211service.com
En modell av kaos
Det är en bekant situation: Ett par går igenom ett bittert uppbrott och deras gemensamma vänner måste välja sida. Sociologer har studerat den här typen av situationer, men på senare år har vissa forskare tittat på sätt att modellera det matematiskt.
Det beror på att sådana modeller kan visa sig användbara på många sätt – från att hjälpa till att förutsäga nyckelspelare i en politisk eller affärskonflikt till att förfina hur sociala nätverk online visar information.
I en papper publicerades nyligen i Proceedings of the National Academy of Sciences , beskriver forskare från Cornell University en modell för att förutsäga hur en social grupp kommer att bryta isär under en turbulent splittring. Jon Kleinberg , professor i datavetenskap vid Cornell, som ledde arbetet, säger att forskare traditionellt har fokuserat på att förutsäga hur en grupp kommer att se ut när konflikten har skakat ut. Han säger att detta arbete föreslår ett sätt att se på själva splittringen.
Kleinberg noterar att hans grupps modell inte gäller alla situationer. Istället skildrar den extremt polariserande konflikter. En sociologisk teori som kallas strukturell balans beskriver de beslut som gruppmedlemmar tvingas fatta när en grupp splittras helt. Modellen passar bäst i situationer där logiken börjar bli: 'Om du inte är med mig så är du emot mig', säger Kleinberg.
Forskarna testade sin modell på data som dokumenterade splittringen av en universitetskarateklubb, såväl som på uppdelningen mellan Axis och de allierade under andra världskriget. De modellerade stadierna i karateklubbens uppdelning korrekt, förutom ett fel. För andra världskriget förutspådde modellen korrekt vilken sida som valdes av alla länder utom Danmark och Portugal.
Kleinberg säger att modellerna inte har testats noggrant i andra situationer, men det är lätt att se en simulering och föreställa sig de mellanmänskliga relationerna. Till exempel, i en modell som han körde, smälte ena sidan snabbt samman, medan den andra gruppen verkade bildas först efter att var och en av dess medlemmar isolerats från den första gruppen.
Sidney Redner , en professor i fysik vid Boston University som också har arbetat med att modellera hur grupper splittras, säger att forskarnas arbete är mycket sofistikerat, men det är en lång väg att gå innan vi har en ren förståelse av processen. Han tillägger att det är notoriskt svårt att tillämpa sådana här modeller i den verkliga världen. Till exempel, säger han, har försök att använda teorier som denna för att förutsäga våld mellan gatugäng i Los Angeles inte varit framgångsrika hittills.
Andra är ännu mer skeptiska. Stanley Wasserman , professor i statistik, psykologi och sociologi vid Indiana University, säger att modellen är för förenklad för att leda till mycket insikt om mänskligt beteende. Han är också skeptisk till huruvida någon modell baserad enbart på abstrakta matematiska principer – som den här – korrekt kan skildra hur människor beter sig. Han säger att prediktiva modeller byggda från erfarenhetsdata är mer tillförlitliga.
Effekten [av detta arbete] beror på den allmänna acceptansnivån för matematik inom samhällsvetenskaperna av sociologer, säger Krzysztof Kulakowski , professor i fysik och tillämpad datavetenskap vid Akademia Gorniczo-Hutnicza University of Science and Technology. Kulakowski har också arbetat med problemet.
Kleinberg medger att det inte är säkert hur matematiska modeller kan visa sig praktiska. Men han tycker att arbetet antyder några intressanta riktningar. Han noterar till exempel att den nya modellen skulle kunna hjälpa till att identifiera nyckelspelare i en allt värre konflikt. Det fanns ögonblick under konflikterna som forskarna modellerade när sociala undergrupper flöt mellan de två huvudsakliga rivalerna; vissa personer i dessa grupper kan vara avgörande. En modell som denna kan uppmärksamma dessa människor i en verklig konflikt och ge förhandlare en chans att påverka dem.
Modeller som den som utvecklats av Cornell kan också hjälpa till att förbättra sociala nätverk online. Kleinberg noterar att ibland människors positiva eller negativa känslor – till exempel när de betygsätter en produkt – speglar deras sociala kopplingar snarare än deras genuina åsikter. Sociala nätverk skulle kunna använda en modell som denna för att fånga denna effekt och testa metoder för att filtrera bort den. Sociala nätverk kan också använda en modell som denna för att vara mer känsliga efter att medlemmar i en grupp har hamnat i konflikt med varandra. Med andra ord kanske de äntligen vet att de inte rekommenderar att du blir vän med din fientliga ex-partners syster.