Aufdecken versteckter Mischungsmuster in realen Netzwerken.

Wahrscheinlich haben Sie den Begriff „Homophilie“ schon einmal gehört. Schließlich durchdringt das Konzept alle unsere Beziehungen, sowohl im realen Leben als auch online – die Art und Weise, wie wir Freunde finden, die Art und Weise, wie wir einen Sexualpartner auswählen, wem wir in den sozialen Medien folgen oder mit wem wir zusammenarbeiten, wenn wir Künstler sind oder Wissenschaftler. Es geht um die Idee, dass Menschen, die gleich sind, sich gleich verhalten, dass „Gleich und Gleichgesinnte von Natur aus zusammenschwärmen“ und dass Ähnlichkeit Verbindungen hervorbringt.

Um homophile Tendenzen in sozialen Netzwerken zu identifizieren, haben sich Wissenschaftler meist auf eine Methode verlassen, um zu untersuchen, wie Gruppen in verschiedenen sozialen Umgebungen interagieren.

Dabei handelt es sich um die Methode der nominalen Assortativität, eine weit verbreitete Metrik, die zur Charakterisierung von Mischungsmustern in Netzwerken auf der Grundlage kategorialer Attribute wie Geschlecht, ethnischer Zugehörigkeit oder sozialer Klasse bekannt ist. Nun zeigt eine aktuelle Studie, dass der herkömmliche Ansatz Mängel aufweist und zu irreführenden Ergebnissen führen kann. Die Studie „Zur Unzulänglichkeit der nominalen Assortativität zur Beurteilung von Homophilie in Netzwerken“, von Fariba Karimi und Marcos Oliveira, wurde veröffentlicht in Wissenschaftliche Berichte

„Wir zeigen, dass die nominale Assortativität Homophilie in bestimmten Szenarien nicht genau einschätzt“, sagen Fariba Karimi vom Complexity Science Hub (CSH) zusammen mit Marcos Oliveira von der University of Exeter. „Trotz ihrer Beliebtheit und relativen Genauigkeit bei der Erfassung von Homophilie in einer Vielzahl von Netzwerken kann die nominale Assortativität zu verzerrten Bewertungen von Mischungsmustern in Netzwerken mit ungleichen Gruppen und asymmetrischer Mischung führen.“

Narrativer Wandel

Laut Karimi könnten ihre Ergebnisse einen erheblichen Einfluss darauf haben, wie Forscher soziale Netzwerke untersuchen, und ein differenzierteres Verständnis dafür bieten, wie verschiedene Gruppen interagieren. „Unsere Forschung könnte die Art und Weise verändern, wie wir Homophilie untersuchen.“

„Die genaue Messung von Vorurteilen innerhalb von Gruppeninteraktionen ist entscheidend für das Verständnis der Dynamik sozialer Netzwerke. Diese Vorurteile wirken sich stark auf die Wahrnehmung von Minderheitengruppen, ihren Zugang zu sozialem Kapital und sogar auf ihre algorithmische Sichtbarkeit aus“, betont Karimi, der den Bereich Computational Social Science bei CSH leitet Gruppe.

„Unsere Forschung führt einen neuartigen Ansatz zur genauen Bewertung der Assortativität ein, der auf eine Vielzahl von Netzwerken angewendet werden kann“, fügt Karimi hinzu, die auch Professorin für Datenwissenschaft an der TU Graz ist.

Beispiele aus der Praxis

In der Studie führten Karimi und Oliveira umfangreiche Analysen mit synthetischen und realen Netzwerken durch. „Bei der Betrachtung realer Kollaborationsnetzwerke stellten wir fest, dass Netzwerke, die bei Verwendung der nominalen Assortativität als ‚neutral‘ galten – das heißt, es gab keinen Hinweis auf homophiles Verhalten –, nach Anpassung der Methode nicht neutral waren“, erklärt Karimi.

Ein Beispiel ist die Entwicklerplattform GitHub mit über 100 Millionen Nutzern, von denen nur 6 % Frauen sind. In Follower-Followee-Beziehungen zeigte die nominelle Assortativität keine positive Homophilie – das heißt, Männer fühlen sich nicht nur zu Männern hingezogen. Die angepasste nominale Assortativität deutete jedoch auf positive Tendenzen zur Geschlechterhomophilie hin.

Ungleiche Gruppen und asymmetrische Mischung

Laut den Autoren weisen reale Netzwerke häufig ungleiche Gruppengrößen auf, wobei einige deutlich kleiner sind als die größte Gruppe. Dieses Szenario zeigt sich in MINT-Bereichen wie Informatik und Physik, wo Frauen in beruflichen Netzwerken eine Minderheit darstellen.

Wie Karimi und Oliveira betonen, ist die Berücksichtigung dieser unterschiedlichen Gruppengrößen von entscheidender Bedeutung für die Abschätzung möglicher struktureller Verzerrungen bei der Interaktion verschiedener Gruppen. Die Autoren argumentieren auch, dass Netzwerke möglicherweise Asymmetrien in der Art und Weise aufweisen, wie Gruppen interagieren.

„Zum Beispiel könnten etablierte Forscher in männerdominierten wissenschaftlichen Bereichen aufgrund historischer Vorreitervorteile hauptsächlich Männer sein. Daher verfügen ältere Männer über die Ressourcen, um ihr Kooperationsnetzwerk voranzutreiben, was bedeutet, dass die Tendenz zur männlich-männlichen Zusammenarbeit möglicherweise nicht besteht.“ das Gleiche wie die Zusammenarbeit zwischen Frauen. In solchen Situationen ist Homophilie asymmetrisch und weist unterschiedliche Stärken für die Minderheits- und Mehrheitsgruppen auf. Diese Asymmetrien gehen jedoch verloren, wenn ein einwertiges Maß zur Charakterisierung der Gruppenmischung verwendet wird, wie etwa die nominale Assortativität. “ illustrieren die Autoren.

Angepasste Methode

Um diese Einschränkungen der nominalen Assortativität zu beseitigen, schlägt die Studie eine angepasste Methode vor, die das Problem des Ungleichgewichts der Gruppengröße wirksam behebt und die erwartete Assortativität in Netzwerken genau wiederherstellt. „Mit einem genaueren Ansatz, der sowohl Gruppengrößen als auch Asymmetrien in Netzwerken berücksichtigt, können wir ein besseres Verständnis der Mechanismen erlangen, die unser soziales Leben bestimmen“, sagt Karimi.

„Durch die genaue Bewertung der Interaktionen zwischen Gruppen gewinnen wir wertvolle Erkenntnisse über die Auswirkungen von Homophilie auf Minderheiten, was die Grundlage für die Aufdeckung möglicher Kausalschleifen zwischen der Größe dieser Gruppen und ihrer Mischungsdynamik legt“, fügt Oliveira hinzu.