量化社会群体的演化

社会中个体间丰富的相互作用导致了复杂的社区结构，在社交网络中捕捉到高度连接的朋友圈、家庭或职业小团体。由于个体活动和交流模式的频繁变化，相关的社会和通信网络处于不断的演化之中。我们对支配底层社区动态的机制知之甚少，但这对于更深入地理解社会整体的发展和自我优化至关重要。我们开发了一种基于团渗透的新算法，首次能够在大尺度上研究重叠社区的时间依赖性，从而揭示表征社区演化的基本关系。我们的关注点在于捕捉科学家合作和移动电话用户通话的网络。我们发现，如果大群体能够动态改变其成员构成，它们就能存续更长时间，这表明改变组成的能力能带来更好的适应性。小群体的行为则表现出相反的倾向，其稳定条件是其组成保持不变。我们还表明，了解成员对特定社区的时间投入可用于估计社区的寿命。这些发现为小群体与大机构动态之间的根本差异提供了新的视角。