Sei sulla pagina 1di 24

CAP.

1
RETI OVUNQUE
Le reti sono presenti nella vita quotidiana di molte persone. Ogni giorno controlliamo la posta elettronica, il
telefono, prendiamo mezzi di trasporto aerei etc. consapevoli del fatto che in tutti questi casi stiamo
utilizzando le reti e le loro proprietà.
Le reti sono presenti anche in fenomeni di scala globale. Le crisi finanziarie generano effetti a catena nelle
reti di connessione fra banche e imprese. Pandemie, quali influenza aviaria, febbre suina etc. si trasmettono
di paese in paese passando da aeroporti.
In tutte queste situazioni abbiamo a che fare con un grande insieme di elementi diversi (individui, aziende,
aeroporti, specie biologiche, centrali elettriche) che sono collegati tramite uno schema disordinato di
interazioni di tipo differente. In altre parole, questi sistemi hanno tutti una struttura di rete sottostante. A
volte questa struttura nascosta è la chiave per comprendere il sistema.

SISTEMI COMPLESSI FENOMENI EMERGENTI


Fenomeni emergenti -> intendiamo un comportamento collettivo delle parti di un sistema che non puo’
essere previsto considerando solamente i singoli elementi che lo costituiscono. Di solito i sistemi che
mostrano questo tipo di comportamenti sono chiamati SISTEMI COMPLESSI.
Le reti permettendo di visualizzare le interazioni sono la chiave per comprendere molti di questi fenomeni.
Immaginiamo due squadre di calcio che ottengono risultati diversi anche se i loro giocatori hanno capacità
simili: probabilmente la differenza deriva dalla diversa maniera di interagire in campo. Allo stesso modo un
giocatore puo’ essere un campione nella propria squadra e giocare male in nazionale, a causa delle diverse
interazioni che ha con gli altri giocatori nei due gruppi.
La prestazione di una squadra è quindi una sorta di fenomeno emergente che dipende non solo dalla
qualità del singolo giocatore ma anche dalla rete delle interazioni tra loro. Molti fenomeni emergenti
dipendono essenzialmente dalla struttura di rete sottostante.

I GRAFI
IL GRAFO -> semplice architettura formata da nodi collegati da legami ( link) .
Questo approccio è stato originariamente sviluppato in matematica da Leonard Euler ( Eulero in italiano
1707-1783) si è poi diffuso in altre discipline quali fisica, statistica ingegneria, biologia etc..
Eulero scrisse un saggio ( 30 anni prima della sua morte) su un curioso problema sorto a Konisberg, una
cittadina non molto lontana da San Pietroburgo; l’economia fiorente permise la costruzione di ben 7 ponti
sul fiume, quasi tutti connettevano l’elegante isolotto Kneiphof chiuso tra due rami di fiume.
Gli abitanti di Konisberg si divertivano con un rompicapo “ è possibile compiere una passeggiata lungo i
sette ponti di Konisberg senza mai attraversare lo stesso due volte ?”. Nessuno fu in grado di trovare una
soluzione finchè nel ’75 non fu costruito un altro ponte.
Circa 150 anni prima della costruzione del nuovo ponte, Eulero offrì una dimostrazione matematica
dell’inesistenza di un simile percorso, non svelò il mistero ma senza saperlo aprì una nuova branca
matematica conosciuta come TH. DEI GRAFI ( utilizzata come base pe la concezione delle reti )
La grande intuizione di Euleri fu quella di concepire i nodi come un grafo.
Utilizzo i nodi per rappresentare le 4 regioni di terra separate dal fiume (< A B C D >), considerò i ponti
come link e unì con dei segmenti di retta le regioni di terraferma collegate da un ponte. Ottenne così un
grafo dove i nodi erano le regioni di terra e i link i ponti.

DIMENSIONE DEL GRAFO = (N VERTICE X N VERTICI -1)/2 = N.Edeges

Una rete è un grafo quindi un insieme di nodi connessi da link.


L’approccio delle reti concentra tutta l’attenzione sulla struttura globale delle interazioni all’interno di un
sistema. Le proprietà dettagliate di ciascun elemento vengono semplicemente ignorate. Di conseguenza,
sistemi diversi come una rete di pc, un eco-sistema o un gruppo sociale sono tutti descritti dallo stesso
strumento: il grafo.
Per rappresentare sistemi così diversi con lo stesso strumento dobbiamo necessariamente applicare un alto
livello di astrazione. La perdita di dettagli che implica questa operazione permette di scorgere forme di
universalità, ovvero una maniera di pensare sistemi differenti come se fossero realizzazioni diverse della
stessa struttura tecnica.
Rappresentare quindi un sistema come un grafo ci permette di riconoscere macrostrutture che
comprendono elementi apparentemente non correlati.

I PROCESSI AUTO-ORGANIZZATI
L’approccio delle reti chiarisce anche un'altra importante proprietà: il fatto che certi sistemi che crescono
senza controllo esterno sono tuttavia capaci di sviluppare spontaneamente un ordine intero.
Gruppi sociali mode si originano da un’immensa varietà di condizionamenti e motivazioni differenti,
mostrando tuttavia strutture sorprendentemente chiare e definite.
Internet e il WWW sono esplosi senza la presenza di autorità pianificatrici e sono stati promossi da
un’enorme varietà di agenti non correlati: ciò nonostante, normalmente funzionano in modo coerente ed
efficiente. .
Tutti questi sono processi auto-organizzati-> fenomeni in cui l’ordine e l’organizzazione non sono il risultato
dell’intervento esterno o di una progettazione globale, ma il prodotto di meccanismi e tendenze locali
iterate per migliaia di interazioni.
I modelli di rete sono capaci di descrivere in maniera chiara e naturale come l’autorganizzazione si origina
in molti sistemi.
Allo stesso modo ci permettono di comprende meglio i processi dinamici quali rapida diffusione di virus
informatici e non solo.
Nello studio di sistemi complessi, emergenti auto-organizzati ( la scienza della complessità ) le reti stanno
diventando le reti stanno diventando sempre più importanti come strumento matematico universale,
specialmente quando si ha a che fare con grandi quantità di dati . Questi dati vengono per esempio da
motori di ricerca, social network, GPS etc. In tutti questi casi le reti sono strumenti cruciali per ordinare e
organizzare i dati stabilendo collegamenti fra individui, persone prodotti etc..

CAP.2
ATTRAVERSO I PONTI EULERO
Mostrando la città a forma di rete Eulero riuscì a dimostrare che il cammino non solo era difficile ma anche
impossibile . ( vedi cap. 1 i GRAFI )
Osservazioni : i nodi con un numero dispari di link dovevano trovarsi all’inizio e alla fine del cammino; un
percorso continuo che attraversi tutti i ponti può avere soltanto un punto di partenza e uno di arrivo.
Di conseguenza su un grafo che abbia più di due nodi con un numero dispari di link un percorso simile non
può esistere e, avendo il grafo di Konisberg 4 nodi, la passeggiata era impossibile.
L’aspetto più importante di questa dimostrazione è che l’esistenza del percorso non dipende dalla nostra
capacità di trovarlo, ma dalla proprietà del grafo.
Il messaggio è che nella loro architettura i grafi e le reti nascondono proprietà che possono limitare o
favorire ciò che possiamo fare con loro.
Per oltre due secoli la struttura del grafo ha impedito ai cittadini di risolvere il rompicapo, ma è bastata una
modifica, l’aggiunta di un solo link ( di un ponte ) per rimuovere l’ostacolo.
Dopo Eulero molti scienziati hanno applicato le proprietà delle reti a classi di fenomeni.
Un applicazione famosa è il problema dei colori nelle cartine geografiche . La prima prova del teorema dei 4
colori è stata presentata solo nel 1976 ( se sei interessato/a vedi pag 23)

JACOB MORENO E L’ANALISI DELLE RETI SOCIALI


Nell’autunno 1932, in sole due settimane, quattordici ragazze fuggirono dalla Hundson School, una scuola
femminile nello stato di New York. Si trattava di un numero di fughe decisamente superiore a quanto
abitualmente accadeva nella scuola. Lo psichiatra Jacob Moreno propose allora una spiegazione: spiegò che
la fuga fosse stata provocata dalla posizione delle ragazze nella rete sociale delle alunne.
Moreno realizzò insieme a Helen Jennings una mappa dei legami sociali tra le studentesse, utilizzando la
sociometria, una tecnica per identificare i legami tra le persone.
In questa maniera i due scoprirono che tali legami erano il canale principale attraverso il quale l’idea di
fuggire si era diffusa tra le ragazze. La posizione di ciascuna fuggitiva in questa rete di amicizie era stata
fondamentale per indurla a replicare il comportamento delle altre.
Dopo l’intuizione di Eulero il suo lavoro rappresenta un ulteriore e fondamentale passo in avanti nella
fondazione della scienza delle reti: l’analisi delle reti sociali.

ALTRE APPLICAZIONI DEL CONCETTO DI RETE NELLE SCIENZE SOCIALI


Trent’anni dopo, degli antropologi applicarono un approccio simile alle relazioni di parentela in tribù come
quella del popolo australiano degli Aranda. Le connessioni venivano tracciate tra parenti. I ricercatori
scoprirono che i diagrammi risultanti rispondevano a eleganti strutture matematiche. Questi e altri risultati
suggerivano che chiare strutture sociali o addirittura leggi univresali, potevano emergere dall’apparente
disordine della società umana. Da allora le scienze sociali hanno ampiamente utilizzato il concetto di rete
per rappresentare la struttura sociale.

CONNESSIONI CASUALI
Il terzo momento importante nella fondazione della scienza delle reti giunse con la pubblicazione di Paul
Erdos e Alfred Rényi, dal 1959 al 1961. I due teorici studiarono un modello matematico che rappresentava
una rete dove i vertici vengono connessi tra loro completamente a caso . Questo modello in seguito noto
come rete casuale -> modello molto semplificato : le sue proprietà sono molto differenti da quelle delle reti
reali. Le reti casuali posso essere utilizzate come un termine di paragone, o un caso nullo, per qualunque
rete reale : questo significa che una rete casuale può essere usata per confrontarla con una rete reale di
dimensioni simili e capire che ruolo ha svolto il caso e che ruolo hanno svolto altri fattori nel formare la
seconda. La ricetta più semplice per costruire un grafo causale è la seguente . Consideriamo tutte le
possibili coppie di vertici . Per ogni coppia lanciamo una moneta : se il risukltato è testa, disegnamo un link;
altrimenti si passa alla coppia successiva, fino a quando tutte le coppie sono finite ( il lancio della moneta
significa tracciare un collegamento con una probabilità di p= 1/2 , ma si puo’ usare qualsiasi altro valore p) .
In realtà, la creazione del grafo e la sua analisi non sono fatti con carta e penna, gli scienziati usano
programmi informatici e disegnano la rete sullo schermo del loro computer.
Una comprensione quantitativa del grafo richiede di trattarlo come un oggetto astratto, mediante
strumenti matematici anche i calcolatori possono aiutare molto.
Fin dalla loro introduzione negli anni Sessanta, le retei casuali sono state uno dei modelli matematici di
maggior successo, nonostante la loro scarsa connessione con la realtà. Oggi sono un termine di paragone
per tutte le reti, dal momento che se una rete reale devia dalle caratteristiche previste da questo modello,
ciò suggerisce la presenza in essa di qualche tipo di struttura, ordine, regolarità non-casualità.
Erdos e Renyi ci hanno spiegato che basta un solo link per ogni nodo e si è connessi <<è sufficiente che un
individuo conosca una sola persona affinché sia collegato agli altri >> ( vedi appunti )

RETI PER PESCARE L’INFORMAZIONE


Sulla scia degli attacchi terroristici del 2001 a New York, a Madrid nel 2004, a Londra nel 2005, molti governi
hanno proposto, come misura antiterrorismo, la raccolta e l’archiviazione di dati sul traffico elettronico.
Questa strategia consiste essenzialmente nel registrare telefonate e-mail e altre attività online dei cittadini,
per scopi di sicurezza.
Come le forze di polizia ben sanno, basta la semplice mappa di chi è collegato con chi per disporre di un
potente strumento di monitoraggio delle attività delle persone.
Un sistema complesso viene rappresentato come un grafo (un serie di elementi tutti uguali collegati da
interazioni tutte uguali), ignorando i dettagli dei suoi costituenti e la specificità delle loro relazioni. Una
simile procedura può sembrare troppo drastica, ma ci permette di raccogliere più informazioni di quanto
sembrerebbe a prima vista. Una prova dell’efficacia di questo approccio è il sistema per suggerire nuove
amicizie contenuto in molti social network. Metodi simili chiamati supposizioni informate sono anche alla
base dei sistemi che consigliano libri o altri prodotti in negozi online come Amazon.
L’approccio di base alla scienza delle reti può essere applicato ad un’ampia gamma di sistemi. Questo
metodo ignora molte delle caratteristiche specifiche del fenomeno considerato, mantenendo tuttavia
alcune fondamentali. In particolare, non altera le dimensioni del sistema (ovvero il numero dei suoi
elementi) né la struttura delle interazioni (ovvero la disposizione delle connessioni tra gli elementi).

DAGLI INDIVIDUI AI GRUPPI


Quando si studia un sistema dove molti elementi interagiscono fra loro in modo diverso sono possibili due
approcci. Il primo consiste nell’identificare elementi e le loro interazioni, e nello studiare ogni elemento di
per sé. Il comportamento del sistema si deduce quindi come somma dei comportamenti dei singoli
elementi. Esempio: gli ecologi descrivono un ecosistema elencando prede e predatori.
Il secondo consiste nel raggruppare gli elementi in pochi insiemi omogenei. Sociologi e patologi di solito
dividono la società in classi sociali, generi, livelli di istruzione, etnicità e nazioni.
L’approccio delle reti cerca di interagire in questi due punti, le reti cercano di spiegare come un insieme di
elementi si trasformino, attraversi una struttura di interazioni, in gruppi e comunità. Quando la struttura
delle interazioni è rilevante l’approccio delle reti fornisce strumenti essenziali.

GEOGRAFIA VS TOPOLOGIA
La mappa della metropolitana di Londra Henry Beck è fondamentalmente un grafo. La sua soluzione al
problema della metropolitana sfrutta una caratteristica fondamentale dell’approccio delle reti : nelle reti la
topologia è più importante della metrica. In altre parole conta più <<chi è collegato con chi>> di <<dove
sono e a che distanza stanno>>, ovvero della geografia fisica del sistema. Nella rappresentazione a rete, le
connessioni tra gli elementi di un sistema sono più importanti delle loro specifiche posizioni nello spazio e
delle relative distanze. L’attenzione alla topologia è uno dei principali punti di forza delle scienze delle reti.
Nelle reti sociali, la preminenza della topologia si traduce dicendo che quel che conta è la struttura sociale.
Vedi Esempio Messi migliore calciatore al mondo tuttavia la sua performance è diversa a seconda della
squadra in cui gioca Nazionale Argentina o Fc Barcellona. Un gruppo di sociologi sostiene che questo
dipende dalla rete di relazioni che Messi ha con i giocatori delle due squadre.

CATENE, RETICOLI E RETI


L’approccio delle reti riduce i sistemi complessi a una semplice architettura di nodi e collegamenti. Questa è
una notevole semplificazione, ma il grafo risultante può non essere semplice da interpretare.
Immaginiamo una fila di 5 imprese (1, 2, 3 , 4, 5) .Lungo questa catena ognuno può fare un accordo con uno
solo dei suoi vicini. La regola è che ogni azienda può firmare un solo contratto: per esempio, se 3 firma con
2, non può avere accordi con 4. Date questa semplice struttura e questa semplice regola, i nodi 1 e 5
risultanti avere meno potere contrattuale, poiché hanno meno alternative. Questo rende i nodi 2 e 4 forte e
(inaspettatamente) indebolisce il nodo 3. Il nodo 3, infatti, ha solo vicini forti e quindi finisce per stipulare
accordi meno convenente. Questo esempio mostra quello che i sociologi chiamano meccanismo di
esclusione.
Lungi dall’essere teorica, questa è una situazione che si incontra spesso, quando l’istituzione di una
relazione commerciale tra due parti esclude un terzo nodo.
Per complicare ulteriormente le cose, si deve pensare che i sistemi reali raramente siano semplici come una
catena. In passato, gli scienziati hanno rappresentato sistemi complessi attraverso griglie regolari o reticoli
invece di utilizzare grafi. Questi oggetti sono composti da molti elementi (che rappresentano persone,
animali, computer) disposti una struttura di connessioni regolari e ordinate, come pezzi su una scacchiera
dove i collegamenti di ogni pezzo sono solo con i loro 4 vicini.
Questa struttura regolare rende i sistemi molto più facili da studiare matematicamente e mediante
simulazione al computer, rispetto all’uso di grafi.
Ma rappresentare un sistema come un reticolo e non come un grafo, anche se semplifica la vita, introduce
una forte limitazione: un reticolo è adatto solo per rappresentare sistemi attentamente progettati o
soggetti a forti vincoli.
Nei reticoli, ogni nodo è collegato a un numero fisso di primi vicini, mentre nella stragrande maggioranza
dei casi reali collegamenti uniscano un numero variabile di elementi, non importa se vicini o lontani. La
capacità di descrivere questo disordine è uno dei grandi vantaggi dell’approccio delle reti.
Gran parte di questo disordine si può rappresentare con una quantità importante: il grado cioè il numero
dei collegamenti che partono da ciascun nodo. Se il nodo è una pagina web, il grado rappresenta il numero
di collegamenti che ha con altre pagine. Se il nodo è un individuo, il grado è il numero di relazioni sociali.
Questa cerchia di relazioni è simile a quello che il sociologo Peter Mardesen ha chiamato rete nucleare di
discussione: l’insieme di persone con i quali una persona è disposta a discutere di questioni importanti e a
passare il tempo.

MAPPE DI RELAZIONI
La sociologia ha classificato un’ampia gamma di possibili vincoli tra gli individui. La tendenza ad avere
diversi tipi di relazioni nei social network si chiama multiplexity. Ma questo fenomeno appare anche in altre
reti: ad esempio due specie possono essere collegate da diverse strategie di predazione.
Si può modificare un grafo per rappresentare la multiplexity . Una maniera è quella di applicare un’etichetta
specifica ai collegamenti. Per esempio, possiamo indicare se una connessione è positiva o negativa ( le
persone possono essere nemiche <<negativa>> o amiche <<positiva>> ; una pagina web può creare
collegamenti con un’altra pagina web per criticarne il contenuto <<negativa>> o per pubblicizzarla <<
positiva>>)
Aggiungere questa semplice caratteristica binaria può complicare le cose. Immaginiamo 3 persone : ALICE
BRUNO E CARLA. 3 casi :
1) Tutti amici di tutti
2) Alice e Bruno amici e nemici di Carla
3) Alice amica di Bruno e Carla ma Bruno nemico di Carla
4) Tutti odiano tutti
Le prime due situazioni sono dette strutturalmente bilanciate mentre la terza e quarta no
Questo concetto è stato ripreso nel 2006 dal matematico Tibor Antal e altri fisici e applicarono questo
concetto al cambio di alleanze fra sei stati europei prima della prima guerra mondiale.
Dimostrano che queste alleanze si erano modificate gradualmente verso una situazione strutturalmente
bilanciata, dove c’erano forti alleanze e chiari nemici comuni. I sei stati si divisero (da una parte impero
britannico, Francia e impero russo , dall’altro impero austroungarico impero germanico regno d’Italia.): ogni
stato era alleato di tutti quelli appartenute al proprio gruppo e nemico di tutti gli altri. Non appena questa
situazione si stabilizzò scoppiò la guerra. Questo a dimostrazione del fatto le situazioni strutturalmente
bilanciate non sempre sono un bene.

GRAFI ORIENTATI
La teoria dei grafi ci permette di codificare negli archi anche relazioni più complicate, per es collegamenti
che non sono reciproci. I blog si collegano ai grandi giornali per esempio. In questi casi le connessioni nel
grafo sono una sorta di strada a senso unico, dove si può viaggiare in una direzione, ma non tornare
indietro. Se la direzione è indicata negli archi con una freccia la struttura risultante è un grafo orientato.
In queste reti esiste sia un grado entrante sia un grado uscente, che misurano rispettivamente il numero di
archi e entranti e il numero di archi uscenti dai nodi.

RELAZIONI BINARIE VS RETI PESATE


Le relazioni fin ora considerate sono binarie -> acquisiscono cioè solo due valori. E’ il caso delle connessioni
dicotomiche, che esistono o non esistono (essere sposati o no) .
Tuttavia le relazioni di questo tipo non solo la regola : nella maggior parte dei casi le relazioni hanno
intensità variabile. Due pagine web possono essere collegate da un link o da molti. Questa variabilità si può
rappresentare con pesi da aggiungere ai link. Le reti pesate possono sorgere, per esempio, dal fatto che gli
individui ( o entità) interagiscono fra loro con frequenze diverse.
La forza dell’approccio delle reti è che in alcuni casi è giustificabile ed efficace ignorare tutti o la maggior
parte dei dettagli specifici : le reti orientate vengono trattate ignorando l’orientazione, i peso vengono
rimossi, i collegamenti multipli sono uniti in un unico arco. I risultati mostrano che questa semplificazione
può ancora catturare una quantità notevole d’informazioni.

CAP.3
LA FORZA DEI LEGAMI DEBOLI
Nel mondo dei colletti bianchi il passaparola è un modo efficace per venire a conoscenza delle offerte di
lavoro . Quindi, se siamo alla ricerca di un nuovo lavoro di questo tipo, è una buona idea diffondere la
notizia tra parenti e amici. Ma è ancora meglio informare conoscenti lontani e persone che non vediamo
spesso. -> Questo è ciò che il sociologo Mark Granovetter suggerì nel 1973.
Granovetter intervistò un gruppo di professionisti di un sobborgo di Boston che avevano utilizzato contatti
personali per trovare lavoro. Domando loro quanto spesso avessero frequentato la persona che li aveva
aiutati a trovare lavoro. La maggioranza rispose “ ogni tanto” e molti risposero “ raramente”.
Ciò significa che le offerte di lavoro hanno maggiori probabilità di venire da vecchi amici di scuola, ex
colleghi o da ex datori di lavoro, piuttosto che da amici intimi.
Granovetter descrisse questo fenomeno come -> la forza dei legami deboli .
Questo risultato si può spiegare rappresentando la cerchi di conoscenze di un individuo ipotetico chiamato
Ego. Ego è a stretto contatto con i suoi amici e parenti .Probabilmente tutte queste persone sono anche a
stretto contatto tra loro.
Come risultato le informazioni viaggiano velocemente in questo gruppo.
Al contrario i legami deboli lo collegano a persone lontane: questi individui non sono all’interno del gruppo
sociale di Ego, pertanto gli permettono di accedere a tutta una serie di nuovi gruppi, ciascuno dei quali
possiede informazioni altrimenti inaccessibili.
Perdere l’opportunità di sfruttare legami deboli può quindi causare difficoltà a organizzazioni, aziende o
istituzioni.

TEORIA DEL CAPITALE SOCIALE


L’intuizione di Granovetter è stata sviluppata successivamente con la teoria del capitale sociale . Questo
implica che i contatti di una persona ( e i contatti dei suoi contatti) le danno accesso a risorse per ottenere,
per esempio posti di lavoro migliori o promozioni più veloci. Più in generale, la posizione di un individuo
nella sua rete sociale è fondamentale per determinare le sue future opportunità, vincoli, risultati etc..
Gli esperti hanno messo a punto diverse strategie alternative per estrarre la struttura reale delle reti sociali,
strategie che vanno dalla realizzazione di inchieste al campionamento a valanga.
In questo sistema, ciascun soggetto intervistato suggerisce un membro della propria cerchia per l’intervista
successiva. Tali strategie hanno permesso la raccolta dei dati sensibili come quelli per mappare i rapporti
sessuali all’interno di gruppi di individui: la conoscenza di queste reti consente infatti una migliore
comprensione della diffusione delle malattie sessuali.
Un tipo di relazione differente, relativamente facile da definire, è rappresentata dalle reti di collaborazione
professionale. Tali reti esistono in vari settori, dal mondo di Hollywood, ad ambiente insoliti come quello
della politica o il terrorismo.
La tecnologia dell’informazione fornisce un nuovo e potente strumento per misurare l’interazione tra le
persone. Telefonate e-mail frequenti scambiate tra due individui o il collegamento sui social network
indicano una relazione stabile e quindi un possibile arco.

RETI DI PAROLE RETI DI IDEE


Le reti di parole contengono molte informazioni, ma di solito sono particolarmente utili per capire le idee
contenute in un testo o le relazioni fra tesi diversi.
Si tratta di una questione cruciale per esempio, per le ricerche su WWW. In genere, per eseguire queste
operazioni sono necessari complicati algoritmi. Ma in alcuni insiemi di testi si può stabilire facilmente una
rete di relazioni molto precisa. E’ così nel caso della letteratura scientifica.
Il lavoro degli scienziati si basa quasi sempre sui risultati precedenti. I ricercatori riconoscono questo fatto
citando, alla fine di un articolo, pubblicazioni precedenti.
Le pubblicazioni sono state ampiamente standardizzate negli ultimi anni, gli articoli sono per lo più in
inglese, i metodi di controllo sono stati uniformati, sono state elaborate misure dell’importanza di un
articolo, come l’impact factor.. Allo stesso tempo si sono costituite grandi banche di dati elettroniche per la
pubblicazione, nelle quali migliaia di nuovi testi vengono aggiunti ogni giorno: articoli, libri, brevetti
progetti. Tutto questo produce una grande rete di pubblicazioni: due elementi sono collegati se uno di essi
cita l’altro. Possiamo anche identificare gli autori per mezzo di questi database e tracciare reti di
collaborazione tra loro. Questi sistemi sono sempre più utilizzati per mappare e visualizzare lo sviluppo
della scienza e le sue aree più attive.

SOLDI VIA CAVO


Le teorie economiche classiche rappresentano gli attori economici come agenti indipendenti,
completamente razionali e concentrati sulla massimizzazione del proprio profitto .
Tuttavia i fatti dimostrano come gli individui, le aziende, le istituzioni e i paesi non siano indipendenti : tutti
si influenzano a vicenda.
Vedi per esempio la rete di prestiti bancari, i gruppi di imprese le holding etc..
L’interconnessione va ben oltre l’azienda , all’interno del mercato mondiale. Come la crisi finanziaria ha
dimostrato gli eventi si diffondono rapidamente dai mercati nazionali a uno scenario globale.
La rete mondiale del commercio è un grafo in cui i nodi sono i paesi e le loro relazioni commerciali
definiscono gli archi. Come in una cellula , l’economia dipende da questi strati multipli in forma di reti.

UNA RETE GRANDE COME IL MONDO


Nell’ottobre 1969 un messaggio viaggiò per la prima volta, attraverso una linea telefonica da un computer
all’altro. Due laboratori universitari in California erano alle estremità della linea. ARPANET la nonna di
Internet era nata.
Alla fine degli anni 50, l’ARPA (Advance Research Projects Agency, l’agenzia dedicata ai progetti di ricerca
avanzata negli USA, da cui deriva il nome Arpanet, acronimo di ARPA network ) chiese all’ingegnere Paul
Baran di progettare una struttura di comunicazione in grado di resistere a un attacco.
Baran progettò un sistema distribuito con quelle caratteristiche , ma un cambio di priorità chiuse in un
cassetto i suoi studi pioneristici.
Negli anni Sessanta, alcune università chiesero ad ARPA di finanziare un progetto simile per scopi diversi : le
istituzioni accademiche volevano interconnetter i proprio computer per aggregare la loro potenza di
calcolo. Nel 1969 Arpanet collego UCLA (University of California Los Angeles ) e SRI ( Stanford Research
Institute ) . Due anni dopo, il numero di nodi superava i quaranta e comprendeva alcune aziende e altre
università. Questa struttura ebbe un tale successo che negli anni Settanta reti analoghe ( Hepnet, Span,
Telenet ecc.), create da fisici di particelle, astronomi o imprese, apparvero in altre parti del mondo.
Se all’inizio il problema era quello di collegare i computer successivamente diventò quello di collegare le
diverse reti.
Internetworking divenne il motto di molti informatici. Alla fine degli anni Settanta l’ingegnere Robert Kahn e
il matematico Vinton Cerf svilupparono il protocollo TCP/IP ( Transmission Control Protocol/Internet
Protocol) : qualunque sia la strutture interna delle reti, tale software permette loro di parlarsi. Questo
codice basato sul concetto di architettura aperta era di dominio pubblico. Infine, negli anni Ottanta, la
transizione al TCP/IP fu completa portando alla creazione di Internet <<la rete delle reti>>.

INTERNET
Internet è probabilmente la creazione umana che meglio rappresenta il concetto di rete. Un computer
collegati a Internet diventa un host. Le informazioni viaggiano dal mittente al destinatario lungo i router,
dispositivi responsabili della trasmissione di pacchetti di dati. Una lunga serie di connessioni mantiene la
struttura : linee telefoniche, fibre ottiche etc.. Siamo in grado di avere una rappresentazione approssimativa
di Internet solo a livello dei router . In questo caso , i nodi sono router e gli archi sono i loro collegamenti.
Siamo in grado di descrivere a un livello ancora più aggregato questa struttura, raggruppando i router in
sistemi autonomi . Questi gruppi sono parti delle reti amministrate autonomamente, che di solito
corrispondono a Internet Service Provider ( ISP) ed altre organizzazioni .
A differenza delle tradizionali tecnologie di comunicazione , Internet non ha uno scopo specifico. Piuttosto è
una tecnologia che muta in continuazione, in grado di ospitare infinite altre applicazioni.

WWW
In realtà Internet è solo un infrastruttura fisica che supporta servizi . Uno di quelli di maggior successo è il
World Wide Web ( WWW) . Si tratta di un enorme insieme di documenti elettronici registrati nei dispositivi
che comprendono Internet e uniti da collegamenti ipertestuali che permettono la navigazione tra di loro.
L’idea del WWW nacque presso il CERN ( Consiglio Europeo per la Ricerca Nucleare) . il fisico Tim Berners
Lee avanzò la prima proposta nel 1989 e progettò un sistema che permettesse agli scienziati l’accesso,
tramite i proprio computer, a un’enorme quantità di dati prodotti dagli esperimenti di fisica delle particelle.
Il software per far funzionare questo sistema non è stato brevettato, ma reso disponibile al pubblico. Tale
decisione, come nel caso del protocollo TCP/IP, ha avuto un impatto molto significativo. Fin dall’inizio
migliaia di utenti ( e dopo ben di più) hanno provato, migliorato e creato pagine web e servizi. In pochi anni,
il web è diventato il World-Wide ( mondiale). La sua grandezza è sconosciuta, dal momento che nessuno dei
motori di ricerca che esplorano il WWW (come Google o Yahoo!) è in grado di archiviare tutte le pagine
web. In ogni caso, questo avrebbe poco senso: diversi siti web sono in grado di produrre sempre nuove
pagine su richiesta. Una stima del 2005 valutava il contenuto di tutto il WWW come circa 200terabyte di
informazione(circa la dimensione della biblioteca del Congresso degli Stati Uniti dell’epoca).

CAP.4
COMPONENTI SCOLLEGATE E COMPONENTE CONNESSA GIGANTE
Le reti nella natura e nella società possono essere frammentate in parti separate. Tali gruppi scollegati, o
componenti, sono una minoranza sorprendentemente piccola. In tutte le reti, quasi tutti gli elementi dei
sistemi partecipano a una grande struttura connessa, chiamata componente gigante . In generale la
componente connessa gigante comprende, in quasi tutte le reti, non menodel 90-95 per cento del sistema.
Questo fatto ha delle conseguenze interessanti. Nelle reti di interazione sessuale, per esempio, i partener
passati e quelli presenti possono connetterci con altri individui che non ci piacerebbero per niente <

RETI DIRETTE ARCHITETTURE COMPLESSE E COMPONENTE GIGANTE FORTEMENTE CONNESSA


In una rete diretta, l’esistenza di un percorso da un nodo all’altro non garantisce che il viaggio possa essere
fatto nella direzione opposta ( i lupi mangiano le pecore, le pecore mangiano l’erba ma l’erba non mangia
né pecore né lupi ). Questa restrizione crea un architettura complessa all’interno della componente gigante.
Per esempio, secondo una stima fatta nel 1999, oltre il 90% del WWW è composto da pagine collegate tra
loro, se la direzione degli archi viene ignorata. Tuttavia, se prendiamo in considerazione la direzione, la
percentuale di nodi mutuamente raggiungibili è solo il 24% : questa è la componente gigante fortemente
connessa. Il resto si divide tra una componente in e una componente out : la prima è costituita da pagine
con percorsi che puntano alla componente gigante fortemente connessa, la seconda da nodi che ricevono
link in uscita da essa ( il quadro è completato da strutture minori chiamate tubi vertici ) . Questa
caratteristica struttura dà alla componente fortemente connessa gigante del WWW una caratteristica
forma a “farfalla”. ( questa struttura complessa non è specifica del WWW ma con diversi componente, in
tutte le reti dirette.

RETI DENSE E RETI SPARSE


L’esistenza della componente gigante fortemente connessa-che abbia una struttura a farfalla oppure no- è
una caratteristica interessante. La componente gigante fortemente connessa del WWW, per esempio, pur
essendo meno di un terzo del sistema, comprendeva nel 1999 56 milioni di pagine.
Questa caratteristica si spiegherebbe facilmente se le reti fossero molto dense, cioè se ci fossero molti
collegamenti ridondanti, sufficienti per collegare ogni nodo con quasi ogni altro. Questo però, di solito non
accade. Al contrario, la maggior parte delle reti sono sparse tendono cioè a essere molto parsimoniose nei
collegamenti.
Prendiamo per esempio la rete aeroportuale: l’esperienza personale di ogni viaggiatore (frequenti flyer o
meno ) dimostra che i voli diretti non sono così comuni e per arrivare a destinazione bisogna fare scalo.
Esistono infatti migliaia di aeroporti, ma ogni città (in media) è collegata a meno di altre venti città. Lo
stesso avviene in molte altre reti. Ad esempio, centinaia di migliaia di router si collegano a Internet ì, ma
ciascuno di essi si connette, in media, a meno di altri tre.
Una misura di questa proprietà è data dal numero medio di collegamenti dei loro nodi, cioè il loro grado
medio. Molte reti reali hanno elementi singoli con molte connessioni ma, ciò nonostante, non sono dense:
al contrario, sono reti sparse.
Questa paradossale contraddizione ( una rete che sepur sparsa è ben collegata ) aveva attirato l’attenzione
dei due matematici Erdos e Rényi . I due ricercatoi studiarono il problema producendo diverse realizzazioni
del loro grafo casuale. In ciascuno di esse modificano la densità di archi. Iniziarono con una densità molto
bassa: meno di un arco per nodo. E’ naturale aspettarsi che, con l’aumento della densità, sempre più nodi
siano collegati tra di loro. Ma ciò che Erdos & Rényi trovarono fu invece una transizione piuttosto brusca:
diverse componenti scollegate si univano improvvisamente in un’unica grande componente, che
comprendeva tutti i nodi. Questo cambiamento improvviso avveniva ad una densità critica specifica:
quando il numero medio dei collegamenti per nodo (cioè il grado medio ) era maggiore di uno, la
componente gigante fortemente connessa appariva improvvisamente. Questo risultato implica che le reti
dispongono di uno speciale tipo di efficienza, intrinseca alla loro struttura disordinata: un piccolo numero di
archi, anche distribuito in modo casuale tra i nodi, è sufficiente per generare una grande struttura che
assorbe quasi tutti gli elementi.

COSI’ VICINI
Paul Erdos, l’esperto di grafi casuali, è stato uno dei maggiori matematici del XX secolo. Gli scienziati
calcolano, per misurare i loro meriti, una misura della loro prossimità a lui : quelli che lo hanno come
coautore di un lavoro scientifico hanno un numero di Erdos pari a 1. I coautori dei suoi coautori hanno un
numero di Erdos pari a 2 . I coautori di coautori hanno un numero di Erdos pari a 3 e così via. Tuttavia, solo i
numeri di Erdos più bassi sono una vera fonte di orgoglio.
Quasi tutti i ricercatori in qualunque campo della scienza hanno un numero di Erdos pari a 13. Lo stesso
avviene con il famo the Oracle of Bacon. E’ un fatto interessante, in un gruppo di estranei sufficientemente
grande, è probabile trovare coppie di persone legate fra loro da catene di relazioni piuttosto brevi .
(<Questo anticipa la spiegazione dei sei gradi si separazione>)

SEI GRADI DI SEPARAZIONE


Nel 1967 lo psicologo americano Stanley Milgram intraprese una serie di esperimenti. Con la collaborazione
di Jeffrey Travers, inviò decine di lettere a cittadini americani nel Midwest ( Kansas e Nebraska) scelti a
caso.
In ogni lettera chiedeva al destinatario di inoltrare ka missiva a una persona in Massachusetts senza spedirla
per posta. Nel caso probabile il cui i recettori di lettere non conoscessero direttamente il destinatario finale,
suggeriva loro di inoltrare a qualcuno che potesse per qualche ragione essere vicino al destinatario.
Per ogni lettera inoltrata, bisognava inviare una cartolina a Milgram, in modo che quest’ultimo potesse
seguire il percorso dei messaggi. Poche settimane più tardi l’esperimento era concluso, circa un terzo delle
lettere era arrivato a destinazion : nessuna era associata a più di dieci intermediari e, in media il numeri du
passaggi era 6
Questo esperimento suscitò molto entusiasmo nella comunità scientifica . Nel 1950 Kochen e Ithel de Sola
(matematico e politologo) avevano ipotizzato che gli esseri umani potessero esser più vicini fra loro del
previsto.In un articolo, i due ricercatori proposero un modello matematici che suggeriva che, in una
popolazione come quella degli USA, una frazione insospettabilmente grande di coppie potesse essere
legata da catene di pochi intermediari. L’esperimento di Milgram era un a verifica empirica della loro
intuizione -> “ sei gradi di separazione”

MONDI PICCOLI
“I LOVE YOU” è stato uno dei virus informatici più contagiosi della storia. Ha contagiato milioni di computer
nel 2000
In realtà, la struttura di mondo piccolo, che è la scoperta principale di Milgram, è presente in tutte le reti.
Internet è composta da centinaia di migliaia di router, ma basta solo una decina di salti per portare un
pacchetto di informazioni a ciascuno di esso.
La struttura di mondo piccolo consiste nel fatto che la distanza media tra due nodi (misurata come il
percorso più breve che li collega) è molto piccola.
Dato un nodo in una rete(per esempio Erdòs nella rete dei coautori) alcuni nodi gli sono molto vicini
( coautori diretti) e pochi gli sono lontani ( scienziati con numeri di erdòs molto elevati): la maggior parte
sono in media a distanze molto brevi. Questo vale per tutte le reti: partendo da un nodo specifico, quasi
tutti i nodi sono a pochi passi; quindi il numero di nodi a una certa distanza aumenta in modo esponenziale
in funzione della distanza stessa. Un altro modo di spiegare lo stesso fenomeno (quello preferito dagli
scienziati ) è il seguente : anche se aggiungiamo molti nodi a una rete, la distanza media non aumenterà
molto; si deve aumentare la dimensione di una rete di diversi ordini di grandezza per notare un
allungamento dei percorsi verso i nuovi nodi. La struttura di mondo piccolo è fondamentale per molti
fenomeni che coinvolgono le reti (ad esempio la capacità delle reti di diffondere agenti virali ) . Uno dei
primi esempi di strategia virale di marketing è stata la diffusione a livello mondiale del servizio di posta
elettronica Hotmail, lanciato nel 1996. Le persone che creavano gratuitamente un account Hotmail
accettavano di includere nei loro messaggi un link che permetteva ai destinatari di aprire a loro volta un
altro indirizzo e-mail. Hotmail ottenne una delle crescite più veloci fra le applicazioni email, anche grazie a
questa strategia che sfruttava abilmente la natura del mondo piccolo della rete di posta elettronica.

SCORCIATOIE
La struttura di mondo piccolo è intrinseca alle reti. Anche i grafi casuali di Erdos-Renyi hanno questa
caratteristica. Al contrario, le griglie regolari (viste al capitolo 2) non presentano la struttura del mondo
piccolo. (Se internet fosse un reticolo simile a una scacchiera, la distanza media tra due router sarebbe
dell’ordine di mille salti e la rete sarebbe molto più lenta: niente navigazione veloce del web, niente e-mail
istantanee. )
Cosa rende una rete diversa da una griglia? Quale è il fattore responsabile della comparsa della proprietà di
mondo piccolo nelle reti, mentre la stessa manca nei reticoli ?
Nel 1998, il fisico Duncan Watts e il matematico Steven Strogatz iniziarono a considerare una struttura
regolare molto semplice: un cerchio di nodi, nel quale ciascun nodo era collegato direttamente ai suoi primi
vicini, ovvero ai vicini più prossimi (Fig,SX). Tale struttura può rappresentare, per esempio, un gruppo di
villaggi remoti, ciascuno dei quali scambia merci con i villaggi vicini e di tanto in tanto con i vicini dei propri
vicini.
In tale struttura regolare i prodotti devono passare per molte mani per andare dai produttori fino ai
consumatori dei villaggi lontani.
Watts e Strogatz simularono allora qualcosa di molto simile all’apertura di un percorso tra villaggi lontani. In
pratica rimossero uno dei collegamenti della struttura iniziale e lo ricollegarono a un altro nodo, scelto a
caso. Improvvisamente, gli abitanti di un villaggio potevano scambiare merci con una zona
precedentemente remota per loro, anziché con i loro vicini. Ma nel complesso, solo pochi villaggi erano
interessati da questo cambiamento, e diverse regioni del sistema rimanevano comunque lontane una
dall’altra. Questo risulta chiaro se si calcola la distanza media tra i nodi dopo la creazione del nuovo
collegamento: la distanza media è quasi uguale a prima.
A questo punto i due scienziati incominciarono a incrementare il numero dei percorsi fra villaggi lontani
(Fig,DX). Dopo ogni modifica nei collegamenti, calcolavano la distanza media sorprendentemente,
trovarono che bastava creare solo poche connessioni a lungo raggio perché la distanza scendesse
bruscamente. Un piccolo numero di questi collegamenti è sufficiente per rendere tutti gli elementi del
sistema molto vicini fra loro. L’ingrediente chiave che trasforma una qualsiasi struttura di connessioni in un
mondo piccolo è la presenza di disordine. Nessuna vera rete è una griglia ordinata di elementi. Al contrario
ci sono sempre collegamenti <<fuori posto>>. E’ proprio grazie a queste connessioni che le reti sono dei
mondi piccoli.

Le scorciatoie sono le responsabili della proprietà di mondo piccolo in molte altre situazioni. Tuttavia, in
alcuni casi c’è un'altra spiegazione. Le distanze notevolmente piccole nella rete del commercio mondiale,
per esempio sono dovute al fatto che questa rete è una delle poche ad alta densità : il numero di partner di
un paese è quasi sempre poco meno del numero totale dei paesi ( ogni paese realizza interscambi con la
maggior parte degli altri paesi)
Qualunque sia la sua origine comunque la proprietà di mondo piccolo è una caratteristica fondamentale da
considerare quando i sistemi hanno la struttura di un grafo. L’approccio di rete fornisce una visione
sorprendente di questi sistemi : in primo luogo, gli elementi che li costituiscono sono parte di un unico
grande mondo, dove ogni nodo ha un percorso di collegamenti con tutti gli altri; in secondo luogo, questi
percorsi sono estremamente corti. Questa struttura iperconnessa è essenziale per comprendere un ampia
gamma di fenomeni ( diffusione AIDS, Propagazione dei black out, circolazione delle informazioni)

CAP.5
HUB
Nel suo famoso esperimento dei sei gradi di separazione Milgram fece un’osservazione che sarebbe stata
compresa anni dopo. ( cap 4) . Al di là del fatto che tutte le lettere arrivarono con una media di sei passaggi
osservò anche che un quarto delle lettere fu recapitato da una stessa fonte : un mercante di stoffe amico
dell’agente di cambio, che Milgram chiamo il signor Jacobs.
Jacobs era un hub di relazioni sociali : le sue molte connessioni lo legavano a moltissime persone, c’era
quindi da aspettarsi che tante lettere passassero nelle sue mani.
Un'altra osservazione che colpisce è che una grande parte delle altre lettere raggiunse destinazione grazie a
due altre persone il Signor Jonson e il signor Brown. La presenza di questi hub non è specifica della rete
sociale dell’agente di cambio. Molti altri sistemi, quando sono rappresentati come un grafo, rivelano la
presenza di vertici molto connessi o superconnettori . In molte reti possiamo vedere la tendenza del tipo “ il
vincitore si prende tutto”: una piccola minoranza dei nodi prende la maggior parte delle connessioni,
mentre gli altri devono dividersi ciò che rimane .
I superconnettori e gli hub sono presenti in molti tipi di rete non solo in quelle sociali.
(se vuoi esempi vedi DA pag 75-78)
CODE LUNGHE:
CONNETTIVITA’ OMOGENEA ED ETEROGENEA ; DISTRIBUZIONE DEL GRADO E LEGGE DI POTENZA
Una rete con una connettività omogenea ha normalmente un insieme di Hub piuttosto chiaro.
Quando un grafo è piccolo, è facile scoprire se la sua connettività è omogenea o eterogenea ( Fig)

Nel primo caso tutti, tutti i nodi hanno più o meno la stessa connettività, mentre nel secondo è facile
identificare alcuni Hub . Ma quando le reti studiate sono molto grandi le cose non sono così facili.
Ad esempio : per studiare l’altezza degli studenti di una classe si fa, in primo luogo, una fila degli studenti
alti fra 1,50<h<1,55 metri : se ne troveranno pochi, o forse solo uno. Poi si fa una parallela di quelli fra
1,55<h<1,60 : ce ne sarà qualcuno in più. Si prosegue aumentando sempre di 5 centimetri a ogni fila.
Alla fine il profilo delle file avrà la forma di una curva a campana : il numero di studenti cresce con la
crescita dell’altezza, raggiunge il massimo intorno alla media e poi comincia a decrescere. (Fig 5.2,sx)
Adesso prendiamo considerazione il numero di contatti sociali di quegli stessi studenti .Le file
corrisponderanno a quelli che hanno fra gli 0 e 20 amici, fra 20 e 40, fra 40 e 60ecc. Il risultato di questa
procedura rappresenta la distribuzione della connettività dei nodi di una rete sociale, ovvero la
distribuzione del grado di un grafo .

La distribuzione questo caso avrà una coda lunga ( Fig 5,2 dx) . Matematicamente, la forma di questa
distribuzione del grado è descritta approssimativamente da una curva chiamata legge di potenza .
Riassumendo : nelle reti omogenee, la distribuzione del grado è una curva a campana, come quella
dell’altezza, mentre nelle reti eterogenee è una legge di potenza, come quella delle amicizie. La legge di
potenza implica che ci sono molti più hub nella rete eterogenea che in quella omogenea. Inoltre gli hub non
sono eccezioni isolate: c’è tutta una gerarchia di nodi, ciascuno dei quali è un hub in confronto ai nodi
meno connessi.
Questo spiega per esempio, il ruolo del signor Jonson e Brown ( dell’esperimento di Milgram ) : mentre
signor Jacob è l’hub più grande della rete sociale dell’agente di borsa. Jonson e Brown sono Hub più piccoli,
ma sembra ben connessi.
Guardare la distribuzione di un grado è la migliore maniera per controllare se una rete è omogenea o
eterogenea : se la distribuzione ha una coda lunga allora la rete dee avere un hub e essere eterogenea .
Non si trova mai una distribuzione che segue esattamente la formula matematica della legge di potenza,
perché questo implicherebbe l’esistenza di Hub con un numero infinito di connessioni. In realtà nessuna
rete è infinitamente grande ecco perché la coda lunga della distribuzione del grado raggiunge sempre un
valore di grado massimo finito ( cut-off).

IL NUMERO DI DUNBAR
Il significato di hub e delle code lunghe deve essere intrepretato con cautela.
Per esempio alcuni antropologi credono che una grandezza chiamata numero di Dunbar limiti la quantità di
relazioni sociali che una persona può mantenere: Secondo questa ipotesi, il numero dei legami sociali
stabiliti non può crescere al di sopra di 150.
Se questo è vero quale è la spiegazione del fatto che gli hub hanno migliaia di connessioni in varie reti
sociali?
Alcuni scienziati pensano che questi casi siano una variante del problema “pizzaiolo a domicilio” . Un
fattorino che consegna pizze riceve molte chiamate telefoniche, ma solo una piccola parte di esse vengono
da amici e conoscenti, il resto sono clienti.
Secondo questa visione la maggior parte dei link rappresentati nella coda lunga della distribuzione
sarebbero fittizi. Tuttavia, questo dipende dal problema che si vuole studiare. D’altra parte, non tutte le reti
sono necessariamente eterogenee. Mentre la proprietà del mondo piccolo è qualcosa di intrinseco nelle
strutture di rete, gli hub non sono presenti in tutte le reti ( per esempio nella rete del commercio
mondiale).
Infine, un caso interessante sono, le reti dirette, come molte reti di regolazione genica. Se il gene A e il
gene, si traccia una freccia fra A e B, ma non necessariamente da B ad A. La distribuzione del grado uscente
(ovvero il numero di frecce che escono dai nodi) ha normalmente una coda lunga : ovvero pochi geni
regolano una parte importante del resto del genoma. Tuttavia, la distribuzione del grado entrante(ovvero il
numero di frecce che entrano nei nodi) è molto più omogenea: ciascun gene è regolato solo da pochi altri.
L’eterogeneità è presente in molte reti, ma quando si prende in considerazione un sistema sconosciuto,
non bisogna darla per scontata prima di aver controllato ( che presenti una distribuzione del grado che
assume una curva di legge di potenza).

LA FIRMA DELL’AUTOORGANIZZAZIONE
L’eterogeneità e la mancanza di una scala caratteristica ( ovvero un valore medio che nella grande
maggioranza dei casi è un predittore approssimato del valore che si troverà in realtà) potrebbero essere
interpretati come un segno di disordine. Molte reti come internet o le reti sociali sono cresciute senza né
progetto né supervisione. In conseguenza, ogni nodo della rete segue i propri criteri e sviluppa
comportamenti completamente diversi. Questi sono coì disordinati che complessivamente si possono
assimilare a un processo del tutto casuale. Quindi il grafo casuale potrebbe essere un buon modello per
queste reti.
Questo ragionamento sembra funzionare, ma non regge un’analisi più approfondita. La contraddizione più
forte è che le reti aleatorie non sono affatto eterogenee . Al contrario la loro distribuzione del grado assume
una curva a campana, cosa che suggerisce che tutti i nodi hanno più o meno lo stesso grado. Il processo di
collegamento casuale delle coppie fa in modo che ogni nodo finisca per avere più o meno lo stesso grado.
Per la precisione, il grado ha una scala caratteristica con piccole fluttuazioni intorno alla media. Al contrario
di molte reti reali, nelle reti casuali non ci sono hub .
Una conseguenza di questo fatto è che mentre le reti casuali sono mondi piccoli, quelle eterogee sono
mondi ultra-piccoli ( ultra small-worlds) . Ovvero, la distanza fra i loro vertici è relativamente più piccola che
nelle loro controparti casuali.
Se si prende una rete casuale e ci si aggiunge un certo numero di hub (rendendole quindi eterogenee), la
distanza media si riduce. Al contrario, se si prende una rete eterogenea e si randomizza ( ovvero si
costruisce una rete con lo stesso numero di nodi e connessioni, ma con gli archi distribuiti a caso), gli hub
spariscono e la distanza media si allunga. Questo mostra come gli hub siano responsabili della maggior
parte della connettività di queste reti : una grande porzione delle connessioni appartiene precisamente a
questo piccolo numero di nodi super-connessi .
Ma quello che più conta è che l’omogeneità delle reti casuali implica che l’equivalenza fra eterogeneità e
disordine è sbagliata. Un processo disordinato, come quello descritto da una rete casuale, non genera la
connettività eterogenea che si trova in molte reti reali. Al contrario, l’eterogeneità potrebbe sorgere
esattamente dall’opposto : ovvero da qualche forma di comportamento regolare e ordinato.
Questo è sorprendete perché molte reti ( come internet ad esempio controllata solo da system manager a
livello locale) non sono il risultato di un progetto e non crescono sotto la supervisione top down ( internet è
una specie di esperimento a scala mondiale nel quale nessuno progetta la struttura complessiva, che è il
risultato dell’azione di innumerevoli elementi)
Concludendo: l’eterogeneità non equivale quindi a casualità .Al contrario, può essere la firma di un ordine
nascosto, non imposto da un progetto top-down, ma generato dagli elementi del sistema. La presenza di
questa proprietà in reti molto diverse fra loro suggerisce che potrebbe esserci qualche meccanismo
comune che agisce in molte di esse. Comprendere l’origine di questo ordine auto-organizzato è la sfida
centrale della scienza delle reti.

CAP.6
MAPPA DI INTERNET
Alla fine degli anni ’90, Internet era un territorio quasi del tutto inesplorato. Per quanto fosse già diventati
un infrastruttura critica per la comunicazione il commercio ecc..
A fine secolo, l’impresa informatica Compaq e l’Associazione Cooperativa per l’Analisi del dati Internet
( CAIDA) lanciarono una serie di progetto di mappatura.
Internet ha un architettura molto ordinata ed efficiente .Questo ordine emergente non puo’ che essere il
risultato di certe regolarità nel comportamento degli agenti che costruiscono la rete. Ci devono essere
meccanismi su piccola scala che si ripetono in milioni di interazioni individuali, generando una struttura
organizzata su grande scala.

TUTTE LE RETI SONO DINAMICHE


Quasi tutte le reti hanno una qualche forma dinamica. Ma in realtà non è così
In alcune reti, la variazione si concentra principalmente nelle connessioni, mentre l’insieme dei vertici
rimane quasi immutabile. In altre reti avviene, invece, esattamente l’incontrario: in queste, nuovi nodi
appaiono costantemente e questo processo è molto più rilevate rispetto al riassetto delle connessioni.
Infine ci sono rete in cui l’aggiunta e l’eliminazione di nodi e connessioni avvengono allo stesso tempo,
dando luogo a una dinamica piuttosto complicata ( www viene aggiornato continuamente con l’aggiunta e
la cancellazione di nuove pagine e nuovi collegamenti ipertestuali, vedi WIKIPEDIA)

L’EFFETTO SAN MATTEO


All’inizio degli anni ’60 la sociologa Harriet Zuckerman intervistò diversi scienziati che avevano ricevuto il
premio Nobel. Voleva scoprire quale fosse il segreto del loro successo scientifico. Nelle risposte dei Nobel
c’era un tema ricorrente “la gente attribuisce credito in modo strano. Tende a dare più credito alle persone
[già] famose”. Queste osservazioni portarono un altro sociologo Robert Merton a formulare una brillante
conclusione nel 1968. Merton propose che la scienza subisce l’influenza di un meccanismo sociale chiamato
effetto san Matteo ( in onore del vangelo di Matteo ) :
“perché a chiunque ha sarà dato e vivrà nell’abbondanza; ma chi non ha sarà tolto anche quello che ha “
Secondo Merton questo meccanismo assume un ruolo fondamentale nella distribuzione di premi, pregi
finanziamenti visibilità ecc..
IL MODELLO DI PRICE E QUELLO DI BARBASI-ALBERT
Nel 1976, il fisico della scienza Derek de Solla Price trovò una prova quantitativa a sostegno di questa idea.
Price analizzò un gran numero di articoli scientifici, collegati fra loro da citazioni. Scoprì che i documenti che
hanno un buon numero di citazioni in un dato momento tendono a riceverne ancora di più
successivamente, mentre quelli che ne hanno poche ne acquisiscono meno .
Dimostrò, matematicamente, che questo meccanismo può spiegare perché la distribuzione del numero di
citazioni per articoli esibisce la tipica coda lunga delle leggi di potenza.
Solo nel 1999 è stato compreso come questo meccanismo possa spiegare l’apparizione di hub, eterogeneità
e invarianza di scala-in sintesi, di distribuzioni a coda lunga-in reti di tutti i tipi.
A questa conclusione sono arrivati Barabasi e RèKA Albert, essi hanno proposto un modello matematico
dell’evoluzione delle reti. Questo modello comincia con un grafo di pochi vertici ( anche solo due o tre),
collegati in modo casuale. Nuovi nodi vengono aggiunti a ritmo costante a questo nucleo iniziale. Ognuno di
essi porta con sé un certo numero di connessioni. Una semplice regola stabilisce come si collegano i nuovi
nodi alla rete preesistente: i nuovi vertici preferiscono collegarsi ai vertici con molti archi, piuttosto che a
quelli con pochi archi. Questo meccanismo si chiama collegamento preferenziale. In linea di principio, i
nuovi vertici si possono collegare a qualunque vecchio vertice ma la probabilità di collegarsi a uno di essi è
tanto maggiore quanti più archi possiede. Di tanto in tanto, i nodi poco collegati ricevono nuove
connessione, ma nella maggior parte dei casi gli hub sono molto più attraenti.
Questo processo si può studiare matematicamente e simulare al computer e si possono prendere misure
nelle reti reali per vedere se stia operando nella loro crescita oppure no.
All’inizio del processo, tutti i nodi hanno più o meno lo stesso grado. Però durante la crescita alcuni
cominciano ad accumulare più connessioni di altri. Più collegamenti ha un nodo in un certo momento, più è
capace di attrarne di nuovi. Per questo motivo il collegamento preferenziale è anche descritto
dall’espressione <<il ricco si arricchisce>>. Di conseguenza piccole differenze iniziali di connettività si
amplificano progressivamente. Così emerge tutta una gerarchia di nodi da quelli scarsamente connessi a
quelli che hanno accumulato un gran numero di collegamenti, ovvero gli hub. La rete risultante è
eterogenea, con una distribuzione del grado che segue la legge di potenza.
Il modello di Barabasi-Albért dimostra che un meccanismo di crescita dal basso (bottom-up) può generare
eterogeneità, senza bisogno di un progetto imposto dall’alto (top-down) .L’i nvarianza di scala globale ( non
ha una scala caratteristica; fluttuazioni individuali rispetto alla media sono troppo grandi per fare predizioni
corrette) della rete è il risultato dell’interazione di una scelta individuale locale : la preferenza per i nodi più
connessi rispetto a quelli meno connessi.
A ulteriore conferma, si può anche dimostrare che l’eterogeneità della rete sparisce se si fa crescere con lo
stesso meccanismo, ma senza la regola di collegamento preferenziale. In questo caso i nuovi nodi si
collegano ai vecchi in modo casuale, quindi il grado dei vecchi nodi non influisce sulla loro capacità di
attrare nuovi collegamenti. Il risultato è una rete omogenea, nella quale ogni nodo finisce per avere più o
meno lo stesso grado degli altri.

RUMORE MOLTIPLICATIVO
Il collegamento preferenziale è la versione adatta alle reti di un meccanismo che agisce in molti processi
sociali e naturali, nei quali l’evoluzione futura dipende dalla storia passata.
La dimensione delle città, per esempio, cambia nel tempo in funzione della loro dimensione attuale :
tendenzialmente le città grandi subiscono grandi espansioni, quelle piccole crescono meno.
Questo meccanismo è detto rumore moltiplicativo .
Ci sono diverse ragioni per cui questo processo agisce in molte reti. In certe situazioni, avere molti
collegamenti è la maniera principale per un nodo di essere scoperto da nuovi nodi ( una pagina web linkata
da molte altre viene scoperta più facilmente dalle persone che navigano per il WWW rispetto a una meno
linkata). In altri casi, possedere molte connessioni è attraente di per sé. La sociologia ha scoperto indizi
della cosiddetta scelta del partener : questo processo fa si che una persona scelga il proprio partner non
solo in base alle caratteristiche personali ma anche in considerazione delle opinioni degli altri. Una lunga
lista di relazioni passate potrebbe aumentare la possibilità di una persona di attrarre ancora più partner,
per questa ragione il collegamento preferenziale viene anche detto il principio per cui la fama è attraente.
Una motivazione più consapevole per il collegamento preferenziale è che collegarsi con hub garantisce un
accesso immediati a molti altri nodi.
In alcuni casi il collegamento preferenziale si occulta dietro ad altri meccanismi.
Immaginiamo una persona che vuole creare una pagina web personale. Una strategia piuttosto diffusa è
quella di guardare la pagina web di un amico o di un collega e prenderla a modello. Quindi la nuova pagina
potrebbe facilmente mantenere molti dei link ad altre pagine presenti nel modello, con qualche
cambiamento per personalizzarla. Se questo è vero, la nuova pagina sarà essenzialmente una copia del
modello con pochi cambiamenti. Ora questo processo non nasconde nient’altro che una forma di
collegamento preferenziale. Infatti a quali pagine punta la pagina del modello? Probabilmente a degli hub , i
quali , per definizione, catturano una buona parte delle connessioni del WWW, quindi è più probabile che
una pagina qualunque sia collegata ad hub piuttosto che a pagine scarsamente connesse .E se una pagina
viene duplicata, la nuova copia apporterà ancora più collegamenti agli hub, e il risultato sarà equivalente ad
un processo di collegamento preferenziale . Questo meccanismo di coppia può sembrare un eccezione ma
in realtà agisce in diverse situazioni( reti genetiche metaboliche etc...)
Il collegamento preferenziale non è l’unico meccanismo attivo nelle reti e non tutte le reti eterogenee
emergono da questo meccanismo. Tuttavia, il modello Barabasi-Albèrt ha una morale importante da
insegnare: un semplice meccanismo locale, iterato per molte interazioni, può far sorgere strutture
complesse. Queste emergono senza che vi sia un progetto globale e si presentano anche se si permette un
certo livello di casualità nel comportamento, tenendo quindi in considerazione singole deviazioni individuali
rispetto ai trend generali

FITNES DEL NODO


Nel modello B-A, il criterio principale per collegarsi a un nodo è il numero dei suoi collegamenti. Ma in
molte situazioni reali, altre proprietà indipendenti dal numero di link sono più importanti per attirare nuovi
collegamenti.
Una potente forza nella formazione delle reti sociali, secondo l’evidenza sociologica, è la tendenza generale
a collegarsi fra individui simili-> omofilia.
Una caratteristica della dinamica B-A è che i nodi più vecchi hanno un vantaggio cumulativo rispetto ai
nuovi. Ma questo non succede sempre nella pratica. Per esempio vecchie glorie del www come i motori di
ricerca Mangellan o Excite sono caduti nel dimenticatoio e sono stati surclassati da YAHOO! e GOOGLE.
I nuovi arrivati hanno alle volte delle proprietà intrinseche che li rendono molto più attraenti di quelli vecchi
( Facebook Twitter ) . Se questo è il caso, allora la connettività di una rete non dipende esclusivamente dal
grado dei nodi, come nel modello B-A. Al contrario, una particolare caratteristica di ciascuno dei nodi può
svolgere una funzione importante nelle sue capacità di ottenere link.
Questa caratteristica viene indicata con il nome di fitness del nodo, o come variabile nascosta, una
proprietà che dà forma alla struttura della rete senza essere deducibile dal numero delle connessioni.
Il modello della fitness sembrerebbe un meccanismo iper-semplificato, ma in alcuni casi funziona
perfettamente : poniamo per esempio che la fitness sia il Pil. La regola del collegamento è che > è la fitness
di due paesi, > è la probabilità che essi si colleghino. In questo meccanismo si arricchisce non chi è più ricco
ma chi ha più fitness; si tratta di un meccanismo diverso dall’omofilia. Questo suggerisce che il meccanismo
fondamentale sottostante all’auto-organizzazione della rete mondiale del commercio viene catturato dalla
semplice dinamica del modello di fitness.
Come accade con il collegamento preferenziale, è improbabile che il meccanismo della fitness agisca in
tutte le reti. Mentre il modello B-A è plausibile e si applica a reti in crescita, il modello della fitness funziona
anche con reti statiche in cui il numero di nodi è essenzialmente sempre lo stesso. Ciò nonostante i due
modelli possono funzionare allo stesso tempo : nel 2001 i fisici Ginestra Bianconi e Alber Barabasi avevano
già introdotto l’idea di fitness in un modello con collegamenti preferenziale, dimostrando che l’azione
combinata dei due meccanismi offre una buona predizione delle proprietà topologiche di internet. Bisogna
anche sottolineare che il modello di fitness non genera necessariamente reti con distribuzioni del grado
coda lunga. In ogni caso questo non è un limite, ma un aspetto positivo, che permette di applicarlo a reti
non eterogenee come quella del commercio mondiale .
VARIETA’ DI STRATEGIE
In certi contesti matrimoni e relazioni sociali in generale non sono influenzati tanto dalla popolarità o dalla
similarità . in molti casi esistono vincoli spaziali ( infrastrutture : treni ) -> i vertici della rete sono collegati
allo spazio fisico; in altri casi esistono vincolati al tempo ( gli articoli scientifici)

CAP.7
NUCLEI, PERIFERIE E DINTORNI
La distribuzione del grado dà molte informazioni sulla struttura generale di un grafo, per esempio, sulla
presenza o meno di hub. Però non dice tutto sul grafo.
In alcune situazioni non è sufficiente sapere << quanti amici hai>> ( il tuo grado): è necessario, piuttosto,
sapere anche quanti amici hanno i tuoi amici,.
Consideriamo, per esempio, due reti con lo stesso numero di nodi e connessioni : questi nodi possono
avere esattamente gli stessi gradi, ma le connessioni possono essere disposte in modo che i grafi risultanti
siano molto diversi. Il grado è una caratteristica locale di un vertice. Per catturare la struttura più fine delle
reti, è necessario scavare più a fondo, e trovare misure che definiscono i dintorni di un nodo: i suoi vicini, i
vicini dei suoi vicini .

MESCOLANZA ASSORTATIVA E MESCOLANZA DISASSORTATIVA


Miscela assortativa: è una forma speciale di omofilia, nella quale i nodi tendono a collegarsi con nodi simili
a loro in termini di numero di collegamenti. Al contrario, la Miscela disassortativa : i nodi di alto grado e
basso sono più collegati fra loro.
Quando i gradi dei nodi collegati sono correlati positivamente, la mescolanza è assortativa, quando lo sono
negativamente, è disassortativa.
Normalmente, la presenza di queste strutture mischiate è il risultato di qualche meccanismo non ovvio che
agisce nelle reti, qualche forma di auto-organizzazione.
Correlazioni di questo tipo sono presenti in quasi tutte le reti reali .Anche se non è una regola generale,
molte reti tecnologiche e naturali tendono ad essere disassortative, mentre le reti sociali tendono ada
essere assortative .
L’assortatività e la disassortatività del grado è solo un esempio delle possibili correlazioni che condizionano
i nodi. Laumann e Youm mostrano che gli afroamericani, più di altri gruppi, tendono ad avere rapporti con
partener della loro comunità. Quindi quando un’infezione entra nella comunità, vi rimane “intrappolata”.
Questo semplice effetto incrementale di 1,3 volte la probabilità per un afroamericano di avere un’infezione
a trasmissione sessuale rispetto a quanto avviene per uno statunitense bianco. In questo caso, la
correlazione non viene dal grado, ma è una forma di omofilia relativa a una caratteristica intrinseca di ogni
nodo, ovvero la sua identificazione etnica.

L’EGO NETWORK E I BUCHI STRUTTURALI


Cosimo de’ i Medici, era al centro di una rete di connessione con molte delle case dominanti. E senza di Lui
molte case dominanti non avrebbero avuto collegamenti ( o addirittura inimicizie) tra loro .
La rete che aveva Cosimo al centro è un esempio di ego network, un grafo costituito da un insieme di nodi
con collegamenti diretti a un nodo centrale (l’ego) e alcuni collegamenti fra loro. Quando uno di questi
ultimi collegamenti manca (ovvero, due vicini dell’ego non sono vicini fra loro) la rete ha un buco
strutturale. La rete di Cosimo era piena di buchi strutturali e la sua famiglia fu capace di usarli per mettere
in pratica una strategia: dividi et impera, i Medici venivano considerati come un terzo indipendente in molti
conflitti e le famiglie chiedevano la loro mediazione nelle rispettive relazioni con le altre famiglie. Tuttavia,
esser circondato da buchi strutturali non è sempre positivo per una persona.
TRANSITIVITA’ E IL COEFFICIENTE DI CLUSTERING
Diverse distribuzioni dei buchi strutturali conducono a diverse situazioni. Per esempio, uno scienziato che
lavora in un campo altamente specializzato è normalmente legato ad altri scienziati dello stesso campo, che
probabilmente saranno collegati tra loro.
In questo caso, non importa il tuo grado (ovvero quanti amici hai) o se per esempio il tuo grado è simile o
diverso dal loro ( chi sono i tuoi amici) . Quello che conta è chi sono gli amici dei tuoi amici, in particolare se
i tuoi amici sono anche amici tra loro. Questo concetto viene chiamato transitività o Clustering .
Consideriamo una persona con due amici : terzetto connesso. Se i due amici sono amici tra loro
costituiscono anche un terzetto transitivo o triangolo. Il rapporto fra quantità di triangoli in una rete e il
numero totale di terzetti connessi è l’ingrediente fondamentale del coefficiente di Clustering delle reti.
Questa è una misura della densità dei triangoli in un grafo, ovvero la sua transitività complessiva .
In una rete casuale : i grafi hanno esattamente la quantità di triangoli che emergono da una disposizione
puramente casuale delle connessioni.
Il coefficiente di Clustering in quasi tutte le reti reali è invece superiore a quello delle loro controparti
casuali.
Questo suggerisce che questa transitività extra sia generata da qualche processo di auto-organizzazione.
L’alto livello di clustering di molte reti suggerisce inoltre che ci devono essere gruppi in cui “ tutti sono amici
di tutti “. A prima vista questo sembrerebbe contraddire la proprietà del mondo piccolo: le reti sono dei
mondi “aperti”, in cui ognuno è a pochi passi da ogni altro, o al contrario sono una somma di gruppi
fortemente collegati al loro interno e separati dagli altri? In realtà, non c’è una contraddizione reale fra
queste due caratteristiche: ciò si può dimostrare dando un’occhiata più attenta al modello di Watts-
Strogatz. ( visto anche nel cap4)
Il modello comincia considerando un circolo di nodi, ciascuno dei quali è collegato con i suoi primi e secondi
vicini, come villaggi sperduti che si scambiano merci solo con villaggi vicini. Questa è una struttura
completamente clusterizzata, in cui tutti i partner commerciali di un villaggio sono partener commerciali fra
loro. Successivamente il modello permette di riallacciare qualche link a nodi scelti a caso . Un piccolo
numero di strade riduce fortemente la distanza fra qualunque coppia di villaggi del sistema. Ma allo stesso
tempo, si potrebbe pensare che la densa struttura commerciale locale è alterata, abbassando
drasticamente il livello di clustering. W-S dimostrano invece che la diminuzione del clustering è meno forte
della diminuzione della distanza media. In pratica per ottenere una significativa riduzione della transitività,
bisogna riannodare quasi tutti i nodi. Ma a questo punto la rete è formata, praticamente, solo da
connessioni casuali. Poiché diventa un grafo casuale ( random) , è normale che il Clustering sia basso.
La morale è che le reti ( che non sono né articoli ordinati né grafi casuali) possono avere clustering molto
alto e una distanza media bassa allo stesso tempo.
Un altro punto interessante, è che in quasi tutte le reti il clustering di un nodo dipende dal grado di quel
nodo. Spesso quanto è più alto il grado di un nodo, tanto più basso è il suo coefficiente di clustering. I nodi
di grado basso tendono ad appartenere a comunità locali ben interconnesse. Gli hub, invece sono collegati
con molti nodi che non sono interconnessi direttamente. (clustering molto alto ?)

LA REGOLA DEI TRE GRADI E CENTRALITA’ DI INTERMEDIAZIONE


Le persone collegate tendono ad avere sentimenti simili : le persone felici tendono a raggrupparsi fra loro,
gli infelici fanno lo stesso.
Christakis e Fowler hanno trovato un evidenza interessante : la felicità di una persona è influenzata dalla
felicità di persone che non sono suoi vicini immediati. L’effetto felicità a due passi ( amici degli amici) è di
circa il 10%, a tre passi ( amici degli amici degli amici) è circa il 6%. Questo effetto sparisce al quarto passo.
I due sociologi altri scienziati hanno riscontrato risultati simili per obesità, tabagismo etc.: in tutti questi
casi, l’influenza e l’informazione arrivano a persone da tre gradi di distanza al massimo.
Questa regola dei tre gradi, presente in molti processi sociali, è un esempio di diffusione iper-diadica:
ovvero, la diffusione di un fenomeno al di là delle relazioni diadiche, quelle fra primi vicini. In questo caso
non conta né il grado di un nodo, né le connessioni fra vicini. L’influenza va oltre il circolo immediato di
ciascun nodo.
In questo tipo di dinamiche, un nodo può essere più o meno importante, in funzione del numero di
collegamenti che lo attraversano.
Per catturare questa idea il sociologo Linton C. Freeman introdusse il concetto di centralità di
intermediazione ( betweenness). La centralista di betweenness di un nodo è essenzialmente la parte di
questi cammini che passano per quel nodo. Più grande è questa frazione più è centrale il nodo. (vedi
Cosimo dei Medici)
I nodi centrali normalmente agiscono come ponti o colli di bottiglia: sono una fermata quasi obbligatoria
nel traffico che si sviluppa nella rete. Per questa ragione, la centralità è una stima del peso che ciascun nodo
della rete deve poter sopportare (assumendo che il traffico passi sempre per cammini più corti: questo non
accade sempre, ma è una buona approssimazione).
Per lo stesso motivo danneggiare i nodi centrali (per es portare all’estinzione una specie centrale ) può
ostacolare radicalmente il flusso di una rete.
A seconda del processo che si vuole studiare si possono introdurre altre definizioni di centralità. Per
esempio,
 la centralità di closeness calcola la distanza di un nodo da tutti gli altri

 la centralità di cammino contiene la porzione di tutti i nodi che può essere raggiunta con un solo
passo, con due passi, con tre passi e così via.

Il comportamento della centralità in molte reti reali è un ulteriore segnale della loro eterogeneità. In molte
reti esibisce la tipica coda lunga di una distribuzione eterogenea. La centralità media non è una buona stima
della centralità di un nodo qualsiasi, perché questa grandezza varia molto intorno alla media: pochi nodi
sono i principali colli di bottiglia di quasi tutti i cammini della rete, e c’è tutta una gerarchia di nodi meno
centrali.
Data l’importanza dei nodi più centrali, è naturale chiedersi se essi coincidono con gli hub della rete. In
molte situazioni, questo è vero.

MODULARITA’, MOTIVI E COMUNITA’


Il grado, la correlazione, il Clustering e la centralità danno informazioni su un nodo singolo, i suoi dintorni
immediati e la sua posizione nell’insieme della rete, ma non catturano le strutture discrete in cui è suddiviso
il grafo. Vi è infatti da tenere conto che , tutte le reti hanno po’ di modularità ma non sempre è possibile
analizzarla chiaramente, non è stata ancora trovata una soluzione.
La forma più semplice di modulo è un motivo: una struttura di collegamenti fra pochi nodi ripetuta identica
in tutta la rete. ( un carnivoro mangia due specie diverse e questi mangiano a sua volta la stessa pianta)
Queste strutture non sono il risultato del caso: i motivi appaiono molto frequentemente nelle reti
ecologiche reali e nelle loro controparti casuali ( reti con la stessa quantità di nodi connessi, ma con queste
ultime disposte a caso). In generale, nelle reti più grandi si possono isolare molto sottoinsieme di nodi e
archi che potrebbero essere motivi. Una sottorete, però, è considerata un motivo rilevante solo se si ripete
in una rete con una frequenza superiore alla sua controparte casuale.
I motivi sono una specie di moduli di piccola scala ripetuti
Ma quando si pensa alla comunità, normalmente cercano grandi partizioni di una rete, come i
compartimenti di una rete ecologica, la comunità online, le aree disciplinari ecc.
Queste strutture non mostrano un’architettura regolare e ripetitiva.
(Pag 112-113 se vuoi esempi)
CAP.8
TEMPESTE PERFETTE NELLE RETI
I nodi possono rappresentare entità individuali (persone, pc, specie, geni.) che si scambiano materia e
informazioni (pacchetti di dati, energia..) o luoghi ( paesi, aeroporti) che si cambiano entità individuali
( merci, passeggeri) .All’interno di questa classificazione molto ampia, le dinamiche possibili sono infinite.
Perché le reti sono il contesto attuale per queste dinamiche? come influisce la struttura dei grafi su questi
processi? Una risposta generale è impossibile, ma in molti casi possiamo vedere che l’organizzazione
eterogenea e non casuale delle reti sottostanti fa la differenza per i fenomeni che si sviluppano su di esse.
18 Luglio Baltimora : un treno deraglia scatenando un incendio. Internet subisce un rallentamento in diversi
stati della costa est. L’incendio aveva bruciato delle fibre ottiche che percorrevano il tunnel appratenti ad
alcuni dei più importanti Internet Service Provider del paese. Internet subisce incidenti di questo tipo ogni
giorno. E’ come se la rete tollerasse una certa quantità di disfunzioni croniche senza troppi problemi. In
qualche modo il traffico utilizza percorsi alternativi. Eppure come la maggior parte delle reti, Internet non
ha molti link ridondanti né è particolarmente densa. Da queste caratteristiche sarebbe naturale che vada in
panne. Quanti errori può tollerare internet? E quali sono gli errori che causano il collasso ?
Molti scienziati hanno realizzato simulazioni di incidenti, rimuovendo nodi. Dopo la rimozione di una
frazione di nodi, controllano se i nodi sopravvenienti sono ancora connessi (ovvero se una componente
connessa gigante è ancora nella rete) e vicini ( ovvero se la distanza media è ancora corta).
Quando si realizza questa operazione su una rete casuale, dopo poche rimozioni la distanza cresce
velocemente e il grafo si rompe in molte componenti sconnesse. ( dopo la rimozione di metà dei nodi).
Quando la stessa procedura si realizza con una rete eterogenea (mappa di rete reale o un modello
invariante di scala di dimensioni simili), la componente connessa gigante resiste anche dopo la rimozione di
più del 80% dei nodi, e la distanza tra loro è praticamente la stessa dell’inizio.
La scena è diversa se si comincia levando i nodi più importanti della rete, gli hub. In questo caso il collasso
avviene molto rapidamente sia nella rete omogenea che in quella eterogenea. Tuttavia, la più vulnerabile è
la seconda: mentre nella rete omogenea è necessario rimuovere 1/5 dei nodi collegati per distruggerla,
nell’eterogenea questo accade dopo aver rimosso pochi hub. In queste reti gli hub sono i responsabili della
coesione del grafo. Allo stesso tempo gli hub sono anche l’asso nella manica di queste reti, quando sono
esposte a errori o incidenti: quando i nodi vengono rimossi a caso, il più delle volte i nodi selezionati
vengono dalla gran massa di nodi di grado basso, quindi la rete si mantiene coesa, almeno fino a che gli hub
si mantengono intatti. Questo comportamento si comprende meglio se consideriamo che il grado è
normalmente correlato alla betweenness: i nodi di grado alto sono spesso ponti attraverso i quali passano
molti percorsi fra i nodi della rete. Quando un danno casuale viene applicato alla rete, i pochi hub vengono
colpiti raramente. Finché gli hub non vengono toccati, garantiscono la connettività necessaria: i cammini
che attraversano gli hub mantengono in collegamento le aree funzionanti della rete danneggiata. Nelle
poche reti in alcuni nodi di grado basso hanno un’alta betweenness e fungono da ponti (come accade in
certi aeroporti), attaccare gli hub causa un danno, ma attaccare i nodi più centrali può essere la strategia
letale!!
Caso Mafia boy: il ragazzo condannato il giorno dopo l’attacco alle torri gemelle aveva attaccato YAHOO,
EBay, Amazon .Lui non ha rappresentato una vera e propria minaccia per Internet.
Caso “ELIGIBLE RECEIVER”: 1977 iniziarono a circolare delle voci su una potenziale simulazione bellica,
sviluppata dalla Security Agency, per verificare la sicurezza delle infrastrutture elettroniche degli USA.
L’attacco non aveva colpito dei nodi a caso ma degli Hub).

Anche nelle epidemie l’eterogeneità fa la differenza. Gli studi sugli incidenti e gli attacchi hanno mostrato
che gli hub mantengono in connessione diverse parti delle reti. I loro numerosi collegamenti li mettono in
contatto con molti individui, sani malati. Sono i super diffusori di epidemie. Una strategia potrebbe essere
immunizzarli, ma è presente un problema pratico: nessuno conosce completamente la mappa delle
connessioni sociali del gruppo umano. (Dugas il paziente zero)
(PAG 128-129)

LA DIFFUSIONE SOCIALE E IL MARKETING VIRALE


Questa resistenza dai virus informatici, può essere trasformata in una risorsa quando si vuole disseminare
informazioni in una rete eterogenea. Questo è il principio del marketing virale .
Grazie ai social network, oggi il WWW è pieno di video, giochi e applicazioni “virali” che ogni giorno
vengono inoltrate da centinaia di migliaia di persone ai loro contatti. Uno dei primi esempi, abbiamo già
accennato è stato Hotmail (1996).
Il marketing virale sfrutta un fenomeno psicologico chiamato diffusione sociale. Si tratta della tendenza
generale delle persone a imitare il comportamento dei loro contatti e diffondere pettegolezzi, dicerie e
idee. Il fatto che persone collegate condividono comportamenti o caratteristiche simili si puo’ spiegare con
tre cause :
1) Fattori esterni come appartenenza alla stessa classe sociale: le persone delle classi sociali più basse
hanno un rischio superiore di sviluppare dipendenze da tabacco o diventare obese; allo stesso tempo è più
è probabile che stabiliscano legami sociali tra loro piuttosto che con persone di classe più alta.
2)Omofilia per esempio persone che fumano tendono a fare amicizia con persone che fumano
3)Diffusione sociale se sei amico di un fumatore, per esempio, è più probabile che tu prenda in
considerazione l’idea di fumare
Probabilmente tutti e tre i meccanismi agiscono simultaneamente, ma la diffusione sociale è il meno ovvio
e non dovrebbe essere sottovalutata .Secondo i sociologi non è una condizione specifica che si diffonde
( obesità, tabagismo etc..): piuttosto si tratta della diffusione di norme su cosa si considera appropriato e
cosa no.

CAP.9
FAME DI BIG DATA
Primo limite della scienza delle reti: fame di big data. I dati estrapolati nelle scienze sociali tramite
inchieste, questionari, sono costosi in termini di tempo e denaro e volte sono condizionati da un certo
livello di soggettività.
I dati estratti dalle tecnologie di informazioni( telefonate e-mail social network) offrono un accesso alle
relazioni sociali delle persone, ma pongo anche notevoli problemi. Tra i più significativi annoveriamo quelli
etici : il data mining con reti crea problemi legati alla privacy e all’uso militare delle tecnologie.
Inoltre, i dati sono disponibili solo in parte. (CAMBRIDGE ANALITICA)
Una volta che i dati sono poi disponibili, rappresentarli come un grafo è un’operazione inevitabilmente
riduzionista. Concentrarsi sulla topologia è uno dei punti di forza dell’approccio delle reti, ma ignora molti
caratteristiche specifiche degli elementi. Se siamo interessati proprio a quelle caratteristiche
l’approssimazione dei grafi può risultare inadeguata.

Limiti dell’approssimazione per grafi :

 La rappresentazione per grafi può risultare carente quando la geografia(la localizzazione fisica dei
nodi ) è più importante della topologia ( la posizione degli aeroporti, per esempio, è fondamentale
per l’organizzazione delle connessioni)

 Un altro aspetto che può sfuggire è il tempo (nella trasmissione di malattie sessuali i momenti in cui
una relazione potenzialmente contagiosa viene stabilita è cruciale)
 È necessario stabilire una soglia al di sotto della quale la relazione viene considerata debole per
essere registrata (aggiungere un peso a un link o stabilire una soglia influisce radicalmente sulla
forma della rete, bisogna farlo quindi sulla base di ragioni solide)

Una volta che i dati sono stati rappresentati come un grafo è essenziale interpretare la struttura risultante
(necessaria analisi matematica).

CRITICA ALLA SCIENZA DELLE RETI


Una delle critiche ricorrenti è che non tutte le reti complesse hanno una distribuzione eterogenea del grado
(e in ogni caso questa non è mai una legge di potenza matematica esatta).
Non è imprescindibile avere una legge di potenza perfetta, quello che conta è che si manifesti la coda lunga
per rilevare l’esistenza di hub.
Interpretare l’eterogeneità come un segnale di autoorganizzazione è stato criticato, sottolineando che in
tutte le reti c’è un certo livello di pianificazione, come nel caso della progettazione dettagliata delle reti
locali da parte dei system manager. Tuttavia, non c’è dubbio che internet, come molte altre reti non è stato
progettato su larga scala. Inoltre, l’eterogeneità del grado è solo uno dei segnali della complessità delle reti.
Si trova eterogeneità anche in altre caratteristiche, come la betweenness, il clustering, i pesi ecc.…e la
complessità è visibile anche in caratteristiche diverse dell’eterogeneità : per esempio, la modularità, e la
struttura di comunità che spesso deviano da quelle che deriverebbero dalla pura casualità e hanno effetti
importanti sulle dinamiche che si sviluppano nelle reti.
Un'altra critica punta al fatto che la scienza delle reti non ha trovato similitudini generiche fra diversi
sistemi e dinamiche, non vere classi di universalità, intendendo come tali gruppi di diversi fenomeni che
corrispondono alle stesse leggi matematiche basiche, al di là di alcuni dettagli.
In realtà la scienza delle reti ha mostrato un certo carattere predittivo in diversi campi. Si sta utilizzando
nelle consulenze, nel sistema sanitario , nell’ambito militare e via dicendo . Ci sono, certamente, una serie
di problemi ancora in corso; tuttavia si ritiene che soprattutto nella complessità del mondo contemporaneo
sia essenziale imparare a leggere le reti.

CONCETTI CHIAVE:

Le reti:
 sono l’attuale paradigma organizzativo dominante all’interno della società di informazione.

 Sono strutture aperte e dinamiche :crescono e si evolvono ( nuovi nodi si aggiungono alla rete)
La rete è anche una prospettiva analitica e interpretativa di fenomeni e processi differenti.

 Seguono la legge di potenza: l’attacco di alcuni hub ne determina la fine.

 Uno dei primi modelli di reti era un modello casuale il n° dei legami di ciascun nodo era assegnato
in modo casuale. Successivamente W-S scoprono che la società è clusterizzata e questo porta a uno
small world ( mondi piccoli),ovvero, se io voglio raggiungere qualsiasi individuo lo raggiungo in
maniera veloce .

 Le reti non passano dalla casualità all’ordine né si trovano al margine della casualità e del caos.
RETI A INVARIANZA DI SCALA : reti in cui i legami sono distribuiti secondo una legge di potenza, essa
dimostra che gli hub esistono come principio ordinatore delle reti .
Conseguenze reti a invarianza di scala:

-Effetto San Matteo ( MERTON)  DISUGUAGLIANZE CRESCENTI

-Resilienza capacità di auto-aggiustamento ( la rimozione casuale di nodi non distrugge la rete,


mentre la rimozione di hub può far collassare l’intero sistema) ROBUSTEZZA E FRAGILITA’ DEL
NETWORK

Proprietà delle reti:


1. La crescita non basta a spiegare la legge di potenza  nel web nessuno si collega a caso;
l’aggiungersi di nodi spesso segue la legge preferenziale( collegamento preferenziale)

2. Collegamento preferenziale (attaccamento)  la velocità con cui un nodo attrae nuovi link e’
proporzionale al n° di link. Le reti non sono democratiche. La crescita introduce la variabile
temporale nello sviluppo delle reti: un nodo presente da più tempo avrà maggiore possibilità di
creare e attrare legami (ma il tempo non è tutto vedi terza proprietà )
legge di zipf: principio dello sforzo minimo (funziona anche con le parole usare sempre le stesse
parole è un attaccamento preferenziale)

3. Fitness (l’anzianità non basta) capacità di un nodo di attrarre nuovi legami : non cancella la
crescita e l’attaccamento preferenziale, ma si inserisce come ulteriore meccanismo nell’evoluzione
delle reti. Possiamo assumere che il collegamento preferenziale sia frutto del prodotto tra fitness e
numero di legami (anzianità) di un nodo. (VEDI GOOGLE ha sostituito ALTAVISTA non sempre il
primo arrivato vince tutto)

HUB collegati ad un elevato di nodi, accorciano le distanze. Per ammettere la loro esistenza dobbiamo
abbandonare una volta per tutte la loro prospettiva causalistica. Essi seguono leggi matematiche la cui
portata e ubiquità ci costringono a rivedere la nostra concezione delle reti. La loro presenza è spiegata con
la legge di potenza.
GRAFO forma grafica che sintetizza i legami tra nodi, insieme di nodi connessi da link.(matrici e grafi
possono offrire le solite informazioni)
NODI  possono essere nazioni contenuti siti web ..
GRAFO ORIENTATO  con la freccia, ad es su Twitter posso parlare con tutti su Facebook solo con gli amici
e questo influisce sulla comunicazione .(su Twitter se 1 risponde diventa bidirezionale) e questo a sua volta
influisce sull’engagement ( meccanismo che serve per comprendere se determinati contenuti acquistano
popolarità)
TH.GRAFI CASUALI th. Secondo cui, costruendo dei legami interpersonali a caso si ottiene una società
altamente democratica. Spiega come via via che le medie dei link per ogni nodo crescano, superando la
soglia critica, il numero dei nodi che restano fuori del cluster gigante decresce esponenzialmente. Vale a
dire più link aggiungiamo, più è difficile che i nodi rimangano isolati. Applicato alla società ci dice che tutti
abbiamo lo stesso numero di amici e conoscenti
BARABASI LEGGE DELLA FISICA IN GRADO DI SPIEGARE COME FUNZIONANO I NETWORK SU LARGA SCALA
(HUB E CONNETTORI)
GRANOVETTER (1974)  LA FORZA DEI LEGAMI DEBOLI
WATTS E STROGATZ (1998) COEFFICIENTE DI CLUSTERING , occorrono pochi link per ridurre
drasticamente la separazione media tra i nodi, società clusterizzata.
MILGRAM  SEI GRADI DI SEPARAZIO (THE ORACLE OF BACON )
FLOWER,CRISTAKIS(2008) CLUSTER TRISTI E CLUSTER FELICI (esperimento Kramer,Hancok &co(2014):
modificano di nascosto la time line di alcuni soggetti esponendoli a contenuti tristi o felici, viene dimostrato
che le persone esposte a più del 10% postavano post più felici, mentre gli esposti a contenuti tristi erano
meno attivi).