Exploring ecological and social interactions through the lens of complex systems

Abstract

[spa] Los sistemas complejos se encuentran en numerosos ámbitos de la sociedad y la naturaleza, desde la organización celular hasta la estructura de nuestras ciudades. Son sistemas formados generalmente por un gran número de elementos que interactúan entre sí de forma no lineal generando comportamientos emergentes, lo que los convierte en sistemas difíciles de entender y predecir. Una forma habitual de caracterizar los sistemas complejos ha sido buscar la relación entre la estructura de interacciones y el comportamiento colectivo fijando una escala concreta o un cierto tipo de interacciones. El estudio de la rica dinámica de los sistemas complejos se puede ver beneficiada al afrontar problemas desde perspectivas diferentes, combinando poco a poco más ingredientes en su descripción. Esta tesis explora dos tipos de sistemas complejos, ecológicos y sociales, y propone un enfoque común a ambos. En concreto, se abordan una serie de preguntas en relación a la coexistencia y caracterización de estos sistemas desde un punto de vista ecológico, tratando seres vivos, memes y agentes en redes sociales como especies que luchan por la supervivencia. A lo largo de los capítulos de la tesis, desarrollamos modelos en varias escalas para entender cómo diferentes interacciones contribuyen a la persistencia de las especies. En el tercer capítulo, la ordenación espacial al nivel del individuo es estudiada en sistemas puramente competitivos como motor de coexistencia y estabilidad. Demostramos que la dinámica se estabiliza cuando los individuos compiten localmente en un entorno estructurado. Aumentando el orden de descripción a especies, en el cuarto capítulo remarcamos la importancia de combinar varios tipos de interacciones. Investigamos cuales son las propiedades de las especies en su red de interacciones que determinan la supervivencia cuando consideramos varias interacciones a la vez. Mediante machine learning, encontramos que estas propiedades cambian entre la situación en la que la competición y el mutualismo son estudiados de forma aislada y cuando son considerados simultáneamente. En este último caso, para predecir la supervivencia de una especie no solo hace falta conocer la estructura de la red ecológica, sino también factores dinámicos como a intensidad de las interacciones en las que participa. La segunda parte de la tesis se centra en la descripción de redes sociales bajo un enfoque ecológico. Gracias a la existencia de competición por la atención colectiva en las redes, utilizamos en el quinto capítulo la analogía con modelos ecológicos para cuantificar la competición y el mutualismo percibida por usuarios y memes. Nos centramos en los cambios de intensidad de las interacciones durante eventos excepcionales para entender cómo las redes sociales responden a ellos, y saber anteponernos a situaciones en las que se intente manipular la salud de nuestros sistemas de comunicación. Los principales resultados de nuestras simulaciones indican que durante los eventos el mutualismo aumenta de tal manera que la competición neta entre usuarios disminuye. Este cambio también se reproduce con datos empíricos, corroborando que el mecanismo detrás de la atención colectiva es la optimización por la visibilidad de los usuarios. Finalmente, en el capítulo sexto adoptamos un enfoque macroscópico para investigar si los omnipresentes patrones de abundancia y diversidad que encontramos en ecosistemas ecológicos también están presentes en los ecosistemas sociales. Encontramos que la versión social de estos patrones existe en muy diversas bases de datos, y que además su forma funcional es similar a la de los ecológicos. En consecuencia, los capítulos reflejan los beneficios de estudiar los sistemas sociales bajo una perspectiva ecológica, ya que modelos y teorías pensados para estos últimos sistemas pueden también aplicarse a los primeros.

[cat] Els sistemes complexos es troben en nombrosos àmbits de la societat i la natura, des de l’organització cel·lular fins a l’estructura de les nostres ciutats. Són sistemes formats generalment per un gran nombre d’elements que interactuen entre si de forma no lineal, generant comportaments emergents, la qual cosa els converteix en sistemes difícils d’entendre i predir. Una forma habitual de caracteritzar els sistemes complexos ha estat buscar la relació entre l’estructura d’interaccions i el comportament col·lectiu, fixant una escala concreta o un cert tipus d’interaccions. L’estudi de la rica dinàmica dels sistemes complexos es pot veure beneficiada afrontant problemes des de perspectives diferents, combinant poc a poc més ingredients en la seva descripció. Aquesta tesi explora dos tipus de sistemes complexos, ecològics i socials, i proposa un enfocament comú a tots dos. Concretament, s’aborden una sèrie de preguntes en relació a la coexistència i caracterització d’aquests sistemes des d’un punt de vista ecològic, tractant éssers vius, memes i agents en xarxes socials com a espècies que lluiten per la supervivència. Al llarg dels capítols de la tesi, desenvolupem models en diverses escales per entendre com diferents interaccions contribueixen a la persistència de les espècies. En el tercer capítol, l’ordenació espacial al nivell de l’individu és estudiada en sistemes purament competitius com a motor de coexistència i estabilitat. Demostrem que la dinàmica s’estabilitza quan els individus competeixen localment en un entorn estructurat. Augmentant l’ordre de descripció a espècies, en el quart capítol, remarquem la importància de combinar diversos tipus d’interaccions. Investiguem quines són les propietats de les espècies en la seva xarxa d’interaccions que determinen la supervivència quan considerem diverses interaccions alhora. Mitjançant machine learning, trobem que aquestes propietats canvien entre la situació en què la competició i el mutualisme són estudiats de forma aïllada i quan són considerats simultàniament. En aquest darrer cas, per predir la supervivència d’una espècie no només cal conèixer l’estructura de la xarxa ecològica, sinó també factors dinàmics com la intensitat de les interaccions en què participa. La segona part de la tesi se centra en la descripció de xarxes socials sota un enfocament ecològic. Gràcies a l’existència de competició per l’atenció col·lectiva a les xarxes, utilitzem en el cinquè capítol l’analogia amb models ecològics per quantificar la competició i el mutualisme percebuda per usuaris i memes. Ens centrem en els canvis d’intensitat de les interaccions durant esdeveniments excepcionals per entendre com les xarxes socials hi responen, i saber anticipar-nos a situacions en les quals s’intenti manipular la salut dels nostres sistemes de comunicació. Els principals resultats de les nostres simulacions indiquen que durant els esdeveniments el mutualisme augmenta de tal manera que la competició neta entre usuaris disminueix. Aquest canvi també es reproduïx amb dades empíriques, corroborant que el mecanisme darrere de l’atenció col·lectiva és l’optimització per la visibilitat dels usuaris. Finalment, en el capítol sisè adoptem un env focament macroscòpic per investigar si els omnipresents patrons d’abundància i diversitat que trobem en ecosistemes ecològics també estan presents en els ecosistemes socials. Trobem que la versió social d’aquests patrons existeix en bases de dades molt diverses, i que a més la seva forma funcional és similar a la dels ecològics. En conseqüència, els capítols reflecteixen els beneficis d’estudiar els sistemes socials sota una perspectiva ecològica, ja que models i teories pensats per a aquests últims sistemes poden també aplicar-se als primers.

[eng] Complex systems are found in numerous areas of society and nature, from cellular organization to the structure of our cities. They are typically made up of a large number of elements that interact with each other in a nonlinear way generating emergent behaviors, which makes them difficult to understand and predict. A common way of characterizing complex systems has been to search for the relationship between the interaction structure and collective behavior, fixing a specific scale or type of interaction. The study of the rich dynamics of complex systems can benefit from approaching problems from different perspectives and gradually combining more ingredients in their description. This thesis explores two types of complex systems, ecological and social, and proposes a common approach to both. Specifically, a series of questions are addressed regarding the coexistence and characterization of these systems from an ecological perspective, treating living beings, memes, and agents in social networks as species that struggle for survival. Throughout the thesis chapters, we develop models at various scales to understand how different interactions contribute to species persistence. In the third chapter, spatial ordering at the individual level is studied in purely competitive systems as a driver of coexistence and stability. We demonstrate that the dynamics stabilize when individuals compete locally in a structured environment. Increasing the description level to species, in the fourth chapter, we highlight the importance of combining several types of interactions. We investigate which properties of species in their interaction network determine survival when considering multiple interactions at once. Using machine learning, we find that these properties change between situations where competition and mutualism are studied in isolation and when they are considered simultaneously. In this latter case, to predict the survival of a species, it is not only necessary to know the structure of the ecological network, but also dynamic factors such as the intensity of the interactions in which it participates. The second part of the thesis focuses on the description of social networks from an ecological perspective. Due to the existence of competition for collective attention in these networks, in the fifth chapter, we use an analogy with ecological models to quantify the competition and mutualism perceived by users and memes. We focus on changes in the intensity of interactions during exceptional events to understand how social networks respond to them and anticipate situations in which attempts may be made to manipulate the health of our communication systems. The main results of our simulations indicate that, during events, mutualism increases to such an extent that the net competition between users decreases. This change is also replicated with empirical data, corroborating that the mechanism behind collective attention is the optimization of user visibility. Finally, in the sixth chapter, we adopt a macroscopic approach to investigate whether the ubiquitous patterns of abundance and diversity that we find in ecological ecosystems are also present in social ecosysviii tems. We find that the social version of these patterns exists in a variety of datasets and that their functional form is similar to that of ecological patterns. Consequently, the chapters reflect the benefits of studying social systems from an ecological perspective since models and theories designed for the latter systems can also be applied to the former.