Modelagem de dinâmicas sociais interagentes em redes complexas (2023)
- Authors:
- Autor USP: PINEDA, ARUANE MELLO - ICMC
- Unidade: ICMC
- Sigla do Departamento: SME
- DOI: 10.11606/T.55.2023.tde-09012024-122031
- Subjects: APRENDIZADO COMPUTACIONAL; DIFUSÃO DA INFORMAÇÃO; POLARIZAÇÃO; REDES COMPLEXAS
- Keywords: Agent-based modeling; Axelrod model; Complex systems; Machine learning; Modelagem baseada em agentes; Modelo de Axelrod; Modelo de rumor; Polarization; Q-votantes; Q-voter; Rumor model; Sistemas complexos; Sistemas sociais; Social systems
- Agências de fomento:
- Language: Português
- Abstract: Nesta tese, investigamos dinâmicas sociais complexas e sua relação com a difusão de informações e a polarização. No primeiro estudo, aplicamos algoritmos de aprendizado de máquina para prever o tempo de consenso (Yi) e a frequência de mudanças de opinião (Ci) em redes complexas utilizando o modelo Q-votantes. Identificamos que o coeficiente de agrupamento (C) e a centralidade da informação (IC) são medidas topológicas cruciais para essas previsões, destacando a importância da estrutura da rede na dinâmica de polarização e outros padrões em sistemas sociais. No segundo estudo, exploramos como a heterogeneidade cultural afeta a propagação de rumores em sociedades de agentes interativos. Descobrimos que a heterogeneidade cultural pode limitar a difusão de informações em sociedades maiores, resultando em uma limitação natural na propagação de notícias verdadeiras ou falsas. Em ambos os estudos, a compreensão da complexa interação entre a estrutura da rede e a dinâmica social é fundamental, revelando como a heterogeneidade cultural e a topologia da rede desempenham papéis críticos na disseminação de informações e na formação de opiniões. Essas pesquisas contribuem para uma compreensão mais profunda dos mecanismos subjacentes à polarização e à dinâmica em sociedades contemporâneas. É relevante salientar que, nesta tese, em consequência dos nossos resultados, que foram relacionados à teoria de Everett Rogers sobre inovações, os vocábulos inovações, informações, rumores e boatos sãoutilizados como sinônimos.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2023
- Data da defesa: 04.12.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
PINEDA, Aruane Mello. Modelagem de dinâmicas sociais interagentes em redes complexas. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-09012024-122031/. Acesso em: 02 out. 2024. -
APA
Pineda, A. M. (2023). Modelagem de dinâmicas sociais interagentes em redes complexas (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-09012024-122031/ -
NLM
Pineda AM. Modelagem de dinâmicas sociais interagentes em redes complexas [Internet]. 2023 ;[citado 2024 out. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-09012024-122031/ -
Vancouver
Pineda AM. Modelagem de dinâmicas sociais interagentes em redes complexas [Internet]. 2023 ;[citado 2024 out. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-09012024-122031/ - Complex networks to differentiate elderly and young people
- Machine learning-based prediction of Q-voter model in complex networks
- Cultural heterogeneity constrains diffusion of innovations
- Controversies and clinical applications of non-invasive transspinal magnetic stimulation: a critical review and exploratory trial in hereditary spastic paraplegia
- Analysis of functional connectivity using machine learning and deep learning in different data modalities from individuals with schizophrenia
- Analysis of quantile graphs in EGC data from elderly and young individuals using machine learning and deep learning
- EEG functional connectivity and deep learning for automatic diagnosis of brain disorders: Alzheimer's disease and schizophrenia
- Diagnosis of autism spectrum disorder based on functional brain networks and machine learning
- Application of machine learning and complex network measures to an EEG dataset from ayahuasca experiments
Informações sobre o DOI: 10.11606/T.55.2023.tde-09012024-122031 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas