11 ways to measure segregation in social networks

Posted May 15th, 2014 by Rense and filed in Social Networks
Comments Off

Social Networks just published an article by Michal Bojanowski and myself, titled “Measuring segregation in social networks“. The title says it all: it systematically reviews all the different ways that have been proposed in the literature to measure segregation (roughly: the social separation of two or more groups), and provides some guidance on when to use which measure. Here is the abstract:

Network homophily is a pattern in which ties are more likely to exist between nodes similar to each other. It is frequently observed for various types of social relations. At the same time, segregation is often encountered in urban areas as a tendency of families to occupy neighborhoods inhabited by other families similar to them. In this paper we conceptualize both phenomena as in the language of networks of interlinked positions occupied by a population of actors characterized by some node-level attribute. We review existing indexes and approaches to measuring the extent of homophily/segregation in social networks. We pursue an approach of, first, specifying a set of properties that a generic segregation measure might possess, and which, in our view, are relevant in substantial contexts. Second, we check which measures satisfy which properties. The use of measures is illustrated with four empirical examples. Given the particular application and the need for some descriptive measure of segregation, the results presented in this paper can help in selecting an optimal measure for the task at hand. We conclude that the most crucial aspects for the choice of a particular segregation measure include (1) whether the network ties or actors’ attributes are assumed to be subject to change, and (2) how one should treat the presence of network isolates.

My book is out!

Posted April 8th, 2014 by Rense and filed in Social Networks, Social Science, Sociology
Comments Off

Computational Approaches to Studying the Co-evolution of Networks and Behavior in Social Dilemmas (1118636872) cover image

Wiley were so kind to publish my book “Computational Approaches to Studying the Co-evolution of Networks and Behavior in Social Dilemmas”,  which summarizes a lot of my earlier research on network dynams and social dilemmas, focusing on how to use simulation to derive testable hypotheses. It appears in the series on “Computational and Quantitative Social Science”. From the Wiley website:

“Computational Approaches to Studying the Co-evolution of Networks and Behaviour in Social Dilemmas shows students, researchers, and professionals how to use computation methods, rather than mathematical analysis, to answer research questions for an easier, more productive method of testing their models. Illustrations of general methodology are provided and explore how computer simulation is used to bridge the gap between formal theoretical models and empirical applications.”

Get it here !

De kunst van het trendwatchen

Posted January 19th, 2014 by Rense and filed in In het Nederlands, Sociology, The Netherlands
Comments Off

 Het is traditioneel de tijd van het jaar dat “trendwatchers” hun licht laten schijnen over maatschappelijke ontwikkelingen en voorspellingen doen over de nabije toekomst. Deze beroepsgroep lijkt een soort geheime bron van kennis te hebben: terwijl sociale wetenschappers hooguit met bloed, zweet en tranen en veel slagen om de arm wankele correlaties aan de data weten te ontfutselen, schudden trendwatchers als orakels toekomstvoorspellingen uit hun mouw. Hoe doen ze dat toch?

Eén van de bekendste trendwatchers van Nederland is Richard Lamb. Lamb gaat er onder meer prat op (samen met zijn partner Lieke) de kredietcrisis voorspeld te hebben, en naar eigen zeggen lopen politici bij hem de deur plat voor advies. Als dat laatste waar is laat het zien dat trendwatching geen onschuldig tijdverdrijf voor in de glossy’s is maar wel degelijk invloed op beleid heeft. Daarnaast krijgen trendwatchers regelmatig ruim baan in de media om hun waarheden te verkondigen. Bij elkaar genoeg reden om eens nader te kijken naar de methoden van het trendwatchen.

Op BNR nieuwsradio legden Richard en Lieke Lamb onlangs uit hoe zij aan hun wijsheid komen:

We kijken eigenlijk vooral naar de belangen en structuren… nou je weet dat wij echt overal mogen komen, en dus continu bij bedrijfsleven en bij de overheid achter de schermen kunnen kijken, zonder dan precies te zien, inderdaad, of uit te dragen wat er dan bij “de vierde macht” en bij bedrijven gebeurt kunnen wij natuurlijk wel een mooi plaatje neerzetten… met dat wij altijd kijken van je hebt allerlei concepten en wat is dan de volgende verschijningsvorm van het een en ander….en dat tellen we eigenlijk op, we rekenen echt uit wat er gaat gebeuren de komende jaren.

Juist ja. Blijkbaar hebben de Lambs toegang tot informatiebronnen die normale stervelingen niet hebben, vooral wat betreft belangen (van wie?) en structuren (van wat?).  Daarnaast bestaan er concepten (nee maar!), en veranderen dingen (die concepten?) van verschijningsvorm. Maar als u denkt dat dit allemaal wat vaag klinkt dan heeft u het mis: trendwatching blijkt namelijk een harde wetenschap, waarbij de Lambs (echt!) hun voorspellingen uitrekenen (hoewel het rekenen beperkt lijkt te blijven tot optellen).

Op zijn best horen we hier echo’s van klassieke sociologische conflicttheorie  (er bestaan onderliggende machtstructuren, als je goed kijkt)  en structureel functionalisme (culturele verschijnselen (“concepten”) zijn steeds nieuwe verschijningsvormen van dezelfde onderliggende stabiele structuur). Meer kritisch bezien is dit echter pure sociaal-wetenschappelijke kwakzalverij. Op grond van het bovenstaande zijn hun voorspellingen op geen enkele manier voor buitenstaanders te beredeneren; de Lambs beroepen zich immers op voor anderen blijkbaar ontoegankelijke informatie, die vervolgens samen met “concepten” in een al even geheimzinnig rekenmodel*) gestopt wordt.

Het wekt dan ook geen verbazing dat de voorspellingen zelf ook al niet al te informatief zijn. Van hun eigen website www.trendsverwachting.nl, de “10 trends voor 2014″:

  1. Nieuw Realisme
  2. Durf: Presteren met Passie
  3. Duurzaam: The Rooftop Revolution
  4. Delen: Bruikleen boven Bezit (De Crisis Consument, De Menselijke maat)
  5. Slow Living (Bewust leven, Health, Food, Sports, Quantified Self, Qualified Life )
  6. Creativity of the Crowd (Creatieve & Creërende Consument, Innovatie)
  7. Smart Funding
  8. Buy On The Fly
  9. Aanzwellende Armoede
  10. Serieuze Sociale Onrust

Opgevat als serieuze hypothesen zouden bovenstaande “voorspellingen” in een eerstejaars paper verre van voldoende zijn. Met uitzondering van voorspelling 9 is in geen enkele voorspelling een trend te herkennen, tenzij we bij alles “meer dan vorig jaar” moeten bedenken. Ook blijft overal onvermeld waar en bij wie we dit gedrag (want daar gaat het eigenlijk steeds om) moeten verwachten, vooropgesteld dat we al begrijpen om wat voor gedrag het eigenlijk gaat. De meest concrete zijn nog nr. 9: de armoede zal “aanzwellen”, en nr. 10, serieuze(?) sociale onrust. Aangenomen dat we het eens kunnen worden over een definitie van armoede, is nr. 9 best een toetsbare hypothese, hoewel niet erg opzienbarend. Bij nr. 10 vragen we ons natuurlijk af wat als “serieuze” sociale onrust geldt, maar het is een interessante gedachte. Op Radio 2 beweerde Lamb (link, vanaf min. 145) dat sociale onrust relatief vaak optreedt bij economische tegenspoed (wat op zich discutabel is), dus  ik ben benieuwd!

De voorspelde “trends” voor 2013 zijn hier nog te vinden. Ook achteraf gezien lijkt het vrijwel onmogelijk te achterhalen of de voorspellingen correct waren, zo vaag zijn ze.

Kortom, trendwatchers lijken inderdaad op orakels. Ze toveren op schijnbaar magische wijze voorspellingen uit hun hoge hoed, die vervolgens zodanig geformuleerd zijn dat je er alle kanten mee op kunt. Zelfs als een voorspelling onverhoopt eens eenduidig bevestigd of ontkracht mocht worden, dan hebben we nog niets geleerd; er is immers geen duidelijke theorie voorhanden waaruit we nieuwe voorspellingen zouden kunnen afleiden. Het enige dat we dan kunnen doen (naast echte sociale wetenschap bedrijven, natuurlijk) is opnieuw de trendwatcher om zijn mening vragen. Het lijkt bijna wel of ze het erom doen…

*) Mochten Lamb en Lamb dit fantastische rekenmodel ooit publiceren, dan zou ze dit in één klap wereldberoemd in de sociologie maken!

netplot code now on GitHub

Posted September 2nd, 2013 by Rense and filed in SNA with stata, Social Networks, Stata
Comments Off

Every once in a while, I receive requests to include new features in netplot, such as options for weighted ties, different layout algorithms, or access to regular twoway graph options. I very much appreciate these suggestions, and I think implementation of most of them is both desirable and feasible. However, I find myself too busy with teaching and other research projects to devote enough time to netplot (which started as somewhat of a hobby project anyway). As a solution, I invite others to contribute to the further development of netplot. To keep this process somewhat organized, I created a repository for netplot at GitHub. I realize that this may create an additional hurdle (you’ll have to learn a bit of Git), but I think it is the best way to keep the code consistent. As an extra incentive to contribute: serious updates may be reported in the Stata Journal, with contributors as co-authors.

The Dis-Embedding of Social Ties

Posted July 12th, 2013 by Rense and filed in Social Networks, Sociology
Comments Off

PLOS one just published a paper that I co-authored with Paolo Parigi, Bogdan State, Diana Dakhlallah, and Karen Cook. It’s titled “A Community of Strangers: The Dis-Embedding of Social Ties” and studies the importance of per-existing social networks for fostering participation in online  associations, in this case Couchsurfing.org. Here’s the abstract:

In this paper we explore two contrasting perspectives on individuals’ participation in associations. On the one hand, some have considered participation the byproduct of pre-existing friendship ties — the more friends one already has in the association, the more likely he or she is to participate. On the other hand, some have considered participation to be driven by the association’s capacity to form new identities — the more new friends one meets in the association, the more likely he or she is to participate. We use detailed temporal data from an online association to adjudicate between these two mechanisms and explore their interplay. Our results show a significant impact of new friendship ties on participation, compared to a negligible impact of pre-existing friends, defined here as ties to other members formed outside of the organization’s context. We relate this finding to the sociological literature on participation and we explore its implications in the discussion.

The full paper is available here. Enjoy!

New paper out: Alcohol use among adolescents as a coordination problem in a dynamic network

Posted May 6th, 2013 by Rense and filed in Social Networks, Sociology
Comments Off

I am pleased to announced that Rationality and Society just published a paper I co-authored with Andrea Knecht, titled “Alcohol use among adolescents as a coordination problem in a dynamic network.” In this somewhat unorthodox paper, we use a really cool longitudinal dataset on adolescent networks (collected by Andrea) to test predictions by a simulation model from one of my earlier papers.

This is the abstract:

Whereas most research on substance (ab)use by adolescents studies only the effects of personal networks of adolescents, we propose a theoretical approach that allows for predictions on the effects of the macro-level social network structure on usage rates. We model alcohol use as risk-dominant but inefficient behaviour in a coordination problem, given that adolescents face incentives to align their behaviour with their friends. We propose a game-theoretical model in which actors choose behaviour in a repeated coordination game in an endogenous network. Predictions on levels of alcohol use depending on initial network structure are based on computer simulations of this model. We test the predictions using longitudinal data on alcohol use and friendship choices in school classes in Dutch high schools. We replicate the predicted ‘catalysing’ effect of initial network density on the development of alcohol use but the predicted opposing effect of centralization could not be confirmed.

Drawing Watts-Strogatz small world networks with netplot

Posted April 12th, 2013 by Rense and filed in SNA with stata
Comments Off

Omar Lizardo tweets some nice pics Watts-Strogatz small world networks made with netplot in Stata:

The original PDF with the pictures is here, the Mata code to generate the networks is here.

On recall of social networks and micro-macro problems

Posted March 26th, 2013 by Rense and filed in Social Networks, Sociology
Comments Off

Scientific Reports just published a very interesting article by Matthew Brashears titled “Humans use Compression Heuristics to Improve the Recall of Social Networks“.

Here’s the abstract:

The ability of primates, including humans, to maintain large social networks appears to depend on the ratio of the neocortex to the rest of the brain. However, observed human network size frequently exceeds predictions based on this ratio (e.g., “Dunbar’s Number”), implying that human networks are too large to be cognitively managed. Here I show that humans adaptively use compression heuristics to allow larger amounts of social information to be stored in the same brain volume. I find that human adults can remember larger numbers of relationships in greater detail when a network exhibits triadic closure and kin labels than when it does not. These findings help to explain how humans manage large and complex social networks with finite cognitive resources and suggest that many of the unusual properties of human social networks are rooted in the strategies necessary to cope with cognitive limitations.

This paper is potentially an important contribution to the literature that studies how large social network structures emerge as unintended consequences of individual choices. The question how humans deal cognitively with large complex network structures has been lingering in this literature for a while, with for example game theorists routinely assuming that actors are capable of observing and understanding the entire network in a large population. Brashears’ results will help to replace such obviously unrealistic assumptions with better ones. What it also great is how Brashears gets to these results with relatively simple experimental procedures such as vignette experiments.

However, I think that Brashears jumps a little too far with  his conclusions when he writes in the discussion that

These findings show that humans adaptively make use of schemata as compression heuristics to store social information more efficiently. This permits humans to develop and maintain social networks that are substantially larger than might be expected based on their neocortical ratios…Networks that can be more easily represented in the mind (e.g., adhere to schemata) can reach larger absolute sizes and provide a competitive advantage.

This looks like a classic micro-macro fallacy to me: just the fact that human are better capable of recalling certain types of network structures does yet tell us how these network structures would emerge, let alone whether there would be a competitive advantage. For sure, the extent to which humans can cognitively comprehend large network structures will affect their choices in creating their network, but the the overall network structure is still the collective effect of the many interdependent choices of the individuals in the network, and predicting the resulting network is a much more complex (and unsolved) puzzle than Brashears seems to suggest.

Over netwerkanalyse in het Cohen-rapport

Posted March 15th, 2013 by Rense and filed in Social Networks, The Netherlands
Comments Off

Vorige week verscheen het rapport van de commissie-Cohen over de “Facebookrellen” in Haren in 2012. Als netwerkonderzoeker met een speciale interesse in online sociale netwerken was ik verheugd te zien dat het rapport ook een kwantitatieve analyse van het online netwerkverkeer bevat, en ik bladerde dan ook gretig door naar het kopje “Netwerk analyse” (sic) in Deelrapport 2: De Weg naar Haren. In deze paragraaf vinden we een aantal fraaie visualisaties van het Facebooknetwerk in termen van wie-reageert-op-wie, waarbij de ontwikkeling van het netwerk over de tijd in beeld gebracht wordt. Hoewel ik blij ben dat netwerkanalyse in een dergelijk rapport terechtkomt, en hoewel ik snap dat de tijd die de onderzoekers voor de analyse hadden beperkt was, vond ik de conclusies (op p.27-28) toch wat teleurstellend. Ik kon het niet laten mijn kanttekeningen bij de conclusies hier samen te vatten.

  1. “In het figuur zijn mensen zeer sterk met elkaar verbonden”Een verbinding is gedefinieerd als een reactie op een post, dus wat deze conclusie eigenlijk zegt is dat er veel reacties op posts zijn. Om dat te concluderen hebben we geen netwerkanalyse nodig. De auteurs zouden ook kunnen bedoelen dat de Facebookers verbonden zijn in één hecht verbonden component, maar ook die conclusie is weinig informatief; met zoveel reacties is dat ook precies wat je op basis van klassieke grafentheorie zou verwachten.
  2. “Er kan geen onderscheid worden gemaakt tussen verschillende clusters van mensen doordat de verbondenheid binnen het netwerk zeer groot is.”Die conclusie, alleen op basis van deze plaatjes, lijkt me voorbarig. Visualisaties van grote netwerken worden al gauw een visuele warboel (zo ook hier), en daar nog op het oog structuur in zien is erg lastig. De structuur die we in netwerkplaatjes kunnen zien hangt bovendien af van  het specifieke algoritme dat voor de plaatsing van de “knooppunten” in het netwerk gebruikt wordt. Boeken over netwerkanalyse staan vol met meer kwantitatieve methoden om clusters op te sporen, maar er zijn geen aanwijzingen dat die hier gebruikt zijn.
  3. “Een grote groep mensen verstuurt slechts enkele berichten. Slechts 13% van de mensen is verantwoordelijk voor 56% van het verkeer.”Ook dit is geen conclusie waar we netwerkanalyse voor nodig hebben; het tellen van het aantal berichten per persoon is hier voldoende.
  4. “Op 17 september vindt een sterke groei van het aantal verbindingen plaats. Een zogeheten kritieke massa diende zich dus aan net voor en op de dag van de eerste aandacht van de massamedia.”Het gebruik van de term “kritieke massa” suggereert dat we hier een dynamisch, zichzelf versterkend sociaal proces op het spoor zijn. Een voetnoot in het rapport bevestigt die lezing: “Een kritieke massa wordt gevormd bij een niet exact aan te duiden omslagpunt in het aantal aanmeldingen, verbindingen of andere deelnemingen. Op dit punt vindt in elk geval een duidelijke versnelling plaats. Voor nieuwe aanmeldingen of verbindingen heeft het zin om mee te gaan doen omdat er voldoende andere participanten zijn. Men steekt elkaar aan, en het gaat als het ware ‘vanzelf’ lopen.”  Deze interpretatie blijkt echter in het geheel niet uit de analyse: het enige dat we zien is dat op een bepaald moment het aantal berichten sterk toeneemt. Of dit komt door de interne dynamiek van het proces of door externe factoren kunnen we in de plaatjes helemaal niet zien, zoals Peter Vasterman al elders opgemerkte. Ook later in het rapport speelt deze “kritieke massa” nog een rol.
  5.  ”Uit de verschillende kleuren kan worden afgeleid dat op verschillende momenten verschillende groepen mensen aan het woord zijn.”Ook hier speelt netwerkanalyse eigenlijk geen rol. Dat op verschillende momenten verschillende groepen actief zijn wisten we ook al uit de vorige paragraaf van het rapport. De conclusie is extra merkwaardig omdat de groepen (en kleuren) in die paragraaf al mede gedefinieerd zijn aan de hand van het moment waarop de leden actief waren. Deze conclusie lijkt dus haast tautologisch.
  6. ” Ook zien we dat de groepen (kleuren) min of meer bij elkaar clusteren. Hieruit concluderen we dat mensen op een bepaald moment inhaken bij de discussie die gaande is.”Behalve dat deze  observatie in strijd lijkt met conclusie #2, is de conclusie eigenlijk nietszeggend; men kan immers niet inhaken op iets dat niet al gaande is, en al helemaal niet op een onbepaald moment.

Kortom: hoewel netwerkanalyse een methode is om de structuur van sociale groepen te onderzoeken, leren we hier eigenlijk erg weinig over die structuur. De hele exercitie in het rapport is bedoeld om de vraag te beantwoorden of “bepaalde groepen (of zelfs individuen) een cruciale rol hebben gespeeld in het proces” (p.26). Ik vraag mij sterk af in hoeverre de bovengenoemde conclusies helpen bij het beantwoorden van die vraag; in ieder geval wordt er in het vervolg van het rapport niet meer echt op teruggekomen. Misschien komt dat omdat de vraag ook nog niet erg specifiek geformuleerd is. Wat is namelijk “cruciaal”? Betekent dat dat bepaalde mensen centraal staan in het netwerk, in de zin dat veel informatie via hen loopt? Het beantwoorden van zo’n vraag vereist in ieder geval een theoretisch idee over hoe invloed in zo’n netwerk van reacties werkt. Netwerkanalyse biedt vervolgens allerlei methoden om die invloed, en het is jammer dat die hier niet gebruikt zijn. Let wel, ik wil hier niet beweren dat zo’n analyse simpel zou zijn, of dat de beschikbare data überhaubt toereikend zouden zijn om die vraag te beantwoorden, maar ik denk wel dat de auteurs hier met de term  ‘netwerkanalyse’ meer beloven dan ze waarmaken. Wie overigens zelf met de data aan de slag wil kan ze hier downloaden.

Het reactienetwerk in Facebook op 21 september. Bron: Van Dijk et al. (2012): De weg naar Haren. http://commissieharen.nl

De Swaan en experimentele sociologie

Posted March 8th, 2013 by Rense and filed in Sociology, The Netherlands
Comments Off

Enige tijd geleden publiceerde Sociologie Magazine een column door Abraham de Swaan over experimentele sociologie. Omdat ik experimentele sociologie tot mijn expertise reken, De Swaan naar mijn mening de plank een beetje mis slaat, en er onderaan het stuk de oproep “Reageren? Mail naar Redactie@sociologiemagazine.nl” stond, schreef ik enthousiast een reactie en mailde die naar Sociologie Magazine. Die blijken echter zulke reacties niet in het magazine zelf te plaatsen, maar alleen op de website, zonder verdere omhaal. Vandaar dat ik de tekst van mijn reactie hier nog maar eens publiceer.

In zijn column “Het Milgram Monopolie” stelt Abram de Swaan dat er geen sociologische laboratoria bestaan waar “maatschappijvorsers in witte jassen sociale processen nabootsen in proefopstelling”. De eerste witte jassen moeten er inderdaad nog gesignaleerd worden, maar de sociologische laboratoria bestaan wel degelijk. Al decennia lang zijn er sociologen die experimentele methoden gebruiken voor het onderzoeken van sociale processen. Het gaat hierbij om vragen als: hoe komen samenwerking en vertrouwen tot stand? Wat zijn de effecten van formele en informele instituties op keuzegedrag? Hoe ontstaan normen of sociale netwerken?

De Swaan hoeft daarvoor niet ver van huis: experimentele sociologie behoort tot de specialiteiten van de sociologie-afdelingen van Groningen en Utrecht; de laatste heeft zelfs daadwerkelijk een eigen lab (www.else-utrecht.nl). Ook de Swaan’s eigen (voormalige) afdeling in Amsterdam heeft met Klarita Gerxhani een experimentalist in huis. De aandacht voor dit soort onderzoek is groeiende, en resultaten worden tot in de meest prestigieuze tijdschriften gepubliceerd.

De eigenlijke strekking van De Swaan’s column is natuurlijk dat sociologisch experimenteel onderzoek in de praktijk door sociaal-psychologen gedaan wordt, en dus rijst de vraag wat het bovengenoemde onderzoek nu “sociologisch” maakt. Hierin zijn tenminste twee elementen te ontwaren. Ten eerste onderscheiden sociologische experimenten zich van sociaal-psychologische door het gebruik van methoden die veelal aan de experimentele economie ontleend zijn. Dit houdt bijvoorbeeld in dat proefpersonen monetaire prikkels ontvangen voor de keuzes die ze maken (om aan te sluiten bij hypothesen over doelgericht gedrag), en dat geprobeerd wordt proefpersonen zo min mogelijk of helemaal niet te misleiden, zoals in de sociale psychologie wel heel gebruikelijk is.

Nog belangrijker is echter het tweede element: sociologische experimenten worden ontworpen om sociologische vragen te beantwoorden.

Deze vragen gaan uiteindelijk over de effecten van sociale condities op sociale uitkomsten (macro-macro), maar verklarende mechanismen worden in navolging van het gedachtegoed van denkers als Popper en Coleman gezocht in de interactie tussen individuen (macro-micro en vooral micro-macro).

Het zijn juist hypothesen over dit soort mechanismen die experimenteel sociologen in het lab proberen te toetsen, door heel precies de sociale effecten die in sociologische theorieën verondersteld worden na te bootsen. De experimenten van sociaal psychologen gaan weliswaar vaak ook over groepsprocessen, maar zijn toch meer gericht op hoe het individu zich in sociale situaties gedraagt, en minder op mechanismen die onderdeel zijn van bredere micro-macroverklaringen. Uiteraard leent niet iedere sociologisch theorie zich even goed voor experimentele toetsingen, maar waar mogelijk kunnen ook sociologen gebruik maken van het vermogen van experimentele methoden om causale verbanden aan te tonen.

Ik ben het dan ook niet eens met De Swaan’s centrale stelling: dat als gevolg van een min of meer toevallig gegroeide arbeidsdeleling experimentele sociologie vooral door sociaal-psychologen bedreven wordt.

Een eigen experimentele sociologie bestaat wel degelijk, met haar eigen methoden en vooral haar eigen vragen en hypothesen.