بزرگنمايي:

خبر یزد - ایسنا /یک گروه تحقیقاتی از دانشگاه نورث وسترن از فیزیک و نظریه آماری برای تایید نظریه تعادل اجتماعی «فریتز هایدر» استفاده کردند.
ضرب المثل پرکاربرد «دشمنِ دشمنِ من دوست من است» فقط محدود به کلاس‌های دبیرستانی و درام‌های انتقام‌جویانه نیست. این موضوع نه تنها از یک نظریه روانشناختی اجتماعی که توسط روانشناس فریتز هایدر در دهه 1940 ارائه شد، سرچشمه می‌گیرد، بلکه به نظر می‌رسد اکنون از نظر علمی نیز ثابت شده است.
یک گروه تحقیقاتی از دانشگاه نورث وسترن از فیزیک و نظریه آماری برای تایید فرضیه هایدر استفاده کردند.
نظریه تعادل اجتماعی هایدر می‌گوید انسان‌ها به طور ذاتی تلاش می‌کنند تا در محافل اجتماعی به هماهنگی برسند. بر اساس این نظریه چهار اصل وجود دارد که موجب تعادل روابط می‌شوند. این چهار اصل عبارتند از: «دشمنِ یک دشمن، یک دوست است»، «دوستِ یک دوست، یک دوست است»، «دوستِ یک دشمن، یک دشمن است» و «دشمنِ یک دوست، یک دشمن است».
ایستوان کواچ نویسنده ارشد این مطالعه اینکه چگونه به این نتیجه رسیدند که هایدر در واقع درست می‌گفت را توضیح می‌دهد.
نظریه تعادل اجتماعی چیست؟
مبنای اصلی نظریه تعادل اجتماعی در دستیابی به سازگاری شناختی نهفته است که به نوبه خود گامی به سوی تعادل روانی است. افراد برای هماهنگی در روابط بین فردی خود تلاش می‌کنند و زمانی که این روابط از محدوده چهار قانون توصیف شده توسط هایدر خارج می‌شود، این هماهنگی مختل می‌شود تا زمانی که فرد راهی برای بازیابی آن با تغییر احساس خود در مورد یکی از عناصر تشکیل دهنده این معادله پیدا کند.
به عنوان مثال، اگر از فرد مشهوری خوشتان می‌آید که محصولی را تأیید می‌کند که شما آن را دوست ندارید، نظر شما در مورد آن فرد مشهور و محصول نامشخص خواهد بود و در نتیجه منجر به ناهماهنگی شناختی می‌شود. یعنی تا زمانی که تصمیم نگیرید که آن محصول آنقدرها هم بد نیست یا اینکه واقعاً آن سلبریتی را دوست ندارید، اوضاع همین خواهد بود و زمانی که تصمیمتان را بگیرید، دوباره به هارمونی می‌رسید.
به گفته ایستوان کواچ نویسنده ارشد این مطالعه، تعادل اجتماعی را می‌توان در گروهی از افراد، معمولاً بین حداقل سه نفر که یک مثلث را تشکیل می‌دهند، در نظر گرفت. ارتباطات بین آنها نشان دهنده احساس روابط بین یکدیگر، چه مثبت یا منفی است.
وی افزود: تعادل زمانی ظاهر می‌شود که همه روابط مثبت باشند یا زمانی که دو رابطه منفی با یک رابطه مثبت متعادل شوند. موقعیت‌های دیگر منجر به مثلث‌های نامتعادل می‌شود که باعث تنش یا ناامیدی می‌شود.
کارهای قبلی روی این نظریه
با وجود تلاش‌های متعدد پژوهشگران برای تأیید این نظریه با استفاده از علوم شبکه و ریاضیات، تلاش‌های آنها اغلب به دلیل پیچیدگی‌های ذاتی شبکه‌های اجتماعی که اغلب از روابط کاملاً متعادل منحرف می‌شوند، به موفقیت کامل نرسیده‌اند.
بنابراین اصل موضوع در تعیین اینکه آیا شبکه‌های اجتماعی دارای درجه تعادل بالاتری نسبت به آنچه طبق یک مدل شبکه مناسب انتظار می‌رود، نهفته است. با این حال، بسیاری از مدل‌های شبکه موجود برای به تصویر کشیدن پیچیدگی‌های روابط انسانی بسیار ساده‌تر از آن هستند که منجر به یافته‌های متناقض می‌شود.
تیم دانشگاه نورث وسترن توانسته است با ادغام موفقیت آمیز دو مؤلفه حیاتی برای عملکرد مؤثر چارچوب اجتماعی هایدر، بر این چالش غلبه کند. در سناریوهای زندگی واقعی، همه با یکدیگر آشنا نیستند و افراد از نظر مثبت بودن نسبت به دیگران متفاوت هستند.
در حالی که محققان مدت‌هاست که تأثیر هر دو عامل را بر پیوندهای اجتماعی تشخیص داده‌اند، مدل‌های موجود تنها می‌توانند یک عامل را همزمان تطبیق دهند. با ترکیب همزمان هر دو محدودیت، مدل شبکه حاصل که توسط محققان توسعه داده شد، در نهایت نظریه بسیار مورد مطالعه را تقریباً هشت دهه پس از اولین پیشنهاد هایدر اثبات کرد.
کواچ می‌گوید: به ‌عنوان فیزیکدان، علاقه اولیه ما وقتی برانگیخته شد که جایزه نوبل 2021 به جورجیو پاریسی اعطا شد که سیستم‌های فیزیکی پیچیده را مطالعه می‌کند و این جایزه را به صورت مشترک با سیکورو مانابه و کلاوس هاسلمان که روی مدل‌سازی آب و هوا کار می‌کنند، برد.
به گفته کواچ، در مطالعات پاریسی، تعاملات رقابتی بین چرخش‌ها می‌تواند منجر به پیکربندی‌هایی شود که قادر به به حداقل رساندن همزمان همه تعاملات زوجی نیستند و در نتیجه ناامیدی ذاتی ایجاد می‌شود.
کواچ خاطرنشان می‌کند که سیستم‌های اجتماعی گاهی اوقات سرخوردگی‌های مشابهی را نشان می‌دهند که در آن روابط یا نگرش‌های متضاد بین فردی می‌تواند حالت عدم تعادل یا تنش را در یک شبکه اجتماعی ایجاد کند.
او می‌افزاید: ما ترکیب بینش‌ها و ابزارهای فیزیک آماری با مجموعه داده‌های مقیاس بزرگ در مورد سیستم‌های اجتماعی واقعی را هیجان انگیز یافتیم.
پژوهشی که توسط تیم کواچ انجام شد
پژوهشگران برای بررسی این موضوع، توجه خود را به چهار مجموعه داده شبکه گسترده معطوف کرد که قبلاً توسط دانشمندان علوم اجتماعی جمع‌آوری شده بودند. آنها شامل نظرات رتبه‌بندی شده توسط کاربران در یک سایت خبری-اجتماعی، تبادلات بین اعضای کنگره در مجلس نمایندگان، تعاملات بین معامله‌گران بیت‌کوین و یک سایت بررسی محصولات توسط مصرف کنندگان بودند.
پژوهشگران در مدل شبکه خود از تخصیص مقادیر منفی یا مثبت صرفاً تصادفی فاصله گرفتند. در یک سناریوی واقعا تصادفی، هر گره احتمال یکسانی برای مواجهه با یکدیگر دارد. با این حال، شبکه‌های اجتماعی واقعی از چنین یکنواختی پیروی نمی‌کنند، زیرا هر فردی با افراد دیگر در شبکه خود آشنا نیست.
آنها برای تقویت واقع‌گرایی مدل خود، رویکردی آماری برای تخصیص مقادیر مثبت یا منفی بر اساس احتمال وقوع چنین تعاملاتی ابداع کردند. این روش، تصادفی بودن را در محدودیت‌های اعمال شده توسط توپولوژی شبکه تضمین می‌کند. علاوه بر این، تیم این مفهوم را در نظر گرفت که افراد خاصی ذاتاً مهربان‌تر از دیگران هستند که منجر به احتمال بیشتر تعاملات مثبت و برخوردهای کمتر خصمانه می‌شود.
مدل حاصل با ادغام این دو محدودیت، به طور مداوم همسویی با نظریه تعادل اجتماعی هایدر را در شبکه‌های اجتماعی در مقیاس بزرگ نشان داد. علاوه بر این، این مدل الگوهایی را نشان داد که فراتر از سه گره گسترش می‌یابند که نشان‌دهنده کاربرد نظریه تعادل اجتماعی برای گراف‌های بزرگ‌تر شامل چهار یا چند گره است.
کاربردهای عملی
این چارچوب نوآورانه دارای پتانسیل بسیار زیادی در پیشبرد درک ما از پویایی‌های اجتماعی، از جمله پدیده‌هایی مانند قطبی شدن سیاسی و روابط بین‌المللی است. علاوه بر این، می‌توان آن را برای هر سیستمی که با ترکیبی از تعاملات مثبت و منفی تعریف می‌شود، مانند شبکه‌های عصبی یا ترکیبات دارویی اعمال کرد.
به گفته کواچ، یکی از راه‌های درک این که این نظریه در زندگی واقعی و روزمره چگونه عمل می‌کند، فکر کردن درباره دو گزینه است که مردم باید از بین آنها انتخاب کنند که در بسیاری از موقعیت‌ها مانند قطبی‌سازی سیاسی رخ می‌دهد.
افراد مطابق با نظریه تعادل اجتماعی به طور غریزی برای کاهش تنش و حفظ ثبات و آسایش اجتماعی تلاش می‌کنند. این نظریه به عنوان چارچوبی ارزشمند برای درک رفتارها و انگیزه‌های ما در برقراری تعاملات اجتماعی بین افراد عمل می‌کند.
کواچ وقتی صحبت از کاربردها در شبکه‌های عصبی انسانی می‌شود، می‌گوید که نورون‌ها از طریق سیناپس‌ها به هم متصل هستند که می‌توانند سیگنال‌های تحریکی یا مهاری را منتقل کنند. این پویایی منعکس کننده تعاملات موجود در شبکه‌های اجتماعی است.
وی توضیح می‌دهد: مدل ما به طور بالقوه می‌تواند از داده‌های کانکتوم( نقشه اتصالات شبکه عصبی) شناخته شده و هر فرضیه اولیه در مورد ماهیت تحریکی یا بازدارنده نورون‌های خاص برای استنباط ویژگی‌های احتمالی اتصالات سیناپسی باقی‌مانده استفاده کند.
به همین ترتیب در مورد ترکیبات دارویی، این مدل می‌تواند بینش‌های ارزشمندی در مورد اینکه آیا جفت شدن دو دارو باعث افزایش کارایی در درمان بیماری‌های خاص می‌شود، ارائه دهد.
در حالی که مطالعه شبکه‌های اجتماعی پایه‌ای ایده‌آل برای کاوش فراهم می‌کند، نویسندگان معتقدند که تمرکز اصلی آنها گسترش تحقیقات خود فراتر از تعاملات بین دوستان و کاوش در سایر شبکه‌های پیچیده است.
این مطالعه در مجله Science Advances منتشر شده است.