Measuring the complexity of social associations using mixture models
Notice bibliographique
Résumé
We propose a method for examining and measuring the complexity of animal social networks that are characterized using association indices. The method focusses on the diversity of types of dyadic relationship within the social network. Binomial mixture models cluster dyadic relationships into relationship types, and variation in the preponderance and strength of these relationship types can be used to estimate association complexity using Shannon’s information index. We use simulated data to test the method and find that models chosen using integrated complete likelihood give estimates of complexity that closely reflect the true complexity of social systems, but these estimates can be downwardly biased by low-intensity sampling and upwardly biased by extreme overdispersion within components. We also illustrate the use of the method on two real datasets. The method could be extended for use on interaction rate data using Poisson mixture models or on multidimensional relationship data using multivariate mixture models. Animals from many species interact socially with multiple individuals, and these interactions form a social network. Pairs of individuals have social relationships that differ in their strength and type. This social complexity has long interested behavioural biologists, particularly in the context of social cognition. Measuring social complexity, however, presents challenges. We propose a new method for measuring the complexity of animal social networks. Our approach is based on quantifying variation in the strengths of social connections (measured using association indices) which we use to classify different types of pairwise relationships. We, then, use the number, strength and prevalence of these different types of relationships to measure association complexity. Our approach can be used to compare association complexity between populations and/or species. We provide code that researchers can use with their own datasets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».