Wetenschap
Voorbeelden van statistische netwerkanalyse van personages in twee tragedies van Shakespeare. Twee karakters zijn verbonden door een lijn, of rand, als ze in dezelfde scène voorkomen. De grootte van de cirkels die deze karakters vertegenwoordigen, knooppunten genoemd, geef aan met hoeveel andere karakters men is verbonden. De dichtheid van het netwerk heeft betrekking op hoe compleet de grafiek is, met 100% dichtheid, wat betekent dat alle tekens met elkaar verbonden zijn. Krediet:Martin Grandjean
Aan een Engelse geleerde of fervent lezer, de Shakespeare Canon vertegenwoordigt enkele van de grootste literaire werken van de Engelse taal. Voor een netwerkwetenschapper, Shakespeare's 37 toneelstukken en de 884, 421 woorden die ze bevatten, vertegenwoordigen ook een enorm complex communicatienetwerk. Netwerk wetenschappers, die wiskunde gebruiken, natuurkunde, en informatica om enorme en onderling verbonden systemen te bestuderen, zijn belast met het gebruik van statistisch rigoureuze benaderingen om te begrijpen hoe complexe netwerken, zoals heel Shakespeare, informatie doorgeven aan het menselijk brein.
Nieuw onderzoek gepubliceerd in Natuurfysica gebruikt tools uit de netwerkwetenschap om uit te leggen hoe complexe communicatienetwerken op efficiënte wijze grote hoeveelheden informatie naar het menselijk brein kunnen overbrengen. Onder leiding van postdoc Christopher Lynn, afgestudeerde studenten Ari Kahn en Lia Papadopoulos, en professor Danielle S. Bassett, de studie wees uit dat verschillende soorten netwerken, waaronder die gevonden in literaire werken, muziekstukken, en sociale contacten, hebben een vergelijkbare onderliggende structuur waarmee ze snel en efficiënt informatie kunnen delen.
Technisch sprekend, een netwerk is gewoon een statistische en grafische weergave van verbindingen, bekend als randen, tussen verschillende eindpunten, knooppunten genoemd. In stukken literatuur, bijvoorbeeld, een knoop kan een woord zijn, en een rand kan woorden verbinden wanneer ze naast elkaar verschijnen ("mijn"- "koninkrijk"- "voor"- "a"-"paard") of wanneer ze soortgelijke ideeën of concepten overbrengen ("geel"-"oranje" -"rood").
Het voordeel van het gebruik van netwerkwetenschap om zaken als talen, zegt Lynn, is dat zodra relaties op kleine schaal zijn gedefinieerd, onderzoekers kunnen die verbindingen gebruiken om op veel grotere schaal conclusies te trekken over de structuur van een netwerk. "Zodra u de knooppunten en randen definieert, je kunt uitzoomen en beginnen te vragen hoe de structuur van dit hele object eruit ziet en waarom het die specifieke structuur heeft, " zegt Lynn.
Voortbouwend op de recente studie van de groep die modelleert hoe de hersenen complexe informatie verwerken, de onderzoekers ontwikkelden een nieuw analytisch raamwerk om te bepalen hoeveel informatie een netwerk overbrengt en hoe efficiënt het is in het overbrengen van die informatie. "Om de efficiëntie van de communicatie te berekenen, je hebt een model nodig van hoe mensen de informatie ontvangen, " hij zegt.
Met dit analytische raamwerk de onderzoekers evalueerden 40 real-world communicatienetwerken om te zien welke functies cruciaal waren voor het communiceren van informatie. Ze keken naar werken uit de Engelse literatuur, inclusief de canon van Shakespeare en Jane Austen's "Pride and Prejudice, " samen met muziekstukken zoals Sonate nr. 11 van Mozart en "Bohemian Rhapsody" van Queen. Ze bestudeerden ook netwerken van sociale relaties, inclusief co-auteurschapsnetwerken in de wetenschap en Facebook-vriendenverbindingen.
Na het bekijken van deze diverse groep netwerken, de onderzoekers ontdekten dat de grootschalige structuur van een netwerk essentieel was voor het vermogen van dat netwerk om informatie over te brengen. Wat verrassend was, was hoe vergelijkbaar deze structuur was in de verschillende netwerken, of het netwerk de overgangen van zelfstandige naamwoorden in een literair werk of melodische progressies in een muziekstuk vertegenwoordigde.
Wat deze netwerken zowel informatierijk als efficiënt maakt, is een balans tussen twee belangrijke netwerkfuncties die bekend staan als de "gemeenschapsstructuur" en de "heterogene" structuur. Een gemeenschapsstructuur treedt op wanneer knooppunten samenklonteren en clusters vormen die verwante concepten oproepen. Als je het woord 'hond' zegt, denk je misschien aan 'bal, " "Frisbee, " of "been, " bijvoorbeeld. Zo'n gemeenschapsstructuur helpt netwerken efficiënter te maken omdat een persoon kan anticiperen op welk woord of idee het volgende kan komen.
Maar als iemand kan anticiperen op wat komen gaat, er zal niet veel informatie worden overgebracht omdat informatie direct verband houdt met verrassing. Om informatie te verstrekken, netwerken moeten een "heterogene" mix hebben van zowel goed verbonden als schaars verbonden knooppunten. Neem als voorbeeld de werken van Shakespeare. Terwijl "de" en "en" worden gebruikt 28, 944 en 27, 317 keer, respectievelijk, er zijn er ook 12, 493 woordvormen die maar één keer voorkomen. "Bij een hub als 'de, ' je kunt niet anticiperen waar je heen gaat, ", zegt Lynn. "Het blijkt dat deze hub-knooppunten echt belangrijk zijn voor het genereren van verrassingen of, gelijkwaardig, informatie."
Wat Lynn fascineert, is hoe de balans tussen heterogene en gemeenschapsstructuur de sleutel is voor het creëren van netwerken die zowel informatierijk als gemakkelijk te interpreteren zijn. "Mensen hebben deze twee structuren lange tijd bestudeerd; het zijn twee van de fundamentele concepten van netwerkwetenschap, " zegt hij. "Deze studie geeft een verklaring waarom sommige van deze netwerken zijn gestructureerd zoals ze zijn:omdat ze proberen informatie efficiënt te communiceren. Dat is wat ik het coolste vind, " hij zegt.
De onderzoekers zullen dit werk voortzetten door de soorten communicatienetwerken die ze evalueren uit te breiden, met als doel te zoeken naar trends door de tijd heen en naar verschillen en overeenkomsten tussen de werken van andere talen en culturen. "We zijn ook bijzonder geïnteresseerd om af te bakenen hoe efficiënt communicatie is gerelateerd aan foutcorrectie, ", zegt Bassett. "Onze voorlopige bevindingen suggereren dat netwerken in de echte wereld mensen helpen om automatisch hun eigen fouten te corrigeren."
Wetenschap © https://nl.scienceaq.com