La física estadística confirma que el enemigo de tu enemigo es tu amigo
Introducción
Un nuevo estudio realizado por investigadores de la
Universidad Northwestern (EE.UU.) que
utiliza la física estadística para validar una teoría difundida en psicología social: la teoría del equilibrio social de Fritz Heider. La teoría, propuesta en la década de 1940, sugiere que los humanos naturalmente buscan armonía dentro de sus círculos sociales.
El artículo comienza destacando el conocido dicho "
el enemigo de mi enemigo es mi amigo". Luego explica cómo el equipo de investigación empleó con éxito la física estadística para confirmar el principio subyacente detrás de este proverbio. Los hallazgos del estudio fueron publicados en la prestigiosa revista Science Advances.
Teoría del equilibrio social
La teoría del equilibrio social de Heider se centra en la idea de que las personas buscan inherentemente relaciones cómodas y armoniosas. Las relaciones equilibradas, según la teoría, pueden manifestarse de dos formas:
- Afinidad mutua: Todos los individuos dentro de un grupo tienen sentimientos positivos hacia los demás.
- Aversión equilibrada: Una persona tiene aversión hacia dos personas, quienes a su vez comparten una conexión positiva entre sí.
Por el contrario, las relaciones desequilibradas surgen cuando:
- Todos tienen aversión hacia todos: Todos los miembros de un grupo tienen sentimientos negativos hacia los demás.
- Disonancia cognitiva: Una persona tiene afinidad hacia dos individuos que se desagradan mutuamente, creando una sensación de tensión e incomodidad.
El artículo menciona que el estudio de tales sistemas desequilibrados, técnicamente llamados "sistemas frustrados", incluso jugó un papel en otorgar el Premio Nobel de Física 2021 al físico teórico italiano
Giorgio Parisi.
La teoría del equilibrio social se alinea bien con nuestra intuición social. Ayuda a explicar cómo puede desarrollarse la polarización extrema, como la que vemos hoy en día en la política. Cuando a todos los que te gustan les desagradan aquellos que no te gustan, fomenta la creación de grupos distintos y opuestos con animosidad mutua.
Desafíos en la validación de la teoría
A pesar de su naturaleza intuitiva, validar la teoría de Heider ha resultado desafiante. Tradicionalmente, reunir datos a gran escala que incorporen tanto amistades como enemistades ha sido difícil. Sin embargo, con el surgimiento de Big Data a principios de la década de 2000, los investigadores comenzaron a explorar datos de redes sociales que contenían información "firmada", lo que significa que indicaban relaciones tanto positivas como negativas.
En estas redes firmadas, los individuos están representados por nodos, y las conexiones entre ellos significan sus relaciones. Las conexiones positivas (amistades) se marcan con valores positivos, mientras que las conexiones negativas (enemistades) se asignan valores negativos. Sin embargo, los modelos anteriores asignaban valores positivos o negativos al azar, descuidando las restricciones del mundo real.
La clave del éxito: Incorporación de restricciones
El avance del equipo de Northwestern implicó la incorporación de dos restricciones clave en su modelo de red:
- Conectividad limitada: No todos dentro de una red social se conocen entre sí. Por ejemplo, es posible que no conozcas al amigo de tu amigo que vive en otro continente.
- Propensiones individuales: Algunas personas son naturalmente más amigables que otras, lo que lleva a una mayor probabilidad de interacciones positivas.
Al incorporar estas restricciones, el modelo de los investigadores imitó realísticamente cómo se distribuyen los valores positivos y negativos dentro de una red social. Esto, a su vez, les permitió demostrar que las redes sociales a gran escala exhiben una alineación consistente con la teoría del equilibrio social de Heider.
La efectividad del modelo se extiende más allá de analizar relaciones que involucran solo a tres individuos (tríadas). También puede identificar patrones en grupos más grandes, conocidos como grafos, que involucran cuatro o incluso más nodos.
Más allá de las redes sociales: Aplicaciones más amplias
La importancia del estudio se extiende más allá del ámbito de las redes sociales. Los investigadores creen que su modelo se puede aplicar para comprender diversos sistemas caracterizados por interacciones tanto positivas como negativas. Algunas áreas potenciales de aplicación incluyen:
- Redes neuronales: Estudiar las conexiones excitantes e inhibidoras entre neuronas en el cerebro.
- Interacciones farmacológicas: Analizar cómo interactúan entre sí diferentes combinaciones de medicamentos.
El éxito de esta investigación destaca la importancia de considerar las complejidades del mundo real al modelar dinámicas sociales. El código y los datos asociados al estudio, disponibles de forma gratuita en Github (
https://github.com/hbj153/signed_null), sin duda serán valiosos para futuras investigaciones en este apasionante campo.
