面对面人际互动的时序网络

移动技术和泛在服务的日益普及使得以前所未有的细节水平和规模感知人类行为成为可能。可穿戴传感器为以面对面邻近度的最高分辨率研究人类移动性和邻近性打开了新窗口。因此，描述社会和行为网络的实证数据获得了纵向维度，这为分析和建模带来了新的挑战。在此，我们回顾了基于 SocioPatterns 协作背景下收集的大规模数据集，关于面对面人类邻近度时序网络的表示与分析的最新工作。我们表明，原始行为数据可以在不同层次的粗粒化下进行研究，这些层次被证明是互补的，每一层都揭示了底层系统的不同特征。我们简要回顾了复现某些统计可观测量的时序接触网络生成模型。随后，我们将焦点从表面统计特征转向实证时序网络上的动力学过程。我们讨论如何利用简单的动力学过程作为探针来揭示交互模式的重要特征，如突发性和因果约束。我们表明，在实证时序网络上模拟动力学过程可以揭示那些在统计上看似相似的数据集之间的差异。此外，我们认为，由于人类动力学的时序异质性，为了研究传播过程的时序特性，可能有必要放弃挂钟时间的概念，转而采用针对每个节点定义的内在时间概念，该概念由其活动水平界定。最后，我们强调了由手头数据性质引发的若干开放研究问题。