Virus on a Network

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

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.

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.

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.

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-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.

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.

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

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