群体构成通过影响行为产生方式，进而影响扩散动态

《Animal Behaviour》：Group composition influences diffusion dynamics via impacts on behavioural production

本研究探讨社会背景如何影响社会学习及新行为扩散，开发多网络模型分析高阶社会互动（如群体结构）对行为传播的影响，发现仅考虑二阶关系会低估扩散结果，需采用更高阶网络工具。

　　

马修·J·哈森贾格（Matthew J. Hasenjager）| 马克·M·贝利（Mark M. Bailey）| 尼娜·H·费弗曼（Nina H. Fefferman）

美国田纳西大学诺克斯维尔分校生态与进化生物学系

在群居物种中，社会环境在塑造新行为传播动态方面起着关键作用。为了实现社会学习，一个知道如何执行某种行为的个体首先必须决定是否执行该行为，而这一决定同样可能受到社会环境的影响。例如，社会地位较高的个体的存在往往会抑制那些希望避免因资源争夺而发生冲突的知情从属个体的行为表现。这凸显了评估行为和社会创新传播的标准方法中的一个重要潜在缺陷：即“知道”与“行动”之间的区别。我们开发了一个多网络模型来研究社会学习与基于社会信息的决策（是否执行新行为）之间的相互作用。特别是，我们探讨了当后者受到超越二元关系的社会动态调节时（即考虑群体结构和组成时），传播结果可能会如何受到影响（即高阶效应）。我们证明了，当基于社会信息的决策对群体组成的差异非常敏感时，传播结果可能会发生巨大变化，这取决于模型是仅限于二元信息，还是允许多向互动或群体层面的社会影响。将这些因素纳入传播动态的研究需要更高阶的网络工具，这些工具能够捕捉社会环境的异质性，从而也为开发更适合研究动物种群中高阶社会动态的方法提供了有力的例证和依据。

部分摘录

模型概述

该模型模拟了一种有益创新在个体群体中的社会传播过程。首先，模型生成了一个二元网络，其中节点代表个体，边代表假设的社会传播路径。根据模型版本的不同，还会生成一个超网络，其中超边代表由两个或多个个体组成的社会群体；群体成员在二元层中不一定相互连接。

结果

表2展示了为每个模拟群体生成的二元网络和超网络的统计摘要。随着用于定义超边成员资格的距离阈值$r$的增加，超边的数量和大小以及个体所属的超边数量也随之增加。在中间距离阈值（$r=0.25$）时，超边的平均大小（均值 ± 标准差 = 7.68 ± 0.72 个节点）与二元网络中的平均度数（均值 ± 标准差 = 6.22 ± 0.72 个节点）相当。

讨论

社会环境通过影响个体接触知识渊博的示范者的机会来塑造社会学习和创新的传播，同时也影响示范者是否展示所学创新的决策。这些社会环境通常涉及多向互动或来自个体紧密联系网络之外的行为者的间接影响（Bonnie & Earley, 2007; Greening et al., 2015; Iacopini et al., 2024; van Boekholt）。

作者贡献

马修·J·哈森贾格：撰写 – 审稿与编辑、初稿撰写、可视化、软件开发、方法论设计、资金筹集、正式分析、概念构思。马克·M·贝利：撰写 – 审稿与编辑、项目监督、项目管理。尼娜·H·费弗曼：撰写 – 审稿与编辑、项目监督、资源协调、项目管理、方法论设计、资金筹集、概念构思。

数据可用性

本研究未生成任何数据。实现模拟的代码可在https://github.com/feffermanlab/MJH_2025_SocialLearningAndHypernetworksModel获取。

利益冲突声明

无。

致谢

我们感谢本期特刊的组织者邀请我们参加2024年动物行为学会会议上的多层网络研讨会，这最初激发了本稿的撰写灵感。我们还要感谢两位匿名审稿人的宝贵意见，他们的反馈极大地提升了本文的质量。本研究得到了田纳西大学诺克斯维尔分校智能社区博士后研究奖学金计划的支持，该计划由Oak Ridge科学研究所管理。