Ayrımcı bağlantı, üçlü kapanma ve benzerlik aracılığıyla ağ eşitsizliği

Neden Bazı İnsanlar Diğerlerinden Çok Daha Bağlantılı Oluyor?

Arkadaş çevrelerinden bilimsel iş birliklerine kadar sosyal ve profesyonel hayatımız ağlar içinde örülüdür. Yine de bu bağlantı ağları nadiren adildir: bazı kişiler son derece iyi bağlantılara kavuşurken diğerleri kenarda kalır. Bu makale, bu tür eşitsizliklerin neden ortaya çıktığını, farklı sosyal eğilimlerin kimlerin görünür ve etkili olacağını nasıl şekillendirdiğini ve bunun fizik ile bilgisayar bilimi gibi alanlardaki kalıcı cinsiyet boşlukları için ne anlama geldiğini inceliyor.

karmaşık ağları şekillendiren üç basit kural

Yazarlar, insanların bağlantı kurma eğilimlerinin üç temel yoluna odaklanıyor. Birincisi “zengin daha da zenginleşir” bağlantısıdır: zaten çok bağlı olanlara—örneğin ünlü bilim insanlarına veya görünür meslektaşlara—bağlanma olasılığımız daha yüksektir. İkincisi benzerlik temelli bağlantıdır: cinsiyet, disiplin veya geçmiş gibi önemli bir açıdan bize benzeyen kişilerle etkileşimi tercih ederiz. Üçüncüsü üçgen kurma (triangle-building): genellikle arkadaşlarımızın arkadaşlarıyla da arkadaş olur, sosyal çevremizdeki boşlukları kapatırız. Bu eğilimlerin her biri ayrı ayrı incelenmiş olsa da, özellikle net bir azınlık ve çoğunluk grubu olduğunda bunların birleşik etkisinin eşitsizlik üzerindeki rolü daha az anlaşılmıştı.

Eşitsiz ağların büyümesi için yeni bir model

Bu kuralların nasıl etkileştiğini incelemek için araştırmacılar PATCH adlı bir ağ büyüme modeli ortaya koyuyor. Model ağı yeni gelenler eklenerek kuruyor. Her yeni düğüm rastgele olarak çoğunluk veya azınlık grubuna atanıyor, sonra bağlanacağı birkaç mevcut düğümü seçiyor. Bazı bağlantılar tüm ağı tarayarak, bazıları yalnızca arkadaşların arkadaşlarına bakarak kuruluyor. Her durumda seçim benzerlik, popülerlik, her ikisi veya hiçbiri tarafından yönlendirilebilir. Bu düğmeleri sistematik olarak ayarlayarak—benzerlik tercihinin ne kadar güçlü olduğu, üçgenlerin ne sıklıkla kapandığı ve popülerliğin önem taşıyıp taşımadığı—yazarlar çok sayıda yapay ağ üretiyor ve bunların ne kadar ayrıştığını ve bağlantıların ne ölçüde düzensiz dağıldığını ölçüyor.

Ayrışma ve görünürlük uçurumları nasıl ortaya çıkıyor

Simülasyonlar her mekanizmanın ayrı rollerini ortaya koyuyor. Benzerlik tercihi ayrışmanın ana motorudur: bireyler kendi gruplarını tercih ettiğinde bağlar grup içi kümelenir ve grup arası bağlantılar nadirleşir. Buna karşılık popülerlik yanlılığı, kişilerin sahip olduğu bağlantı sayısındaki eşitsizliğin en güçlü iticisidir; yüksek bağlantılı merkezler oluşturur. Üçgen kurma daha ince bir rol oynar. Üçgen seçimleri kendileri benzerlik veya popülerlik tarafından önyargılı değilse, bu yerel kural uçları yumuşatma eğilimindedir: ayrışmayı azaltır ve gruplar arasındaki görünürlük farkını daraltır; bununla birlikte tüm nüfustaki bağlantı sayısındaki genel eşitsizliği artırabilir. Ancak üçgen oluşumu da benzerlik ve popülerlik tarafından yönlendirildiğinde, mevcut kalıpları pekiştirebilir ve ayrıcalıklı gruptaki birkaç merkezi figürü daha baskın hale getirebilir.

Modeli gerçek bilimsel topluluklara bağlamak

Yazarlar ardından fizik ve bilgisayar bilimi alanlarından elli yıllık veriye bakıyor: kim kimle çalışıyor gösteren ortak yazarlık ağları ve hangi makalelerin hangi makalelere atıfta bulunduğunu gösteren atıf ağları. Bu ortamlarda kadınlar kalıcı bir azınlık oluşturuyor ve tarihsel olarak daha az iş birliği ve atıf almış durumdalar. Gerçek verileri PATCH tarafından üretilen ağlarla karşılaştırarak, araştırmacılar gözlemlenen desenleri en iyi hangi kural kombinasyonlarının açıkladığını çıkarıyor. Onlar, on yıllar ve veri setleri boyunca en iyi uyan PATCH versiyonunun, hem küresel seçimlerin hem de üçgen tabanlı seçimlerin popülerlik ve aynı cinsiyetten meslektaşlarla çalışma konusunda ölçülü bir eğilimle yönlendirildiği bir versiyon olduğunu buluyorlar. Bu simüle edilmiş dünyalarda, veride olduğu gibi, kadınlar ortalamada daha az görünür kalırken, azınlıktaki birkaç yüksek bağlantılı kişinin—çoğunlukla çoğunluk grubundan—orantısız bir dikkat payı kaptığı görülüyor.

Bu durum eşitsizliği azaltmak için ne anlama geliyor?

Araştırma bir eşitsizlik boyutunu iyileştirmenin başka birini kötüleştirebileceğini gösteriyor. Örneğin, daha fazla grup arası bağ teşvik etmek ayrışmayı azaltabilir fakat azınlık grubun hâlâ daha az toplam bağlantıya sahip olmasına yol açabilir. Benzer şekilde öneri sistemleri aracılığıyla üçgen kurmayı teşvik etmek—"tanıyor olabileceğiniz kişiler" ya da "bu makaleyle ilişkili makaleler" gibi—gruplar arasındaki farkları azaltabilir, ancak avantajlı gruptaki birkaç yıldızı daha da yükselterek grup içi dengesizlikleri derinleştirebilir. PATCH, ağ eşitsizliklerinin tek bir nedene değil, basit ve doğal eğilimlerin birleşik etkisinden kaynaklandığını vurguluyor. Daha adil bilimsel ve sosyal sistemler kurmak isteyenler için mesaj açık: anlamlı değişim birkaç mekanizmayı aynı anda ayarlamayı gerektirir—kontrolsüz popülerliği sınırlamak, benzerlik temelli tercihleri yumuşatmak ve yeni bağlantılar öneren araçları dikkatle tasarlamak—böylece görünürlük ve fırsat daha eşit paylaşılabilir.

Atıf: 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

Anahtar kelimeler: sosyal ağlar, eşitsizlik, benzerlik (homophily), üçlü kapanma (triadic closure), cinsiyet eşitsizlikleri