Nierówności w sieciach przez preferencyjne przyłączanie, zamykanie trójkątów i homofilię

Dlaczego niektórzy ludzie stają się znacznie bardziej połączeni niż inni

Od kręgów przyjaciół po współpracę naukową — nasze życie społeczne i zawodowe jest utkane z sieci powiązań. Jednak te sieci rzadko bywają sprawiedliwe: nieliczni stają się ekstremalnie dobrze połączeni, podczas gdy inni pozostają na marginesie. Ten artykuł bada, dlaczego pojawiają się takie nierówności, jak różne tendencje społeczne wchodzą ze sobą w interakcje, kształtując, kto staje się widoczny i wpływowy, oraz co to oznacza dla utrzymujących się luk płciowych w dziedzinach takich jak fizyka i informatyka.

Trzy proste zasady, które kształtują złożone sieci

Autorzy koncentrują się na trzech podstawowych sposobach, w jakie ludzie tworzą powiązania. Pierwszy to łączenie „bogatsi stają się bogatsi”: chętniej łączymy się z tymi, którzy już są mocno połączeni, jak znani naukowcy czy widoczni koledzy. Drugi to łączenie oparte na podobieństwie: wolimy wchodzić w interakcje z osobami, które w istotny sposób przypominają nas samych, na przykład pod względem płci, dyscypliny czy pochodzenia. Trzeci to budowanie trójkątów: często zaprzyjaźniamy się z przyjaciółmi naszych przyjaciół, zamykając luki w naszych kręgach społecznych. Każda z tych tendencji była badana osobno, ale ich skumulowany wpływ na nierówność — szczególnie gdy istnieje wyraźna grupa mniejszościowa i większościowa — był słabiej zrozumiały.

Nowy model rozwoju nierównych sieci

Aby sprawdzić, jak te reguły wchodzą ze sobą w interakcję, badacze wprowadzają model wzrostu sieci o nazwie PATCH. Model buduje sieć po jednym nowo przybyłym węźle. Każdemu nowemu węzłowi losowo przypisywana jest grupa większościowa lub mniejszościowa, po czym wybiera kilka istniejących węzłów do połączenia. Niektóre połączenia powstają przez przeszukanie całej sieci, inne przez spojrzenie jedynie na przyjaciół przyjaciół. W każdym przypadku wybór może być podyktowany podobieństwem, popularnością, oboma czynnikami lub żadnym z nich. Systematycznie regulując te nastawy — jak silne jest preferowanie podobieństwa, jak często zamykane są trójkąty i czy popularność ma znaczenie — autorzy generują dużą liczbę sztucznych sieci i mierzą, jak bardzo są one spolaryzowane oraz jak nierówno rozłożone są w nich powiązania.

Jak pojawiają się separacja i luki w widoczności

Symulacje ujawniają odrębne role każego mechanizmu. Preferencja podobieństwa jest głównym napędem segregacji: gdy jednostki faworyzują własną grupę, więzi skupiają się wewnątrz grup, a połączenia międzygrupowe stają się rzadkie. Natomiast uprzedzenie wobec popularnych jednostek jest najsilniejszym czynnikiem nierówności w liczbie połączeń poszczególnych osób; tworzy ono wysoko połączone węzły (huby). Budowanie trójkątów odgrywa subtelniejszą rolę. Gdy wybory trójkątowe nie są same w sobie nacechowane podobieństwem ani popularnością, ta lokalna reguła ma tendencję do łagodzenia ekstremów: zmniejsza segregację i zawęża lukę w widoczności między grupami, mimo że może zwiększyć ogólną nierówność w liczbie połączeń w całej populacji. Jednak gdy formowanie trójkątów jest także kierowane przez podobieństwo i popularność, może wzmacniać istniejące wzorce, sprawiając, że kilka centralnych postaci w uprzywilejowanej grupie staje się jeszcze bardziej dominujących.

Powiązanie modelu ze społecznościami naukowymi

Autorzy następnie odwołują się do pięćdziesięciu lat danych z fizyki i informatyki: sieci współautorstwa pokazujące, kto z kim pracuje, oraz sieci cytowań pokazujące, które artykuły odnoszą się do których. W tych kontekstach kobiety stanowią trwale mniejszość i historycznie otrzymywały mniej współprac i cytowań. Poprzez porównanie rzeczywistych danych z sieciami wygenerowanymi przez PATCH, badacze wywnioskowali, które kombinacje reguł najlepiej wyjaśniają obserwowane wzorce. Stwierdzili, że w różnych dekadach i zestawach danych najlepszo dopasowana wersja PATCH to taka, w której zarówno wybory globalne, jak i wybory oparte na trójkątach są kierowane przez popularność oraz umiarkowaną tendencję do współpracy z rówieśnikami tej samej płci. W tych symulowanych światach, podobnie jak w danych, kobiety pozostają przeciętnie mniej widoczne, natomiast niewielka liczba wysoce połączanych jednostek — głównie z grupy większościowej — przyciąga nieproporcjonalny udział uwagi.

Co to oznacza dla zmniejszania nierówności

Badanie pokazuje, że poprawa w jednym wymiarze nierówności może pogorszyć inny. Na przykład zachęcanie do większej liczby więzi międzygrupowych może zmniejszyć segregację, ale nadal pozostawić mniejszość z mniejszą liczbą połączeń ogółem. Podobnie zwiększanie zamykania trójkątów poprzez systemy rekomendacyjne — takie jak „osoby, które możesz znać” lub „artykuły powiązane z tym” — może zmniejszyć luki między grupami, ale jednocześnie pogłębić nierówności w uprzywilejowanej grupie, jeszcze bardziej wynosząc kilka gwiazd. PATCH podkreśla, że nierówności w sieciach wynikają ze zbiorowego działania prostych, naturalnych tendencji, a nie z jednej przyczyny. Dla osób zainteresowanych budowaniem bardziej sprawiedliwych systemów naukowych i społecznych przesłanie jest jasne: znacząca zmiana wymaga jednoczesnej korekty kilku mechanizmów — ograniczania niekontrolowanej popularności, łagodzenia wyborów opartych na podobieństwie oraz starannego projektowania narzędzi sugerujących nowe połączenia — tak, by widoczność i możliwości były rozdzielone bardziej równomiernie.

Cytowanie: 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

Słowa kluczowe: sieci społeczne, nierówność, homofilia, zamykanie trójkątów, różnice między płciami