Rumor-spread

<<< EPFL Semaine ENAC - Modèles Basés-Agents

Résumé

Notre modèle simule la propagation d'une rumeur au sein d'une population d'individus. Il permet d'estimer le temps nécessaire pour que la rumeur soit totalement propagée, ou au contraire qu'elle ait disparu en fonction de différents paramètres.

Introduction / intérêt de la recherche

Les plus récents moyens de communication dans notre société ayant fait basculer notre façon de recevoir une information, l'intérêt de la recherche est d'analyser l'impact de ces nouveaux moyens sur le mode et la vitesse de transmission de l'information dans une société. C'est pourquoi notre modèle fonctionne avec deux types de transmission: la transmission directe, d'un individu à l'autre lors d'une rencontre physique, et la transmission par réseau, permettant une transmission d'information même lorsque deux individus ne se trouvent pas dans un même lieu.

Objectifs et hypothèses

Modéliser la transmission d’une rumeur dans une population permet de démontrer l’impact direct du mode de transmission, mais aussi de comprendre la manière dont une rumeur peut se propager de manière exponentielle. Nous avons donc émis l’hypothèse que grâce à un réseau social développé une rumeur peut se propager très rapidement, même si chaque individu ne transmet son information que de manière modérée, c’est-à-dire à quelques personnes. Nous avons aussi imaginé que dans une situation où les réseaux sont peu développés voire inexistants, la rumeur se propagerait donc par bouche-à-oreille et se répandrait donc beaucoup plus difficilement. Pour valoriser ce type de transmission, mais aussi pour modéliser une répartition territoriale plus réaliste, le modèle comprend des « lieux de rencontre » autour desquels nos agents peuvent se rassembler, et donc favoriser une meilleure transmission de l’information.

Méthodes et procédures

En faisant varier trois principaux paramètres (la densité de personnes, de lieux de rencontres et de connections en moyenne de chaque individu au réseau), nous avons voulu vérifier nos hypothèses. Ils correspondent à number-of-persons, meeting-points-density et average-network-connections sur le modèle.

Le modèle comprend aussi d’autres paramètres: Le paramètre initial-persons-knowing-rumor correspond au nombre de personnes connaissant la rumeur au début de la simulation. Les paramètres spread-by-word-of-mouth et spread-by-network correspondant respectivement à la diffusion de la rumeur par rencontre directe entre deux individus et par les réseaux sociaux. Lors de la rencontre directe, la diffusion de la rumeur dépend de l'affinité que les personnes ont entre elles, c’est-à-dire quel est le pourcentage de chances que la rumeur se transmette. Dans le cas où deux personnes sont liées par un lien de réseau, spread-by-network correspond au pourcentage de chances que la rumeur soit transmise à chaque étape de la simulation. Pour notre étude nous ne ferons pas varier ces paramètres. La rumeur se répandra donc plus ou moins selon les trois paramètres principaux.

Transmission par bouche à oreille

Transmission par réseau et bouche à oreille

Le modèle fonctionne avec la logique de renouvellement constant de la population: Les personnes entrent et sortent librement de l'échantillon selon leur trajectoire, générée aléatoirement. Donc, certaines personnes sachant la rumeur peuvent sortir de l’échantillon étudié, et les personnes qui entrent dans cet échantillon ne connaissent pas encore la rumeur. Ce phénomène allant à l’encontre de la propagation de la rumeur, il permet d’obtenir certaines situations où la rumeur disparaît, ou certaines situations d’équilibre dans laquelle la rumeur ne parvient pas à atteindre 100% de la population.

Résultats

Tout d’abord, comme formulé dans nos hypothèses, l’impact des réseaux sociaux a été énorme. Plus le nombre moyen de connexions aux réseaux par personne est élevé, plus le temps nécessaire à ce que la rumeur soit totalement propagée va chuter. Nous avons aussi observé en générant des simulations à plusieurs reprises et en variant les trois paramètres principaux que lorsque le nombre de connexions moyen est compris entre 0 et 1 il n’est apparu aucune situation ou la rumeur s’était totalement répandue. Il s’agit donc de conditions ou s’installe soit une situation d’équilibre, soit une situation où la rumeur a disparu. En revanche, lorsque le nombre de connections moyenne atteint 4 ou 5 connections la rumeur se répand rapidement. On peut remarquer que davantage de connections ne favorisait pas forcément beaucoup plus la diffusion de la rumeur, c'est à dire que les premières connections sont les plus décisives.

Notre principale surprise a été que les lieux de rencontre n’ont pas un grand effet sur la vitesse de propagation globale de la rumeur. Bien qu’ils favorisent la transmission au sein d’un rassemblement qu’ils auront généré, ils ont tendance - à concentration élevée - à figer le déplacement des personnes dans une échelle globale.

En observant la proportion du bouche à oreille en fonction de l’ensemble des transmissions, nous avons aussi observé une influence des réseaux sociaux; plus le réseau est dense, moins la transmission par bouche-à-oreille sera importante par rapport à la transmission par réseau. Par exemple, à partir de 4 connections en moyenne, il ne reste que 20% des transmissions qui sont transmises par bouche à oreille. En d’autres termes, cela veut dire que si les réseaux sociaux sont très développés, la rencontre physique autour des points de rencontre ne sera plus nécessaire pour transmettre une information rapidement.

Améliorations

L'initialisation des connections de réseau se fait par des proximités spatiales. Par conséquent les personnes qui connaissent l'information auront tendance à rester dans un même réseau de connections et également spatialement proches lorsque la mobilité des agents est réduite par un nombre de points de rencontre est assez important. Ce phénomène est contraire à la réalité car les agents ont tendance à établir des connections au réseau indépendamment de leur position.

De plus lorsqu'un agent sort du modèle, nous avons modélisé un autre agent avec les même connections qui rentrait de l'autre côté de l'espace mais qui ne savait pas la rumeur. Ce procédé nous donnait statistiquement le même nombre de connections et le même nombre d'agents à chaque itérations. Cependant, un procédé qui aurait attribué au nouvel agent de nouvelles connections établies aléatoirement aurait été plus judicieux pour être conforme à la réalité.