基于分布式RFID传感器网络的人际交互动力学

数字网络、移动设备以及挖掘我们在日常活动中留下的日益增多的数字痕迹的可能性，正在改变我们研究人类和社交互动的方式。然而，大规模数据集大多适用于粗粒度下的集体和统计行为，而高分辨率的人际交互数据通常仅限于相对较小的群体。在这里，我们提出了一种可扩展的实验框架，用于实时收集数据，以可调的空间和时间粒度解析面对面的社交互动。我们使用有源射频识别（RFID）设备，通过交换低功率无线电数据包以分布式方式评估相互接近程度。我们分析了在三个不同数量级社区规模的高分辨率实验中获得的人际交互网络动态。这些数据集表现出共同的统计特性，并且从20秒到数小时缺乏特征时间尺度。连接数量与其持续时间之间的关联显示出有趣的超线性行为，这表明在连接数量和强度上都有可能定义超级连接者。利用可扩展性和分辨率，该实验框架允许监测社交互动，揭示个体在不同情境下互动方式的相似性，并识别社区中的超级连接者行为模式。这些结果可能会影响我们对所有由面对面互动驱动的现象的理解，例如传染性传染病和信息的传播。