群体内的社会学习：超网络捕捉组内动态对社会传染的影响

《Behavioral Ecology and Sociobiology》：Social learning within groups: Hypernetworks capture effects of within-group dynamics on social contagions

　　

摘要

群体规模和构成往往会影响社会过程的结果，包括知识和行为创新的扩散。然而，由于传统社会网络分析侧重于二元关系，将此类信息纳入其中颇具挑战性。诸如超网络等高阶网络方法提供了一种潜在解决方案，因为它们允许在社会结构描述中明确纳入群体规模和结构。然而，相对于二元近似，此类信息在多大程度上会实质性地改变社会过程建模的预期结果尚未经过探索。我们开发了一个基于主体的模型，用于模拟行为创新的社会传播扩散。要实施该创新，掌握知识的个体必须成功竞争有限资源的获取权，且竞争互动受社会支配等级的调节。在我们的模型中，我们独立变化资源稀缺性、支配等级偏差、个体的平均关联数量，以及扩散是使用二元表示还是超网络表示建模。我们发现，模拟的扩散结果经常因竞争互动和社会传播是使用超网络表示在明确群体背景中建模还是依赖二元近似而有所不同。在超网络变体中，关于创新的知识传播始终更快，但对有限资源的竞争也比二元网络变体更激烈，导致掌握知识的个体开始实施创新前出现显著延迟。当实施创新所需的资源相对稀缺时，超网络变体和二元变体之间的差异往往最大。我们的模型既突出了超网络方法可能特别有用的生物场景，也强调了进一步开发能够考虑超越二元关系的社交影响技术的必要性。