本文基于Frank Schweitzer教授长文Modeling social resilience: Questions, answers, open problems整理而成
介绍
“韧性”这个概念被用在了各种研究中，这使得这个概念的内涵似乎变得越来越复杂。为什么有些系统能够在危机和冲击中成功坚持下来甚至得到进一步发展，而在同样的条件另一些系统则逐渐崩溃失败？这便是韧性的作用和体现。不同级别的韧性使系统发展产生了不同的结果。对韧性最常见的定义，是系统抵御冲击及其从冲击中恢复的能力，这样的描述已经暗示了韧性的特征：
1. 韧性是一种系统属性，而不是系统内元素的属性，
2. 韧性不是特定系统的专属，它似乎是系统的一般属性，
3. 韧性被描述为对冲击的反应，即只有在出现冲击或扰动时才能被识别，
4. 韧性不是静态属性，因为冲击和恢复是依赖于时间的过程。
韧性是有针对性的，一个系统是否具有韧性得考虑冲击的类型和强度。某个系统可能对地震的影响具有鲁棒性，但对疾病的传播却没有。系统即使在存在各种扰动的情况下也可能是鲁棒的，但一旦受到严重冲击的影响，它就不会恢复，这也不能被视为具有韧性。对冲击的反应和恢复能力都是系统特定的，因此很难一概而论。这也阻碍了对韧性更精确或正式的定义。不应期望存在适用于各种类型系统的通用韧性概念。事实上，韧性概念在不同学科之间存在差异，有时甚至在同一学科内也存在差异。
下文介绍了一种框架，使用基于智能体和网络模型估计一个社会系统中的关系和个体对社会系统的影响。该框架能够即时计算稳健性和适应性，以评估组织的韧性。以往的智能体和网络模型更倾向于对微观层面的配置研究或是使用网络的拓扑特征描述节点之间的关系。现在，通过两者的结合，注意力被转移到了宏观属性上，有了这个，社会组织的正式建模可以提升到一个新的水平。它还将影响另外两种韧性研究，即工程和生态韧性。
韧性的内含
虽然韧性的具体含义可能因学科而异，但也存在概念上的共性。如下图所示，韧性与鲁棒性和适应性这两个概念有关。前者指系统承受冲击的特性，代表了系统的结构，后者指系统克服冲击的能力，体现了韧性的动态属性。
应该结合这两个维度来解释韧性，但简单地采用现有的稳健性和适应性概念可能会导致对社会系统的误解。很多时候，对这些概念的理解建立在对冲击的负面看法之上。这忽略了“创造性破坏”的作用。稳定的系统不会进化，因此，对它们的稳定性的挑战是进化的动力之一。社会组织也是如此。关于鲁棒性和适应性的讨论不应该只关注维持现状，韧性意味着以可持续的方式应对变化。
韧性与鲁棒性的区别在于恢复能力。一个工程不会自行恢复，它们必须通过人类活动重建或改进。韧性作为一种系统属性，不能简化为抵御极端冲击的鲁棒性，它必须从更广泛的角度出发，以帮助理解为什么以及何时小事件可以变成大灾难。在有些情况下，系统不会返回到先前的平衡状态，而是进入另一个可能的平衡，这可被理解为一个适应的过程。韧性可以隐含地定义为系统在不改变自组织过程和结构（定义为替代稳定状态）的情况下可以承受的干扰量，这补充了生态系统“稳定性stability”或工程系统“鲁棒性robustness”的概念。
韧性不能简化为系统一成不变的保持稳定状态，有韧性的系统应能够在稳定和不稳定之间保持平衡。稳定状态中，韧性表现为一定程度的鲁棒性以抵抗小的扰动，而在不稳定状态下，系统则通过适应进行发展。
在一个网络系统中，鲁棒性与连通性有关。连通性和鲁棒性相辅相成，但连通性的增强也会导致高度的内部控制和有限的应对干扰的潜力，即降低了系统的适应性，超过某个临界值的稳健性可能会对韧性产生负面影响。潜力则决定了未来备选方案的数量，意味着系统的适应性。
什么是社会韧性以及如何建模
了解社会韧性的需要通常是由我们社会今天面临的许多危机所激发的。社会的脆弱性已得到广泛认可，从流行病到政治两极分化，从气候变化到预算危机，从基础设施崩溃到贫困人口迁移。因此，社会的韧性不能与生态系统、政治系统、基础设施系统、金融和经济系统等的韧性脱钩。那我们应该如何对所有这些相互依赖的关系建模？社会是系统的系统（网络的网络）。要了解社会的韧性，需要对这些系统的相互作用进行建模。下图是四步方法：
首先我们需要定界delimitation
我们的重点是社会组织或集体。社会组织一词是指由相互关联的个人组成的正式或非正式团体，他们追求集体目标并融入环境。这种系统不是单纯的人的集合（例如共同使用某种设施的使用者的集合），其中的人应都具有共同目标并为共同利益作出贡献。在大多数情况下，集体目标不仅仅是生存。对于一个组织系统而言，其面临的冲击主要来自嵌入该组织的其他系统，而不是内生性的。例如对于社区韧性（社区对自然灾害或气候变化的反应）的研究。
当我们重点关注那些从冲击中恢复过来并将危机转化为优势的组织，可以发现社会韧性的影响因素可能有三方面：1.对干扰的脆弱性（易感性），2.对脆弱性的预期或感知水平，3.适应能力（学习能力、学习意识、创造力）、灵活性或流动性。
在生态系统中，可以通过生物量生产或恢复率，也可以通过经济学指标如生产力和效率措施度量生态系统韧性。对于工程韧性，可以通过性能函数下的积分来计算。但在社会韧性方面，缺少全局的度量变量及可用的衡量数据。
第二步是概念化conceptualization
生态系统通常使用系统动力学的概念建模，其中物种由密度描述。食物网中不同物种之间的相互作用由微分方程表达。这种方法不关注个体，大多数情况下也不需要关注个体。工程系统的模型通常使用控制理论中的概念，需要对组成元素的关系有精确的模型。这些概念不适合描述社会韧性，因为社会韧性更不稳定，更能应对冲击且没有明确的参考状态。
我们的出发点是社会组织是复杂的适应性系统。其中包含大量交互系统元素，通常表示为智能体。从复杂系统的角度来看，系统属性（例如韧性）需要被理解为从智能体的交互中产生（涌现）。因此，我们必须从微观或智能体层面而不是宏观或系统层面开始，为社会韧性开发一个自下而上的视角。这符合分析社会学的方法论原则，即从微观过程中解释宏观社会现象。
为了形象化智能体的动态及其关系，我们将基于智能体的建模与时间多层网络模型相结合。智能体作为网络的节点，具有不同的属性，例如状态、角色、知识、观点，这些属性取决于其他智能体并且可以随时间变化。此外，智能体是异质的，它们可以是不同的类型，甚至在一种类型中它们的属性也不相同。我们必须明确地对智能体进行建模，以克服仅基于网络拓扑特征来描述社会系统功能的方法。
智能体的交互和他们的社会关系被捕获在不同的网络层中，这些层随着时间的推移而演变。这还要求我们明确地对交互进行建模。特别是，我们必须区分随机交互和有意义的交互（交互的重要与否），并找到从交互数据中推断角色和社会关系的方法。
第三步是表达representation
网络是表示复杂系统的一种方式。网络的节点是智能体，节点 i 和 j 之间的链接 aij 表示它们的关系或交互。网络方法侧重于拓扑结构，但是研究网络拓扑只能在一定程度上揭示有关个人和集体的隐藏信息。因此，必须通过智能体的显式模型来扩展网络方法。对于组织的韧性而言，重要的是智能体之间的社会关系 ωij。这些通常是符号关系，即它们具有正号或负号。
对社会组织建模的主要挑战之一来自于巨大的异质性，不仅在智能体的属性中，而且在他们的互动中。以开发人员为例，开发人员可以通过同一代码连接，代码也可以通过同一开发人员连接，这表现为一种双向的网络。
根据这些考虑，通过网络表示组织的起点不是智能体之间的社会网络，而需要从他们的关系（知识图）开始。从知识图中可以根据不同类型的关系构建多层网络。通过将拓扑结构表示为张量，多层网络可用于数学研究，例如光谱分析方法。网络还可以通过超图的形式将一组智能体作为一个整体与其他智能体进行关联，以简化链接。在多层网络中，超图允许通过层间链接对不同大小的组之间的交互进行建模。
从数据构建的集体网络具有一定的不确定性，理想情况下，我们需要一个概率分布，为所有可能的网络分配一个发生的概率。这样的网络集成在很大程度上取决于智能体形成链接的规则或阈值。通过gHypEG（Generalized Hypergeometric Ensemble of Graphs）的方法，引入了二元链接倾向 Ωij来捕获节点形成链接的偏好。比率 Ωij/Ωik 是绘制链接 (i,j) 而不是链接 (i,k) 的几率。这些倾向反映了同质性或互惠性等社会机制。Ωij可以通过多重网络回归来获取。每个网络层将智能体之间不同类型的已知关系编码为解释变量，然后通过拟合 Ωij 确定每一层对作为因变量的交互计数的影响，使得观察到的网络具有最高的可能性。
通过校准的倾向，gHypEG 允许在给定生成链接规则（阈值）的情况下计算观察到的网络存在多少可能的配置。这意味着网络可能的潜力（适应性），可通过归一化香农熵进行量化。接下来，我们使用阈值 α 和网络整体的概率分布，用观察到的交互次数 a^ ij 过滤邻接矩阵。如果 Pr(Aij ≤ a^ij ) > 1 − α，则链接被保留，否则被删除（交互的重要与否的区分）。如果观察到的网络不是网络整体所期望的，我们必须使用迭代过程来改进概率分布。最后，我们可以将交互映射到具有正负符号的社会关系。利用 ωij = Pr(Aij < a^ij ) − Pr(Aij > a^ij ) 推断出两个智能体之间社会关系的权重和符号。下图展示了多边网络和经过操作生成的符号关系网络。
在时间维度上，网络动态有可能改变拓扑，因果路径模型被用于描述这一过程。在某个时间，网络中的某个链接可能处于不活动的状态。时间分量明显对个体智能体的中心性度量有影响，介数偏好被引入作为以智能体为中心性来量化其在传递信息中的重要性。以上不同的动态不断受到各种大小和来源的内部和外部冲击的扰动。内部冲击可能会导致智能体离开，从而引发一连串的退出和重组。外部冲击可能会改变组织中的工作条件和合作关系。由于动荡的动态，我们无法清楚地将冲击与“正常”动态分开，两者都发生在同一时间尺度上。我们的模型必须考虑各种同时发生的动态，包括个人的成长、进入和退出、内部重组和外部冲击。
最后一步是操作operationalization
量化韧性的自下而上方法必须从智能体开始。在每个组织中，智能体都有不同的重要性 ri，它反映了他们的等级地位、声誉、在组织中的地位、知识等。该量可以使用特征向量中心性（有向网络）或加权 k 核心中心性（无向网络）衡量。另一个重要的属性是社会影响力Ii，在这里，我们将社会影响定义为 Ii = ∑j wijrj = Iip − Iin。wij 表示智能体之间的加权和符号关系，可以是正数、负数或零。Iip 是所有正贡献的总和，而 Iin 是负贡献的总和。一个智能体的总影响力是其自身重要性与对他人施加的社会影响力之和，qi = ri + Ii。
我们基于结构平衡的概念提出了一种新的稳健性度量，加权平衡度量 Tijk（该理论此处不做展开）。结构平衡理论考虑了涉及三个主体的三元组。如果网络包含平衡的三元组，则假定网络是健壮的，即稳定的。为了确定平衡状态，经典方法仅考虑符号关系的符号，Sijk = sign(wij) sign(wik) sign(wkj)。如果 Sijk = 1，则三元组是平衡的；如果 Sijk = −1，则它们是不平衡的，并且有转变为平衡三元组的趋势，如下图所示。新的方法不仅考虑了符号和符号关系的权重，还考虑了三元组中涉及的智能体的影响。为了确定整个集体的结构平衡，加权平衡度量 Tijk 取算术平均值，⟨T⟩ = ∑Tijk/Nt，其中 Nt = ∥Tijk∥ 是网络中三元组的总数。Tijk用于量化鲁棒性。
理想情况下，最大韧性系统将具有最大的鲁棒性，即它可以承受任何冲击，以及最大的适应性，即如果冲击影响系统，它总是会恢复。这意味着韧性 R 应该随着鲁棒性 R 和适应性 A 的增加而增加，R(R, A) ∼ R ⋅ A。对于一个系统，如果系统处于不良状态，韧性应该随着改变的倾向而增加，而在良好状态下会降低（下图：韧性 R 作为稳健性 R^ 和变化倾向 P^ 的函数）。我们使用变化倾向 P^ 量化智能体的适应性。
最终，我们为社会组织的韧性提出以下函数形式：R(R^, P^) = R^(1 − P^) + P^(1 − R^)，P^ 是将潜力 P 缩放到0到1的数值，鲁棒性R^也通过了同样的处理。
韧性应是一种妥协。上述的框架反映了，高韧性意味着系统需要维护组织结构以抵御冲击，并同时能够在需要时快速改变这种结构以适应改变。改变的原因可能来自内部或外部。有韧性的组织必须达到即使事先不了解冲击也能做出反应的程度。它需要的不是刚性，而是流动性。但同时系统又需要稳定性，而不是脆弱性，这都取决于具体情况。因此，最大的韧性应该是一种折衷，以有效的方式平衡这些不同的需求。即，最佳韧性是鲁棒性和适应性之间的折衷。
软件开发团队的例子
使用git2net对Git储存库进行挖掘，提取开发人员的协作网络。
通常我们没有关于交互的数据，需要从观察到的事件的时间序列中推断它们。例如，根据协同定位数据，即关于两个个体 i、j 在给定地点的时间 ti 和 tj 的观察，我们需要检测时间间隔 ∆t = ‖ti − tj ‖。只有 Δt 低于给定阈值 Δtthr 的观察才算作相互作用。时间网络的动态关键取决于 Δt，谁可能影响谁的问题需要重建各种长度的时间路径。Pathpy专门被开发用于支持时间网络的分析。如果书面或口头文本可用，我们可以使用NPL情感分析来获取有关情感内容的信息，以推断社会关系（符号关系 ωij）。
如果需要额外的网络层，可通过R 包ghypernet进行网络回归（gHypEG）。该包还可用于从观察到的交互中推断出重要关系。gHypEG 校准后，便可计算潜力，可利用SciPy提供的一种计算给定多项式分布的熵的功能。
对韧性评估的方法主要基于针对特定智能体及其交互的干预。如果受影响的智能体做出适当的响应，则更改可以通过网络传播，从而影响未直接作为目标的智能体。
下图展示了模拟的情景，由k-coreness衡量，第一个情景是无干预，第二个情景是外围智能体干预，第三个情景是核心智能体干预，可以看到指标不同的变化情况。自下而上的网络干预可以提高组织的韧性。
结论
通过前文的讨论可以发现，有多种方法可以代表社会组织的稳健性、适应性和韧性。而我们为社会组织的韧性建模的框架有助于理解在什么情况下韧性会丧失。框架中的推理并没有以抽象的方式提及“鲁棒性”和“适应性”。相反，这些概念的变化与智能体的潜在属性及其动态交互联系起来。只有这样，才能提出提高韧性的网络干预措施。
韧性不是系统通过最大化或优化特定功能或关键指标获得的，而是在权衡中产生的。这种意识并不普遍存在于我们的社会中，组织总是有强烈的动机将提高绩效作为最明显的成功指标，而忽略了真正的提升韧性的过程，类似于短期利益与长期恶化之间的冲突。根据工程学的论点，韧性常常被视为稳定性的同义词。这导致了这样的结论，即最大化韧性意味着最大化鲁棒性。这种观点可能适用于设计好的基础设施系统，但不适用于社会组织等自组织系统。
理想情况下，社会组织应该能够在某种程度上预测可能的冲击，并通过确保资源提前做好准备。这需要一种基于不断分析和认识组织内外情况的意识状态。
从更广泛的角度来看，该论文希望为更好的理解韧性管理这一概念做出贡献。这要求对应该管理的系统作出了解，也要求管理人员和被管理人员的积极参与。社会组织是这些系统的典型例子。我们是我们自己的社会组织系统中的元素、智能体。我们有能力改变我们的组织以提高韧性。同时，我们也受到这些变化的影响，受到内外冲击。我们的建模框架有助于提高人们对多样性和反馈过程的作用、去中心化网络干预和集体学习的力量的关注。然而，最终，这取决于我们在我们的社会组织中的贡献。
参考论文：
Schweitzer et al, 2022 Modeling social resilience Questions, answers open problems. Advances in Complex Systems. 2301.00183
注：全文转载自微信公号：SSPDDL 鲁南数据设计研究小组
转自：“量化研究方法”微信公众号
如有侵权，请联系本站删除！
