- 3 次围观
社会网络分析（Social Network Analysis，SNA）的跨学科应用意味着，当研究者计算全局网络指标时，其研究关注点可能涵盖不同层次：既包括促使特定群体层面结构得以选择形成的终极生态与进化压力，也包括这些结构产生的近因机制。尽管方法学已取得重大进展，但通过SNA指标测量的社会结构，很少能够与其潜在驱动力联系起来，而这些驱动力受到个体潜在倾向、生态约束及其与群体层面行为可能性之间相互作用的塑造。为了解决动物SNA中的“黑箱”问题，我们构建了一个模型，用于根据给定的一组参数模拟裂变–融合型空间关联数据。我们将动物社会系统分解为三个基本组成部分：个体倾向、外部因素，以及由此产生的社会结构。每个组成部分均由一个或多个模型参数表示，这些参数共同描述了一组潜在过程；这些过程会导致动物社会结构呈现出不同的可测量特征，而我们在SNA框架下使用常见的全局网络指标（例如聚类系数、密度和模块度）对这些特征进行量化。通过这种方式，我们的模型将全局网络指标与生成这些指标的潜在行为过程直接联系起来，并展示了潜在行为过程的变化如何影响全局网络指标。在保持其他所有参数不变的情况下，我们发现，以下因素的细微变化会以非线性方式，并且在某些情况下以非单调方式，影响所有计算得到的网络指标：1）种群统计特征（即群体规模）与生态因素（即觅食群体的规模及其变异性）；2）个体行为的差异及与之相关的观测偏差；3）预先设定的群体子结构；以及4）观测投入。我们的研究结果表明，未能考虑潜在的行为过程，可能会导致基于SNA所得的推断产生偏差。该模型与概念框架提供了一种新工具，有助于开始揭开SNA的黑箱，并系统地探讨多样化群体层面社会结构的演化。
社会网络分析（Social Network Analysis, SNA）的跨学科应用意味着，当研究者计算全局网络指标时，研究关注点既可能涉及促使特定群体层级结构得以选择的终极生态与演化压力，也可能涉及这些结构形成的近因机制。尽管方法学取得了重大进展，但通过 SNA 指标测量的社会结构，很少与由潜在的个体倾向、生态约束及其与群体层级可供性之间的相互作用所塑造的底层力量联系起来。为解决动物 SNA 中的“黑箱”问题，我们构建了一个模型，根据一组给定参数模拟裂变—融合型空间关联数据。我们将动物社会系统分解为三个基本构成要素：个体倾向、外部因素，以及由此涌现的社会结构。每个构成要素均由一个或多个模型参数表示，这些参数共同描述了一组潜在过程；这些过程会导致动物社会结构产生不同的可测量特征，而我们则在 SNA 框架内利用常用的全局网络指标（例如聚类系数、密度和模块度）对这些特征进行量化。通过这一建模过程，我们将全局网络指标与生成这些指标的底层行为过程直接联系起来，并展示了底层行为过程的变化如何影响全局网络指标。在保持其他所有参数不变的情况下，我们发现，以下因素的细微变化会以非线性、且在某些情况下呈非单调的方式影响所有计算得到的网络指标：1）种群动态（即群体规模）与生态因素（即觅食群体的规模及其变异性）；2）个体行为的变异及与之相关的观测偏差；3）预设的群体子结构；以及 4）观测投入。
我们的研究结果表明，未能考虑底层行为过程，可能会导致基于 SNA 得出的推断产生偏差。该模型及其概念框架提供了一种新工具，可用于初步打开 SNA 的黑箱，并系统地探讨多样化群体层级社会结构的演化。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.17.752303v1?rss=1
🏷️ 动物社会网络分析 社会结构 裂变–融合社会系统 群体行为建模 生态约束 进化机制