(ר' קישורים בטקסט) מה מתרחש (:
אני אסף שפירא וזה נטפריקס – הפודקאסט העברי הראשון למדע הרשתות.
היה לי את הכבוד לארח בפרק זה את ד"ר אוסי מוקרין, מרצה בכירה בחוג למערכות מידע באוניברסיטת חיפה. גילוי נאות: ד"ר אוסי מוקרין, הזמינה אותי ב-2019 להנחות כנס באוניברסיטה בנושא מדע הרשתות במסגרתו נתתי הרצאה קצרה על רשתות דינאמיות. לצערי, אין הרבה כנסים בנושא בארץ אז ד"ר מוקרין פרצה פה דרך כשיצרה HUB של חוקרי רשתות ומה-HUB הזה אני נהנה עד היום. זה לא מפתיע כי אוסי פעילה מאד ברשתות החברתיות והדרגה וה-betweenness שלה מדברים בעד עצמם. וכמו שהיא פרצה דרך בארגון הכנס, כך גם פרצה דרכים במחקר הרשת.
מכיוון שמדובר בריאיון, נביא את העיקרים:
דיברנו על כך שלרשתות דינאמיות שונות יש קצבים שונים ויש בהן גם אירועים שגורמים לרשת להתנהג באופן שונה מהותית, וד"ר מוקרין מציעה שיטות למצוא את הקצבים והאירועים האלה. שיטה זו נקראת TPA, או Trending Preferential Attachment, שהזכרנו בפרק 9 בנושא רשתות דינאמיות. התזה שמאחוריה היא שצמתים מעדיפים להתחבר לצמתים שזוכים להרבה קשתות בעת האחרונה, ולא סתם לצמתים מרכזיים (כמו שמניחים במודל ה-Preferential Attachment המקורי של ברבאשי).
במסגרת שיחה בנושא גילוי שינויים ברשת הדינאמית, גילינו פה לראשונה שמבנה הרשת הדינאמית הוא די יציב מבחינת ההתפלגות שלה, כלומר, שממחקר אמפירי של השוואת התפלגות הרשת בזמנים שונים, ההתפלגות של עוצמת הפעילות של צמתים נשארת די זהה, לא משנה אם הרשת במוד שיגרה או במוד אירוע או כמה אנשים יש בה. וזו תגלית די מרתקת. הבדיקה הזו נעשית ע"י שימוש ב"מדד ג'יני", או "מדד האי שיוויון". במדד זה היא משתמשת לתת ציון למרחק בין התפלגות הצמתים ברשת האמיתית (שהיא Power Law) לבין התפלגות שווה או אחידה של הצמתים, כלומר, ציון לכמה רחוקה הרשת משיוויון מוחלט, שבו לכל הצמתים אותה רמת פעילות.
כמו כן, ממחקרים מוקדמים שלה עולה (ר' 1,2) שיש יחס ליניארי בין כמות הצמתים בדרגה גבוהה ברשת למספר העלים שבה. המשמעות היא שניתן לחזות את כמות הצמתים ברשת על סמך נתונים חלקיים וזה גם משהו די מדהים.
דיברנו על מחקריה בתחום האפידימיולוגיה ועל כך שכדי לדמות התפשטות נגיף, קיימים מודלים סטאטיים, דוגמת מודל ה-SIR וה-SEIR שדיברנו עליהם בפרק 9 בהקשר הקורונה: מודל SIR ( שזה Susceptible-Infected-Recovered) – הצד החיובי הוא שה-R בסוף המילה, כלומר ה-recovered, מציינת שניתן לא רק להחלים, אלא גם לפתח חסינות נגד המחלה ולכן אנשי ה-R לא נספרים במודל והם מקטינים את מספר הנדבקים הפוטנציאליים. ומודל ה-SEIR או Susceptible-Exposed-Infected-Recovered שמוסיף כמשתנה גם כאלה שהם exposed , כלומר, החשופים שהם נדבקים אך אינם מדביקים. מה שמשותף למודלים האלה הם שהם סטאטיים, כלומר, כדי לעדכן אותם, נדרש כל פעם להזין אליהם מחדש את הנתונים. ד"ר מוקרין בוחנת מודלים דינאמיים להתפשטות מבוססי ABM, או Agent-Based-Models שאלו מודלים דינאמיים שהיא מריצה על רשתות אמיתיות של מפגשים (או רשתות שמדמות מפגשים, למשל, רשת טלפוניה). מההדמייה על רשתות אלה, היא מנסה לגזור על אופי התנהגות הנגיף. אחת מהרשתות מפגשים (proximity network) שד"ר מוקרין מבצעת עליה מחקר היא רשת מגניבה ממש של מפגשי סטודנטים בדנמרק. מוזמנים להיכנס לקישור ולהתמכר לממשק.
ד"ר מוקרין גם ניצלה בצורה צינית את הבמה וקראה למתענינים בתחום לבוא וללמוד אותו באוניברסיטת חיפה, שם עוסקים ברשתות באופן מולטידיספלינארי, דבר שמתבקש לתחום כזה ורסאטילי. היא נתנה דוגמאות לסוג מחקרים אינטרדסיפלינארים שנעשים באוניברסיטה, למשל שיתוף פעולה עם תחום הביולוגיה למחקר מושבות נמלים ועוד. מוזמנים לבקר באתר שלה.
רוצות/רוצים לעזור להפיץ את מדע הרשתות בארץ? 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.
נתראה בפרק הבא של נטפריקס!
#Network_Science #SNA #Social_Network Analysis #Graph_Theory #Data_Science #Social_Physics #Computer_Science #Statistics #Mathematics #Social_Science #Physics #Podcast #covid19 #pandemic
Comments