کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6369698 1623830 2015 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Conformity biased transmission in social networks
ترجمه فارسی عنوان
انتقال غیرمستقیم سازگاری در شبکه های اجتماعی
کلمات کلیدی
ترجمه چکیده
در این مقاله، ما کشف می کنیم که چگونه ساختار جمعیت می تواند به طور متفاوت بر گسترش رفتار های جدید تاثیر بگذارد، بسته به استراتژی یادگیری هر فرد. ما از یک سری از شبیه سازی ها برای تجزیه و تحلیل چگونگی تاثیر قوانین یادگیری وابسته به فرکانس بر روی اینکه چگونه رفتارهای جدید می توانند از طریق یک جمعیت در چهار شبکه اجتماعی مصنوعی و سه شبکه اجتماعی واقعی گسترش یابد، تاثیر می گذارد. ما این احتمال را که رفتاری جدید از طریق جمعیت می تواند گسترش یابد، و احتمال وجود انواع مختلف رفتاری در جمعیت، اندازه گیری تنوع فرهنگی، اندازه گیری کردیم. به طرز شگفتانگیزی، ما بین چندین شبکه در هر دو اندازه گیری اختلاف پیدا می کنیم. با این حال، ما متوجه می شویم که جایی که یک رفتار بر روی شبکه منجر به ایجاد یک شبکه می تواند تأثیر قابل توجهی بر روی احتمال گسترش آن داشته باشد و این تاثیر مکان به استراتژی یادگیری یک فرد بستگی دارد. این نتایج نشان می دهد که برای تجزیه و تحلیل مرتبه اول نحوه رفتار در میان جمعیت، ساختار شبکه اجتماعی می تواند نادیده گرفته شود، اما ساختار شبکه اجتماعی ممکن است مفید باشد برای تجزیه و تحلیل و پیش بینی دقیق تر.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک علوم کشاورزی و بیولوژیک (عمومی)
چکیده انگلیسی
In this paper we explore how the structure of a population can differentially influence the spread of novel behaviors, depending on the learning strategy of each individual. We use a series of simulations to analyze how frequency dependent learning rules might affect how easily novel behaviors can spread through a population on four artificial social networks, and three real social networks. We measured the likelihood that a novel behavior could spread through the population, and the likelihood that there were multiple behavioral variants in the population, a measure of cultural diversity. Surprisingly, we find few differences between networks on either measure. However, we do find that where a behavior originated on a network can have a substantial impact on the likelihood that it spreads, and that this location effect depends on the learning strategy of an individual. These results suggest that for first-order analysis of how behaviors spread through a population, social network structure can be ignored, but that the social network structure may be useful for more fine-tuned analyses and predictions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Theoretical Biology - Volume 380, 7 September 2015, Pages 542-549
نویسندگان
, ,