Virus on a Network: различия между версиями

Материал из Поле цифровой дидактики
 
(не показаны 74 промежуточные версии этого же участника)
Строка 1: Строка 1:
{{Model
{{Model
|Description=WHAT IS IT?
|Description=Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.
This model demonstrates the spread of a virus through a network. Although the model is somewhat abstract, one interpretation is that each node represents a computer, and we are modeling the progress of a computer virus (or worm) through this network. Each node may be in one of three states: susceptible, infected, or resistant. In the academic literature such a model is sometimes referred to as an SIR model for epidemics.
Первая из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.  
 
Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.
 
Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).
 
Модифицированную модель Netlogo, а также результаты проведенных в BehaviorSpace экспериментов и скрипт в R для анализа результатов можно скачать по ссылке:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok
|Field_of_knowledge=Информатика, Социология, Образование, Управление
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|Website=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
|Environment=NetLogo, R
}}
== Описание переменных модели ==
=== Переменные, задающие начальные условия ===
{{#widget:Google Spreadsheet
|key=1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI
|width=900
|height=320
}}
<!-- https://docs.google.com/spreadsheets/d/1RFrS_uTD8XjB8lnFxGhRamYRCUlj2B3SujEmvI7axcI/edit?usp=sharing -->
=== Переменные, задающие характеристики элементов модели ===
{{#widget:Google Spreadsheet
|key=1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM
|width=900
|height=630
}}
<!-- https://docs.google.com/spreadsheets/d/1cttXZLnkgASlo7eE64qLqqI9lEjGRcZWSy-g2MMjCjM/edit?usp=sharing -->
=== Характеристики, описывающие состояние сети ===
В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).
{{#widget:Google Spreadsheet
|key=1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y
|width=900
|height=400
}}
}}
WHAT IS IT?
 
This model demonstrates the spread of a virus through a network. Although the model is somewhat abstract, one interpretation is that each node represents a computer, and we are modeling the progress of a computer virus (or worm) through this network. Each node may be in one of three states: susceptible, infected, or resistant. In the academic literature such a model is sometimes referred to as an SIR model for epidemics.
<!-- https://docs.google.com/spreadsheets/d/1uDW9itM_AXmU7CSZ3wqaDKxlW25YXOf0qA8RLwMqP-Y/edit?usp=sharing  -->
 
=== Схема взаимосвязей переменных в модифицированной модели ===
 
<graphviz>
digraph DT {
// layout = "neato";
rankdir = LR ;
node [fontsize="10", fontname="times", nodesep=2, shape="none", style=""] ;
edge [arrowhead=normal, arrowsize=0.4, len=1];
"Численность
сотрудников организации" -> "Начальные условия"
"Среднее число связей
у сотрудника организации" -> "Начальные условия"
"Число инициаторов" -> "Начальные условия"
"Начальные условия" -> "Распределение сотрудников
на вовлеченных,
готовых к восприятию и
резистентных"
"Вероятность передачи
инновационной идеи
соседу по сети" -> "Характеристики
элементов модели"
"Периодичность
возникновения сомнений" -> "Характеристики
элементов модели"
"Вероятность
возникновения
сопротивления" -> "Характеристики
элементов модели"
"Вероятность
возникновения
полного недоверия" -> "Характеристики
элементов модели"
"Характеристики
элементов модели" -> "Распределение сотрудников
на вовлеченных,  
готовых к восприятию и
резистентных"
"Распределение сотрудников
на вовлеченных,  
готовых к восприятию и
резистентных" ->
"Успешное распространение
инновационной идеи:  
75%+ сотрудников вовлечены"
"Распределение сотрудников
на вовлеченных,  
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
нет вовлеченных сотрудников"
"Распределение сотрудников
на вовлеченных,  
готовых к восприятию и
резистентных" ->
"Неудачное распространение
инновационной идеи:
процесс долго не заканчивается"
 
}
</graphviz>
 
<!-- [[Файл:NetworkOnVirus model.PNG|800px]] -->
 
 
== Netlogo: оригинальная и модифицированная модели ==
=== Netlogo: оригинальная модель  “Virus on a Network”  ===
Оригинальная модель  “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.


{{#widget:iframe
{{#widget:iframe
Строка 12: Строка 119:
|height=900
|height=900
}}
}}
=== Netlogo: модифицированная модель  “Инновационная идея в организации”  ===
Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web:
https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok
В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:
1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;
2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;
2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.
== Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace ==
=== Свойства модели при изменении начальных условий ===
Для изучения свойств переменных модели было необходимо выполнить следующие шаги:
1) выбрать изучаемую переменную;
2) зафиксировать значения остальных переменных;
Для проведения экспериментов были выбраны реалистичные базовые параметры для общеобразовательной организации: 50 человек в коллективе, каждый сотрудник имеет в среднем 3 устойчивые связи, инициаторами идеи являются 4 человека.
Остальные значения параметров взяты из предложенного диапазона на уровне средних значений за исключением параметра вероятности возникновения полного недоверия - его базовое значение было выбрано на уровне 20%.
3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.
В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.
==== Number-of-nodes / Численность сотрудников организации  ====
<!-- https://docs.google.com/spreadsheets/d/1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE/edit?usp=sharing -->
{{#widget:Google Spreadsheet
|key=1-HLFH7HOIUp-3Oc5pvNXrnF4SWBjnTNtgAycQc60hPE
|width=900
|height=250
}}
Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.
[[Файл:Virus_in_a_Network_number-of-nodes_5_5_300.png|700px]]
==== Average-node-degree / Среднее число устойчивых связей у сотрудников организации ====
<!-- https://docs.google.com/spreadsheets/d/1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es/edit?usp=sharing -->
{{#widget:Google Spreadsheet
|key=1s-jUuDWORH_jFnRKBmprXgJXXgIj8EBADSC_hEJW0Es
|width=900
|height=250
}}
Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях.
В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.
[[Файл:Virus_in_a_Network_average-node-degree_1_1_49.png|700px]]
==== Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте ====
<!-- https://docs.google.com/spreadsheets/d/1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0/edit?usp=sharing -->
{{#widget:Google Spreadsheet
|key=1GiX3JJMLiGEXH1_tnai-YohcVAggcTclRTKxv18YdA0
|width=900
|height=250
}}
Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.
[[Файл:Virus_in_a_Network_initial-outbreak-size_1_1_50.png|700px]]
=== Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации  ===
==== Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети ====
<!-- https://docs.google.com/spreadsheets/d/18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE/edit?usp=sharing -->
{{#widget:Google Spreadsheet
|key=18kUNH4nbOlHIM8x8QhuCAKA6FBUHY7PHYUUTIeLVEXE
|width=900
|height=250
}}
Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.
[[Файл:Virus_in_a_Network_virus-spread-chance_0-10.png|700px]]
==== Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее ====
<!-- https://docs.google.com/spreadsheets/d/1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ/edit?usp=sharing -->
{{#widget:Google Spreadsheet
|key=1C5ah2P3SKv8upJ3hG81UsEy4mJKo4DOWqKmuDsiiVEQ
|width=900
|height=250
}}
Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.
[[Файл:Virus_in_a_Network_virus-check-frequency_0-20.png|700px]]
==== Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения ====
<!-- https://docs.google.com/spreadsheets/d/1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E/edit?usp=sharing -->
{{#widget:Google Spreadsheet
|key=1Vbw1GUCN9aumfRxNJT4FOuvFiLXqBF5RPdK5raZUq2E
|width=900
|height=250
}}
Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.
[[Файл:Virus_in_a_Network_recovery-chance_0_1_10.png|700px]]
==== Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления ====
<!-- https://docs.google.com/spreadsheets/d/10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc/edit?usp=sharing -->
{{#widget:Google Spreadsheet
|key=10PK5oCb1k8f5yoFxyHmLOX4q9xea1hBL372veXeNpFc
|width=900
|height=250
}}
Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.
[[Файл:Virus_in_a_Network_gain-resistance-chance_0_5_100.png|700px]]

Текущая версия на 23:36, 9 марта 2024


Описание модели Сетевая модель "Virus on a Network" может иметь несколько интерпретаций.

Первая из интерпретаций находится в плоскости информационной безопасности - распространение вируса по компьютерной сети.

Вторая из возможных интерпретаций находится в плоскости социологии и управления - распространение инновационной идеи в организации (в частности, в образовательной организации, в школе). В этом случае модель можно использовать как инструмент для иллюстрации процесса распространения инноваций в зависимости от характеристик социального капитала.

Каждый элемент модели находится в трех состояниях: вовлеченный (infected), восприимчивый (susceptible) или резистентный (resistant).

Модифицированную модель Netlogo, а также результаты проведенных в BehaviorSpace экспериментов и скрипт в R для анализа результатов можно скачать по ссылке: https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

Область знаний Информатика, Социология, Образование, Управление
Веб-страница - ссылка на модель https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Networks/Virus%20on%20a%20Network.nlogo
Видео запись
Разработчики
Среды и средства, в которых реализована модель NetLogo, R
Диаграмма модели
Описание полей данных, которые модель порождает
Модель создана студентами? {{{Student-created}}}«{{{Student-created}}}» — не булево значение (да/нет).

ODD protocol

DREAM О чём эта модель? Как устроена модель (правила внутри) Как пользоваться моделью На что следует обратить внимание Что стоит попробовать Расширение возможностей модели Функции среды программирования, которые использованы в этой модели Похожие модели

Описание переменных модели

Переменные, задающие начальные условия


Переменные, задающие характеристики элементов модели


Характеристики, описывающие состояние сети

В процессе проведения экспериментов элементы модели относятся к одному из 3 типов - вовлеченные (infected), готовые к восприятию (susceptible), резистентные (resistant). Так как число элементов модели зафиксировано начальными условиями, сумма этих групп будет равна заданному на старте количеству элементов (Number-of-nodes).


Схема взаимосвязей переменных в модифицированной модели


Netlogo: оригинальная и модифицированная модели

Netlogo: оригинальная модель “Virus on a Network”

Оригинальная модель “Virus on a Network” настроена таким образом, что в ней не предусмотрен сценарий заражения вирусом сети компьютеров. Действие модели по умолчанию останавливается тогда, когда вирус исчезает.

Netlogo: модифицированная модель “Инновационная идея в организации”

Файл модифицированной модели можно скачать по ссылке и открыть в Netlogo Web: https://github.com/mmyshkina/netlogo_innovation_idea_on_a_netwok

В модифицированной модели “Инновационная идея в организации” распространение идеи приобретает позитивный оттенок, поэтому на уровне кода в модели предусмотрены несколько сценариев:

1. сценарий успешного распространений инновационной идеи: 75%+ организации разделяют инновационную идею;

2.1. сценарий неудачного распространения инновационной идеи: в организации нет сотрудников, которые разделяют идею;

2.2. сценарий неудачного распространения инновационной идеи: в организации остались сотрудники, которые разделяют идею, однако время распространения инновации продолжительно - превышает 3000 временных единиц.

Свойства модели: результаты проведения экспериментов в пространстве BehaviorSpace

Свойства модели при изменении начальных условий

Для изучения свойств переменных модели было необходимо выполнить следующие шаги:

1) выбрать изучаемую переменную;

2) зафиксировать значения остальных переменных;

Для проведения экспериментов были выбраны реалистичные базовые параметры для общеобразовательной организации: 50 человек в коллективе, каждый сотрудник имеет в среднем 3 устойчивые связи, инициаторами идеи являются 4 человека. Остальные значения параметров взяты из предложенного диапазона на уровне средних значений за исключением параметра вероятности возникновения полного недоверия - его базовое значение было выбрано на уровне 20%.


3) для изучаемой переменной провести эксперименты с перебором нескольких значений переменной (от минимального до максимального значения с шагом 1 или 2). Численность экспериментов - по 50 раз (это число можно изменять) для каждого значения параметра.

В результате были получены диаграммы изменения доли успешных кейсов (или кейсов, завершенных успешным распространением инновационной идеи) в зависимости от диапазона значений каждой изучаемой переменной.

Number-of-nodes / Численность сотрудников организации

Результат: чем больше численность коллектива при прочих равных условиях (при фиксированном числе связей на 1 человека, при зафиксированном числе человек, запускающих инновацию и т.д.), тем ниже вероятность успешного распространения инноваций.

Virus in a Network number-of-nodes 5 5 300.png

Average-node-degree / Среднее число устойчивых связей у сотрудников организации

Результат: с ростом числа устойчивых социальных связей между сотрудниками организации (или с ростом социального капитала) растет частота успешных кейсов при прочих равных условиях. В текущих условиях наличие 4 и более связей приводит практически к гарантированному распространению инновационной идеи внутри организации.

Virus in a Network average-node-degree 1 1 49.png

Initial-outbreak-size / Количество инициаторов, носителей инновационной идеи на старте

Результат: чем больше носителей инновационной идеи, тем вероятней ее распространение. При заданных условиях количество носителей идеи на старте больше 12 человек (24% коллектива) приводит к успешному распространению инновационной идеи в 98% случаев.

Virus in a Network initial-outbreak-size 1 1 50.png

Свойства модели при изменении начальных условий при изменении характеристик элементов / предпосылки о характеристиках сотрудников организации

Virus-spread-chance / Вероятность передачи инновационной идеи соседу по сети

Результат: интуитивно понятный вывод о прямой зависимости - чем выше восприимчивость сотрудников, тем больше вероятность успешного исхода.

Virus in a Network virus-spread-chance 0-10.png

Virus-check-frequency / Периодичность возникновения сомнений об инновационной идее

Результат: существует нелинейная прямая зависимость с убывающей отдачей между периодичностью возникновения сомнений и частотой успешных исходов. Чем реже возникают сомнения, тем выше доля кейсов с успешным распространением инноваций.

Virus in a Network virus-check-frequency 0-20.png

Recovery-chance / Вероятность возникновения сопротивления инновационной идее после возникновения сомнения

Результат: чем выше вероятность возникновения сопротивления у сотрудников, тем меньше доля успешных кейсов. Зависимость близка к линейной.

Virus in a Network recovery-chance 0 1 10.png

Gain-resistance-chance / Вероятность возникновения полного недоверия к инновационной идее после возникновения сопротивления

Результат: предрасположенность сотрудников к неприятию новых идей снижает частоту успешных кейсов.


Virus in a Network gain-resistance-chance 0 5 100.png

Источник — http://digida.mgpu.ru/index.php?title=Virus_on_a_Network&oldid=16144