Inferire la struttura interna dei gruppi attraverso l’integrazione dell’apprendimento statistico e del ragionamento causale

Vedere la rete nascosta della vita sociale

Entrando in un nuovo ambiente di lavoro, in una classe o in una squadra sportiva, si capisce rapidamente chi prende le decisioni, chi sono gli amici più stretti e chi esercita un ruolo di mentore. Eppure di solito si osservano solo una manciata di scambi brevi. Questo articolo esplora come, a partire da tali scorci di comportamento scarsi e rumorosi, le persone riescano a ricostruire la mappa sociale invisibile che modella la vita quotidiana — e mostra che la nostra mente potrebbe eseguire dietro le quinte una forma sorprendentemente sofisticata di analisi dei dati e ragionamento causale.

Come leggiamo la struttura da indizi scarsi

Gli autori sostengono che gli esseri umani non si limitano a registrare chi interagisce con chi; usiamo una combinazione di apprendimento statistico e di una “sociologia popolare” quotidiana per inferire una struttura più profonda. Sul versante statistico, notiamo schemi nella frequenza e nelle modalità di interazione e raggruppiamo mentalmente gli individui in sottogruppi in base a questi modelli. Sul piano sociologico, possediamo aspettative intuitive su relazioni come autorità, amicizia e mentorship — chi tende a dare ordini, chi invita abitualmente gli altri a socializzare e chi è probabile che cerchi o offra consigli. Combinando queste due capacità, possiamo indovinare non solo quali relazioni esistono, ma anche come esse influenzeranno i comportamenti futuri.

Da video rumorosi a mappe sociali nascoste

Per mettere alla prova questa idea, i ricercatori mostrarono ai partecipanti online brevi video in stile cartone animato con cinque figure colorate che interagivano in un contesto d’ufficio. In ogni clip, una figura si avvicinava a un’altra, inviava un simbolo che rappresentava un ordine, un invito sociale o una richiesta di consiglio, e poi riceveva una risposta positiva o negativa. Dopo poche interazioni del genere, agli spettatori veniva chiesto di valutare quale tra diversi diagrammi candidati rappresentasse meglio la struttura interna del gruppo — per esempio una particolare catena di comando, un pattern di clique amicali o una rete di mentorship. Nonostante l’informazione limitata e interazioni occasionalmente conflittuali, le persone sceglievano costantemente diagrammi che corrispondevano agli schemi sottostanti e manifestavano un grado di fiducia graduato quando più strutture sembravano plausibili.

Prevedere cosa succederà dopo

Il team indagò poi se le persone usassero queste strutture inferite per prevedere il comportamento futuro. In un secondo insieme di studi, i partecipanti guardavano di nuovo sequenze di interazione, ma successivamente veniva detto, per esempio, che un lavoratore era assente dall’ufficio e un altro doveva assegnare un compito, invitare qualcuno dopo il lavoro o chiedere un consiglio. I partecipanti valutavano quanto fosse probabile che ciascun collega rimanente venisse scelto. Le loro previsioni non erano ben spiegate da semplici regole come “scegli chi ha interagito più spesso”. Al contrario, si allineavano strettamente con un modello computazionale che prima inferisce una struttura sociale sottostante e poi chiede, data quella struttura e le aspettative di buon senso su ordini, inviti o consigli, chi è il partner più naturale nella nuova situazione.

Seguire il flusso dell’influenza sociale

Un esperimento finale ha reso la situazione più realistica mescolando tutti e tre i tipi di interazione — ordini, inviti e richieste di consiglio — all’interno dello stesso gruppo. Successivamente, ai partecipanti veniva chiesto chi potesse più facilmente influenzare i piani del weekend di una persona: convincerla a fare un turno extra, andare al cinema o prendere un corso opzionale. Diverse domande attingevano a diversi tipi di relazione: i turni extra tendevano a seguire linee di autorità, i piani per il cinema riflettevano l’amicizia e le decisioni sul corso rispecchiavano la mentorship. Ancora una volta, le risposte delle persone erano meglio descritte da un modello che si affidava selettivamente al tipo di relazione appropriato per ogni decisione, piuttosto che a una regola unica come “contatto più frequente”.

Perché questo è importante per comprendere l’intelligenza sociale

Nel complesso, questi studi suggeriscono che gli adulti comuni costruiscono rapidamente mappe interne ricche della struttura di un gruppo a partire da prove minime, e poi usano queste mappe per spiegare, prevedere e pianificare il comportamento sociale. Il lavoro mostra che andiamo oltre la semplice conoscenza di chi appartiene a quale gruppo: inferiamo anche chi sovrasta chi, chi è vicino a chi e chi guida le scelte di chi, anche quando le prove sono frammentarie. In termini quotidiani, il nostro cervello trasforma costantemente interazioni sparse in un modello operativo della politica d’ufficio, delle reti di amicizia e delle catene di mentorship intorno a noi — un modello abbastanza potente da orientare le nostre decisioni su chi avvicinare, di chi fidarsi e come integrarsi.

Citazione: Davis, I., Jara-Ettinger, J. & Dunham, Y. Inferring the internal structure of groups through the integration of statistical learning and causal reasoning. Nat Commun 17, 1959 (2026). https://doi.org/10.1038/s41467-026-68754-0

Parole chiave: reti sociali, gerarchie, apprendimento statistico, ragionamento causale, cognizione sociale