Confrontando le persone con particelle mobili che rimbalzano casualmente l’una sull’altra, gli scienziati hanno sviluppato un nuovo modello per i social network. Il modello si adatta ai dati empirici per riprodurre naturalmente la struttura della comunità, il raggruppamento e l’evoluzione delle conoscenze generali e persino dei contatti sessuali.
L’applicazione di un modello matematico alle dinamiche sociali delle persone presenta difficoltà non implicate con applicazioni più fisiche – e forse più razionali.
I molti fattori che influenzano le possibilità di un individuo di incontrare una determinata persona e decidere di diventare un amico sono impossibili da individuare, ma i fisici hanno utilizzato tecniche provenienti da sistemi fisici per modellare i social network con quasi precisione.
Modellando le interazioni delle persone in base al modo in cui le particelle rimbalzano l’una sull’altra in un’area chiusa, i fisici Marta Gonzalez, Pedro Lind e Hans Herrmann hanno scoperto che le caratteristiche dei social network emergono “in modo molto naturale“.
In uno studio recentemente pubblicato su Physical Review Letters, gli scienziati hanno confrontato il loro modello con i dati empirici tratti da un sondaggio di oltre 90.000 studenti statunitensi sulle amicizie e hanno trovato somiglianze che indicano che questo modello può servire come nuovo approccio per comprendere i social network.
“L’idea alla base del nostro modello, sebbene semplice, è diversa dai soliti approcci paradigmatici”, ha affermato Gonzalez. “Consideriamo un sistema di agenti mobili (studenti), che all’inizio non hanno conoscenze; muovendosi in uno spazio continuo si scontrano tra loro, formando le loro amicizie”.
Dopo una collisione, una particella si muove in una direzione diversa con una nuova velocità, proprio come la possibilità di un individuo di incontrare una nuova persona dipende dalle sue conoscenze più recenti.
In un punto critico, il sistema raggiunge uno stato quasi stazionario, consentendo per la prima volta agli scienziati di riprodurre diverse caratteristiche dei social network in un unico modello e in modo naturale.
Nello specifico, questa tecnica descrive accuratamente il clustering sociale, il modo in cui le amicizie evolvono nel tempo, la lunghezza del percorso più breve in un gruppo numeroso e alcune caratteristiche relative alla struttura del gruppo.
“Con questo nuovo framework, dimostriamo che specifiche regole di velocità e collisione sono in grado di riprodurre le caratteristiche statistiche e strutturali dei social network empirici”, ha affermato Gonzalez.
“Pertanto, questo modello sembra avere la novità di riunire tutti i precedenti sviluppi per la teoria delle collisioni con i risultati empirici della socio-dinamica“.
Gli scienziati sono stati anche in grado di applicare questo modello per descrivere tipi specifici di contatti per produrre una distribuzione che ricorda da vicino i conoscenti della vita reale. Ad esempio, per separare i contatti sessuali da tutti i contatti sociali, gli scienziati hanno assegnato ai contatti sessuali una proprietà intrinseca che potrebbe quindi essere utilizzata per modellare queste reti distinte.
In questo caso, il modello riproduceva la vera rete di contatti sessuali trovata in uno studio di tracciamento dei test HIV.
Sebbene questo movimento delle particelle non modelli letteralmente il movimento umano, rappresenta comunque le connessioni tra persone – e sono questi collegamenti che contengono il maggior significato per le teorie dei social network.
Ad esempio, i collegamenti possono rappresentare il flusso di informazioni che viaggiano attraverso una comunità. Conoscendo il percorso più breve, i comunicatori possono ottimizzare il flusso di informazioni e migliorare la produttività in un’azienda. Con la capacità di determinare hot hub o buchi in una comunità, i manager aziendali possono identificare leader o punti che richiedono un cambiamento organizzativo.
Gonzalez sostiene che la fisica statistica e gli studi comportamentali umani hanno una storia di ispirazione reciproca, il che rende il desiderio dei fisici di comprendere i social network un interesse naturale.
“Come osserva Philip Ball di Nature Editor, cercando di scoprire le regole delle attività umane collettive, i fisici statistici di oggi mirano a tornare alle loro radici: ovvero le statistiche sociali che hanno anche guidato Maxwell e Boltzmann verso l’utilizzo della probabilità di distribuzione nello sviluppo della teoria cinetica dei gas – il fondamento della meccanica statistica” ha concluso Gonzalez.
