- Социально-экономическая сегрегация в социальной сети популяционного масштаба (arXiv)
Автор : Юлия Казьмина, Эльке М. Хемскерк, Эстер Боканьи, Фрэнк В. Тейкс.
Аннотация: Мы предлагаем подход к изучению социально-экономической сегрегации с учетом социальных сетей. Ключевой вопрос, который мы рассматриваем, заключается в том, являются ли модели сегрегации более выраженными в социальных сетях, чем обычные пространственные проявления сегрегации, ориентированные на соседство. Поэтому мы проводим анализ социальных сетей в масштабе населения, чтобы изучить социально-экономическую сегрегацию на всестороннем и очень детализированном уровне социальных сетей: 17,2 миллиона зарегистрированных жителей Нидерландов, которые связаны примерно 1,3 миллиардами связей, распределенных по четырем различным типам связей. Мы принимаем ассортативность доходов как меру социально-экономической сегрегации, сравниваем подход социальной сети и пространственного соседства и обнаруживаем, что структура социальной сети демонстрирует в два раза большую сегрегацию. Таким образом, эта работа бросает вызов господству пространственной точки зрения на сегрегацию как в литературе, так и в разработке политики. Хотя в определенном масштабе пространственной агрегации (например, в географическом районе) модели социально-экономической сегрегации могут казаться относительно минимальными, на самом деле они могут сохраняться в базовой структуре социальной сети. Кроме того, мы обнаруживаем более высокую социально-экономическую сегрегацию в крупных городах, проливая иной свет на распространенное представление о городах как центрах разнообразного социально-экономического смешения. Следовательно, перспектива социальной сети в масштабе населения предлагает способ выявить до сих пор «скрытую» сегрегацию, которая выходит за пределы пространственного соседства и проникает во многие аспекты человеческой жизни.
2.Сотрудничество и познание в социальных сетях (arXiv)
Автор: Эдоардо Галло, Джозеф Ли, Йоханес Эко Риянто, Эрвин Вонг.
Аннотация: Социальные сети могут поддерживать сотрудничество, усиливая последствия одного предательства за счет каскада потерь отношений. Опираясь на Джексона и др. (2012), мы вводим новое понятие надежности для характеристики сетей с низкой когнитивной сложностью (LCC) — подмножества равновесных сетей, которое требует минимальной когнитивной нагрузки для расчета и понимания последствий отказа. Мы проверяем нашу теорию в лабораторном эксперименте и обнаруживаем, что сотрудничество выше в равновесных сетях, чем в неравновесных. В равновесных сетях сети LCC демонстрируют более высокий уровень сотрудничества, чем сети без LCC. Обучение необходимо для появления равновесной игры.
