Modelagem de dinâmicas sociais interagentes em redes complexas

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Pineda, Aruane Mello
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-09012024-122031/
Resumo: Nesta tese, investigamos dinâmicas sociais complexas e sua relação com a difusão de informações e a polarização. No primeiro estudo, aplicamos algoritmos de aprendizado de máquina para prever o tempo de consenso (Yi) e a frequência de mudanças de opinião (Ci) em redes complexas utilizando o modelo Q-votantes. Identificamos que o coeficiente de agrupamento (C) e a centralidade da informação (IC) são medidas topológicas cruciais para essas previsões, destacando a importância da estrutura da rede na dinâmica de polarização e outros padrões em sistemas sociais. No segundo estudo, exploramos como a heterogeneidade cultural afeta a propagação de rumores em sociedades de agentes interativos. Descobrimos que a heterogeneidade cultural pode limitar a difusão de informações em sociedades maiores, resultando em uma limitação natural na propagação de notícias verdadeiras ou falsas. Em ambos os estudos, a compreensão da complexa interação entre a estrutura da rede e a dinâmica social é fundamental, revelando como a heterogeneidade cultural e a topologia da rede desempenham papéis críticos na disseminação de informações e na formação de opiniões. Essas pesquisas contribuem para uma compreensão mais profunda dos mecanismos subjacentes à polarização e à dinâmica em sociedades contemporâneas. É relevante salientar que, nesta tese, em consequência dos nossos resultados, que foram relacionados à teoria de Everett Rogers sobre inovações, os vocábulos inovações, informações, rumores e boatos são utilizados como sinônimos.
id USP_aaf1586b8283166743418e5f2d6af368
oai_identifier_str oai:teses.usp.br:tde-09012024-122031
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Modelagem de dinâmicas sociais interagentes em redes complexasModeling interacting social dynamics in complex networksAgent-based modelingAprendizado de máquinaAxelrod modelComplex systemsMachine learningModelagem baseada em agentesModelo de AxelrodModelo de rumorPolarizaçãoPolarizationQ-votantesQ-voterRumor modelSistemas complexosSistemas sociaisSocial systemsNesta tese, investigamos dinâmicas sociais complexas e sua relação com a difusão de informações e a polarização. No primeiro estudo, aplicamos algoritmos de aprendizado de máquina para prever o tempo de consenso (Yi) e a frequência de mudanças de opinião (Ci) em redes complexas utilizando o modelo Q-votantes. Identificamos que o coeficiente de agrupamento (C) e a centralidade da informação (IC) são medidas topológicas cruciais para essas previsões, destacando a importância da estrutura da rede na dinâmica de polarização e outros padrões em sistemas sociais. No segundo estudo, exploramos como a heterogeneidade cultural afeta a propagação de rumores em sociedades de agentes interativos. Descobrimos que a heterogeneidade cultural pode limitar a difusão de informações em sociedades maiores, resultando em uma limitação natural na propagação de notícias verdadeiras ou falsas. Em ambos os estudos, a compreensão da complexa interação entre a estrutura da rede e a dinâmica social é fundamental, revelando como a heterogeneidade cultural e a topologia da rede desempenham papéis críticos na disseminação de informações e na formação de opiniões. Essas pesquisas contribuem para uma compreensão mais profunda dos mecanismos subjacentes à polarização e à dinâmica em sociedades contemporâneas. É relevante salientar que, nesta tese, em consequência dos nossos resultados, que foram relacionados à teoria de Everett Rogers sobre inovações, os vocábulos inovações, informações, rumores e boatos são utilizados como sinônimos.In this thesis, we investigate complex social dynamics and their relationship with information diffusion and polarization. In the first study, we apply machine learning algorithms to predict consensus time and the frequency of opinion changes in complex networks using the Q-voter model. We identify that the clustering coefficient (C) and information centrality (IC) are crucial factors for these predictions, emphasizing the importance of network structure in the dynamics of polarization and other patterns in social systems. In the second study, we explore how cultural heterogeneity impacts the spread of rumors in societies of interactive agents. We find that cultural heterogeneity can limit information diffusion in larger societies, resulting in a natural constraint on the spread of both true and false news. In both studies, understanding the complex interplay between network structure and social dynamics is essential, revealing how cultural heterogeneity and network topology play critical roles in information dissemination and opinion formation. These research findings contribute to a deeper understanding of the underlying mechanisms of polarization and dynamics in contemporary societies. It is worth noting that, in this thesis, as a result of our findings, which were related to Everett Rogers theory on innovations, the terms innovations, information, rumors, and gossip are used interchangeably.Biblioteca Digitais de Teses e Dissertações da USPRodrigues, Francisco AparecidoPineda, Aruane Mello2023-12-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/55/55134/tde-09012024-122031/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-01-09T14:51:02Zoai:teses.usp.br:tde-09012024-122031Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-01-09T14:51:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Modelagem de dinâmicas sociais interagentes em redes complexas
Modeling interacting social dynamics in complex networks
title Modelagem de dinâmicas sociais interagentes em redes complexas
spellingShingle Modelagem de dinâmicas sociais interagentes em redes complexas
Pineda, Aruane Mello
Agent-based modeling
Aprendizado de máquina
Axelrod model
Complex systems
Machine learning
Modelagem baseada em agentes
Modelo de Axelrod
Modelo de rumor
Polarização
Polarization
Q-votantes
Q-voter
Rumor model
Sistemas complexos
Sistemas sociais
Social systems
title_short Modelagem de dinâmicas sociais interagentes em redes complexas
title_full Modelagem de dinâmicas sociais interagentes em redes complexas
title_fullStr Modelagem de dinâmicas sociais interagentes em redes complexas
title_full_unstemmed Modelagem de dinâmicas sociais interagentes em redes complexas
title_sort Modelagem de dinâmicas sociais interagentes em redes complexas
author Pineda, Aruane Mello
author_facet Pineda, Aruane Mello
author_role author
dc.contributor.none.fl_str_mv Rodrigues, Francisco Aparecido
dc.contributor.author.fl_str_mv Pineda, Aruane Mello
dc.subject.por.fl_str_mv Agent-based modeling
Aprendizado de máquina
Axelrod model
Complex systems
Machine learning
Modelagem baseada em agentes
Modelo de Axelrod
Modelo de rumor
Polarização
Polarization
Q-votantes
Q-voter
Rumor model
Sistemas complexos
Sistemas sociais
Social systems
topic Agent-based modeling
Aprendizado de máquina
Axelrod model
Complex systems
Machine learning
Modelagem baseada em agentes
Modelo de Axelrod
Modelo de rumor
Polarização
Polarization
Q-votantes
Q-voter
Rumor model
Sistemas complexos
Sistemas sociais
Social systems
description Nesta tese, investigamos dinâmicas sociais complexas e sua relação com a difusão de informações e a polarização. No primeiro estudo, aplicamos algoritmos de aprendizado de máquina para prever o tempo de consenso (Yi) e a frequência de mudanças de opinião (Ci) em redes complexas utilizando o modelo Q-votantes. Identificamos que o coeficiente de agrupamento (C) e a centralidade da informação (IC) são medidas topológicas cruciais para essas previsões, destacando a importância da estrutura da rede na dinâmica de polarização e outros padrões em sistemas sociais. No segundo estudo, exploramos como a heterogeneidade cultural afeta a propagação de rumores em sociedades de agentes interativos. Descobrimos que a heterogeneidade cultural pode limitar a difusão de informações em sociedades maiores, resultando em uma limitação natural na propagação de notícias verdadeiras ou falsas. Em ambos os estudos, a compreensão da complexa interação entre a estrutura da rede e a dinâmica social é fundamental, revelando como a heterogeneidade cultural e a topologia da rede desempenham papéis críticos na disseminação de informações e na formação de opiniões. Essas pesquisas contribuem para uma compreensão mais profunda dos mecanismos subjacentes à polarização e à dinâmica em sociedades contemporâneas. É relevante salientar que, nesta tese, em consequência dos nossos resultados, que foram relacionados à teoria de Everett Rogers sobre inovações, os vocábulos inovações, informações, rumores e boatos são utilizados como sinônimos.
publishDate 2023
dc.date.none.fl_str_mv 2023-12-04
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/55/55134/tde-09012024-122031/
url https://www.teses.usp.br/teses/disponiveis/55/55134/tde-09012024-122031/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1865491952951099392