• 识别在线群体之间的竞争和互惠;
• 物理学来拯救？;
• 符号网络中的组形成;
• 现实世界网络中混合符号离散时空的洒落;
• 利用群众的智慧，在数字群平台上通过实时、盲目的合作来提高放射科医生之间的共识;
• 基于文章处理费的出版物：价格在多大程度上解释了科学影响？;
• 从 Reddit 到华尔街：坚定的少数群体在金融集体行动中的作用;
• 我应该留下还是应该去：预测集群成员的变化;
• 流行病学的线性动力学视角：早期 COVID-19 爆发与人类流动之间的相互作用;
• 我们一起学得更好：为 MOOC 学习者利用实践社区;
• 非马尔可夫 SIR 流行病传播模型;
• 网络异构群体的聚类;

识别在线群体之间的竞争和互惠

原文标题： Identifying Competition and Mutualism Between Online Groups

地址： http://arxiv.org/abs/2107.06970

作者： Nathan TeBlunthuis, Benjamin Mako Hill

摘要： 平台通常托管多个具有高度重叠主题和成员的在线群组。研究人员和设计师如何理解相关群体之间的互动如何影响群体健康的衡量标准？受人口生态学的启发，先前的社会计算研究通过将群体规模与内容和成员的重叠程度相关联来研究相关群体之间的竞争和共生。由此产生的大量证据令人费解，因为重叠有时似乎有帮助，有时则有害。我们认为，这种混淆是由于将群体间关系聚合为整体环境效应而不是关注群体之间的竞争和共生网络。我们提出了一个基于社区生态学的理论框架和一种从时间序列参与数据推断竞争和互惠互动的方法。我们通过分析具有高用户重叠但不同程度的竞争和互惠互利的 subreddit 集群来比较在线社区增长的人口和社区生态分析。

物理学来拯救？

原文标题： Physics to the rescue?

地址： http://arxiv.org/abs/2107.07239

作者： Andrea Saltelli, Monica Di Fiore, Francesco Spanò

摘要： 大量文献论述了科学可重复性危机的复杂性质。与这种感知的复杂性相反，物理学学科最近的一些论文表明，不可重复性并不意味着系统性危机，相反，它是科学系统正常运行的标志。这些著作在承认物理学与陷入可重复性危机的其他学科之间存在差异的同时，暗示所有学科都可以向物理学学习。目前的工作表明，这种乐观的信息，当针对陷入困境的学科时，可能会引起对危机的其他相关方面的自满，延迟其​​解决方案，并阻碍所有学科真正共同努力解决重要的社会和环境困境现时代的。

符号网络中的组形成

原文标题： Group Formation in Signed Networks

地址： http://arxiv.org/abs/2107.07324

作者： Enrico Maria Fenoaltea, Fanyuan Meng

摘要： 为什么一些社会团体或组织，最初由几个志趣相投的人组成，随着成员数量的增加而解体？为了回答这个问题，我们提出了一个随机模型，其中组成员及其关系由一个不断增长的有符号网络来描述，在节点和链接上都有正负符号。我们从分析和数值上研究了当网络随着链接符号上的噪声信息增长时，组内聚力的行为，定义为具有相同符号的节点的分数。我们的研究结果提出了在不同背景下预防或增强群体凝聚力的策略。

现实世界网络中混合符号离散时空的洒落

原文标题： A sprinkling of hybrid-signature discrete spacetimes in real-world networks

地址： http://arxiv.org/abs/2107.07325

作者： Astrid Eichhorn, Martin Pauly

摘要： 许多现实世界的网络都嵌入到空间或时空中。嵌入空间（时间）限制了这些现实世界网络的属性。我们使用与尺度相关的谱维度作为工具来探测现实世界的网络是否对嵌入空间维度的信息进行编码。我们发现，受量子引力启发并基于混合签名的时空网络，遵循小空间距离的闵可夫斯基度量和大空间距离的欧几里德度量，提供了与小世界类型的现实世界网络相关的模板，包括互联网架构和生物神经网络的表示。

利用群众的智慧，在数字群平台上通过实时、盲目的合作来提高放射科医生之间的共识

原文标题： Leveraging wisdom of the crowds to improve consensus among radiologists by real time, blinded collaborations on a digital swarm platform

地址： http://arxiv.org/abs/2107.07341

作者： Rutwik Shah, Bruno Astuto, Tyler Gleason, Will Fletcher, Justin Banaga, Kevin Sweetwood, Allen Ye, Rina Patel, Kevin McGill, Thomas Link, Jason Crane, Valentina Pedoia, Sharmila Majumdar

摘要： 今天的放射科医生在做出诊断决策和标记图像以训练人工智能方面发挥着关键作用。算法。在解释具有挑战性的案例时，专家之间可以看到低读者间可靠性 (IRR)。虽然众所周知，基于团队的决策优于个人决策，但人际偏见往往会在群体互动中蔓延，这限制了非主导参与者表达真实意见。为了克服低共识和人际偏见的双重问题，我们探索了一种以蜜蜂生物群为模型的解决方案。两个独立的队列；三名放射科医师和五名放射科住院医师在数字群平台上以盲法实时协作，对膝关节 MR 检查中的半月板病变进行分级。这些共识投票以临床（关节镜检查）和放射学（最高级放射科医师）观察为基准。将共识投票的 IRR 与两个队列的多数和最有信心投票的 IRR 进行比较。放射科医师队列发现群投票的 IRR 比多数投票的 IRR 提高了 23%。观察到在 3 位居民群投票中，IRR 比多数投票提高了 23%。与多数投票相比，5 居民群体的 IRR 提高了 32%。 Swarm 共识投票也将特异性提高了 50%。在放射科医师和住院医师队列中，群体共识投票的表现优于个人和多数投票决定。 5 居民群体比 3 居民群体具有更高的 IRR，表明增加群体规模的积极影响。出席和常驻的群体也超过了最先进的人工智能的预测。算法。利用数字群平台提高了一致性，并允许参与者表达自由判断的意图，从而产生卓越的临床表现和强大的人工智能。训练标签。

基于文章处理费的出版物：价格在多大程度上解释了科学影响？

原文标题： Article Processing Charges based publications: to which extent the price explains scientific impact?

地址： http://arxiv.org/abs/2107.07348

作者： Abdelghani Maddi (HCERES), David Sapinho

摘要： 本研究旨在分析科学出版物的引用标准化得分 (NCS) 与黄金开放获取出版物的文章处理费用 (APC) 数量之间的关系。为此，我们使用 OpenAPC 数据库提供的 APC 信息和 Web of Science 数据库 (WoS) 中出版物的引用分数。数据库涵盖 2006 年至 2019 年期间，在 267 家不同出版商的 4751 种期刊上发表了 83,752 篇文章。结果表明，与这种信念相反，付出高昂的代价并不一定会增加出版物的影响。首先，具有高影响力的大型出版商并不是最昂贵的。其次，APC 最高的出版商不一定是影响力最好的。 APC 和影响之间的相关性是中等的。否则，在计量经济学分析中，我们已经表明出版质量很大程度上取决于发表它的期刊质量。国际合作在引文得分中也发挥着重要作用。

从 Reddit 到华尔街：坚定的少数群体在金融集体行动中的作用

原文标题： From Reddit to Wall Street: The role of committed minorities in financial collective action

地址： http://arxiv.org/abs/2107.07361

作者： Lorenzo Lucchini, Luca Maria Aiello, Laura Alessandretti, Gianmarco De Francisci Morales, Michele Starnini, Andrea Baronchelli

摘要： 2021 年 1 月，散户投资者在 Reddit 上协调，针对对冲基金对 GameStop 股票的卖空活动，导致股价飙升并引发相关基金的重大损失。这种有效的集体行动在金融领域是前所未有的，其动态仍不清楚。在这里，我们分析 Reddit 和财务数据，并根据最近的调查结果对事件进行合理化，这些调查结果描述了一小部分忠诚的个人如何触发行为级联。首先，我们在财务讨论中实施个人承诺的概念。其次，我们表明 Reddit 内部承诺的增加早于价格的最初飙升。第三，我们揭示了最初的承诺用户在 Reddit 对话网络中占据了中心位置。最后，我们表明，随着集体行动的展开，更广泛的 Reddit 社区的社会身份也在增长。这些发现揭示了金融集体行动，因为一些观察家预计它的重要性会增加。

我应该留下还是应该去：预测集群成员的变化

原文标题： Should I Stay or Should I Go: Predicting Changes in Cluster Membership

地址： http://arxiv.org/abs/2107.07362

作者： Evangelia Tsoukanara (1), Georgia Koloniari (1), Evaggelia Pitoura (2) ((1) Department of Applied Informatics, University of Macedonia, (2) Computer Science & Engineering, University of Ioannina)

摘要： 大多数预测社区演化的研究都集中在社区状态的变化上。相反，我们专注于单个节点并定义预测特定节点是否留在同一个集群、移动到另一个集群或退出网络的新问题。我们探索问题的变化，并基于局部和全局节点度量提出适当的分类特征。受基于嵌入的机器学习方法流行的推动，我们还使用适当的节点嵌入引入了有效计算的基于距离的特征。此外，我们考虑了特征链来捕捉节点的历史。我们的实验结果描述了问题不同表述的复杂性以及所选特征和链长的适用性。

流行病学的线性动力学视角：早期 COVID-19 爆发与人类流动之间的相互作用

原文标题： A Linear Dynamical Perspective on Epidemiology: Interplay Between Early COVID-19 Outbreak and Human Mobility

地址： http://arxiv.org/abs/2107.07380

作者： Shakib Mustavee, Shaurya Agarwal, Chinwendu Enyioha, Suddhasattwa Das

摘要： 本文研究了人类活动和流动性 (HAM) 在流行病传播动态中的影响。具体来说，它探讨了 HAM 之间的相互联系及其对 COVID-19 病毒早期传播的影响。在大流行的早期阶段，有效繁殖数量表现出与人类流动模式的高度相关性，导致假设 HAM 系统可以作为与疾病传播动态的耦合系统进行研究。本研究应用具有控制输入的广义 Koopman 框架来确定非线性疾病传播动力学和作为局部线性控制动态系统的输入-输出特性。该方法仅依赖于时空数据的快照，不需要理解系统的物理定律。我们利用带有控制的 Hankel 动态模式分解 (HDMDc) 算法来利用 Koopman 算子框架，以获得将人类活动作为控制输入的线性疾病传播模型。该研究表明，所提出的方法可以捕捉当地流动性对正在进行的全球大流行的早期动态的影响。获得的局部线性模型可以准确预测2到4周不等的各种预测窗口的新感染数量。该研究证实了流动性和疾病传播动态之间的领导者-追随者关系。此外，还研究并报告了延迟嵌入在 HDMDc 算法中的影响。使用来自美国佛罗里达州的 COVID 感染数据和从 Google 社区移动数据报告中提取的 HAM 数据进行了案例研究。

我们一起学得更好：为 MOOC 学习者利用实践社区

原文标题： Together we learn better: leveraging communities of practice for MOOC learners

地址： http://arxiv.org/abs/2107.07385

作者： Dilrukshi Gamage, Mark E Whiting

摘要： MOOC 参与者经常感到与同龄人孤立和脱节。引导有意义的同伴互动、产生归属感和实现社交存在都是 MOOC 平台面临的主要挑战。 MOOC 用户通常依赖外部社交平台进行这种联系和同伴互动，然而，平台外网络往往会分散参与者的学习注意力。为理解决这个问题，我们推出了 PeerCollab，这是一个基于网络的平台，它提供了创建社区的功能，并支持有意义的同伴互动，建立紧密的学习者群体。我们通过为期 6 周的实地研究 (n=56) 和对照实验 (n=22) 进行初步评估。结果表明对学习者如何建立归属感和发展同伴互动的见解，从而形成紧密的学习圈。我们发现 PeerCollab 可以提供更有意义的互动并创建一个社区，将社交学习文化带给分散和孤立的 MOOC 学习者。

非马尔可夫 SIR 流行病传播模型

原文标题： Non-Markovian SIR epidemic spreading model

地址： http://arxiv.org/abs/2107.07427

作者： Lasko Basnarkov, Igor Tomovski, Trifce Sandev, Ljupco Kocarev

摘要： 通过考虑离散时间和连续时间版本，我们引入了受 COVID-19 特性启发的非马尔可夫 SIR 流行病传播模型。潜伏期、延迟传染性和恢复期的分布用一般函数建模。通过对这些函数进行相应的选择，表明该模型可以简化为经典的马尔可夫情况。流行阈值是针对传染性和恢复的任意函数分析确定的，并通过数值验证。该模型的相关性通过对 2020 年春季意大利第一波流行病的建模来显示。

网络异构群体的聚类

原文标题： Clustering of heterogeneous populations of networks

地址： http://arxiv.org/abs/2107.07489

作者： Jean-Gabriel Young, Alec Kirkley, M. E. J. Newman

摘要： 从重复测量重建网络的统计方法通常假设所有测量都是从相同的底层网络结构生成的。然而，情况不必如此。例如，人们的社会网络在工作日和周末可能会有所不同。健康患者与痴呆症或其他疾病患者的大脑网络可能不同。在这里，我们描述了此类数据的贝叶斯分析框架，该框架允许网络测量可能反映多种可能的结构这一事实。我们定义了测量过程的有限混合模型，并推导出了一个快速 Gibbs 采样程序，该程序从模型参数的完整后验分布中精确采样。最终结果是将测量的网络聚类为具有相似结构的组。我们在真实和合成网络群体上演示了该方法。

声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://netsci.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。