquestes dinàmiques complexes i canviants, amb especial interès en els sistemes socials. El treball, en el qual participa l'Institut de Física Interdisciplinària i Sistemes Complexos (IFISC-CSIC-UIB), introdueix un nou marc per analitzar sistemes socials complexos a través de la lent d'unes eines anomenades hipergrafs temporals. Això ha permès veure com es formen i dilueixen grups de conversa en un esdeveniment social.

Un graf (o una xarxa) consta d'elements (o nodes) connectats per arestes i cada una uneix exactament dos vèrtexs. D'altra banda, un hipergraf permet, mitjançant les anomenades hiperarestes, connectar qualsevol nombre de vèrtexs al mateix temps, des d'un a tots els elements que formen part de l’hipergraf. Aquesta característica converteix els hipergrafs en eines adequades per representar relacions en les quals intervenen diverses entitats al mateix temps, com ara col·laboracions de recerca entre diversos autors, converses grupals o en bases de dades, en què els grafs tradicionals podrien ser insuficients, si es volen capturar totes les subtileses del sistema.

La recerca, en la qual també han participat la Universitat Centreeuropea de Viena (Àustria) i la Universitat Queen Mary de Londres (Regne Unit), introdueix un conjunt de mesures dissenyades per extreure i analitzar diferents paràmetres dins els hipergrafs. «Aplicant aquestes mesures a dades sobre interaccions humanes, com les converses que poden tenir els assistents d'un congrés científic, hem demostrat l'existència d'estructures grupals coherents i interdependents que apareixen en aquests sistemes de manera persistent», explica Lucas Lacasa, investigador de l’IFISC-CSIC-UIB. «Aquestes estructures —afegeix Lacasa— reflecteixen com els grups de conversa canvien amb el temps, s’hi agreguen membres, es fragmenten en grups més petits o se’n formen de nous. Per exemple, quan una conversa involucra massa persones tendeix a fragmentar-se en dos o més grups més petits».

Hipergrafs temporals

Per entendre més bé aquestes dinàmiques, els investigadors varen introduir nous models teòrics, anomenats hipergrafs temporals. A diferència dels models anteriors, aquests no consideren que les connexions entre persones siguin fixes, sinó que canvien amb el temps. Aquests models introdueixen la idea de «memòria complexa», és a dir, les interaccions entre les persones en el passat afecten a la manera com interactuaran en el futur. Aquests nous models han estat útils per entendre com les estructures dins els grups romanen estables o canvien, i com això afecta el comportament general del sistema al llarg del temps.

Per provar el marc proposat, l'equip de recerca va analitzar dades reals de 32 hores d'interaccions cara a cara entre 403 participants en un congrés científic. Varen plantejar un hipergraf temporal per representar la dinàmica de grup, en el qual cada contacte es modela com un node que connecta diversos individus al mateix temps. Les anàlisis varen revelar correlacions temporals significatives i prolongades, especialment per a grups de dues a quatre persones. A més, els investigadors varen descobrir que les interaccions entre grups de diferents grandàries també estaven correlacionades. «Aquests resultats suggereixen, per exemple, que la formació de grups de cinc persones és més probable a partir d'un grup de quatre que afegeix un nou membre que d'un grup més gran que es fragmenta en grups més petits de cinc. En altres paraules, existeix una direcció preferent en la dinàmica de nucleació i fragmentació de grups en aquest sistema social», aclareix el científic de l’IFISC-CSIC-UIB.

El treball dels investigadors representa una important passa endavant en la ciència de xarxes, ja que ofereix metodologies que poden aplicar-se a una àmplia gamma de disciplines. Entre aquestes hi ha no solament les ciències socials, sinó també àmbits com l'epidemiologia, en què la comprensió de la dinàmica de grups de poblacions pot servir de base per millorar les estratègies de control de malalties, o, fins i tot, àmbits com la dinàmica de fluids, en què la metodologia pot aplicar-se per comprendre més bé la interacció entre grups coherents de molècules, és a dir, les interaccionis vòrtex-vòrtex.

Luca Gallo, Lucas Lacasa, Vito Latora i Federico Battiston. Higher-order correlations reveal complex memory in temporal hypergraphs. Nature Communications. DOI: https://doi.org/10.1038/s41467-024-48578-6

• CSIC
• El diari de la UIB
• Dicyt
• The Smart City Journal
• La Palmesana