הרחבות לפרק 7: קורונה, גוואנו וניתוח רשתי (פרק בונוס)

(ר' קישורים בטקסט) מה מתרחש (:

אני אסף שפירא וזה נטפריקס – הפודקאסט העברי הראשון למדע הרשתות בפרק מיוחד.

שעתה הגדולה של הרשת הגיע, הרי מהי מחלה ויראלית אם לא תופעה רשתית עולמית?

ננצל את ההזדמנות לסכם את התובנות מששת הפרקים הקודמים, בכדי לראות איך הם ישימים על המשבר האחרון וגם כדי לשמח את המבודדים באשר הם, שלא הבינו איך קרה והם נפלו ברשת.

אז בואו נתחיל בסיפור על כפר סיני קטן ועל מדדי מרכזיות ברשת:

התפשטות של רשת עוברת דרך שלושה מדדי המרכזיות עליהם דיברנו בפרק 4, ונזכיר אותם בקצרה:

• Closeness

• Degree דרגה או

• ו-betweenness
  

שיחזור של רשת ההדבקה באיידס ממאמרו של (Auerbach D. et al., 1984). בלב הרשת – חולה 0. שוחזר על ידי (Niamh O'C)

המדד הראשון הוא Closeness והוא המדד של כמה הצומת בלב הרשת. patient 0 או "חולה מס' אפס" שהוא מקור המחלה, הוא בעצם לב הרשת. משם, המחלה תתפשט ע"י הגורמים עם הדרגה או ה-Degree הגבוה, כלומר, אלה שקשורים להרבה גורמים.. אבל זה עדיין לא מספיק בשביל המחלה להיות ויראלית. בשביל זה, היא צריכה לחצות גם את הקהילות ברשת.

נזכיר מפרק 5 שרשת מתחלקת לקהילות, וההגדרה של קהילות היא שאלו האיזורים הצפופים ברשת, שרוב הקשרים שלהם פנימיים וחזקים ויש להם מעט קשרים חיצוניים וחלשים.

ניקח נגיד כפר סיני קטן שעיקר עיסוקו הוא בניסויים ביולוגיים על עטלפים. רוב הקשרים של תושבי הכפר הוא בינם לבין עצמם. הם נפגשים הרבה ביחד כדי לרקוח שיקויים, לבדוק את העטלפים, ולדון בממצאים. נגיד שאיזה עטלף סורר העביר את המחלה לאחד מהתושבים, וזה הדביק את ראש המפעל, כלומר את ראש הכפר, בזמן שעשה סקר מבחנות. לראש הכפר יש Degree גבוה, כלומר, הוא בא במגע עם הרבה מהתושבים, אגב בעיקר על תלונות שקשורות לפינוי של גוואנו, כלומר, לשלשת עטלפים.

ראש הכפר מייד מדביק את כל הכפר, כי רשת הקשרים בכפר צפופה, אבל זה עדיין לא עושה את הוירוס ויראלי.

ממרח עטלפים - אירוע ה-recall הגדול ביותר בתולדות המפעל.

לשם כך, מישהו צריך שגריר ברשת, או מישהו שיש לו קשר לקהילות חיצוניות.

אותו אדם יתאפיין ברמת betweenness גבוהה, כלומר, הוא מגשר או מקשר בין איזורים צפופים ברשת. למרבה המזל, אנחנו זוכרים מפרק 4 שיש קורולציה בין המדדים. מי שיש לו דרגה גבוהה, סיכוי טוב שיש לו גם betweenness גבוה וזה המצב עם ראש הכפר שלנו. מעבר לכל קשריו בכפר, הוא גם קשור לקהילה האקדמית בסין אליה הוא רץ לספר את ממצאיו על וירוס שאנשיו הינדסו במשך שנים שגורם לעטלפים ללשלש פחות.

ברגע שהוירוס חצה את הקהילה, קל לו להתקדם, דרך הקשרים החזקים, ובעיקר דרך אנשי ה-Degree הגבוה בקהילה, שבסבירות גבוהה, גם מקשרים לקהילות אחרות.

בפרק 5 דיברנו על כך שקהילות הן הומופוליות, כלומר, הקשרים הצפופים בהן נובעים מדימיון בין החברים בהן, ולמדנו גם שההומופיליה ברשתות היא לרוב מבוססת על קירבה גיאוגרפית. לכן לא במפתיע, המקומות עם ה-betweenness הגבוה ביותר הם שדות תעופה או נמלים. הם מה שהופך את עולמנו לעולם קטן, (ונזכיר עולם קטן גם בסוף הפרק), ומקשרים בין הקהילות השונות.

קהילות מתחלקות הרי לתת-קהילות, וגם להן יש את ה-betweenness שלהם, למשל, תחבורה ציבורית.

עצירה של צמתים מרכזיים אלו, מסייעת להכיל את המחלה בשטח הקהילה. עם זאת, המחלה תמשיך להתפשט דרך אותם מפיצי העל או ה-super spreaders שהזכרנו אותם גם בפרק 6 בנושא ההשפעה. אז נדבר עליהם ועל מקדמי הדבקה, שגם עליו דיברנו באותו פרק:

מקדם ההדבקה הוא ממוצע של כמות האנשים אליהם מועברת המחלה ע"י האנשים המודבקים, למשל, מחלה בה אדם אחד מדביק 2, 2 ידביקו 4 וכו' יש לה מקדם של 2, שזה סופר ויראלי. תוך כמה צעדים (עשרות בודדות) כל העולם אמור להיות מודבק.

למה אמור? השימוש בממוצע פה הוא כבר חשוד. כשמדברים על ממוצע, ההנחה האינטואיטיבית שמדובר בהתפלגות נורמלית, כלומר, חלק לא ידביקו אף אחד, חלק ידביקו 4, אבל הרוב ידביקו 2. ממוצע בהתפלגות נורמלית מתאר את רוב הדאטה שלנו.

בפרק 3 דיברנו בהרחבה על כך שברשתות, בניגוד לאינטואיציה, ממוצע זה לא מה שאנחנו חושבים.

רשתות (ועוד הרבה דברים בעולם), לא מתפלגות נורמלית. הן מתפלגות power law. זה אומר שיהיו הרבה שיש להם קשר בודד או קשרים בודדים ומעט מאד (באיזור האחוז הבודד) שיהיו להם המון קשרים.

הדבר נכון גם לגבי פעילות ברשת. יהיו מעט מאד שיהיו מאד פעילים ברשת והרוב המכריע, כמעט ולא פעיל.

מה זה אומר על הדבקה?

שזו הסיבה שאנחנו עדיין חיים לשמוע את הפודקסט.

אבל כמו שאמר ד"ר עמית רכבי: בסוף כל זנב ארוך,יש ראש של טי-רקס

רוב האנשים ידביקו אדם אחד או לא ידביקו כלל, למה? כי רובנו בזנב הארוך של ה-power law (ולמי שלא זוכר מה זה "זנב ארוך", חזרו 4 משבצות לפרק 3)

אבל, יהיו כאלה שיהיו מפיצי-על או מה שקרוי super-spreaders. זה לא חייב להיות אנשים, זה יכול להיות גם אירוע המוני, אבל אנשים מעטים אלו או אירוע המוני אחד כזה, הם כנראה האחראיים על ההפצה המשמעותית.

לדוגמא:

אם ניקח 100 אנשים נגועים במחלה וכל אחד מהם ידביק אדם אחד או אף אחד, אז בממוצע, המקדם הדבקה שלהם הוא 1 ומטה. מקדם קטן מ-1 מעיד שההדבקה עומדת להסתיים. לא יישאר מי שיפיץ אותה. אבל, אם נוסיף רק מפיץ-על אחד או אירוע המוני אחד, שכלל מגע עם 100 אנשים, נקבל כבר ממוצע של כ-2, שהוא ויראלי.

אז יש דברים שהממשל צריכה לעשות ועושה כדי למנוע אירועים כאלה: מניעת טיסות לחו"ל, צמצום כנסים וכד'.

הבעיה היא שאנחנו זנב ארוך של סרבנים ולא תמיד פועלים לפי האינטרס הציבורי ויעידו על כך כל מי שאי פעם עמד בתור בארץ או פשוט היה בארץ.

אז השאלה היא לא רק איך נעצור את הוירוס אלא איך נגרום לאנשים לעשות מה שאומרים להם?

אז בפרק על השפעה דיברנו על כך שלדעת משהו, לא גורם לך בהכרח לעשות אותו.

ניסיתי לשכנע את אשתי לעטות כפפות לעבודה (היא ספרנית) ולא הצלחתי. פניתי לרגש, לשכל, לפסיכולוגיה הפוכה וכלום לא עזר. ואז הפניתי אותה לפרקים 3+4 בפודקסט, וזה עבד! הטענה שלה היתה שהיינו כבר במקומות ציבוריים למשל במסעדה ולא צריך להיות היסטריים. בנוסף, היא נתנה את הטבח במסעדה כדוגמא למישהו שמכין אוכל ולא לובש כפפות.

הטענות שלה התלבשו לי כמו כפפה ליד: הסברתי לה שיש הבדל במקומות ציבוריים בין אנשים שמגיעים לפרק זמן קצר, מה שנקרא "הזנב הארוך" של ה-power law (שזה אנחנו), לבין האנשים שנתונים שירות ובאים במגע עם הרבה אנשים, שאלה אנשי ה degree שזה היא. אבל זה לא רק שהיא תבוא במגע עם הרבה אנשים, אלא גם שמדובר באנשים שונים ומגוונים, כלומר היא תהיה גם עם betweenness גבוה. לכל אחד בזנב הארוך יש הרבה פחות סיכוי ללקות במחלה מלאלה שנמצאים במרכז הכובד של הרשת. בנוסף, לגבי דוגמת הטבח שנתנה, זו טעות נפוצה לבלבל בין "פעילות רבה" לבין "מרכזיות רבה". ברשת המפגשים, דווקא ככל שהטבח פעיל יותר (כלומר, מבשל יותר) הסיכויים שלו לחלות קטנים יותר, כי הוא עסוק כל היום במטבח ולא בא במגע עם אנשים, ולכן הוא שולי ברשת.

יש הרבה מבקרים בספריה, כשכל אחד מהם בא במגע מוגבל עם אנשים/ספרים, ולכן הסיכוי שלו לחלות נמוך יותר מהספרנית. ספרנית שנוגעת בספרים רבים שמביאים אנשים רבים יש לה דרגה (degree) גבוהה ויש לזכור שהמבקרים הרבים באים גם ממקומות שונים ככל שהמגוון התלאביבי מאפשר' כלומר, יש לה גם betweeness גבוה ולכן, בניגוד למבקר רגיל בספריה, היא צריכה כפפות.

שכנעתי אותה!

לא הרימה את הכפפה

זה מרגיש טוב שניתוח רשתי מועיל גם בחיים הפרטיים ומרגיש פחות טוב שהיא יצאה לעבודה ושכחה את הכפפות בכניסה לבית.

לפעמים טיעונים לוגיים עוזרים אבל כנראה מה שהכי יעזור זו הדוגמא האישית. למה? בגלל הקירבה ברשת. אנחנו רוצים לראות שאנשים לידנו פועלים לפני שאנחנו נפעל:

כשנאלצתי לנסוע באוטובוס, שמתי מסיכה. זה נראה ממש מוזר. בעיקר כי לא נשארו כמעט מסיכות אז אשתי קנתה את זו שנראית כאילו אני דמות מקומיקס סייבר פאנק שעושה פארודיה על דמות מסייבר פאנק. אבל מגוחך ככל שנראיתי, אחד שראה אותי שם גם הוא מסיכה. לא ברור אם בגלל שנתתי לזה לגיטימציה או פשוט כי הוא חיפש משהו שיחצוץ את שדה הראייה ביני לבינו.

ולכן גם נתגבר על הרצון לבקר את ההורים שרוצים לחלק לנו מזון ובתמורה לקבל קורונה ולו כדי שיבינו שהמצב רציני.

אז רוצים להיות משפיענים ברשת? עיזרו למדינה לעזור לכם והימנעו ממפגשים מחוץ לקהילה הגיאוגרפית שלכם, לא משנה איזה תגליות על עטלפים גיליתם.

לא צריך להיות היסטריים, פשוט הקפידו על ההנחיות ודאגו לכך שאחרים רואים זאת וכך תוסיפו ותשפיעו.

ומילה לסיכום,

לאלה שלא שמעו פרק 2 וחשבו שלחיות בעולם קטן בו כולם קשורים לכולם זה מגניב, אז אני מקווה שאתם

משמרים את האופטימיות הזו בבידוד. לאלה שכן שמעו, אז נזכיר שהרשת שלנו היא לא כולה מחוברת. הרשת מורכבת מרכיבי קשירות, כלומר, איים ברשת. יש אי אחד ענקי שבו חברים אחוז משמעותי מהאוכלוסיה, אבל יש זנב ארוך של רכיבי קשירות שלא קשורים לאי המרכזי, ולכן לא יידבקו. כשהכל ייגמר, הם יצאו ממחילותיהם כמו אותו לוחם יפני שיצא מהמערה שלו 20 שנה אחרי מלחה"ע ה-2 כי לא ידע שהיא נגמרה. הם יעיפו מבט סביב בפליאה ויגידו אחד לשני: "בחיים לא ראינו כל כך מעט לשלשת עטלפים על מכוניות. מדהים מה שהמחקר יכול להשיג."

נהניתם, ורוצים לשתף? סבלתם ולא רוצים לסבול לבד?

דרגו את הפודקאסט בספוטיפיי או באפל-פודקאסטס ו/או כיתבו ביקורת. ניתן לדרג גם בפודקאסט-אדיקט (בטאב של ה-reviews). מותר ומומלץ להעלות פוסט ולתייג את נטפריקס בפייסבוק/טוויטר/אינסטגרם או לינקדאין ושוב, פוסטים יצירתיים במיוחד יושמעו בפרקים הבאים.

מוערך מאד!

נתראה בפרק הבא של נטפריקס (:

#Network_Science #SNA #Social_Network Analysis #Graph_Theory #Data_Science #Social_Physics #Computer_Science #Statistics #Mathematics #Social_Science #Physics #Facebook #Podcast #covid19 #pandemic