Workshop on ERGM (p*) in statnet

ERGM (Exponential Random Graph Models) или p* models — это семейство моделей, основанных на случайных графах, с помошью которых можно выявлять наличие (или отсутствие) различных структурных эффектов (реципрокность, транзитивность, цикличность, гомофилия и т.д.) в сети. Т.е. мы можем сказать, является ли наблюдаемая сеть результатом повышенной/пониженной взаимности социальных отношений (реципрокность), действует ли в ней правило "друг моего друга — мой друг" (транзитивность) и склонны ли акторы этой сети выбирать контрагентов со схожими характеристиками (гомофилия). Данная тема составляет значительную часть моей диссертации, поэтому наверняка она ещё не раз тут всплывет.

С этой методикой я познакомился на летней школе в Эссексе, но распробовал все её достоинства не сразу. Но было уже поздно и поэтому пришлось вгрызаться в дебри формул и статистических подробностей самостоятельно. Однако, на помощь мне пришло видео, где David Hunter и Steve Goodreau – одни из ключевых авторов по данной тематике — 5 часов к ряду объясняют как начинку, так и реализацию ERGM в statnet. Это единственное видео подобной длины, которое я не только внимательно просмотрел, но и законспектировал. На прошедшем Sunbelt Стив постоянно курсировал в холле, но я так и не решился подойти к нему и поблагодарить. О чем сейчас жалею.

Goudreau-Hunter Political Networks 2009 1 of 5 from David Lazer on Vimeo.

Остальные части записи можно найти там же.

Не все анализы сетей одинаково социальны

Brian Keegan — единственный человек, чьи доклады на Sunbelt я посетил дважды — по итогам выступления С. Вассермана на одной конференции написал небольшое эссе об междисциплинарности (скомпилированное из его же твиттов, по совету самого Вассермана). Увы, этот предмет мне не настолько интересен, чтобы продираться сквозь не самую тривиальную лексику автора, поэтому это сомнительное удовольствие я оставлю другим.

Меня же заинтересовало другое. Во-первых, состав участников конференции. Даже краткий их список какбе намекает: Adamic, Barabasi, Berners-Lee, Burt, Castells, Newman, Powell, Uzzi, Wasserman, Watts. Во-вторых, основная идея доклада о том, что набежавшие ныне в сетевой анализ математики, физики и computer scientists “тупо” изобрели заново математическую и методологическую машинерию исследований в области “small world”, вместо того, чтобы воспользоваться уже имеющимися наработками социологов, антропологов и прочих ранних пташек анализа социальных сетей, и развивать это направление вместе.

Сей аргумент наглядно (что в последнее время редко случается в сетевых визуализациях) продемонстрирован на нижеследующей картинке, отображающей сети цитирования статей, посвящённых исследованиям “small world”. В тексте статьи это не прописано явно, но я подозреваю, что цвет узлов обозначает деление на два лагеря: ранних (социологи, психологи, антропологи) и поздних (математики, физики, компьютерщики) исследователей социальных сетей.
small world citation

От себя по теме имею заявить следующее. Недавно пересёкся на Мясницкой с PhDшником, с недавних пор читающим в Вышке курс по сетевому анализу в экономике. Начал было рассказывать ему о том, что съездил на Sunbelt, да быстро осёкся, т.к. мой собеседник не был знаком с данным мероприятием. На что я, удивившись, начал называть ему ключевые фамилии, ни одна из которых также не была ему знакома. Он пришёл в эту область из эконометрики, поэтому у них совершенно иные ключевые фигуры и работы. По большому счёту, ничего удивительного в этом нет. Когда я сам листал книжки по сетевому анализу в экономике (типа этой или этой), ловил себя на мысли о том, что они вообще о другом. Да и на занятии у вышеозначенного человека я понял чуть меньше чем ничего.

И слава Богу! Как известно, разделение труда — один из основных признаков зарождения цивилизации.