La plupart des gens ont entendu la célèbre phrase « l’ennemi de mon ennemi est mon ami ». Aujourd’hui, des chercheurs de l’Université Northwestern ont utilisé la physique statistique pour confirmer la théorie qui sous-tend ce célèbre axiome. L'étude intitulée « Une randomisation appropriée des réseaux est essentielle pour évaluer l'équilibre social » est publiée dans la revue Science Advances. .

Dans les années 1940, le psychologue autrichien Fritz Heider a introduit la théorie de l’équilibre social, qui explique comment les humains s’efforcent naturellement de trouver l’harmonie dans leurs cercles sociaux. Selon la théorie, quatre règles – l’ennemi d’un ennemi est un ami, l’ami d’un ami est un ami, l’ami d’un ennemi est un ennemi et, enfin, l’ennemi d’un ami est un ennemi – conduisent à un équilibre. relations.

Bien que d’innombrables études aient tenté de confirmer cette théorie en utilisant la science des réseaux et les mathématiques, leurs efforts ont échoué, car les réseaux s’écartent de relations parfaitement équilibrées. La vraie question est donc de savoir si les réseaux sociaux sont plus équilibrés que prévu selon un modèle de réseau adéquat.

La plupart des modèles de réseau étaient trop simplifiés pour capturer pleinement les complexités des relations humaines qui affectent l'équilibre social, produisant des résultats incohérents quant à savoir si les écarts observés par rapport aux attentes du modèle de réseau sont conformes à la théorie de l'équilibre social.

L’équipe de Northwestern a cependant réussi à intégrer les deux éléments clés qui font que le cadre social de Heider fonctionne. Dans la vraie vie, tout le monde ne se connaît pas et certaines personnes sont plus positives que d’autres. Les chercheurs savent depuis longtemps que chaque facteur influence les liens sociaux, mais les modèles existants ne peuvent prendre en compte qu'un seul facteur à la fois.

En incorporant simultanément les deux contraintes, le modèle de réseau obtenu par les chercheurs a finalement confirmé la célèbre théorie, environ 80 ans après que Heider l'ait proposée pour la première fois.

Ce nouveau cadre utile pourrait aider les chercheurs à mieux comprendre les dynamiques sociales, y compris la polarisation politique et les relations internationales, ainsi que tout système comprenant un mélange d'interactions positives et négatives, tels que les réseaux neuronaux ou les combinaisons de drogues.

"Nous avons toujours pensé que cette intuition sociale fonctionnait, mais nous ne savions pas pourquoi elle fonctionnait", a déclaré István Kovács de Northwestern, l'auteur principal de l'étude.

"Tout ce dont nous avions besoin était de comprendre les mathématiques. Si vous parcourez la littérature, il existe de nombreuses études sur la théorie, mais il n'y a pas d'accord entre elles. Pendant des décennies, nous avons continué à nous tromper. La raison en est que la vraie vie est compliquée. . Nous avons réalisé qu'il fallait prendre en compte simultanément ces deux contraintes :qui sait qui et que certaines personnes sont simplement plus amicales que d'autres."

"Nous pouvons enfin conclure que les réseaux sociaux correspondent aux attentes formées il y a 80 ans", a ajouté Bingjie Hao, premier auteur de l'étude. "Nos résultats ont également de larges applications pour une utilisation future. Nos mathématiques nous permettent d'incorporer des contraintes sur les connexions et les préférences des différentes entités du système. Cela sera utile pour modéliser d'autres systèmes au-delà des réseaux sociaux."

Kovács est professeur adjoint de physique et d'astronomie au Weinberg College of Arts and Sciences de Northwestern. Hao est chercheur postdoctoral dans son laboratoire.

Qu'est-ce que la théorie de l'équilibre social ?

Utilisant des groupes de trois personnes, la théorie de l'équilibre social de Heider maintient l'hypothèse selon laquelle les humains s'efforcent d'établir des relations confortables et harmonieuses.

Dans des relations équilibrées, tout le monde s’aime. Ou, si une personne n’aime pas deux personnes, ces deux-là sont amis. Des relations déséquilibrées existent lorsque les trois personnes ne s'aiment pas, ou qu'une personne aime deux personnes qui ne s'aiment pas, ce qui entraîne de l'anxiété et des tensions.

L'étude de tels systèmes frustrés a conduit au prix Nobel de physique 2021 décerné au physicien théoricien italien Giorgio Parisi, qui a partagé le prix avec les modélisateurs climatiques Syukuro Manabe et Klaus Hasselmann.

"Cela semble très conforme à l'intuition sociale", a déclaré Kovács. "Vous pouvez voir comment cela conduirait à une polarisation extrême, que nous observons aujourd'hui en termes de polarisation politique. Si tous ceux que vous aimez n'aiment pas aussi tous ceux que vous n'aimez pas, alors cela aboutira à deux partis qui se détestent."

Cependant, il a été difficile de collecter des données à grande échelle répertoriant non seulement les amis mais aussi les ennemis. Avec l'avènement du Big Data au début des années 2000, les chercheurs ont tenté de voir si de telles données signées provenant des réseaux sociaux pouvaient confirmer la théorie de Heider. Lors de la génération de réseaux pour tester les règles de Heider, les individus servent de nœuds. Les bords reliant les nœuds représentent les relations entre les individus.

Si les nœuds ne sont pas amis, alors le bord entre eux se voit attribuer une valeur négative (ou hostile). Si les nœuds sont amis, alors le bord est marqué d'une valeur positive (ou amicale). Dans les modèles précédents, les arêtes se voyaient attribuer aléatoirement des valeurs positives ou négatives, sans respecter les deux contraintes. Aucune de ces études n'a capturé avec précision les réalités des réseaux sociaux.

Réussir malgré les contraintes

Pour explorer le problème, Kovács et Hao se sont tournés vers quatre ensembles de données de réseau signés à grande échelle et accessibles au public, préalablement conservés par des spécialistes des sciences sociales, comprenant des données provenant 1) de commentaires évalués par les utilisateurs sur le site d'informations sociales Slashdot; 2) les échanges entre les membres du Congrès à la Chambre ; 3) interactions entre traders Bitcoin; et 4) les avis sur les produits du site d'évaluation des consommateurs Epinions.

Dans leur modèle de réseau, Kovács et Hao n’attribuent pas de valeurs négatives ou positives véritablement aléatoires aux arêtes. Pour que chaque interaction soit aléatoire, chaque nœud devrait avoir une chance égale de se rencontrer. Cependant, dans la vraie vie, tout le monde ne connaît pas tout le monde au sein d’un réseau social. Par exemple, une personne peut ne jamais rencontrer l'ami de son ami, qui vit à l'autre bout du monde.

Pour rendre leur modèle plus réaliste, Kovács et Hao ont distribué des valeurs positives ou négatives basées sur un modèle statistique décrivant la probabilité d'attribuer des signes positifs ou négatifs aux interactions existantes. Cela maintenait les valeurs aléatoires, mais aléatoires dans les limites imposées par les contraintes de la topologie du réseau. En plus d'on ne sait qui, l'équipe a pris en compte le fait que certaines personnes dans la vie sont tout simplement plus amicales que d'autres. Les personnes amicales sont plus susceptibles d'avoir des interactions plus positives et moins hostiles.

En introduisant ces deux contraintes, le modèle résultant a montré que les réseaux sociaux à grande échelle s'alignent systématiquement sur la théorie de l'équilibre social de Heider. Le modèle a également mis en évidence des modèles au-delà de trois nœuds. Cela montre que la théorie de l'équilibre social s'applique aux graphlets plus grands, qui impliquent quatre nœuds, voire plus.

"Nous savons désormais qu'il faut tenir compte de ces deux contraintes", a déclaré Kovács. "Sans cela, vous ne pouvez pas trouver les bons mécanismes. Cela semble compliqué, mais ce sont en réalité des mathématiques assez simples."

Aperçu de la polarisation et au-delà

Kovács et Hao explorent actuellement plusieurs directions futures pour ce travail. Dans une direction potentielle, le nouveau modèle pourrait être utilisé pour explorer des interventions visant à réduire la polarisation politique. Mais les chercheurs affirment que le modèle pourrait aider à mieux comprendre les systèmes au-delà des groupes sociaux et des liens entre amis.

"Nous pourrions examiner les connexions excitatrices et inhibitrices entre les neurones du cerveau ou les interactions représentant différentes combinaisons de médicaments pour traiter la maladie", a déclaré Kovács. "L'étude des réseaux sociaux était un terrain de jeu idéal à explorer, mais notre principal intérêt est d'aller au-delà de l'étude des interactions entre amis et d'examiner d'autres réseaux complexes."

Le code et les données à l'origine de l'article intitulé « Une randomisation appropriée des réseaux est essentielle pour évaluer l'équilibre social » sont disponibles sur GitHub.