Analyse dynamique des réseaux

Ce domaine comporte deux aspects. Le premier est l' analyse statistique des données ADN. Le second est l'utilisation de la simulation pour étudier la dynamique des réseaux. Les réseaux ADN se distinguent des réseaux sociaux traditionnels par leur taille plus importante, leur dynamisme, leur multimodalité, leur structure multiple et leur potentiel d' incertitude variable . La principale différence entre l'ADN et l'analyse des réseaux sociaux (ARS) réside dans le fait que l'ADN prend en compte les interactions des caractéristiques sociales qui conditionnent la structure et le comportement des réseaux. L'ADN est lié à l'analyse temporelle, mais l'inverse n'est pas nécessairement vrai, car les changements observés dans les réseaux résultent parfois de facteurs externes indépendants des caractéristiques sociales présentes. L'une des applications les plus remarquables et les plus anciennes de l'ADN est l'étude de Sampson sur les monastères, où il a réalisé des instantanés du même réseau à différents intervalles, puis observé et analysé son évolution.

Les outils statistiques d'analyse de l'ADN sont généralement optimisés pour les réseaux à grande échelle et permettent l'analyse simultanée de plusieurs réseaux comportant différents types de nœuds (réseaux multinœuds) et de liens (réseaux multiplexes). Ces réseaux multinœuds multiplexes sont généralement appelés méta-réseaux ou réseaux de grande dimension. À l'inverse, les outils statistiques d'analyse des réseaux sociaux (ARS) se concentrent sur des données unimodales, voire bimodales au maximum, et permettent l'analyse d'un seul type de lien à la fois.

Les outils statistiques d'analyse de réseaux sociaux (ADN) offrent généralement davantage de mesures à l'utilisateur, car ils exploitent des données issues simultanément de plusieurs réseaux. Les modèles d'espace latent (Sarkar et Moore, 2005) et la simulation multi-agents sont fréquemment utilisés pour étudier les réseaux sociaux dynamiques (Carley et al., 2009) . Du point de vue de la simulation informatique, les nœuds d'un modèle ADN sont comparables aux atomes de la théorie quantique : ils peuvent être, sans que cela soit obligatoire, considérés comme probabilistes. Contrairement aux nœuds d'un modèle d'analyse de réseaux sociaux (ARS) traditionnel, qui sont statiques , les nœuds d'un modèle ADN ont la capacité d'apprendre. Leurs propriétés évoluent avec le temps ; les nœuds peuvent s'adapter : les employés d'une entreprise peuvent acquérir de nouvelles compétences et accroître leur valeur ajoutée au réseau ; ou encore, la capture d'un terroriste peut contraindre trois autres à improviser. Le changement se propage d'un nœud à l'autre, et ainsi de suite. L'analyse ADN intègre la dimension de l'évolution du réseau et prend en compte les circonstances susceptibles de favoriser ce changement.

L'analyse dynamique des réseaux (ADR) se distingue de l'analyse classique des réseaux sociaux par trois caractéristiques principales. Premièrement, au lieu de se limiter aux réseaux sociaux, l'ADR s'intéresse aux méta-réseaux. Deuxièmement, la modélisation multi-agents et d'autres formes de simulation sont fréquemment utilisées pour explorer l'évolution et l'adaptation des réseaux, ainsi que l'impact des interventions sur ces derniers. Troisièmement, les liens au sein du réseau ne sont pas binaires ; en réalité, dans de nombreux cas, ils représentent la probabilité de leur existence.

Les informations complexes relatives aux relations entre objets peuvent être efficacement condensées en représentations vectorielles de faible dimension dans un espace latent. Les systèmes dynamiques, contrairement aux systèmes statiques, impliquent des changements temporels. Les différences observées dans les représentations apprises au fil du temps au sein d'un système dynamique peuvent provenir de changements réels ou de modifications arbitraires qui n'affectent pas les métriques de l'espace latent ; les premières reflètent la stabilité du système et les secondes sont liées à l'alignement des représentations vectorielles.

En substance, la stabilité du système définit sa dynamique, tandis qu'un désalignement traduit des modifications non pertinentes dans l'espace latent. Les plongements dynamiques sont considérés comme alignés lorsque les variations entre les plongements à différents instants représentent fidèlement les changements réels du système, et non des altérations insignifiantes dans l'espace latent. La stabilité et l'alignement des plongements dynamiques revêtent une importance capitale pour diverses tâches dépendant des variations temporelles au sein de l'espace latent. Ces tâches comprennent notamment la prédiction de métadonnées futures, l'évolution temporelle, la visualisation dynamique et l'obtention de plongements moyens.

Un méta-réseau est un réseau multimodal, multi-liens et multi-niveaux. Multimodal signifie qu'il existe plusieurs types de nœuds ; par exemple, des personnes et des lieux. Multi-liens signifie qu'il existe plusieurs types de liens ; par exemple, des liens d'amitié et de conseil. Multi-niveaux signifie que certains nœuds peuvent être membres d'autres nœuds, comme dans un réseau composé de personnes et d'organisations, où l'un des liens indique qui est membre de quelle organisation.

Bien que différents chercheurs utilisent des modes différents, les modes communs reflètent les questions de qui, quoi, quand, où, pourquoi et comment. Un exemple simple de méta-réseau est la formulation PCANS, qui comprend des personnes, des tâches et des ressources. Une formulation plus détaillée prend en compte les personnes, les tâches, les ressources, les connaissances et les organisations. L'outil ORA a été développé pour faciliter l'analyse des méta-réseaux.

• Élaboration de mesures et de statistiques pour évaluer et identifier les changements au sein des réseaux et entre eux.
• Développement et validation de simulations pour étudier les changements, l'évolution, l'adaptation et le déclin des réseaux. Voir Simulation informatique et études organisationnelles
• Développement et test de la théorie du changement, de l'évolution, de l'adaptation et du déclin des réseaux
• Développement et validation de modèles formels de génération et d'évolution de réseaux
• Développement de techniques permettant de visualiser l'évolution du réseau, globalement ou au niveau des nœuds ou des groupes.
• Développer des techniques statistiques pour déterminer si les différences observées au fil du temps dans les réseaux sont dues à de simples différences d'échantillons issus d'une distribution de liens et de nœuds, ou à des changements au fil du temps dans la distribution sous-jacente des liens et des nœuds.
• Développement des processus de contrôle des réseaux au fil du temps
• Développement d'algorithmes pour modifier la distribution des liens dans les réseaux au fil du temps
• Développement d'algorithmes pour suivre les groupes au sein des réseaux au fil du temps
• Développement d'outils pour extraire ou localiser des réseaux à partir de diverses sources de données telles que des textes.
• Élaboration de mesures statistiquement valides sur les réseaux au fil du temps
• Examen de la robustesse des indicateurs de réseau face à différents types de données manquantes
• Études empiriques des réseaux multimodaux, multiliens et multitemporels
• Examiner les réseaux comme des phénomènes probabilistes variant dans le temps
• Prévoir l'évolution des réseaux existants
• Identifier des parcours dans le temps à partir d'une séquence de réseaux
• L'identification des changements de criticité des nœuds étant donné une séquence de réseaux, ainsi que tout autre élément relatif aux réseaux multimodaux, multiliens et multitemporels
• Étude des marches aléatoires sur les réseaux temporels
• Quantification des propriétés structurelles des séquences de contact dans les réseaux dynamiques, qui influencent les processus dynamiques
• Évaluation des activités clandestines et des réseaux occultes
• Analyse des citations
• Analyse des médias sociaux
• Évaluation des systèmes de santé publique
• Analyse des résultats en matière de sécurité hospitalière
• Évaluation de la structure de la violence ethnique à partir des données d’actualité
• Évaluation des groupes terroristes
• Déclin social en ligne des interactions sociales
• Modélisation des interactions en classe dans les écoles