Determinantes sociales (incluyendo métricas de redes) de salud y supervivencia en humanos y otros animales

Determinantes sociales de la salud y la supervivencia en humanos y otros animales

Noah Snyder-Mackler, Joseph Robert Burger, Lauren Gaydosh, Daniel W. Belsky, Grace A. Noppert, Fernando A. Campos, Alessandro Bartolomucci, Yang Claire Yang, Allison E. Aiello, Angela O’Rand, Kathleen Mullan Harris, Carol A. Shively, Susan C. Alberts, Jenny Tung

Science  22 May 2020:
Vol. 368, Issue 6493, eaax9553
DOI: 10.1126/science.aax9553

Introducción

El entorno social da forma a la salud humana, produciendo fuertes relaciones entre factores sociales, riesgo de enfermedad y supervivencia. La fuerza de estos vínculos ha llamado la atención de los investigadores de las ciencias sociales y naturales, que comparten intereses comunes en los procesos biológicos que vinculan el entorno social con los resultados de la enfermedad y el riesgo de mortalidad. Los científicos sociales están motivados por un interés en contribuir a políticas que mejoren la salud humana. Los biólogos evolucionistas están interesados ​​en los orígenes de la socialidad y los determinantes de la aptitud darwiniana. Estas agendas de investigación ahora han convergido para demostrar fuertes paralelos entre las consecuencias de la adversidad social en las poblaciones humanas y en otros mamíferos sociales, al menos para los procesos sociales que son más análogos entre las especies. Al mismo tiempo, estudios recientes en modelos animales experimentales confirman que el estrés socialmente inducido es, por sí solo, suficiente para afectar negativamente la salud y acortar la vida útil. Estos hallazgos sugieren que algunos aspectos de los determinantes sociales de la salud, especialmente aquellos que pueden modelarse a través de estudios de interacción social directa en animales no humanos, tienen profundas raíces evolutivas. También presentan nuevas oportunidades para estudiar la aparición de disparidades sociales en el riesgo de salud y mortalidad.




Una perspectiva comparativa sobre los determinantes sociales de la salud. La adversidad social está estrechamente relacionada con los resultados de salud y mortalidad en los humanos, a lo largo del curso de la vida. Estas observaciones se han extendido recientemente a otros mamíferos sociales, en los que se ha demostrado que la integración social, el estado social y la adversidad en la vida temprana predicen la esperanza de vida natural en poblaciones silvestres y resultados moleculares, fisiológicos y de enfermedades en modelos animales experimentales.

Avances

La relación entre el entorno social y el riesgo de mortalidad se conoce desde hace algún tiempo en humanos, pero los estudios en otros mamíferos sociales solo recientemente han podido evaluar el mismo fenómeno general. Estos estudios revelan que las medidas de integración social, apoyo social y, en menor medida, estatus social, independientemente predicen la esperanza de vida en al menos cuatro órdenes diferentes de mamíferos. A pesar de las diferencias clave en los factores que estructuran el entorno social en humanos y otros animales, los tamaños de los efectos que relacionan el estado social y la integración social con la vida natural en otros mamíferos se alinean con los estimados para los efectos ambientales sociales en humanos. También como los humanos, las múltiples medidas distintas de integración social tienen un valor predictivo, y en los taxones examinados hasta ahora, la diversidad social en la vida temprana está particularmente estrechamente vinculada a la supervivencia en la edad adulta. Los modelos animales también han sido clave para avanzar en nuestra comprensión de la integración social. vínculos causales entre procesos sociales y salud. Los estudios en animales de laboratorio indican que el estrés inducido socialmente tiene efectos directos sobre la función inmune, la susceptibilidad a la enfermedad y la vida útil. Los modelos animales han revelado cambios generalizados en la respuesta a la adversidad social que son detectables a nivel molecular. El trabajo reciente en ratones también ha demostrado que el estrés socialmente inducido acorta la vida natural debido a múltiples causas, incluida la aterosclerosis. Este resultado se hace eco de los de los humanos, en los que la adversidad social predice un mayor riesgo de mortalidad por casi todas las principales causas de muerte.


Fig. 1. La adversidad social predice la morbilidad y la mortalidad en humanos. (A a F) Los conjuntos de datos más grandes sobre los correlatos de salud de la adversidad social provienen de poblaciones humanas. Juntos, demuestran que la alta adversidad social es un importante predictor de [(A) a (C)] esperanza de vida y [(D) a (F)] susceptibilidad a una amplia gama de enfermedades. (A) Vida útil esperada a los 40 años para hombres y mujeres en los Estados Unidos en función de los ingresos a los 40 años (n = 1.400 millones de personas-años) (2). (B) Proporción de sujetos de estudio vivos después de un seguimiento de 9 años, para hombres y mujeres adultos en el Condado de Alameda, California, en función de un índice compuesto de relaciones sociales (n = 6298 individuos) (46). (C) Edad media de muerte en función de la adversidad temprana en el estudio ACE en pacientes adultos en la Clínica de Evaluación de Salud Permanente de San Diego de Kaiser (n = 17.337 individuos, n = 1539 que habían muerto por seguimiento) (173). (D) Prevalencia de la enfermedad entre los adultos estadounidenses por ingresos, según la Encuesta nacional de salud de los Centros para el Control de Enfermedades de 2015 (n = 242,501 individuos) (174) (E) Riesgo de enfermedad (log odds ratios ajustados por edad, sexo y raza) en función de una medida compuesta de integración social para hombres y mujeres adultos en los Estados Unidos en la Encuesta Nacional de Examen de Salud y Nutrición III (n = 18,716 individuos) (31). (F) Riesgo de enfermedad (log odds ratios ajustados por edad, sexo, raza y nivel educativo) por número de ACE para pacientes que visitan la Clínica de Evaluación de Salud de San Diego de Kaiser Permanente (n = 9508 individuos) (9).

Panorama

Aunque no todas las facetas de los determinantes sociales de la salud en los humanos pueden modelarse de manera efectiva en otros mamíferos sociales, la fuerte evidencia de que algunos de estos determinantes son compartidos argumenta que los estudios comparativos deberían desempeñar un papel de primera línea en el esfuerzo por comprenderlos. Debería ser una prioridad ampliar el conjunto de especies estudiadas en la naturaleza, así como el rango de poblaciones humanas en las que el entorno social está bien caracterizado. Dichos estudios tienen un alto potencial para arrojar luz sobre las vías que conectan la experiencia social con los resultados del ciclo de vida, así como la lógica evolutiva que explica estos efectos. Los estudios que aprovechan el poder y las herramientas que brindan los organismos modelo de laboratorio también son cruciales debido a su potencial para identificar enlaces causales. Las direcciones de investigación importantes incluyen comprender los predictores de las diferencias interindividuales e intersociales en la respuesta a la adversidad social, probar la eficacia de las intervenciones potenciales y extender la investigación sobre las firmas fisiológicas de los gradientes sociales al cerebro y otros tejidos. Los estudios innovadores en esta área no solo integrarán resultados de diferentes disciplinas sino que también involucrarán esfuerzos interdisciplinarios que comienzan con la concepción y el diseño del estudio.



Fig. 2. Integración social y supervivencia en mamíferos sociales salvajes. Todos los casos mostrados se basan en datos de poblaciones naturales, con la excepción de los macacos rhesus (65), para los cuales los datos provienen de una población de cría en libertad. (A) La relación de integración social-supervivencia se ha evaluado en al menos 12 especies, incluidos los humanos, que juntas representan múltiples transiciones independientes a la vida en grupos sociales (55). El supertree de mamíferos es de (175). (B) Tamaños de muestra y (C) sexo estudiado. Los símbolos grandes indican adultos; pequeños símbolos indican juveniles. El tamaño de la muestra para humanos se basa en un metanálisis de 148 estudios. Cuando se investigaron ambos sexos, se muestran resultados significativos en negro y resultados no significativos en gris. (D) Medida de integración social probada. (E) Dirección del efecto observado. Las flechas azules corresponden a una mejor supervivencia con mayor integración y apoyo; La flecha roja corresponde a una supervivencia reducida con una mayor integración y apoyo. Para los macacos de Barbary, las redes afiliativas no estaban relacionadas con la supervivencia; para la orca, la integración social predijo la supervivencia en los hombres solo en años de recursos limitados. Excluimos varios estudios de mamíferos salvajes que se centraron en el tamaño del grupo social como la medida del apoyo social y la integración [guepardos (176), lobos (177), topillos (178) y murciélagos (179)] porque los efectos de los factores sociales no pueden separarse de los efectos de otros factores dependientes de la densidad (como el grado de competencia de los recursos y la competencia entre grupos). Los datos provienen de las siguientes fuentes: rock hyrax, (180); caballo salvaje, (50); orca, (61); delfín nariz de botella (49); borrego cimarrón, (60); humano, (4); macaco rhesus, (65); Macaco de Berbería, (181); chacma babuino, (47); babuino amarillo, (48); mono azul, (54); marmota de vientre amarillo, (53).



Fig. 3. Estado social y supervivencia en mamíferos sociales salvajes. Todos los casos mostrados se basan en datos de poblaciones naturales. (A) La relación estado-supervivencia social se ha evaluado en al menos 12 especies, incluidos los humanos, que juntas representan múltiples transiciones de la vida solitaria a la social (en carnívoros, ungulados de dedos pares, primates, conejos y liebres y roedores) ( 55) El supertree de mamíferos es de (175), con modificaciones basadas en (182). (B) Tamaños de muestra y (C) sexo estudiado. El tamaño de la muestra para humanos se basa en un metanálisis de 48 estudios. Cuando se investigaron ambos sexos, se muestran resultados significativos en negro y resultados no significativos en gris. (D) Medida del estado social probado. (E) Dirección del efecto observado. Las flechas azules corresponden a una mejor supervivencia con un mayor estatus social o rango; los guiones no corresponden a ninguna relación entre la supervivencia y el estado o rango social, según lo informado según el umbral de significación estadística de los autores. Los datos provienen de las siguientes fuentes: suricata, (79); cabra montés (183); chimpancé, (184); humano, (3); macaco de cola larga, (82); Macaco japonés, (185); macaco rhesus, (81); babuino verde oliva, (186); babuino amarillo (47); chacma babuino, (80); Conejo europeo, (78); marmota alpina, (187).

Redes de asociaciones entre atributos psicológicos

Análisis de red de asociaciones entre atributos psicológicos

Center for Network Science
Investigación y análisis por Srebrenka Letina, Visualización de datos por Tamer Khraisha

La visualización interactiva de Tamer Khraisha está disponible en el blog de Tamer.




La personalidad es un sistema complejo, que a menudo es descrito por psicólogos usando diferentes constructos como rasgos, motivaciones, emociones, actitudes, creencias, habilidades, etc. Sin embargo, el sistema de personalidad no es solo la acumulación de esos constructos, tiene organización y proceso, muestra patrones, y se coloca en otros sistemas: cuerpo físico y entorno social.

En este proyecto, nuestro objetivo fue explorar la naturaleza de las asociaciones entre diferentes atributos de personalidad utilizando un enfoque de red. A diferencia del enfoque tradicional utilizado en psicología, es decir, el modelo de variables latentes, según el cual los rasgos se agrupan debido al origen compartido, en el enfoque de red los rasgos se agrupan debido a la influencia que tienen entre sí. La mayoría de los estudios realizados hasta ahora han examinado las redes de facetas dentro de ciertos conceptos psicológicos (por ejemplo, actitudes, síntomas psicopatológicos de un trastorno particular, inteligencia).

Utilizamos los datos recopilados en My Personality Project (Kosinski & Stillwell, 2007-2012) sobre los puntajes individuales en muchos cuestionarios psicológicos diferentes para construir la red de 25 rasgos. El tamaño total de la muestra fue de más de un millón de personas, de más de 200 países diferentes.

Los atributos psicológicos en nuestra red pertenecen a diferentes tipos de construcciones psicológicas:

1. Amplios rasgos de personalidad: Cinco grandes rasgos - Amabilidad, Estabilidad emocional (Neuroticismo invertido), Conciencia, Extroversión y Apertura, Satisfacción con la vida;
2. Rasgos de personalidad estrechos: empatía, imparcialidad, auto-revelación, autocontrol, conocimiento de síntomas físicos y sensaciones, depresión (invertida) y conciencia corporal: cuerpo privado, cuerpo público y competencia corporal;
3. Intereses: Recreación Intelectual, Militarismo (revertido), Violento-Ocultamiento (revertido), y Actividades Saludables; y
4. Valores: seis de diez valores de Shwartz: Logro, Poder, Hedonismo, Autodirección, Tradición y Universalismo. Para obtener más detalles sobre las construcciones y medidas utilizadas, consulte la visualización interactiva.

Nuestro interés de investigación consistió principalmente en estudiar las asociaciones entre diferentes constructos psicológicos y, por lo tanto, esperábamos bajos coeficientes de correlación, dado que la mayoría de esos constructos se construyen para ser más o menos independientes. El tamaño de la muestra en el que se estima la menor correlación por parejas fue 1879, mientras que el tamaño medio de la muestra fue 4319. La red de correlación constaba de 255 enlaces, es decir, 255 correlaciones significativas después de la transformación apropiada de distribuciones sesgadas y pruebas de permutación basadas en N = 10 000. El procedimiento que usamos para construir la red final se llama (G) técnica de Lazo (paquete R qgraph de Epskamp et al., 2012), descrito en detalle en Friedman et al. (2008), Epskamp & Fried (2017), Epskamp et al. (en prensa). Esta técnica dio como resultado una red más escasa, al establecer algunos de los parámetros (ponderaciones de enlace) a cero, al tiempo que restringía la magnitud de otros parámetros. El parámetro de ajuste lambda se estableció en 0.25 y el tamaño de muestra se estableció para reflejar la muestra más pareja por pares, lo que da como resultado una red de 229 enlaces. Para obtener más información acerca de los pesos de los enlaces, consulte la visualización interactiva. El grado promedio en esta red fue de 18. 32, y la transitividad fue de 0.79, con un pequeño índice mundial de 1.181.

Además, llevamos a cabo un análisis de centralidad de los nodos en la red, que dio como resultado información útil sobre el efecto sistémico que un atributo puede tener en los otros nodos. La figura 1 muestra los resultados, con tres medidas de centralidad estandarizadas (grado, cercanía y entrecruzamiento). La estabilidad emocional (Neuroticismo invertido) parece ser el rasgo más central en esta red, lo que implica que el cambio en este atributo (debido al estrés o la terapia, por ejemplo) daría lugar a los mayores cambios en la red. Al mismo tiempo, puede sugerir por qué este atributo podría ser difícil de cambiar, ya que es el más conectado con otras partes del sistema de personalidad. La depresión (invertida) y la Conciencia parecen estar entre la mayoría de los nodos periféricos, lo que implica que el cambio en esos atributos no daría lugar a cambios sustanciales en los otros rasgos. Sin embargo, se deben tener en cuenta tres cuestiones al interpretar estos hallazgos. En primer lugar, es el uso de datos transversales, basados ​​en asociaciones interpersonales, para llegar a algunas conclusiones sobre lo que puede suceder dentro de una persona (asociaciones intrapersonales). Esto significa que debemos ser cautos al hacer afirmaciones fuertes, y debemos tratarlo más como una forma de generar nuevas hipótesis que podrían ser probadas con datos longitudinales.

Figura 1. Análisis de centralidad de 25 nodos en red de (g)lazo

En segundo lugar, debe tenerse en cuenta que no controlamos por el hecho de que se esperaba que algunos de los nodos estuvieran más conectados con otros dentro de su grupo (por ejemplo, valores). Por último, en este momento estamos mostrando la red en base a todos los datos disponibles, sin controlar las posibles diferencias en los patrones de conexión que podrían deberse al género, edad, etc. En conclusión, en la red de diferentes tipos de rasgos no altamente relacionados, La estabilidad emocional es el rasgo más central. Creemos que este enfoque se puede utilizar de forma fructífera en combinación con otros tipos de datos, y proporciona riqueza y flexibilidad para explicar la compleja estructura de la personalidad (ver Mottus & Allerhand, 2017).

REFERENCIAS:

Epskamp, S., Cramer, A.O.J., Waldorp, L.J., Schmittmann, V.D., Borsboom, D. (2012). qgraph: Network visualizations of relationships in psychometric data. Journal of Statistical Software, 48, 1-18.

Epskamp, S., Maris, G.J.K.,  Waldorp, L.J., Borsboom, D. (2016). Network psychometrics. In Irwing, P., Hughes, D., and Booth, T. (2016). Handbook of Psychometrics. New York: Wiley.

Epskamp, S., Borsboom, D., Fried, E.I. (2017). Estimating psychological networks and their accuracy: a tutorial paper. Behavior Research Methods. https://doi.org/10.3758/s13428-017-0862-1

Epskamp, S., Fried, E. (in press) A Tutorial on Regularized Partial Correlation Networks. Submitted for publication to journal Psychological Methods.

Friedman, J., Hastie, T., Tibshirani, R. (2008). Sparse inverse covariance estimation with the graphical lasso. Biostatistics, 9, 432-441.

Mõttus, R., & Allerhand, M. (2017). Why do traits come together? The underlying trait and network approaches. In V. Zeigler-Hill & T. K. Shackelford (Eds), SAGE handbook of personality and individual differences: Volume 1. The science of personality and individual differences. London: SAGE.

Dinámica y construcción de grupos de colaboración en Wikipedia

Minería del grafo de Wikipedia: La estructura dinámica de la memoria colectiva

De Volodymyr Miz


Este es el blog que acompaña a nuestro próximo trabajo de investigación (pronto en arXiv); Trabajo conjunto con Kirell Benzi, Benjamin Ricaud y Pierre Vandergheynst (EPFL, LTS2). Aquí, nos centramos en los resultados, omitiendo los detalles del algoritmo y la implementación.

Introducción

Wikipedia es una gran fuente de análisis de datos debido a su destacada escala y la estructura del grafo. Decenas de millones de visitantes lo navegan a diario, dejando su huella en la Web. La combinación de la estructura del grafo de Wikipedia y la actividad del visitante en las páginas nos da el grafo dinámico - el grafo con señales de la serie de tiempo en los nodos. La naturaleza dinámica del grafo hace que el problema de análisis a gran escala sea bastante complicado.

En el artículo original analizamos el grafo de Wikipedia. El objetivo es detectar eventos y recuerdos colectivos utilizando la actividad de los visitantes de Wikipedia. Utilizamos un enfoque basado en grafos para construir nuestro modelo. El modelo computacional se inspira en la plasticidad sináptica y en la teoría de Hebbian.

No es sorprendente que no pudiéramos incluir todos los resultados en el trabajo. Aparte de eso, PDF es un formato bastante pobre para comunicar los hallazgos de la investigación. El objetivo de este post es mostrar los resultados de manera interactiva. Al leer el artículo y esta publicación, le recomendamos que abra los grafos, que aparezcan en todas partes en esta publicación y que juegue con ellos: haga clic con el botón de zoom, haga clic, mueva, busque y seleccione. Esta es de lejos la forma más divertida de sumergirnos en los principales resultados de nuestro trabajo.

Los grafos son interactivos

1. Haga clic en cualquier grafo de este post para abrirlo en una nueva ventana.
2. Haga zoom, haga clic en los nodos, busque las páginas por nombre, resalte los grupos por color.
• Al hacer clic en un nodo, se seleccionan todos los vecinos.
• Cuando selecciona un clúster, selecciona todos los nodos de este clúster.
• La lista de nodos seleccionados aparece a la derecha.

Funciona mejor en la última versión de Chrome. NO intente abrir los grafos en un smartphone. Los grafos son demasiado grandes y puede tardar una eternidad en renderizarlos.

Conjunto de datos

Los conjuntos de datos originales están disponibles públicamente en el sitio web de Wikimedia. Tomamos los volcados SQL de los artículos de Wikipedia en inglés para crear el grafo. La actividad visitante es el número de visitas por página por hora. Consideramos el período de 02:00, 23 de septiembre de 2014 hasta las 23:00, 30 de abril de 2015. Los detalles de pre-procesamiento se describen en nuestro artículo en la sección Dataset.

Dinámica de la red Wikipedia

7 meses de dinámica Wikipedia graph

En el trabajo se supone que la dinámica del grafo puede afectar su estructura. Aplicamos la regla de actualización, basada en la señal en los nodos, para observar este efecto. Aquí mostramos que el grafo de Wikipedia puede auto-organizarse en los conjuntos de comunidades significativas de los nodos, si tenemos en cuenta la dinámica de actividad de los visitantes de la gráfica. Haga clic en el grafo de la derecha y explore el resultado por sí mismo.

Este grafo es el resultado de la dinámica de 7 meses de actividad de los visitantes en Wikipedia. Aquí puede encontrar los principales eventos que se han llevado a cabo durante el período considerado. Los eventos estables o programados, como torneos, ceremonias de premios, concursos y festividades más populares forman grandes grupos. Los eventos inestables o inesperados, como incidentes y accidentes, se agrupan en pequeños grupos. A pesar de que, este grafo proporciona un buen resumen de los patrones dinámicos, sólo podemos ver el resultado final. Lo que es más importante, es obtener información sobre la dinámica del grafo en el tiempo. ¿Cómo emergen los agrupamientos, evolucionan y desaparecen? Para responder a esta pregunta, elegimos un evento en particular y observamos su dinámica en detalles.

Dinámica de un evento: campeonato de la NFL

Con el fin de comprender la dinámica de la evolución del grafo, elegimos uno de los eventos más populares, destacado en la Wikipedia en inglés - el campeonato de la NFL. Consideramos la temporada 2014-2015. La parcela está a la derecha (haga clic para ampliar). Para la interpretabilidad de la trama extraímos 30 equipos de la NFL de 485 páginas en el grupo original. La línea de tiempo muestra la actividad general del grupo durante el período de 7 meses. La línea de tiempo de la dinámica del grafo y la evolución del cluster NFL se ilustra en la fila superior. Refleja el interés de los fanáticos de la NFL en el campeonato. El grupo es pequeño y escaso al principio del campeonato y se vuelve más denso y más grande, acercándose a la fecha final del juego. El comportamiento de los visitantes de Wikipedia durante el día del juego final Super Bowl es excepcional. La actividad de los aficionados de la NFL es mucho mayor, en comparación con la actividad de otros usuarios de Wikipedia. Hace una analogía con la vida real, cuando durante las finales los fans se convierten en la gente más activa en las calles.



El campeonato de la NFL es sólo un ejemplo de un evento detectado y su evolución. Puede explorar los grafos de la actividad mensual y consultar otros clústeres de eventos detectados. El número total de eventos detectados es 172. Haga clic en los grafos siguientes para abrir una versión interactiva y explorar por sí mismo.

      Octubre       Noviembre      Diciembre         Enero               Febrero           Marzo           Abril

El clúster NFL es un buen ejemplo de un evento estable, representado como uno de los clusters más grandes en el grafo resultante. ¿Qué pasa con los eventos no programados, como ataques y otros accidentes?

Memoria colectiva

Los eventos traumáticos, como ataques terroristas, accidentes aéreos, guerras y conflictos, a menudo nos recuerdan el pasado. Estos recuerdos son a menudo comunes para un grupo de personas en una comunidad social. Esa es la razón por la que se llaman recuerdos colectivos. Nuestro enfoque permite detectar estos recuerdos y sirve como un modelo general para la emergencia de la memoria colectiva. Proporcionamos los ejemplos de 3 eventos, detectados entre los demás.

Ejemplos de memorias colectivas se presentan en la siguiente tabla. Para mostrar los detalles de las memorias colectivas detectadas, seleccionamos 3 eventos particulares entre los otros detectados: Ferguson disturbio (segunda ola - 24 de noviembre de 2014), Charlie Hebdo ataque (07 de enero 2015), vuelo de Germanwings 9525 accidente de avión (24 de marzo , 2015). La fila superior contiene los grupos extraídos de memorias colectivas para cada uno de los eventos discutidos. La fila inferior muestra la actividad detallada de cada página en los clústeres.

Disturbios en Ferguson		Ataque a Charlie Hebdo		Caída del Germanwings 9525

Vemos que los eventos centrales desencadenan recuerdos relevantes. Los disturbios de Ferguson nos recuerdan otros disturbios, disparos de gente inocente, e incluso nos lleva de regreso a la esclavitud en los Estados Unidos. Charlie Hebdo tiroteo tiene vínculos con otros ataques terroristas, derramamiento de sangre, y las agencias de aplicación de la ley. El accidente de Germanwings está rodeado por el denso grupo de los otros accidentes aéreos, lo que indica que los accidentes de vuelo están completamente estructurados en Wikipedia.

Aunque, podemos ver un poco de ruido en los racimos. El ruido es relevante para los temas principales de los conglomerados y no afecta la formación del conglomerado. Normalmente, la fuente principal del ruido es un nodo, que es relevante para varios grupos de eventos. Por ejemplo, el grupo de disturbios de Ferguson contiene el grupo nodo anónimo. Este nodo enlaza otro gran grupo de empresas líderes en tecnología y comercio electrónico. En este caso, el primer aumento constante de la actividad es causado por la página de compras en línea, ya que el día más rentable para las tiendas en línea se detectó el 11/11/2014. Otro ejemplo del ruido está en el racimo de Germanwings. La causa principal del ruido es la página del día - 24 de marzo - que contiene la mayoría de los acontecimientos históricos notables.

A pesar de que el ruido es causado por páginas bastante populares, el algoritmo sigue siendo capaz de localizar los eventos más pequeños y crear clusters relevantes. Para detectar eventos más pequeños, como los presentados en los ejemplos, se utilizó una ventana de tiempo menor de una semana. Los pequeños eventos aún se pueden encontrar en los grafos dinámicos mensuales, presentados en la sección anterior de la tabla de línea de tiempo. Revise los grafos y busque los eventos de su interés.

Conclusiones

Wikipedia puede decirnos más de lo que está escrito en sus páginas. Es una gran fuente de datos para la investigación colectiva del comportamiento humano. Sin embargo, la naturaleza dinámica de los datos estructurados por grafos genera nuevos retos para la ciencia de los datos y el aprendizaje automático. En el artículo propusimos un nuevo método para la detección de patrones en grafos dinámicos a gran escala. Aplicamos el método a los conjuntos de datos de Wikipedia. Hemos logrado detectar patrones dinámicos en términos de eventos y recuerdos colectivos en Wikipedia usando la combinación del grafo de hipervínculos y la actividad de los visitantes en el sitio web. El siguiente paso es mejorar la parte de filtrado del algoritmo para disminuir la cantidad de ruido, descrita en la sección de memoria colectiva de este post.

Herramientas y código

Hacemos todos los experimentos utilizando Apache Spark GraphX. El código está escrito en Scala y disponible en GitHub. El pre-procesamiento de datos se puede hacer usando el código Python, disponible en otro repositorio de GitHub.

Expresiones de gratitud

Me gustaría dar las gracias a Michaël Defferrard por fructíferas discusiones y sugerencias útiles.

Vecindario y felicidad en un estudio de Londres

Lo que su personalidad tiene que ver con su vecindario
Los extrovertidos son más propensos a ser atraídos por el centro de una ciudad, por ejemplo.

Richard Florida - CityLab




Es una verdad sociológica muy gastado que los barrios en los que vivimos pueden tener un efecto poderoso en nuestras vidas. Pero, ¿cómo nuestros barrios afectan a nuestra felicidad y bienestar en general? Y ¿qué podrían reflexionar sobre nuestra personalidad subyacentes?

Un nuevo estudio publicado en la prestigiosa revista de la Academia Nacional de Ciencias (PNAS) por un grupo internacional de psicólogos, incluyendo Markus Jokela, Samuel Gosling y Peter J. Rentfrow, toma una mirada detallada en la intersección de la personalidad y la felicidad en Londres. Mientras que un número creciente de estudios trazan la felicidad de las ciudades y áreas metropolitanas, y unos pocos han considerado la agrupación geográfica y la concentración de los rasgos de personalidad, no ha habido mucha investigación sobre la agrupación de los tipos de personalidad dentro de las ciudades y los efectos de la ubicación de barrio en felicidad.

El estudio explora la agrupación barrio de los cinco rasgos de personalidad básicos definidos por el modelo de cinco factores clásicos: apertura a la experiencia, extraversión, amabilidad, responsabilidad y estabilidad emocional (o la falta de neuroticismo). Luego, los investigadores examinaron la agrupación de estos rasgos de personalidad y sus efectos sobre la felicidad de los individuos sobre la base de una encuesta en línea de unas 56.000 personas en el área metropolitana de Londres. Definen barrios por distritos postales, de los cuales hay 219 en Londres.

Ha habido mucho menos investigación sobre la agrupación de tipos de personalidad dentro de las ciudades y los efectos de la ubicación de barrio sobre la felicidad.

Los mapas, a partir del estudio, muestran la agrupación de los cinco tipos de personalidad a través del metro de Londres. El sexto mapa, en la parte inferior derecha, muestra la concentración de los barrios de la felicidad o la satisfacción con la vida. El color rojo indica altas concentraciones de un determinado rasgo de la personalidad o de satisfacción, mientras que el azul indica un clúster sin ese rasgo.


(Jokela et al.)

El rasgo de personalidad más agrupado los investigadores encontraron fue "apertura a la experiencia" (mapa abajo a la izquierda), que se concentra en el centro de Londres. La apertura a la experiencia, de acuerdo a un amplio conjunto de estudios psicológicos, se asocia con la creatividad, la innovación y el espíritu empresarial. Este tipo se concentra en los barrios de mayor densidad, con precios de la vivienda más altos, más diversidad étnica y religiosa y las tasas de criminalidad más altas. Mientras tanto, las concentraciones de color azul en la periferia indican que hay menos gente abierta a la experiencia en los suburbios de metro de Londres.

Los tipos extrovertidos también se arraciman cerca del centro de la ciudad (mapa arriba a la izquierda), aunque no en los niveles de concentración observados para la apertura a la experiencia. Desde extrovertidos quieren conectarse con otras personas, es lógico que se sienten atraídos más densos barrios con mayor concentración de lugares como restaurantes y bares de reuniones. Hay una ausencia de los extrovertidos en las afueras de la ciudad. Dos tipos-agradabilidad (centro izquierda) y la conciencia (centro derecha) -son concentran en áreas suburbanas periféricas.

El último mapa deja observar la satisfacción con la vida. Como era de esperar, el mapa de las pistas más o menos la distribución de la riqueza en todo el metro de Londres, con los residentes más felices en general, agrupados en los barrios más acomodados y los que tienen niveles más bajos de satisfacción con la vida se concentra en las zonas de mayor pobreza y los que tienen una mayor concentración de minorías étnicas . El estudio revela que las características del vecindario representaron dos tercios de la varianza en la felicidad a través de los barrios, lo que indica, según escriben los investigadores, "un vínculo sustancial entre los factores sociodemográficos y satisfacción con la vida media de los barrios".

Vivir en barrios densamente habitados y étnicamente diversos llevan a tipos "abiertos a experimentar" a ser más felices con sus vidas.

La segunda parte del estudio se examinó cómo la relación entre rasgos de personalidad y la felicidad varía según los barrios. Tres principales conclusiones destacan aquí. Uno, el estudio encontró la felicidad que se asocia más estrechamente con la estabilidad emocional y extraversión. Sin embargo, la ubicación barrio jugó poco, si alguno, papel en esta conexión.

Dos, sólo había una débil asociación entre la felicidad y la apertura a la experiencia. Pero esta relación ha cambiado de acuerdo a las características del vecindario. Vivir en barrios densamente habitados y étnicamente diversos llevan a tipos "abiertos a experimentar" a ser más felices con sus vidas. De hecho, el estudio sugiere que quienes son de alta apertura se mudan a barrios llenos de otras personas con alto grado de apertura "porque estas áreas les proporcionan más felicidad."

Por último, el trabajo encuentra que la alta amabilidad y esmero eran fuertes predictores de felicidad en zonas con niveles medios más bajos de satisfacción con la vida. Los investigadores sugieren que esto significa que la afabilidad y la conciencia son más importantes en la determinación de la felicidad en las circunstancias ambientales menos agradables.

No son sólo las fuerzas sociales y económicas que dan forma a nuestros vecindarios. Son las fuerzas psicológicas, también.

En general, las principales conclusiones del estudio nos ayudan a entender mejor las dimensiones psicológicas de las ciudades y suburbios. Los centros urbanos no sólo atraen a las personas más jóvenes y los tipos más creativos, pero hacen más felices a los que drogarse en nuevas experiencias y que son lo suficientemente extrovertido para tomar ventaja de la densidad y las comodidades que el centro de la ciudad puede ofrecer. Los habitantes de los suburbios más satisfechos son más propensos a ser los tipos de personalidad agradables o de conciencia.

La gran comida para llevar: No son sólo las fuerzas sociales y económicas que dan forma a nuestros vecindarios. Es los psicológicos, también.

Como interacciona la gente en redes de afiliación en evolución

PHYSICAL REVIEW X 2, 031014 (2012)