Disuguaglianza nelle reti attraverso attaccamento preferenziale, chiusura triadica e omofilia

Perché alcune persone diventano molto più connesse di altre

Dai circoli di amicizia alle collaborazioni scientifiche, le nostre vite sociali e professionali sono intrecciate in reti. Eppure queste trame di connessione raramente sono eque: poche persone diventano estremamente ben collegate, mentre altre restano ai margini. Questo articolo esplora perché sorgono tali disuguaglianze, come diverse tendenze sociali interagiscono per determinare chi diventa visibile e influente, e cosa ciò significa per i persistenti divari di genere in campi come la fisica e l’informatica.

Tre regole semplici che plasmano reti complesse

Gli autori si concentrano su tre modi fondamentali in cui le persone tendono a formare connessioni. Il primo è il collegamento “i ricchi diventano più ricchi”: siamo più propensi a connetterci con chi è già molto collegato, come scienziati famosi o colleghi visibili. Il secondo è il collegamento basato sulla somiglianza: preferiamo interagire con persone che ci assomigliano in qualche aspetto importante, per esempio per genere, disciplina o background. Il terzo è la costruzione di triangoli: spesso ci leghiamo agli amici degli amici, chiudendo i vuoti nei nostri circoli sociali. Ciascuna di queste tendenze è stata studiata separatamente, ma il loro effetto combinato sulla disuguaglianza—specialmente quando esistono un gruppo di minoranza e uno di maggioranza ben distinti—è stato meno compreso.

Un nuovo modello per la crescita di reti diseguali

Per esaminare come queste regole interagiscono, i ricercatori introducono un modello di crescita di reti chiamato PATCH. Il modello costruisce una rete un nuovo arrivato alla volta. A ogni nuovo nodo viene assegnato casualmente un’appartenenza al gruppo di maggioranza o a quello di minoranza, quindi sceglie alcuni nodi esistenti con cui connettersi. Alcune connessioni vengono fatte scansionando l’intera rete, altre guardando solo agli amici degli amici. In ciascun caso, la scelta può essere guidata dalla somiglianza, dalla popolarità, da entrambe o da nessuna delle due. Regolando sistematicamente questi parametri—quanto è forte la preferenza per la somiglianza, quanto spesso si chiudono i triangoli e se la popolarità conta—gli autori generano numerosi network artificiali e misurano quanto sono segregati e quanto disegualmente sono distribuite le connessioni.

Come emergono separazione e divari di visibilità

Le simulazioni rivelano ruoli distinti per ciascun meccanismo. La preferenza per la somiglianza è il motore principale della segregazione: quando gli individui favoriscono il proprio gruppo, i legami si concentrano all’interno dei gruppi e i collegamenti tra gruppi diventano rari. Il bias di popolarità, al contrario, è il fattore più forte nell’ineguaglianza del numero di connessioni per persona; crea hub altamente connessi. La costruzione di triangoli gioca un ruolo più sottile. Quando le scelte di triangolo non sono esse stesse influenzate da somiglianza o popolarità, questa regola locale tende ad attenuare gli estremi: riduce la segregazione e restringe il divario di visibilità tra i gruppi, anche se può aumentare l’ineguaglianza complessiva nel numero di connessioni nella popolazione. Quando però la formazione di triangoli è guidata anch’essa da somiglianza e popolarità, può rinforzare i modelli esistenti, rendendo alcune figure centrali del gruppo avvantaggiato ancora più dominanti.

Collegare il modello alle comunità scientifiche reali

Gli autori passano poi a cinquanta anni di dati dalla fisica e dall’informatica: reti di coautorship che mostrano chi lavora con chi, e reti di citazione che mostrano quali articoli citano quali altri. In questi contesti, le donne costituiscono una minoranza persistente e storicamente hanno ricevuto meno collaborazioni e citazioni. Confrontando i dati reali con le reti generate da PATCH, i ricercatori ricavano quali combinazioni di regole spiegano meglio i modelli osservati. Riscontrano che, attraverso decenni e set di dati, la versione di PATCH che meglio si adatta è quella in cui sia le scelte globali sia quelle basate sui triangoli sono guidate dalla popolarità e da una tendenza moderata a lavorare con pari dello stesso genere. In questi mondi simulati, proprio come nei dati reali, le donne rimangono mediamente meno visibili, mentre un piccolo numero di individui altamente connessi—per lo più appartenenti al gruppo maggioritario—cattura una quota sproporzionata di attenzione.

Cosa significa questo per ridurre la disuguaglianza

Lo studio mostra che migliorare una dimensione della disuguaglianza può peggiorarne un’altra. Per esempio, favorire più legami tra gruppi potrebbe ridurre la segregazione ma può comunque lasciare una minoranza con meno connessioni complessive. Allo stesso modo, promuovere la costruzione di triangoli tramite sistemi di raccomandazione—come “persone che potresti conoscere” o “articoli correlati a questo”—può ridurre i divari tra gruppi ma anche approfondire gli squilibri all’interno del gruppo avvantaggiato elevando ulteriormente poche stelle. PATCH mette in luce che le disuguaglianze nelle reti emergono dall’azione combinata di tendenze semplici e naturali piuttosto che da una singola causa. Per chi vuole costruire sistemi scientifici e sociali più equi, il messaggio è chiaro: il cambiamento significativo richiede di aggiustare più meccanismi insieme—limitando la popolarità incontrollata, smussando le scelte basate sulla somiglianza e progettando con cura gli strumenti che suggeriscono nuove connessioni—affinché visibilità e opportunità siano distribuite in modo più uniforme.

Citazione: Bachmann, J., Martin-Gutierrez, S., Espín-Noboa, L. et al. Network inequality through preferential attachment, triadic closure, and homophily. Sci Rep 16, 13461 (2026). https://doi.org/10.1038/s41598-026-42911-3

Parole chiave: reti sociali, disuguaglianza, omofilia, chiusura triadica, disparità di genere