Sluta dig till gruppers interna struktur genom integration av statistiskt lärande och kausalt resonerande

Att se det dolda nätverket i socialt liv

Kliv in på en ny arbetsplats, i ett klassrum eller i ett idrottslag, och du får snabbt en uppfattning om vem som bestämmer, vilka som är nära vänner och vem som tyst fungerar som mentor åt andra. Ofta ser du dock bara ett fåtal korta utbyten. Denna artikel undersöker hur människor, utifrån sådana sparsamma och brusiga glimtar av beteende, lyckas återskapa den osynliga sociala kartan som formar vardagen — och visar att våra sinnen kanske kör en överraskande sofistikerad form av dataanalys och kausalt resonerande bakom kulisserna.

Hur vi läser struktur ur sparsamma ledtrådar

Författarna menar att människor inte bara håller reda på vem som interagerar med vem; vi använder en kombination av statistiskt lärande och vardaglig ”folksociologi” för att sluta oss till djupare strukturer. På den statistiska sidan uppmärksammar vi mönster i hur ofta och på vilka sätt människor interagerar, och vi klustrar mentalt ihop individer i undergrupper baserat på dessa mönster. På den sociologiska sidan bär vi med oss intuitiva förväntningar om relationer som auktoritet, vänskap och mentorskap — vem som tenderar att ge order, vem som vanligtvis bjuder in andra att umgås, och vem som sannolikt söker eller erbjuder råd. Genom att kombinera dessa två förmågor kan vi gissa inte bara vilka relationer som finns, utan också hur de kommer att forma framtida beteenden.

Från brusiga videor till dolda sociala kartor

För att testa idén visade forskarna för deltagare online korta, tecknade videor av fem färgade figurer som interagerade i en kontorsmiljö. I varje klipp skulle en figur gå fram till en annan, sända en symbol som representerade en order, en social inbjudan eller en begäran om råd, och sedan få antingen ett positivt eller negativt svar. Efter bara några sådana interaktioner ombads åskådarna bedöma vilken av flera kandidatdiagram som bäst fångade gruppens interna struktur — till exempel en viss kommandokedja, ett mönster av vänskapskliker eller ett mentorsnätverk. Trots begränsad information och ibland motstridiga interaktioner valde människor konsekvent diagram som matchade de underliggande mönstren, och de visade graderad säkerhet när mer än en struktur verkade plausibel.

Att förutsäga vad som händer härnäst

Forskarna undersökte sedan om människor använder dessa härledda strukturer för att förutsäga framtida beteenden. I en andra serie studier tittade deltagarna återigen på interaktionssekvenser, men fick senare veta till exempel att en medarbetare var frånvarande och att en annan behövde tilldela en uppgift, bjuda ut någon efter jobbet eller be om råd. Deltagarna bedömde hur sannolikt det var att varje kvarvarande kollega skulle bli vald. Deras förutsägelser förklarades inte väl av enkla regler som ”välj den som interagerat oftast”. Istället stämde de nära överens med en beräkningsmodell som först härleder en underliggande social struktur och sedan frågar, givet den strukturen och sunt förnuft om orders, inbjudningar eller rådgivning, vem som är den mest naturliga partnern i den nya situationen.

Följa flödet av social påverkan

Ett sista experiment gjorde situationen mer realistisk genom att blanda alla tre interaktionstyper — order, inbjudningar och förfrågningar om råd — inom samma grupp. Därefter ombads deltagarna vem som lättast kunde påverka en viss persons helgplaner: övertala dem att ta ett extra skift, se en film eller gå en frivillig kurs. Olika frågor drog i olika slags relationer: extra skift följde ofta auktoritetslinjer, filmplaner följde vänskap och kursbeslut speglade mentorskap. Återigen fångades människors svar bäst av en modell som selektivt förlitade sig på den lämpliga relationsformen för varje beslut, snarare än en universell regel som ”mest frekvent kontakt”.

Varför detta är viktigt för att förstå social intelligens

Tillsammans tyder dessa studier på att vanliga vuxna snabbt bygger rika inre kartor över gruppstruktur från minimala bevis, och sedan använder dessa kartor för att förklara, förutsäga och planera socialt beteende. Arbetet visar att vi går längre än att bara veta vem som hör till vilken grupp: vi sluter oss också till vem som har högre rang, vem som står varandra nära och vem som vägleder vems val, även när bevisen är fragmentariska. I vardagliga termer omvandlar våra hjärnor ständigt spridda interaktioner till en fungerande modell av kontorspolitik, vänskapsnät och mentorsband omkring oss — en modell som är tillräckligt kraftfull för att påverka våra beslut om vem vi närmar oss, vem vi litar på och hur vi passar in.

Citering: 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

Nyckelord: sociala nätverk, hierarkier, statistiskt lärande, kausalt resonerande, social kognition