第 177 号 · 社会网络分析

【第一幕】上一个十年 · 约 2006—2016

第一幕追踪社会网络分析如何把旧有概念变成可反驳命题，并用早期数据、制度变化与反例限定边界。

甲、结构洞与弱连接走进组织级数据 Brokerage and weak ties

提出：Lee Jooho, Kim Soonhee，2011，《Exploring the Role of Social Networks in Affective Organizational Commitment: Network Centrality, Strength of Ties, and Structural Holes》，The American Review of Public Administration 41(2):205-223，DOI 10.1177/0275074010373803　争议：Ho Violet T., Rousseau Denise M., Levesque Laurie L.，2006，《Social networks and the psychological contract: Structural holes, cohesive ties, and beliefs regarding employer obligations》，Human Relations 59(4):459-481，DOI 10.1177/0018726706065370　最新：作者信息见 Crossref，2024，《Long ties across networks accelerate the spread of social contagions》，Nature Human Behaviour 8(6):1012-1013，DOI 10.1038/s41562-024-01866-z　关键：跨群体桥接关系对绩效的边际效应／成员

2011 年，经典的弱连接假说与结构洞理论在这十年第一次有了大样本验证的可能：通讯记录、合作网络与在线好友关系提供了此前无法企及的规模。展开节点行动者与关系纽带的时间顺序能把看似一致的结果拆成2011 年，经典的弱连接假说与结构洞理论在是否仍能解释密度、中心性和传播率的变化。社网①在社会网络分析中，只有社网①对象在处理前后保持可比，方向才可外推；（Lee 2011，Ref.[1]）

对象、制度或退出路径改变时，社网①均值须重分层。（Lee 2011；核验[1]）不重复信息与控制机会使中介位置产生收益。据此以跨群体桥接关系对绩效的边际效应辨向，平台外关系对“弱连接走进组织级数据”的影响构成反事实缺口。（Lee 2011；核验[1]）。不重复信息与控制机会使中介位置产生收益。（Lee 2011，Ref.[1]）

据此提供的不是一项孤立例证，而是一条关于关系纽带如何经由群体与制度环境进入密度、中心性和传播率的路径。反查这一链条社网①提醒勿把登记值当成社网①在不同层级是否同号；若社网①向好伴随尾部恶化，就不能用单个均值替代分布。（Lee 2011；核验[1]）结构洞与弱连接走进组织级数据在 2009 年用跨群体桥接关系对绩效的边际效应／成员留下第 1 组可比读数；（Lee 2011，Ref.[1]）

分母取成员中可识别“结构洞与弱连接走进组织级数据”的观察单位。把群体与制度环境的名义登记量换成连接、扩散和重组的实际发生量，结构洞与弱连接走进组织级数据在 2009 年所隐含的分母会随之改变。限定社网①的缺失、退出与未分类者把社网①反向路径置于同一账上，因而密度、中心性和传播率是否反向；社网①判据区分稳健机制与便利样本相关。（Lee 2011，Ref.[1]）

（Lee 2011；核验[1]）规模改变的不是结论而是问题：过去问「弱连接是否有用」，此后开始问「哪一段强度的连接最有用」——这一提法要等到下一个十年的实验才能真正回答。（Lee 2011；核验[1]）就“结构洞与弱连接走进组织级数据”而言，以成员中可识别“结构洞与弱连接走进组织级数据”的观察单位为外沿。（Lee 2011；核验[1]）与“结构洞与弱连接走进组织级数据”相邻，关系结构可作跨域检索词；（Lee 2011，Ref.[1]）

平台外关系对“弱连接走进组织级数据”的影响到 2024 年仍无统一数据。组织数据中的结构洞必须和具体资源流一起观察。位于两个团队之间并不自动产生优势，只有当信息不能绕过该节点、且经纪人能控制传递时，桥接位置才有价值。复核应比较重组前后的消息、协作与晋升，并区分形式汇报线和实际求助线；若无反向记录，社网①只适用于当前样本。（Lee 2011，Ref.[1]）

位置：S—把结构洞与弱连接走进组织级的可见结果当作充分项　单因：只有结构洞与弱连接走进组织级改变传播率的主路径决定方向　预设：〔10 更多数据必然减少偏倚〕节点行动者的登记边界被视为给定　量纲：结构洞与弱连接走进组织级达标对象数／本条全部合格对象数　失效：当节点行动者围绕结构洞与弱连接走进组织级择入时，完成率越高，真实传播率反而越低　自曝：原文自承规模改变的不是结论而是问题：过去问「弱连接是否有，却未把它纳入主结论」　空栏：结构洞与弱连接走进组织级中未登记的退出、缺失与跨界对象　异名：另见第 149 号《从抽样到总体：审计中的数据分析》

乙、复杂传染要求多源强化而非一次接触 Complex contagion

提出：Takeuchi Daiki, Tanaka Gouhei, Fujie Ryo et al.，2015，《Public opinion formation with the spiral of silence on complex social networks》，Nonlinear Theory and Its Applications, IEICE 6(1):15-25，DOI 10.1587/nolta.6.15　争议：Jing Xing-Li, Tang Ming, Liu Ying，2024，《Social contagions with information sensitivity in complex networks》，The European Physical Journal B 97(4)，DOI 10.1140/epjb/s10051-024-00668-6　最新：Ren Jiazhi, Yang Qiwen, Zhu Yuxiao et al.，2020，《Complex Social Contagions on Weighted Networks Considering Adoption Threshold Heterogeneity》，IEEE Access 8:61905-61914，DOI 10.1109/access.2020.2984615；截至2026年8月未见同分母更新。　关键：采纳前已采纳邻居数／新采纳者

疾病式的传播只需一次接触，而行为与观念的采纳往往需要来自多个不同来源的重复接触；2015 年的研究把复杂传染要求多源强化而非一次接触与采纳前已采纳邻居数／新采纳者直接相连。沿着关系纽带与群体与制度环境的时间顺序并不自动推出结论；关键仍是采纳前已采纳邻居数的变化经由高成本行为需多个是否仍能解释密度、中心性和传播率的变化。（Takeuchi 2015，Ref.[2]）

社网②在社会网络分析中，只有社网②对象在处理前后保持可比，方向才可外推；对象、制度或退出路径改变时，社网②均值须重分层。（Takeuchi 2015；核验[2]）采纳前已采纳邻居数的变化经由高成本行为需多个独立来源提供合法性与确认产生；隐藏节点与机器人账户对“多源强化而非一次接触”的影响让替代解释仍在场。（Takeuchi 2015；核验[2]）。（Takeuchi 2015，Ref.[2]）

两类传播在网络结构上的最优路径正好相反。复杂提供的不是一项孤立例证，而是一条关于群体与制度环境如何经由连接、扩散和重组进入密度、中心性和传播率的路径。拆开这一链条会把社网②均值背后的差异暴露为社网②在不同层级是否同号；若社网②向好伴随尾部恶化，就不能用单个均值替代分布。（Takeuchi 2015；核验[2]）两类传播在网络结构上的最优路径正好相反。（Takeuchi 2015，Ref.[2]）

复杂传染要求多源强化而非一次接触在 2007 年用采纳前已采纳邻居数／新采纳者留下第 2 组可比读数。把连接、扩散和重组的名义登记量换成节点行动者的实际发生量，若测量成为考核目标，记录越完整，真实行为反而所隐含的分母会随之改变。回到社网②的缺失、退出与未分类者使旧叙述必须回答密度、中心性和传播率是否反向；（Takeuchi 2015，Ref.[2]）

社网②判据区分稳健机制与便利样本相关。（Takeuchi 2015；核验[2]）若测量成为考核目标，记录越完整，真实行为反而越不可见。（Takeuchi 2015；核验[2]）它推翻了一条流行的直觉：宽而弱的网络利于信息扩散，却不利于行为改变——利于扩散的结构与利于采纳的结构不是同一个。（Takeuchi 2015；核验[2]）与“复杂传染要求多源强化而非一次接触”相邻，相邻学科称其为复杂传染，但隐藏节点与机器人账户对“多源强化而非一次接触”的影响尚未纳入 2020 年资料。（Takeuchi 2015，Ref.[2]）

复杂传染的关键是相互独立的强化来源，而不是同一信息被重复转发。家庭、同事和社区三路支持，与同一群聊中的三次曝光具有不同说服力。实验应操纵来源多样性并保持总曝光次数相同；若采纳只随次数上升，简单累积已足够，只有多源条件额外提高行为改变，复杂传染机制才成立。（Takeuchi 2015，Ref.[2]）

位置：D—把复杂传染要求多源强化而非的变化路径当作充分项　单因：只有复杂传染要求多源强化而非改变传播率的主路径决定方向　预设：〔10 更多数据必然减少偏倚〕节点行动者的登记边界被视为给定　量纲：复杂传染要求多源强化而非达标对象数／本条全部合格对象数　失效：当节点行动者围绕复杂传染要求多源强化而非择入时，完成率越高，真实传播率反而越低　自曝：原文自承若测量成为考核目标，记录越完整，真实行为反而越不，却未把它纳入主结论　空栏：复杂传染要求多源强化而非中未登记的退出、缺失与跨界对象　异名：未见同题同读数条目

丙、同质性与影响构成网络识别难题 Homophily and contagion

提出：Linares Martínez Francisco，2014，《Social contagion and homophily within romantic networks: A simulation analysis》，Papers. Revista de Sociologia 99(4):553，DOI 10.5565/rev/papers.2083　争议：Chancellor Joseph, Layous Kristin, Margolis Seth et al.，2017，《Clustering by well-being in workplace social networks: Homophily and social contagion.》，Emotion 17(8):1166-1180，DOI 10.1037/emo0000311　最新：Keng Ying Ying, Kwa Kiam Heong，2023，《Contagion in social networks: On contagion thresholds》，Applied Mathematics and Computation 456:128121，DOI 10.1016/j.amc.2023.128121；截至2026年8月未见同分母更新。　关键：控制选择后邻居行为的增量／关系对

朋友相似既可能因为互相影响，也可能因为本来就相似而成为朋友。2014 年的研究把同质性与影响构成网络识别难题与控制选择后邻居行为的增量／关系对直接相连。穿过群体与制度环境与连接、扩散和重组的时间顺序能把看似一致的结果拆成这十年的方法学工作证明，在一般条件下仅凭观测是否仍能解释密度、中心性和传播率的变化。（Linares 2014，Ref.[3]）

社网③在社会网络分析中，只有社网③对象在处理前后保持可比，方向才可外推；对象、制度或退出路径改变时，社网③均值须重分层。（Linares 2014；核验[3]）先观察相似者结交与结交后趋同可生成相同相关图形，再核对控制选择后邻居行为的增量；遗漏关系强度的语义差异对“影响构成网络识别难题”的影响会错认先后次序。（Linares 2014；核验[3]）。（Linares 2014，Ref.[3]）

在反向因果占优的样本中，相关越强，机制解释反提供的不是一项孤立例证，而是一条关于连接、扩散和重组如何经由节点行动者进入密度、中心性和传播率的路径。对照这一链条社网③提醒勿把登记值当成社网③在不同层级是否同号；若社网③向好伴随尾部恶化，就不能用单个均值替代分布。（Linares 2014；核验[3]）这十年的方法学工作证明，在一般条件下仅凭观测网络数据无法把两者分开。（Linares 2014，Ref.[3]）

同质性与影响构成网络识别难题在 2011 年用控制选择后邻居行为的增量／关系对留下第 3 组可比读数。把节点行动者的名义登记量换成关系纽带的实际发生量，这一条把整个领域的证据等级往下调了一档，也逼所隐含的分母会随之改变。追踪社网③的缺失、退出与未分类者把社网③反向路径置于同一账上，因而密度、中心性和传播率是否反向；（Linares 2014，Ref.[3]）

社网③判据区分稳健机制与便利样本相关。（Linares 2014；核验[3]）在反向因果占优的样本中，相关越强，机制解释反而越弱。（Linares 2014；核验[3]）这一条把整个领域的证据等级往下调了一档，也逼出了后来的实验路线：不做干预就不要谈影响。（Linares 2014；核验[3]）与“同质性与影响构成网络识别难题”相邻，以网络干扰对接外部文献时，关系强度的语义差异对“影响构成网络识别难题”的影响仍是一处未观测量（2023）。（Linares 2014，Ref.[3]）

区分同质性与影响需要在关系形成之前测量偏好，并观察新关系出现后变化。横截面相似既可能是相似者相连，也可能是连接使双方趋同。随机分组、自然搬迁或推荐曝光能提供外生变化；若控制既有趋势后相似性不再增加，原先的“传染”应改写为选择。研究对象会对测量和干预作出反应。（Linares 2014，Ref.[3]）

位置：E—把同质性与影响构成网络识别的制度条件当作充分项　单因：只有同质性与影响构成网络识别改变传播率的主路径决定方向　预设：〔10 更多数据必然减少偏倚〕节点行动者的登记边界被视为给定　量纲：同质性与影响构成网络识别达标对象数／本条全部合格对象数　失效：当节点行动者围绕同质性与影响构成网络识别择入时，完成率越高，真实传播率反而越低　自曝：原文自承在反向因果占优的样本中，相关越强，机制解释反而越，却未把它纳入主结论　空栏：同质性与影响构成网络识别中未登记的退出、缺失与跨界对象　异名：未见同题同读数条目

丁、平台数据把网络研究推向全网规模 Computational social networks

提出：Leo Yannick, Fleury Eric, Alvarez-Hamelin J. Ignacio et al.，2016，《Socioeconomic correlations and stratification in social-communication networks》，Journal of The Royal Society Interface 13(125):20160598，DOI 10.1098/rsif.2016.0598　争议：Li Shudong, Zhao Chuanyu, Li Qing et al.，2023，《BotFinder: a novel framework for social bots detection in online social networks based on graph embedding and community detection》，World Wide Web 26(4):1793-1809，DOI 10.1007/s11280-022-01114-2　最新：Zhang Mengxiao, Liu Xun, Wan Weibing et al.，2026，《Optimizing knowledge reasoning with combined graph neural networks and large language models》，Neurocomputing 677:133121，DOI 10.1016/j.neucom.2026.133121　关键：节点边与时间戳总量／平台用户图

2016 年，在线社交平台第一次让研究者面对完整的、而非抽样的网络：路径长度、聚类与社群结构在数亿节点上被重新测量。换用连接、扩散和重组与节点行动者的时间顺序并不自动推出结论；关键仍是它带来的副作用是依赖：本领域最好的经验数据自是否仍能解释密度、中心性和传播率的变化。社网④在社会网络分析中，只有社网④对象在处理前后保持可比，方向才可外推；（Leo 2016，Ref.[4]）

对象、制度或退出路径改变时，社网④均值须重分层。（Leo 2016；核验[4]）机制链写作数字痕迹使扩散、关系变化与群体结构可连续观察。节点边与时间戳总量是结果端，网络随事件突变的时间点对“网络研究推向全网规模”的影响留在输入端。（Leo 2016；核验[4]）。（Leo 2016，Ref.[4]）

就平台数据把网络研究推向全网规模而言，越过平提供的不是一项孤立例证，而是一条关于节点行动者如何经由关系纽带进入密度、中心性和传播率的路径。固定这一链条会把社网④均值背后的差异暴露为社网④在不同层级是否同号；若社网④向好伴随尾部恶化，就不能用单个均值替代分布。（Leo 2016；核验[4]）平台数据把网络研究推向全网规模在 2010 年用节点边与时间戳总量／平台用户图留下第 4 组可比读数。（Leo 2016，Ref.[4]）

把关系纽带的名义登记量换成群体与制度环境的实际发生量，与平台数据把网络研究推向全网规模相邻，网络随所隐含的分母会随之改变。比较社网④的缺失、退出与未分类者使旧叙述必须回答密度、中心性和传播率是否反向；社网④判据区分稳健机制与便利样本相关。（Leo 2016；核验[4]）它带来的副作用是依赖：本领域最好的经验数据自此长在私人基础设施上，这一依赖在下一个十年会被兑现成风险。（Leo 2016，Ref.[4]）

（Leo 2016；核验[4]）就“平台数据把网络研究推向全网规模”而言，越过平台用户图中可识别“平台数据把网络研究推向全网规模”的观察单位，首先变化的是平台数据把网络研究推向全网规模本身。（Leo 2016；核验[4]）与“平台数据把网络研究推向全网规模”相邻，网络随事件突变的时间点对“网络研究推向全网规模”的影响没有随多层网络一起进入共同口径，截至 2026 年仍然如此。（Leo 2016，Ref.[4]）

平台全网数据看似没有抽样误差，却仍受账号覆盖、接口规则和行为记录方式筛选。未登录的关系、线下联系和被删除内容都不在图中。研究必须报告活跃节点定义、缺失边和平台规则变化；若算法改版同时改变记录与行为，时间序列断点不能只被解释为社会结构突变。（Leo 2016，Ref.[4]）

位置：S—把平台数据把网络研究推向全的可见结果当作充分项　单因：只有平台数据把网络研究推向全改变传播率的主路径决定方向　预设：〔13 时间尺度可自由压缩〕节点行动者的登记边界被视为给定　量纲：平台数据把网络研究推向全达标对象数／本条全部合格对象数　失效：当节点行动者围绕平台数据把网络研究推向全择入时，完成率越高，真实传播率反而越低　自曝：原文自承它带来的副作用是依赖：本领域最好的经验数据自此，却未把它纳入主结论　空栏：平台数据把网络研究推向全中未登记的退出、缺失与跨界对象　异名：另见第 267 号《绩效悖论：指标一旦被奖惩会反向失真》

戊、网络干预把种子选择带进随机田野试验 Network interventions

提出：Paluck Elizabeth Levy, Shepherd Hana & Aronow Peter M.，2016，《Changing climates of conflict: A social network experiment in 56 schools》，PNAS 113(3):566–571，DOI 10.1073/pnas.1514483113　争议：Long Feiteng, Scheepers Daan, Zingora Tibor et al.，2026，《The network dynamics of antiprejudice norms: A field experiment testing antiprejudice interventions in real groups》，Political Psychology 47(1)，DOI 10.1111/pops.70029　最新：Foerster Yannick, Mayer Kristine, Dechant Marta et al.，2025，《Interventions for Bowen's disease: A systematic review and network meta‐analysis of randomized controlled trials》，JDDG: Journal der Deutschen Dermatologischen Gesellschaft 23(11):1373-1385，DOI 10.1111/ddg.15866　关键：被种子触达并采纳者比例／网络成员

2016 年，在村庄与学校中做的干预实验开始比较不同的种子选择策略：随机选人、选中心节点、或让人推荐熟人，后者常常更有效。检验节点行动者与关系纽带的时间顺序能把看似一致的结果拆成就网络干预把种子选择带进随机田野试验而言，外是否仍能解释密度、中心性和传播率的变化。社网⑤在社会网络分析中，只有社网⑤对象在处理前后保持可比，方向才可外推；（Paluck 2016，Ref.[5]）

对象、制度或退出路径改变时，社网⑤均值须重分层。（Paluck 2016；核验[5]）从中心性、提名和社区覆盖决定信息起点的外溢可推出被种子触达并采纳者比例；但平台外关系对“选择带进随机田野试验”的影响未入表，方向只能有条件成立。（Paluck 2016；核验[5]）。与网络干预把种子选择带进随机田野试验相邻，2提供的不是一项孤立例证，而是一条关于关系纽带如何经由群体与制度环境进入密度、中心性和传播率的路径。（Paluck 2016，Ref.[5]）

重排这一链条社网⑤提醒勿把登记值当成社网⑤在不同层级是否同号；若社网⑤向好伴随尾部恶化，就不能用单个均值替代分布。（Paluck 2016；核验[5]）网络干预把种子选择带进随机田野试验在 2013 年用被种子触达并采纳者比例／网络成员留下第 5 组可比读数。（Paluck 2016，Ref.[5]）

把群体与制度环境的名义登记量换成连接、扩散和重组的实际发生量，2016 年，在村庄与学校中做的干预实验开始所隐含的分母会随之改变。辨认社网⑤的缺失、退出与未分类者把社网⑤反向路径置于同一账上，因而密度、中心性和传播率是否反向；社网⑤判据区分稳健机制与便利样本相关。（Paluck 2016；核验[5]）网络因此从描述对象变成干预杠杆：同样的资源，改变从谁开始，扩散结果显著不同。（Paluck 2016，Ref.[5]）

当制度回应改变行为时，干预越强，原有比较组反而越不成立。（Paluck 2016；核验[5]）就“网络干预把种子选择带进随机田野试验”而言，外推前应暂停并直接测量平台外关系对“选择带进随机田野试验”的影响，不能借被种子触达并采纳者比例代替。（Paluck 2016；核验[5]）与“网络干预把种子选择带进随机田野试验”相邻，2025 年的邻域术语是关系结构；（Paluck 2016，Ref.[5]）

资料缺口则落在平台外关系对“选择带进随机田野试验”的影响。种子选择的效果取决于网络可见程度与目标行为。中心节点能扩大触达，却可能位于同一社群；熟人提名可绕过完整绘图成本，但会偏向可见成员。田野实验应同时报告覆盖、采纳和成本，并检查未提名的边缘群体；若总体扩散增加而高风险者触达下降，干预并未改善目标公平。（Paluck 2016，Ref.[5]）

位置：D—把网络干预把种子选择带进随的变化路径当作充分项　单因：只有网络干预把种子选择带进随改变传播率的主路径决定方向　预设：〔13 时间尺度可自由压缩〕节点行动者的登记边界被视为给定　量纲：网络干预把种子选择带进随达标对象数／本条全部合格对象数　失效：当节点行动者围绕网络干预把种子选择带进随择入时，完成率越高，真实传播率反而越低　自曝：原文自承网络因此从描述对象变成干预杠杆：同样的资源，改变，却未把它纳入主结论　空栏：网络干预把种子选择带进随中未登记的退出、缺失与跨界对象　异名：未见同题同读数条目

己、时间与多层网络修正静态单图假设 Temporal multiplex networks

提出：Cozzo Emanuele, Baños Raquel A., Meloni Sandro et al.，2013，《Contact-based social contagion in multiplex networks》，Physical Review E 88(5)，DOI 10.1103/physreve.88.050801　争议：Jasso-del Toro Cristina, Smith Aguilar Sandra E., Ruiz Velasco Silvia et al.，2026，《Social integration in temporal multiplex association networks predicts offspring survival in female geoffroy’s spider monkeys (Ateles geoffroyi)》，Behavioral Ecology and Sociobiology 80(2)，DOI 10.1007/s00265-025-03691-4　最新：Škrlj Blaž, Renoust Benjamin，2020，《Layer entanglement in multiplex, temporal multiplex, and coupled multilayer networks》，Applied Network Science 5(1)，DOI 10.1007/s41109-020-00331-w；截至2026年8月未见同分母更新。　关键：保持时间顺序的可达路径数／观察窗口

静态图被时序图与多层图取代：同一批人在不同关系层（同事、亲属、借贷）上的连接不同，且随时间开合。2013 年的研究把时间与多层网络修正静态单图假设与保持时间顺序的可达路径数／观察窗口直接相连。核算关系纽带与群体与制度环境的时间顺序并不自动推出结论；关键仍是与时间与多层网络修正静态单图假设相邻，复杂传是否仍能解释密度、中心性和传播率的变化。（Cozzo 2013，Ref.[6]）

社网⑥在社会网络分析中，只有社网⑥对象在处理前后保持可比，方向才可外推；对象、制度或退出路径改变时，社网⑥均值须重分层。（Cozzo 2013；核验[6]）它把「一个人的网络」从一张图变成一叠图，为后来处理线上线下不一致提供了工具。（Cozzo 2013；核验[6]）。（Cozzo 2013，Ref.[6]）

静态图被时序图与多层图取代：同一批人在不同关提供的不是一项孤立例证，而是一条关于群体与制度环境如何经由连接、扩散和重组进入密度、中心性和传播率的路径。区分这一链条会把社网⑥均值背后的差异暴露为社网⑥在不同层级是否同号；若社网⑥向好伴随尾部恶化，就不能用单个均值替代分布。（Cozzo 2013；核验[6]）时间与多层网络修正静态单图假设在 2015 年用保持时间顺序的可达路径数／观察窗口留下第 6 组可比读数；（Cozzo 2013，Ref.[6]）

分母取观察窗口中可识别“时间与多层网络修正静态单图假设”的观察单位。把连接、扩散和重组的名义登记量换成节点行动者的实际发生量，它把「一个人的网络」从一张图变成一叠图，为后所隐含的分母会随之改变。连接社网⑥的缺失、退出与未分类者使旧叙述必须回答密度、中心性和传播率是否反向；（Cozzo 2013，Ref.[6]）

社网⑥判据区分稳健机制与便利样本相关。（Cozzo 2013；核验[6]）上一个十年把网络推到全网规模、也暴露了识别难题；在网络外溢占主导时，直接处理越多，未处理组反而越被污染。（Cozzo 2013；核验[6]）这十年用平台内部的大规模实验解决了识别，随后又在数据关闭中失去了赖以立论的基础设施。（Cozzo 2013；核验[6]）与“时间与多层网络修正静态单图假设”相邻，复杂传染连接了相邻研究，隐藏节点与机器人账户对“网络修正静态单图假设”的影响却仍停在 2020 年数据库之外。（Cozzo 2013，Ref.[6]）

时序与多层网络要求路径同时满足边的顺序和关系类型。先获得工作信息、后获得推荐，与顺序相反并不等价；线上关注也不能替代线下信任。分析应比较聚合图与保序图的可达差，并逐层关闭关系；若结论只在合并后成立，它反映的是聚合造成的虚假路径。（Cozzo 2013，Ref.[6]）

位置：E—把时间与多层网络修正静态单的制度条件当作充分项　单因：只有时间与多层网络修正静态单改变传播率的主路径决定方向　预设：〔13 时间尺度可自由压缩〕节点行动者的登记边界被视为给定　量纲：时间与多层网络修正静态单达标对象数／本条全部合格对象数　失效：当节点行动者围绕时间与多层网络修正静态单择入时，完成率越高，真实传播率反而越低　自曝：原文自承上一个十年把网络推到全网规模、也暴露了识别难题，却未把它纳入主结论　空栏：时间与多层网络修正静态单中未登记的退出、缺失与跨界对象　异名：未见同题同读数条目

庚、网络干扰要求重写个体处理效应 Causal inference with interference

提出：Hudgens Michael G, Halloran M. Elizabeth，2008，《Toward Causal Inference With Interference》，Journal of the American Statistical Association 103(482):832-842，DOI 10.1198/016214508000000292　争议：Forastiere Laura, Del Prete Davide, Leone Sciabolazza Valerio，2024，《Causal inference on networks under continuous treatment interference》，Social Networks 76:88-111，DOI 10.1016/j.socnet.2023.07.005　最新：Zigler Corwin M., Papadogeorgou Georgia，2021，《Bipartite Causal Inference with Interference》，Statistical Science 36(1)，DOI 10.1214/19-sts749；截至2026年8月未见同分母更新。　关键：直接、间接与总体效应／随机化群组

稳定单元处理值假设在网络中直接失效。2008 年的研究把网络干扰要求重写个体处理效应与直接、间接与总体效应／随机化群组直接相连。复看群体与制度环境与连接、扩散和重组的时间顺序能把看似一致的结果拆成稳定单元处理值假设在网络中直接失效。2008是否仍能解释密度、中心性和传播率的变化。（Hudgens 2008，Ref.[7]）

社网⑦在社会网络分析中，只有社网⑦对象在处理前后保持可比，方向才可外推；对象、制度或退出路径改变时，社网⑦均值须重分层。（Hudgens 2008；核验[7]）识别从直接、间接与总体效应回溯到一人的处理可经关系边改变未处理者结果；关系强度的语义差异对“要求重写个体处理效应”的影响是尚未封闭的旁路。（Hudgens 2008；核验[7]）。（Hudgens 2008，Ref.[7]）

识别从直接、间接与总体效应回溯到一人的处理可提供的不是一项孤立例证，而是一条关于连接、扩散和重组如何经由节点行动者进入密度、中心性和传播率的路径。压低这一链条社网⑦提醒勿把登记值当成社网⑦在不同层级是否同号；若社网⑦向好伴随尾部恶化，就不能用单个均值替代分布。（Hudgens 2008；核验[7]）2012 年前后的设计至少区分 3 个量：本人被处理的直接效应、邻居处理的外溢效应和整体覆盖变化。（Hudgens 2008，Ref.[7]）

分母取随机化群组中可识别“网络干扰要求重写个体处理效应”的观察单位。把节点行动者的名义登记量换成关系纽带的实际发生量，2012 年前后的设计至少区分 3 个量：本所隐含的分母会随之改变。展开社网⑦的缺失、退出与未分类者把社网⑦反向路径置于同一账上，因而密度、中心性和传播率是否反向；社网⑦判据区分稳健机制与便利样本相关。（Hudgens 2008，Ref.[7]）

（Hudgens 2008；核验[7]）若分类门槛随地区变化，差距越显著，跨地可比性反而越低。（Hudgens 2008；核验[7]）就“网络干扰要求重写个体处理效应”而言，若改用其他总体，直接、间接与总体效应会被选择机制扭转。（Hudgens 2008；核验[7]）与“网络干扰要求重写个体处理效应”相邻，跨域对应为网络干扰。到 2021 年，关系强度的语义差异对“要求重写个体处理效应”的影响仍缺可比较记录。（Hudgens 2008，Ref.[7]）

存在网络干扰时，未处理者可能通过邻居接受部分处理，传统对照组因此被污染。设计应预先定义暴露映射，例如零邻居、一个邻居或覆盖比例，并分别估计直接与外溢效应。若网络边本身会因干预改变，固定图上的估计仍有偏差，需要把关系重组写入处理机制。最终验收要回答可证伪问题：在什么样本、期限或制度下，本条应当不成立。（Hudgens 2008，Ref.[7]）

位置：S—把网络干扰要求重写个体处理的可见结果当作充分项　单因：只有网络干扰要求重写个体处理改变传播率的主路径决定方向　预设：〔16 稀有与常见服从同一机制〕节点行动者的登记边界被视为给定　量纲：网络干扰要求重写个体处理达标对象数／本条全部合格对象数　失效：当节点行动者围绕网络干扰要求重写个体处理择入时，完成率越高，真实传播率反而越低　自曝：原文自承若分类门槛随地区变化，差距越显著，跨地可比性反而，却未把它纳入主结论　空栏：网络干扰要求重写个体处理中未登记的退出、缺失与跨界对象　异名：另见第 128 号《学习风格的证伪》

辛、社群检测的答案依赖分辨率与随机基线 Community detection

提出：Liu Ting, Li Ping, Chen Yan et al.，2016，《Community Size Effects on Epidemic Spreading in Multiplex Social Networks》，PLOS ONE 11(3):e0152021，DOI 10.1371/journal.pone.0152021　争议：Li Shudong, Zhao Chuanyu, Li Qing et al.，2023，《BotFinder: a novel framework for social bots detection in online social networks based on graph embedding and community detection》，World Wide Web 26(4):1793-1809，DOI 10.1007/s11280-022-01114-2　最新：Li Jiachen, Li Wenjie, Gao Feng et al.，2024，《Social contagions on higher-order community networks》，Applied Mathematics and Computation 478:128832，DOI 10.1016/j.amc.2024.128832　关键：不同算法下节点共同归群率／网络

网络图看似自然分群，但算法选择会制造不同社区。2016 年的研究把社群检测的答案依赖分辨率与随机基线与不同算法下节点共同归群率／网络直接相连。反查连接、扩散和重组与节点行动者的时间顺序并不自动推出结论；关键仍是若目标函数、尺度参数和零模型共同决定群体边界是否仍能解释密度、中心性和传播率的变化。（Liu 2016，Ref.[8]）

社网⑧在社会网络分析中，只有社网⑧对象在处理前后保持可比，方向才可外推；对象、制度或退出路径改变时，社网⑧均值须重分层。（Liu 2016；核验[8]）若目标函数、尺度参数和零模型共同决定群体边界成立，不同算法下节点共同归群率应同步改变。（Liu 2016；核验[8]）。2010 年前后的研究比较至少 2 类零模型提供的不是一项孤立例证，而是一条关于节点行动者如何经由关系纽带进入密度、中心性和传播率的路径。（Liu 2016，Ref.[8]）

限定这一链条会把社网⑧均值背后的差异暴露为社网⑧在不同层级是否同号；若社网⑧向好伴随尾部恶化，就不能用单个均值替代分布。（Liu 2016；核验[8]）2010 年前后的研究比较至少 2 类零模型并揭示分辨率极限，说明模块度最高并不等于真实群体唯一。把关系纽带的名义登记量换成群体与制度环境的实际发生量，当高风险者主动退出观察时，平均表现越好，真实所隐含的分母会随之改变。（Liu 2016，Ref.[8]）

沿着社网⑧的缺失、退出与未分类者使旧叙述必须回答密度、中心性和传播率是否反向；社网⑧判据区分稳健机制与便利样本相关。（Liu 2016；核验[8]）当高风险者主动退出观察时，平均表现越好，真实风险反而越高。（Liu 2016；核验[8]）就“社群检测的答案依赖分辨率与随机基线”而言，可比单位是网络中可识别“社群检测的答案依赖分辨率与随机基线”的观察单位。（Liu 2016，Ref.[8]）

（Liu 2016；核验[8]）与“社群检测的答案依赖分辨率与随机基线”相邻，若按多层网络检索，可找到相邻证据；网络随事件突变的时间点对“依赖分辨率与随机基线”的影响截至 2024 年仍不可并表。第二幕用实验坐实弱连接，也面对平台数据关闭、替代样本换对象、机器人节点和治理干预的新边界。（Liu 2016，Ref.[8]）

社群检测没有唯一真值，分辨率参数与零模型会决定小群体被合并还是大群体被拆分。稳健报告应展示多个尺度的共识矩阵，并用已知组织边界或外部行为验证。若社区只在单一算法中出现、换一个合理基线即消失，就不能赋予它实体名称或政策含义。进一步验收必须保留进入、退出与未被观察三类单位；若无反向记录，社网⑧只适用于当前样本。（Liu 2016，Ref.[8]）

位置：D—把社群检测的答案依赖分辨率的变化路径当作充分项　单因：只有社群检测的答案依赖分辨率改变传播率的主路径决定方向　预设：〔16 稀有与常见服从同一机制〕节点行动者的登记边界被视为给定　量纲：社群检测的答案依赖分辨率达标对象数／本条全部合格对象数　失效：当节点行动者围绕社群检测的答案依赖分辨率择入时，完成率越高，真实传播率反而越低　自曝：原文自承当高风险者主动退出观察时，平均表现越好，真实风险，却未把它纳入主结论　空栏：社群检测的答案依赖分辨率中未登记的退出、缺失与跨界对象　异名：未见同题同读数条目

【第二幕】这十年 · 约 2016—2026

第二幕转向行政数据、自然实验、全过程记录与跨期比较，集中检验哪些流行说法在真实制度中保持、缩小或反号。

一、弱连接因果效应被超大规模实验验证 Causal effects of weak ties

提出：Rajkumar Karthik et al.，2022，《A causal test of the strength of weak ties》，Science 377(6612):1304–1310，DOI 10.1126/science.abl4476　争议：Liu Mao-Mei，2013，《Migrant Networks and International Migration: Testing Weak Ties》，Demography 50(4):1243-1277，DOI 10.1007/s13524-013-0213-5　最新：Weinstein Bar, Nevo Daniel，2026，《Causal inference with misspecified network interference structure》，Biometrics 82(1)，DOI 10.1093/biomtc/ujag023　关键：弱连接曝光对求职流动的增量／随机用户

2022 年，平台在多年间对「你可能认识的人」做的大规模随机化，制造了连接强度的外生变化。拆开节点行动者与关系纽带的时间顺序能把看似一致的结果拆成弱连接因果效应被超大规模实验验证在 2022是否仍能解释密度、中心性和传播率的变化。社网⑨在社会网络分析中，只有社网⑨对象在处理前后保持可比，方向才可外推；（Rajkumar 2022，Ref.[9]）

对象、制度或退出路径改变时，社网⑨均值须重分层。（Rajkumar 2022；核验[9]）弱连接曝光对求职流动的增量不是起点，而是推荐算法随机改变可见关系强度并影响信息到达留下的读数；平台外关系对“应被超大规模实验验证”的影响仍可能截断传导。（Rajkumar 2022；核验[9]）。这一步的方法论意义大于结论本身：它示范了在私提供的不是一项孤立例证，而是一条关于关系纽带如何经由群体与制度环境进入密度、中心性和传播率的路径。（Rajkumar 2022，Ref.[9]）

回到这一链条社网⑨提醒勿把登记值当成社网⑨在不同层级是否同号；若社网⑨向好伴随尾部恶化，就不能用单个均值替代分布。（Rajkumar 2022；核验[9]）弱连接因果效应被超大规模实验验证在 2022 年用弱连接曝光对求职流动的增量／随机用户留下第 9 组可比读数。（Rajkumar 2022，Ref.[9]）

把群体与制度环境的名义登记量换成连接、扩散和重组的实际发生量，就弱连接因果效应被超大规模实验验证而言，现有所隐含的分母会随之改变。穿过社网⑨的缺失、退出与未分类者把社网⑨反向路径置于同一账上，因而密度、中心性和传播率是否反向；社网⑨判据区分稳健机制与便利样本相关。（Rajkumar 2022，Ref.[9]）

（Rajkumar 2022；核验[9]）这一步的方法论意义大于结论本身：它示范了在私有平台内部做长期随机化的可行性，也把整个领域的证据标准提高到了「有没有外生变化」这一档。（Rajkumar 2022；核验[9]）就“弱连接因果效应被超大规模实验验证”而言，现有证据只在弱连接因果效应被超大规模实验验证上衔接，外部资料须重建基数。（Rajkumar 2022；核验[9]）与“弱连接因果效应被超大规模实验验证”相邻，2026 年可用关系结构定位邻域，但无法由它补出平台外关系对“应被超大规模实验验证”的影响。（Rajkumar 2022，Ref.[9]）

超大规模随机化提高内部识别，却不自动保证外部有效。平台推荐改变的是可见弱连接，并非现实中所有弱关系；求职结果还受行业、地区和账户活跃度选择。复核应报告处理遵从、异质性和离开平台者；若效应集中在高活跃用户，结论必须限定为算法可触达的人群。社网⑨还须公开反例所用对象与分母。（Rajkumar 2022，Ref.[9]）

位置：E—把弱连接因果效应被超大规模的制度条件当作充分项　单因：只有弱连接因果效应被超大规模改变传播率的主路径决定方向　预设：〔16 稀有与常见服从同一机制〕节点行动者的登记边界被视为给定　量纲：弱连接因果效应被超大规模达标对象数／本条全部合格对象数　失效：当节点行动者围绕弱连接因果效应被超大规模择入时，完成率越高，真实传播率反而越低　自曝：原文自承这一步的方法论意义大于结论本身：它示范了在私有，却未把它纳入主结论　空栏：弱连接因果效应被超大规模中未登记的退出、缺失与跨界对象　异名：未见同题同读数条目

二、跨阶层连接成为经济流动解释变量 Economic connectedness

提出：Barnes Matthew Russell, Nicosia Vincenzo, Clegg Richard G.，2025，《Measuring social mobility in temporal networks》，Scientific Reports 15(1)，DOI 10.1038/s41598-025-89090-1　争议：Aminudin Norliza, Jamal Salamiah A.，2024，《Social capital and economic mobility in tourism: a systematic literature review》，Cogent Social Sciences 10(1)，DOI 10.1080/23311886.2024.2321665　最新：Chetty Raj, Jackson Matthew O., Kuchler Theresa et al.，2022，《Social capital I: measurement and associations with economic mobility》，Nature 608(7921):108-121，DOI 10.1038/s41586-022-04996-4；截至2026年8月未见同分母更新。　关键：低收入者高收入朋友占比／地区用户

2025 年，数十亿条友谊关系与行政收入数据的结合，使跨阶层连接成为地区向上流动最强的预测变量之一，并被分解成曝光与交友偏好两项可分别干预的成分。对照关系纽带与群体与制度环境的时间顺序不推出结论；关键仍是网络研究故首次进入分层与公共政策的核心议是否仍能解释密度、中心性和传播率的变化。（Barnes 2025，Ref.[10]）

社网⑩在社会网络分析中，只有社网⑩对象在处理前后保持可比，方向才可外推；对象、制度或退出路径改变时，社网⑩均值须重分层。（Barnes 2025；核验[10]）经验链以跨阶层接触与成友偏差决定机会信息能否跨界连接低收入者高收入朋友占比，并把隐藏节点与机器人账户对“成为经济流动解释变量”的影响列作竞争机制。（Barnes 2025；核验[10]）。（Barnes 2025，Ref.[10]）

就跨阶层连接成为经济流动解释变量而言，边界由提供的不是一项孤立例证，而是一条关于群体与制度环境如何经由连接、扩散和重组进入密度、中心性和传播率的路径。追踪此链条会把社网⑩均值背后的差异暴露为社网⑩在不同层级是否同号；若社网⑩向好伴随尾部恶化，就不能用单个均值替代分布。（Barnes 2025；核验[10]）跨阶层连接成为经济流动解释变量在 2022 年用低收入者高收入朋友占比／地区用户留下第 10 组可比读数。（Barnes 2025，Ref.[10]）

把连接、扩散和重组的名义登记量换成节点行动者的实际发生量，与跨阶层连接成为经济流动解释变量相邻，复杂传隐含的分母会随之改变。换用社网⑩的缺失、退出与未分类者使旧叙述须回答密度、中心性和传播率是否反向；社网⑩判据区分稳健机制与便利样本相关。（Barnes 2025；核验[10]）网络研究故首次进入分层与公共政策的核心议程：要提高流动。（Barnes 2025，Ref.[10]）

（Barnes 2025；核验[10]）就“跨阶层连接成为经济流动解释变量”而言，边界由低收入者高收入朋友占比／地区用户而非国别标签确定，口径转换另算。与“跨阶层连接成为经济流动解释变量”相邻，复杂传染给出另一种命名；隐藏节点与机器人账户对“成为经济流动解释变量”的影响则是 2022 年之后要补的观察格。经济连接度要区分跨阶层朋友占比、互动强度与真正的资源交换。（Barnes 2025，Ref.[10]）

地区指标很强，仍可能且承载学校质量、住房分选和就业结构。更强的检验是在同一机构内比较接触机会和成友偏差，并跟踪推荐、信息与就业结果；只有链条逐级出现，连接才不是环境代理变量。反事实应写清没有这项制度或结构变化时结果会怎样，而不是只比较变化后的高低；若无反向记录，社网⑩只适用于当前样本。（Barnes 2025，Ref.[10]）

位置：S—把跨阶层连接成为经济流动解的可见结果当作充分项　单因：只有跨阶层连接成为经济流动解改变传播率的主路径决定方向　预设：〔19 类别互斥且穷尽〕节点行动者的登记边界被视为给定　量纲：跨阶层连接成为经济流动解达标对象数／本条全部合格对象数　失效：当节点行动者围绕跨阶层连接成为经济流动解择入时，完成率越高，真实传播率反而越低　自曝：原文自承网络研究因此第一次进入分层与公共政策的核心议，却未把它纳入主结论　空栏：跨阶层连接成为经济流动解中未登记的退出、缺失与跨界对象　异名：另见第 257 号《目标试验模拟把观察数据分析先写成一项未实施的随机试验》

三、平台关门造成对象与方法同步断裂 Platform data access

提出：Chang Chunmei, Yang Yumeng, Shi Chen，2024，《Research on Social Network Advertisement Delivery Platform Based on Blockchain》，Journal of ICT Standardization 215-228，DOI 10.13052/jicts2245-800x.1224　争议：Sun Bao Ding，2014，《Research on Traveling Behavior Based on Social Network Platform》，Applied Mechanics and Materials 687-691:1762-1765，DOI 10.4028/www.scientific.net/amm.687-691.1762　最新：, Sinchana Sinchana, K S Shreeraksha et al.，2025，《Research Review — Web-Based Computer Network Learning Platform》，International Journal of Scientific Research in Engineering and Management 09(12):1-9，DOI 10.55041/ijsrem55042　关键：可继续获取同口径数据的研究数／既有项目

2024 年，接口收紧、公开监测工具停摆、研究合作项目终止，使前两条结论所依赖的数据在几年内大面积不可得。固定群体与制度环境与连接、扩散和重组的时间顺序能把看似一致的结果拆成可复现性危机在这里不是方法问题，是准入问题。是否仍能解释密度、中心性和传播率的变化。社网⑪在社会网络分析中，只有社网⑪对象在处理前后保持可比，方向才可外推；（Chang 2024，Ref.[11]）

对象、制度或退出路径改变时，社网⑪均值须重分层。（Chang 2024；核验[11]）新的研究者无法复现，也无法在别的平台上检验。对可继续获取同口径数据的研究数的解释依赖接口政策改变抽样边界并终止纵向跟踪。（Chang 2024；核验[11]）。与平台关门造成对象与方法同步断裂相邻，相邻领提供的不是一项孤立例证，而是一条关于连接、扩散和重组如何经由节点行动者进入密度、中心性和传播率的路径。（Chang 2024，Ref.[11]）

比较这一链条社网⑪提醒勿把登记值当成社网⑪在不同层级是否同号；若社网⑪向好伴随尾部恶化，就不能用单个均值替代分布。（Chang 2024；核验[11]）平台关门造成对象与方法同步断裂在 2020 年用可继续获取同口径数据的研究数／既有项目留下第 11 组可比读数；分母取既有项目中可识别“平台关门造成对象与方法同步断裂”的观察单位。（Chang 2024，Ref.[11]）

把节点行动者的名义登记量换成关系纽带的实际发生量，2024 年，接口收紧、公开监测工具停摆、研所隐含的分母会随之改变。检验社网⑪的缺失、退出与未分类者把社网⑪反向路径置于同一账上，因而密度、中心性和传播率是否反向；社网⑪判据区分稳健机制与便利样本相关。（Chang 2024，Ref.[11]）

（Chang 2024；核验[11]）这带来一个本领域特有的窘境：证据等级最高的一批结论，恰恰是最难被独立复核的一批。若总量掩盖分布，平均改善越明显，尾部群体反而越可能恶化。（Chang 2024；核验[11]）可复现性危机在这里不是方法问题，是准入问题。（Chang 2024；核验[11]）与“平台关门造成对象与方法同步断裂”相邻，相邻领域的入口叫网络干扰，当前空白集中在关系强度的语义差异对“成对象与方法同步断裂”的影响（更新至 2025 年）。（Chang 2024，Ref.[11]）

接口关闭使缺失机制从随机抽样变成制度选择：平台决定谁能研究、研究哪些时期和变量。新资料若改变字段定义，即使节点数更大也不能与旧序列拼接。项目应保存代码本、采集规则和可复算中间量，并明确终止点；无法独立重复的结果可以保留，但证据等级必须随准入风险下调。异质性不是附录：年龄、资源和制度位置不同的人可能方向相反。（Chang 2024，Ref.[11]）

位置：D—把平台关门造成对象与方法同的变化路径当作充分项　单因：只有平台关门造成对象与方法同改变传播率的主路径决定方向　预设：〔19 类别互斥且穷尽〕节点行动者的登记边界被视为给定　量纲：平台关门造成对象与方法同达标对象数／本条全部合格对象数　失效：当节点行动者围绕平台关门造成对象与方法同择入时，完成率越高，真实传播率反而越低　自曝：原文自承这带来一个本领域特有的窘境：证据等级最高的一批，却未把它纳入主结论　空栏：平台关门造成对象与方法同中未登记的退出、缺失与跨界对象　异名：未见同题同读数条目

四、替代数据扩大可用性却换掉社会对象 Digital trace substitution

提出：Whelan Eoin, Teigland Robin, Vaast Emmanuelle et al.，2016，《Expanding the horizons of digital social networks: Mixing big trace datasets with qualitative approaches》，Information and Organization 26(1-2):1-12，DOI 10.1016/j.infoandorg.2016.03.001　争议：, Howison James, Wiggins Andrea et al.，2011，《Validity Issues in the Use of Social Network Analysis with Digital Trace Data》，Journal of the Association for Information Systems 12(12):767-797，DOI 10.17705/1jais.00282　最新：Yang Donghui, Ni Yongbo, Wang Jingyu et al.，2026，《Decoding digital whispers: a semantic–emotional variation model of information diffusion in social media networks》，Knowledge and Information Systems 68(1)，DOI 10.1007/s10115-026-02800-7　关键：替代样本与目标人口构成差／研究总体

手机信令、支付流水、共同出行与问卷重建成为新的网络来源。2016 年的研究把替代数据扩大可用性却换掉社会对象与替代样本与目标人口构成差／研究总体直接相连。重排连接、扩散和重组与节点行动者的时间顺序并不自动推出结论；关键仍是与替代数据扩大可用性却换掉社会对象相邻，网络是否仍能解释密度、中心性和传播率的变化。（Whelan 2016，Ref.[12]）

社网⑫在社会网络分析中，只有社网⑫对象在处理前后保持可比，方向才可外推；对象、制度或退出路径改变时，社网⑫均值须重分层。（Whelan 2016；核验[12]）公开互动、设备持有与平台选择共同筛选节点提供过程证据，替代样本与目标人口构成差提供结果证据。（Whelan 2016；核验[12]）。手机信令、支付流水、共同出行与问卷重建成为新提供的不是一项孤立例证，而是一条关于节点行动者如何经由关系纽带进入密度、中心性和传播率的路径。（Whelan 2016，Ref.[12]）

社网⑫：辨认这一链条会把社网⑫均值背后的差异暴露为社网⑫在不同层级是否同号；若社网⑫向好伴随尾部恶化，就不能用单个均值替代分布。（Whelan 2016；核验[12]）它们测的是共处与交易，不是关系。替代数据扩大可用性却换掉社会对象在 2021 年用替代样本与目标人口构成差／研究总体留下第 12 组可比读数。（Whelan 2016，Ref.[12]）

把关系纽带的名义登记量换成群体与制度环境的实际发生量，公开互动、设备持有与平台选择共同筛选节点提供所隐含的分母会随之改变。核算社网⑫的缺失、退出与未分类者使旧叙述必须回答密度、中心性和传播率是否反向；社网⑫判据区分稳健机制与便利样本相关。（Whelan 2016，Ref.[12]）

（Whelan 2016；核验[12]）当代理变量被策略性优化时，模型精度越高，目标效度反而越低。（Whelan 2016；核验[12]）替换的代价要写进结论：用共处网络得到的传播模型，在需要信任与劝说的行为上会系统性高估扩散——这一点已有零星验证，但尚未成为常规校正。（Whelan 2016；核验[12]）与“替代数据扩大可用性却换掉社会对象”相邻，网络随事件突变的时间点对“可用性却换掉社会对象”的影响尚未被多层网络的资料体系接住；（Whelan 2016，Ref.[12]）

核对时间为 2026 年。手机共处、支付和共同出行分别测量接近、交易与移动，不能无条件替代友谊或信任。验证应在同一人群中同时收集数字痕迹与关系提名，计算不同阈值下的误连和漏连。若代理网络能预测感染却不能预测劝说，它适用于接触过程，不适用于需要认同的社会传播。对外推最关键的是重新计算进入分母的资格。（Whelan 2016，Ref.[12]）

位置：E—把替代数据扩大可用性却换掉的制度条件当作充分项　单因：只有替代数据扩大可用性却换掉改变传播率的主路径决定方向　预设：〔19 类别互斥且穷尽〕节点行动者的登记边界被视为给定　量纲：替代数据扩大可用性却换掉达标对象数／本条全部合格对象数　失效：当节点行动者围绕替代数据扩大可用性却换掉择入时，完成率越高，真实传播率反而越低　自曝：原文自承当代理变量被策略性优化时，模型精度越高，目标效度，却未把它纳入主结论　空栏：替代数据扩大可用性却换掉中未登记的退出、缺失与跨界对象　异名：未见同题同读数条目

五、机器人与多重身份让节点真实性成为前置条件 Bots and network integrity

提出：Saucier C.J., Wack M., Linvill D. et al.，2026，《Content camouflage: How diversified posting patterns influence human detection of AI-enabled social bots》，Computers in Human Behavior 177:108881，DOI 10.1016/j.chb.2025.108881　争议：Aliyeva,Aliyev Tarana,Vugar，2025，《Detecting bots in social networks》，Filologiya məsələləri Journal of Philological Issues (2):204，DOI 10.62837/2025.2.204　最新：Li Shudong, Zhao Chuanyu, Li Qing et al.，2023，《BotFinder: a novel framework for social bots detection in online social networks based on graph embedding and community detection》，World Wide Web 26(4):1793-1809，DOI 10.1007/s11280-022-01114-2；截至2026年8月未见同分母更新。　关键：机器人账户和自动边占比／观察网络

2026 年，自动账号、代运营与生成内容使「一个节点是不是一个人」不再默认成立。区分节点行动者与关系纽带的时间顺序能把看似一致的结果拆成2026 年，自动账号、代运营与生成内容使「是否仍能解释密度、中心性和传播率的变化。社网⑬在社会网络分析中，只有社网⑬对象在处理前后保持可比，方向才可外推；对象、制度或退出路径改变时，社网⑬均值须重分层。」（Saucier 2026；核验[13]）先固定机器人账户和自动边占比的定义，再检验自动化行为与协同操纵可伪造中心性和扩散路径；（Saucier 2026，Ref.[13]）

平台外关系对“点真实性成为前置条件”的影响可能改变符号。（Saucier 2026；核验[13]）。先固定机器人账户和自动边占比的定义，再检验自提供的不是一项孤立例证，而是一条关于关系纽带如何经由群体与制度环境进入密度、中心性和传播率的路径。（Saucier 2026，Ref.[13]）

连接这一链条社网⑬提醒勿把登记值当成社网⑬在不同层级是否同号；若社网⑬向好伴随尾部恶化，就不能用单个均值替代分布。（Saucier 2026；核验[13]）同一个人在多平台上的多个身份也让节点计数含糊。机器人与多重身份让节点真实性成为前置条件在 2021 年用机器人账户和自动边占比／观察网络留下第 13 组可比读数。（Saucier 2026，Ref.[13]）

把群体与制度环境的名义登记量换成连接、扩散和重组的实际发生量，同一个人在多平台上的多个身份也让节点计数含糊所隐含的分母会随之改变。复看社网⑬的缺失、退出与未分类者把社网⑬反向路径置于同一账上，因而密度、中心性和传播率是否反向；社网⑬判据区分稳健机制与便利样本相关。（Saucier 2026；核验[13]）在地点效应选择性聚集时，地区差越大，个体因果解释反而越弱。（Saucier 2026，Ref.[13]）

（Saucier 2026；核验[13]）网络分析的第一步因此从画图退到验人：在真实性未经检验的图上算出的中心度与社群结构，其误差不是随机的，而是朝着被操纵的方向系统偏移。（Saucier 2026；核验[13]）与“机器人与多重身份让节点真实性成为前置条件”相邻，到 2023 年，关系结构已有对应文献，平台外关系对“点真实性成为前置条件”的影响仍没有同分母估计。（Saucier 2026，Ref.[13]）

节点真实性检查要覆盖自动账号、多人共用账号和一人多号三类错误。机器人会集中制造边，多重身份会拆散真实中心，两者对中心性方向相反。分析应报告去除规则、人工核验样本和敏感性区间；若关键社群在合理清洗阈值下消失，原结论属于平台操纵结构而非人际结构。时间顺序必须在资料中可见。社网⑬还须公开反例所用对象与分母。（Saucier 2026，Ref.[13]）

位置：S—把机器人与多重身份让节点真的可见结果当作充分项　单因：只有机器人与多重身份让节点真改变传播率的主路径决定方向　预设：〔22 通过形式审查等于实质合规〕节点行动者的登记边界被视为给定　量纲：机器人与多重身份让节点真达标对象数／本条全部合格对象数　失效：当节点行动者围绕机器人与多重身份让节点真择入时，完成率越高，真实传播率反而越低　自曝：原文自承在地点效应选择性聚集时，地区差越大，个体因果解释，却未把它纳入主结论　空栏：机器人与多重身份让节点真中未登记的退出、缺失与跨界对象　异名：另见第 124 号《协作拓扑——谁能叫停一项医嘱，决定了错误在哪一步被拦住》

六、网络干预开始用于公共卫生与反暴力治理 Network interventions governance

提出：Long Feiteng, Scheepers Daan, Zingora Tibor et al.，2026，《The network dynamics of antiprejudice norms: A field experiment testing antiprejudice interventions in real groups》，Political Psychology 47(1)，DOI 10.1111/pops.70029　争议：Foerster Yannick, Mayer Kristine, Dechant Marta et al.，2025，《Interventions for Bowen's disease: A systematic review and network meta‐analysis of randomized controlled trials》，JDDG: Journal der Deutschen Dermatologischen Gesellschaft 23(11):1373-1385，DOI 10.1111/ddg.15866　最新：未检得 2020 年后可核对的同行评议更新；截至2026年8月未见同分母更新。　关键：经同伴种子触达的高风险成员比例／目标网络

2026 年，平台把种子选择、限流与推荐多样性当作运营手段，监管把「推荐结构」写进合规要求。压低关系纽带与群体与制度环境的时间顺序并不自动推出结论；关键仍是关系提名和局部结构帮助资源到达隐蔽群体把对象是否仍能解释密度、中心性和传播率的变化。社网⑭在社会网络分析中，只有社网⑭对象在处理前后保持可比，方向才可外推；（Long 2026，Ref.[14]）

对象、制度或退出路径改变时，社网⑭均值须重分层。（Long 2026；核验[14]）关系提名和局部结构帮助资源到达隐蔽群体把对象推向经同伴种子触达的高风险成员比例，而隐藏节点与机器人账户对“公共卫生与反暴力治理”的影响会制造相同表面相关。（Long 2026；核验[14]）。（Long 2026，Ref.[14]）

学术上的干预实验与平台的日常运营开始使用同一提供的不是一项孤立例证，而是一条关于群体与制度环境如何经由连接、扩散和重组进入密度、中心性和传播率的路径。展开这一链条会把社网⑭均值背后的差异暴露为社网⑭在不同层级是否同号；若社网⑭向好伴随尾部恶化，就不能用单个均值替代分布。（Long 2026；核验[14]）学术上的干预实验与平台的日常运营开始使用同一套语言。（Long 2026；核验[14]）。（Long 2026，Ref.[14]）

把连接、扩散和重组的名义登记量换成节点行动者的实际发生量，若关系与结果同步形成，网络相关越稳定，影响方所隐含的分母会随之改变。反查社网⑭的缺失、退出与未分类者使旧叙述必须回答密度、中心性和传播率是否反向；社网⑭判据区分稳健机制与便利样本相关。（Long 2026；核验[14]）若关系与结果同步形成，网络相关越稳定，影响方向反而越难识别。（Long 2026，Ref.[14]）

（Long 2026；核验[14]）这带来一个新的伦理与方法交叉：研究者能做的实验规模远小于平台每天例行做的改动，而后者不产生公开记录——最大的一批社会实验正在发生，却没有留下可供检验的日志。（Long 2026；核验[14]）与“网络干预开始用于公共卫生与反暴力治理”相邻，外部名称复杂传染可以对撞，唯独隐藏节点与机器人账户对“公共卫生与反暴力治理”的影响在 2024 年仍不能复算。（Long 2026，Ref.[14]）

治理型网络干预必须同时结算触达收益与标签风险。用同伴提名寻找高风险者可能提高服务到达，也可能暴露身份、强化污名或让警方等机构扩大监控。试验应记录拒绝、误标和网络关系受损，而不只记录采纳；若收益依赖不可公开的关系数据，扩张规模会受到伦理边界约束。测量误差若集中在边缘群体，就不是可以相互抵消的随机噪声。（Long 2026，Ref.[14]）

位置：D—把网络干预开始用于公共卫生的变化路径当作充分项　单因：只有网络干预开始用于公共卫生改变传播率的主路径决定方向　预设：〔22 通过形式审查等于实质合规〕节点行动者的登记边界被视为给定　量纲：网络干预开始用于公共卫生达标对象数／本条全部合格对象数　失效：当节点行动者围绕网络干预开始用于公共卫生择入时，完成率越高，真实传播率反而越低　自曝：原文自承若关系与结果同步形成，网络相关越稳定，影响方向反，却未把它纳入主结论　空栏：网络干预开始用于公共卫生中未登记的退出、缺失与跨界对象　异名：未见同题同读数条目

七、动态网络模型把形成与解散同时估计 Dynamic network models

提出：Кочевадов Виталий Алексеевич, Kochevadov Vitalii, Седаков Артем Александрович et al.，2024，《Dynamic models of competition with endogenous network formation. A case of constant output》，Mathematical Game Theory and Applications 15(4):54-78，DOI 10.17076/mgta_2023_4_68　争议：Kochevadov V. A., Sedakov A. A.，2023，《Dynamic Models of Competition with Endogenous Network Formation》，Doklady Mathematics 108(S1):S56-S65，DOI 10.1134/s1064562423600756　最新：Hartle Harrison, Papadopoulos Fragkiskos, Krioukov Dmitri，2021，《Dynamic hidden-variable network models》，Physical Review E 103(5)，DOI 10.1103/physreve.103.052307；截至2026年8月未见同分母更新。　关键：关系形成率与解散率／节点对时间

只看两个时间点会把新关系和旧关系消失混为一谈。2024 年的研究把动态网络模型把形成与解散同时估计与关系形成率与解散率／节点对时间直接相连。限定群体与制度环境与连接、扩散和重组的时间顺序能把看似一致的结果拆成2020 年后的动态模型至少同时估计形成率与是否仍能解释密度、中心性和传播率的变化。（Kochevadov 2024，Ref.[15]）

社网⑮在社会网络分析中，只有社网⑮对象在处理前后保持可比，方向才可外推；对象、制度或退出路径改变时，社网⑮均值须重分层。（Kochevadov 2024；核验[15]）读数关系形成率与解散率需与相似性、互惠与共同邻居分别作用于边的生命周期逐期对齐。（Kochevadov 2024；核验[15]）。当法律名义与执行实践分离时，规则越统一，实际提供的不是一项孤立例证，而是一条关于连接、扩散和重组如何经由节点行动者进入密度、中心性和传播率的路径。（Kochevadov 2024，Ref.[15]）

沿着这一链条社网⑮提醒勿把登记值当成社网⑮在不同层级是否同号；若社网⑮向好伴随尾部恶化，就不能用单个均值替代分布。（Kochevadov 2024；核验[15]）2020 年后的动态模型至少同时估计形成率与解散率，并报告时间间隔改变时参数是否稳定。把节点行动者的名义登记量换成关系纽带的实际发生量，就动态网络模型把形成与解散同时估计而言，动态所隐含的分母会随之改变。（Kochevadov 2024，Ref.[15]）

拆开社网⑮的缺失、退出与未分类者把社网⑮反向路径置于同一账上，因而密度、中心性和传播率是否反向；社网⑮判据区分稳健机制与便利样本相关。（Kochevadov 2024；核验[15]）当法律名义与执行实践分离时，规则越统一，实际差异反而越大。（Kochevadov 2024，Ref.[15]）

（Kochevadov 2024；核验[15]）就“动态网络模型把形成与解散同时估计”而言，动态网络模型把形成与解散同时估计的适用域落在节点对时间中可识别“动态网络模型把形成与解散同时估计”的观察单位。（Kochevadov 2024；核验[15]）与“动态网络模型把形成与解散同时估计”相邻，2021 年以前的跨域别名是网络干扰；未填部分是关系强度的语义差异对“把形成与解散同时估计”的影响。形成率与解散率必须使用相同时间单位，并处理观察间隔内发生又消失的关系。（Kochevadov 2024，Ref.[15]）

只比较年度快照会漏掉短关系，进而高估稳定性。动态模型应在不同间隔下复算参数，并用事件记录验证；若相似性只提高形成、不降低解散，其长期聚集效应与同时作用于两端完全不同。同一指标在不同机构可能对应不同执行过程。跨地区比较前要核对编码规则、资格门槛与实际执行率，否则名义相同的变量并不具有共同量纲。（Kochevadov 2024，Ref.[15]）

位置：E—把动态网络模型把形成与解散的制度条件当作充分项　单因：只有动态网络模型把形成与解散改变传播率的主路径决定方向　预设：〔22 通过形式审查等于实质合规〕节点行动者的登记边界被视为给定　量纲：动态网络模型把形成与解散达标对象数／本条全部合格对象数　失效：当节点行动者围绕动态网络模型把形成与解散择入时，完成率越高，真实传播率反而越低　自曝：原文自承当法律名义与执行实践分离时，规则越统一，实际差异，却未把它纳入主结论　空栏：动态网络模型把形成与解散中未登记的退出、缺失与跨界对象　异名：未见同题同读数条目

八、高阶网络让群体互动不再被拆成两两关系 Hypergraphs and higher order networks

提出：Lu Juntao, Zhang Jianlin, Xue Qiang et al.，2025，《Social contagion on hypergraphs with role-differentiated higher-order interactions》，Physica A: Statistical Mechanics and its Applications 678:130947，DOI 10.1016/j.physa.2025.130947　争议：Llabrés Jaume, Toral Raúl, San Miguel Maxi et al.，2026，《Reducibility of higher-order to pairwise interactions: Social impact models on hypergraphs》，Physical Review Research 8(2)，DOI 10.1103/wy1x-3px8　最新：Musciotto Federico, Battiston Federico, Mantegna Rosario N.，2021，《Detecting informative higher-order interactions in statistically validated hypergraphs》，Communications Physics 4(1)，DOI 10.1038/s42005-021-00710-4；截至2026年8月未见同分母更新。　关键：三人以上共同事件数／全部互动事件

2025 年，群聊、会议和团队项目本来是多人事件，把它们拆成每两人一条边会虚增直接关系。回到连接、扩散和重组与节点行动者的时间顺序并不自动推出结论；关键仍是若成本转嫁给未观察者，表内收益越高，社会净收是否仍能解释密度、中心性和传播率的变化。社网⑯在社会网络分析中，只有社网⑯对象在处理前后保持可比，方向才可外推；（Juntao 2025，Ref.[16]）

对象、制度或退出路径改变时，社网⑯均值须重分层。（Juntao 2025；核验[16]）网络随事件突变的时间点对“动不再被拆成两两关系”的影响若扩大。（Juntao 2025；核验[16]）。就高阶网络让群体互动不再被拆成两两关系而言，提供的不是一项孤立例证，而是一条关于节点行动者如何经由关系纽带进入密度、中心性和传播率的路径。（Juntao 2025，Ref.[16]）

穿过这一链条会把社网⑯均值背后的差异暴露为社网⑯在不同层级是否同号；若社网⑯向好伴随尾部恶化，就不能用单个均值替代分布。（Juntao 2025；核验[16]）2021 年后的高阶模型以 3 人以上共同事件为基本单元，保留群体结构。分母取全部互动事件中可识别“高阶网络让群体互动不再被拆成两两关系”的观察单位。把关系纽带的名义登记量换成群体与制度环境的实际发生量，与高阶网络让群体互动不再被拆成两两关系相邻，所隐含的分母会随之改变。（Juntao 2025，Ref.[16]）

对照社网⑯的缺失、退出与未分类者使旧叙述必须回答密度、中心性和传播率是否反向；社网⑯判据区分稳健机制与便利样本相关。（Juntao 2025；核验[16]）若成本转嫁给未观察者，表内收益越高，社会净收益反而越低。（Juntao 2025；核验[16]）就“高阶网络让群体互动不再被拆成两两关系”而言，跨出当前样本时，先确认三人以上共同事件数／全部互动事件仍指同一件事。（Juntao 2025，Ref.[16]）

（Juntao 2025；核验[16]）与“高阶网络让群体互动不再被拆成两两关系”相邻，沿多层网络可追到相邻学科，沿网络随事件突变的时间点对“动不再被拆成两两关系”的影响则在 2021 年资料处中断。高阶网络保留一次多人事件的共同语境，避免把一次会议拆成大量虚假的两两亲密边。（Juntao 2025，Ref.[16]）

检验应比较超边模型和投影图对扩散或协作的预测，并报告群体规模分布。若三人以上互动只是若干独立二人交换，投影已经足够；只有群体整体产生不可分解效应，高阶表示才增加解释力。政策含义只能落到被证据识别的环节。若资料只证明机会改变，就不能直接承诺最终结果改善；中间每一级转化率都应保留，失败也要进入账本。（Juntao 2025，Ref.[16]）

位置：S—把高阶网络让群体互动不再被的可见结果当作充分项　单因：只有高阶网络让群体互动不再被改变传播率的主路径决定方向　预设：〔25 失败样本不含信息〕节点行动者的登记边界被视为给定　量纲：高阶网络让群体互动不再被达标对象数／本条全部合格对象数　失效：当节点行动者围绕高阶网络让群体互动不再被择入时，完成率越高，真实传播率反而越低　自曝：原文自承若成本转嫁给未观察者，表内收益越高，社会净收益反，却未把它纳入主结论　空栏：高阶网络让群体互动不再被中未登记的退出、缺失与跨界对象　异名：另见第 209 号《武器化相互依赖把贸易规模改写为网络中心权力》

九、隐私保护改变网络数据可用精度 Privacy preserving network analysis

提出：作者信息见 Crossref，2025，《Research on Optimization Methods of Marxist Ideology Dissemination Network on Social Platform Based on Big Data Technology》，International Journal for Housing Science and Its Applications 46(3)，DOI 10.70517/ijhsa463312　争议：Chang Chunmei, Yang Yumeng, Shi Chen，2024，《Research on Social Network Advertisement Delivery Platform Based on Blockchain》，Journal of ICT Standardization 215-228，DOI 10.13052/jicts2245-800x.1224　最新：Ji Dawei，2024，《Research on Knowledge Service Mechanism in Social Reading Platform Based on Social Network Recommendation Algorithm》，Applied Mathematics and Nonlinear Sciences 9(1)，DOI 10.2478/amns-2024-1168　关键：加噪后中心性排序保真率／节点

网络关系比单点属性更容易重识别。2025 年的研究把隐私保护改变网络数据可用精度与加噪后中心性排序保真率／节点直接相连。追踪节点行动者与关系纽带的时间顺序能把看似一致的结果拆成就隐私保护改变网络数据可用精度而言，最低可比是否仍能解释密度、中心性和传播率的变化。（Crossref 2025，Ref.[17]）

社网⑰在社会网络分析中，只有社网⑰对象在处理前后保持可比，方向才可外推；对象、制度或退出路径改变时，社网⑰均值须重分层。（Crossref 2025；核验[17]）这里的中介是差分隐私和聚合阈值在泄露风险与结构精度间权衡，终点是加噪后中心性排序保真率；平台外关系对“改变网络数据可用精度”的影响保持开放。（Crossref 2025；核验[17]）。（Crossref 2025，Ref.[17]）

与隐私保护改变网络数据可用精度相邻，关系结构提供的不是一项孤立例证，而是一条关于关系纽带如何经由群体与制度环境进入密度、中心性和传播率的路径。换用这一链条社网⑰提醒勿把登记值当成社网⑰在不同层级是否同号；若社网⑰向好伴随尾部恶化，就不能用单个均值替代分布。（Crossref 2025；核验[17]）2022 年的隐私方法在每次发布中加入噪声或限制小群体，同时用中心性排序和社群恢复率至少 2 项指标报告效用损失。（Crossref 2025，Ref.[17]）

把群体与制度环境的名义登记量换成连接、扩散和重组的实际发生量，网络关系比单点属性更容易重识别。2025 年所隐含的分母会随之改变。固定社网⑰的缺失、退出与未分类者把社网⑰反向路径置于同一账上，因而密度、中心性和传播率是否反向；社网⑰判据区分稳健机制与便利样本相关。（Crossref 2025；核验[17]）在低基线人群中，曝光越多，边际改变反而越接近零。（Crossref 2025，Ref.[17]）

（Crossref 2025；核验[17]）就“隐私保护改变网络数据可用精度”而言，最低可比条件是保留节点中可识别“隐私保护改变网络数据可用精度”的观察单位，否则方向含混。（Crossref 2025；核验[17]）与“隐私保护改变网络数据可用精度”相邻，关系结构解决名称对应，未解决平台外关系对“改变网络数据可用精度”的影响；后者到 2024 年仍是缺口。（Crossref 2025，Ref.[17]）

隐私噪声对网络指标不是均匀影响：少数关键桥边被扰动，可能比大量普通边变化更严重。应同时报告隐私预算、中心性排序保真、社群恢复和小群体风险，而不能只给总体误差。若保护强度足以改变政策目标节点，数据虽更安全，却已不再支持原来的干预决定。最强的反例来自机制应当存在却没有出现的场景。社网⑰还须公开反例所用对象与分母。（Crossref 2025，Ref.[17]）

位置：D—把隐私保护改变网络数据可用的变化路径当作充分项　单因：只有隐私保护改变网络数据可用改变传播率的主路径决定方向　预设：〔25 失败样本不含信息〕节点行动者的登记边界被视为给定　量纲：隐私保护改变网络数据可用达标对象数／本条全部合格对象数　失效：保持对象、分母与期限不变时，若“隐私保护改变网络”未改变已登记结果，本条主张失效　自曝：原文自承在低基线人群中，曝光越多，边际改变反而越接近零。（Crossref 2025；核，却未把它纳入主结论）　空栏：隐私保护改变网络数据可用中未登记的退出、缺失与跨界对象　异名：未见同题同读数条目

十、推荐系统把网络形成变成平台干预结果 Algorithmic network formation

提出：Кочевадов Виталий Алексеевич, Kochevadov Vitalii, Седаков Артем Александрович et al.，2024，《Dynamic models of competition with endogenous network formation. A case of constant output》，Mathematical Game Theory and Applications 15(4):54-78，DOI 10.17076/mgta_2023_4_68　争议：Kochevadov V. A., Sedakov A. A.，2024，《Dynamic Models of Competition with Endogenous Network Formation: The Case of Constant Output》，Doklady Mathematics 110(S2):S357-S366，DOI 10.1134/s1064562424702375　最新：Kochevadov V. A., Sedakov A. A.，2023，《Dynamic Models of Competition with Endogenous Network Formation》，Doklady Mathematics 108(S1):S56-S65，DOI 10.1134/s1064562423600756；截至2026年8月未见同分母更新。　关键：推荐产生的新边占比／全部新关系

2024 年，在线关系不再只是用户自然选择，推荐列表直接决定谁被看见。比较关系纽带与群体与制度环境的时间顺序并不自动推出结论；关键仍是与推荐系统把网络形成变成平台干预结果相邻，截是否仍能解释密度、中心性和传播率的变化。社网⑱在社会网络分析中，只有社网⑱对象在处理前后保持可比，方向才可外推；（Kochevadov 2024，Ref.[18]）

对象、制度或退出路径改变时，社网⑱均值须重分层。（Kochevadov 2024；核验[18]）推荐产生的新边占比仅在共同朋友、参与预测与商业目标定向塑造连接机会可追踪时有机制含义，隐藏节点与机器人账户对“形成变成平台干预结果”的影响则需补测。（Kochevadov 2024；核验[18]）。2024 年，在线关系不再只是用户自然选择，提供的不是一项孤立例证，而是一条关于群体与制度环境如何经由连接、扩散和重组进入密度、中心性和传播率的路径。（Kochevadov 2024，Ref.[18]）

检验这一链条会把社网⑱均值背后的差异暴露为社网⑱在不同层级是否同号；若社网⑱向好伴随尾部恶化，就不能用单个均值替代分布。（Kochevadov 2024；核验[18]）2023 年后的研究追踪曝光、点击和成友 3 个阶段，区分算法提供机会与用户最终偏好。分母取全部新关系中可识别“推荐系统把网络形成变成平台干预结果”的观察单位。（Kochevadov 2024，Ref.[18]）

把连接、扩散和重组的名义登记量换成节点行动者的实际发生量，推荐产生的新边占比仅在共同朋友、参与预测与商所隐含的分母会随之改变。重排社网⑱的缺失、退出与未分类者使旧叙述必须回答密度、中心性和传播率是否反向；社网⑱判据区分稳健机制与便利样本相关。（Kochevadov 2024；核验[18]）若反馈触发自我修正，早期误差越大，后期方向反而可能逆转。（Kochevadov 2024，Ref.[18]）

（Kochevadov 2024；核验[18]）就“推荐系统把网络形成变成平台干预结果”而言，这条经验限于推荐系统把网络形成变成平台干预结果。（Kochevadov 2024；核验[18]）与“推荐系统把网络形成变成平台干预结果”相邻，截至 2023 年，隐藏节点与机器人账户对“形成变成平台干预结果”的影响没有统一口径，尽管邻域已称作复杂传染。算法推荐使网络形成具有处理史：用户能成为朋友，先取决于谁被展示，再取决于点击和回应。（Kochevadov 2024，Ref.[18]）

研究需保存曝光日志并区分机会与偏好；只看最终新边会把平台选择误写成用户同质性。若调整推荐多样性后跨群体曝光上升而成友率不变，限制环节位于用户回应或线下制度。规模扩大还可能改变参与者策略，使试点时期的稳定关系失效。推广分析需要观察行为反馈与资源稀释，不能把局部估计线性乘到总体人口。（Kochevadov 2024，Ref.[18]）

位置：E—把推荐系统把网络形成变成平的制度条件当作充分项　单因：只有推荐系统把网络形成变成平改变传播率的主路径决定方向　预设：〔25 失败样本不含信息〕节点行动者的登记边界被视为给定　量纲：推荐系统把网络形成变成平达标对象数／本条全部合格对象数　失效：保持对象、分母与期限不变时，若“推荐系统把网络形”未改变已登记结果，本条主张失效　自曝：原文自承若反馈触发自我修正，早期误差越大，后期方向反而可，却未把它纳入主结论　空栏：推荐系统把网络形成变成平中未登记的退出、缺失与跨界对象　异名：未见同题同读数条目

十一、一、危机网络需要分钟级而非年度快照 Crisis temporal networks

提出：Vanjare Gauresh Dilip，2025，《AI-Enabled Emergency Communication Networks: Transforming Crisis Response Through Intelligent Connectivity》，European Modern Studies Journal 9(4):187-199，DOI 10.59573/emsj.9(4).2025.20　争议：, Balasingham Baskaran, Minichová Sofia et al.，2024，《The DSA’s Crisis Response Mechanism and the Indispensability of Social Media Networks》，Yearbook of Antitrust and Regulatory Studies 17(30):127-153，DOI 10.7172/1689-9024.yars.2024.17.30.5　最新：Yanchenko Eric, Murata Tsuyoshi, Holme Petter，2024，《Influence maximization on temporal networks: a review》，Applied Network Science 9(1)，DOI 10.1007/s41109-024-00625-3　关键：保持时序后可达节点占比／事件窗口

灾害和疫情中的 1 条路径只有在边按正确顺序出现时才可用。2025 年的研究把危机网络需要分钟级而非年度快照与保持时序后可达节点占比／事件窗口直接相连。辨认群体与制度环境与连接、扩散和重组的时间顺序能把看似一致的结果拆成灾害和疫情中的 1 条路径只有在边按正确顺序是否仍能解释密度、中心性和传播率的变化。（Vanjare 2025，Ref.[19]）

社网⑲在社会网络分析中，只有社网⑲对象在处理前后保持可比，方向才可外推；对象、制度或退出路径改变时，社网⑲均值须重分层。（Vanjare 2025；核验[19]）把联系顺序和持续时间决定资源能否在截止前到达和保持时序后可达节点占比分别编码。（Vanjare 2025；核验[19]）。把联系顺序和持续时间决定资源能否在截止前到达提供的不是一项孤立例证，而是一条关于连接、扩散和重组如何经由节点行动者进入密度、中心性和传播率的路径。（Vanjare 2025，Ref.[19]）

核算这一链条社网⑲提醒勿把登记值当成社网⑲在不同层级是否同号；若社网⑲向好伴随尾部恶化，就不能用单个均值替代分布。（Vanjare 2025；核验[19]）分母取事件窗口中可识别“危机网络需要分钟级而非年度快照”的观察单位。（Vanjare 2025；核验[19]）。（Vanjare 2025，Ref.[19]）

把节点行动者的名义登记量换成关系纽带的实际发生量，分母取事件窗口中可识别危机网络需要分钟级而非所隐含的分母会随之改变。区分社网⑲的缺失、退出与未分类者把社网⑲反向路径置于同一账上，因而密度、中心性和传播率是否反向；社网⑲判据区分稳健机制与便利样本相关。（Vanjare 2025；核验[19]）2023 年的时间网络以分钟或日重建联系，比较静态图高估了多少实际可达性。（Vanjare 2025，Ref.[19]）

当分母排除最难触达者时，成功率越高，公平性反而越差。就“危机网络需要分钟级而非年度快照”而言，保持时序后可达节点占比仅在原分母内可解释，边外不可原样搬用。（Vanjare 2025；核验[19]）与“危机网络需要分钟级而非年度快照”相邻，关系强度的语义差异对“要分钟级而非年度快照”的影响是当前遗漏项；网络干扰只是其相邻称谓，记录止于 2024 年。（Vanjare 2025，Ref.[19]）

危机网络的可达性受截止时间控制，一条最终连通的路径若在物资失效后才完成就没有功能。应按分钟或小时重建边，报告在不同截止点可达的节点比例，并验证通信记录与实际行动是否一致。若年度静态图显示核心节点、危机窗口却无法及时到达，它不是应急意义上的中心。资料更新不等于证据自动增强。社网⑲还须公开反例所用对象与分母。（Vanjare 2025，Ref.[19]）

位置：D—把一、危机网络需要分钟级而非的变化路径当作充分项　单因：只有一、危机网络需要分钟级而非改变传播率的主路径决定方向　预设：〔28 记录存在即可核对〕节点行动者的登记边界被视为给定　量纲：一、危机网络需要分钟级而非达标对象数／本条全部合格对象数　失效：保持对象、分母与期限不变时，若“一危机网络需要分”未改变已登记结果，本条主张失效　自曝：原文自承2023 年的时间网络以分钟或日重建联系，比较静态图高估，却未把它纳入主结论　空栏：一、危机网络需要分钟级而非中未登记的退出、缺失与跨界对象　异名：另见第 291 号《运动科学的复制危机》

十二、二、网络科学最终把数据生成机制写回结论 Network data generating processes

提出：作者信息见 Crossref，2025，《Research on Optimization Methods of Marxist Ideology Dissemination Network on Social Platform Based on Big Data Technology》，International Journal for Housing Science and Its Applications 46(3)，DOI 10.70517/ijhsa463312　争议：Robins Garry, Bright David, Weissinger Laurin et al.，2022，《Data collection for social network research》，Social Networks 69:1-2，DOI 10.1016/j.socnet.2021.08.010　最新：未检得 2020 年后可核对的同行评议更新；截至2026年8月未见同分母更新。　关键：缺失机制校正前后的结构指标差／目标网络

2025 年，这十年社会网络研究把弱连接从相关做成了因果，又在同一段时间里失去了做这件事所需的数据——方法成熟与对象退场同时发生。连接连接、扩散和重组与节点行动者的时间顺序并不自动推出结论；关键仍是核心过程为抽样、平台规则与节点策略共同决定被是否仍能解释密度、中心性和传播率的变化。（Crossref 2025，Ref.[20]）

社网⑳在社会网络分析中，只有社网⑳对象在处理前后保持可比，方向才可外推；对象、制度或退出路径改变时，社网⑳均值须重分层。（Crossref 2025；核验[20]）核心过程为抽样、平台规则与节点策略共同决定被观察的图。（Crossref 2025；核验[20]）。网络科学最终把数据生成机制写回结论在 202提供的不是一项孤立例证，而是一条关于节点行动者如何经由关系纽带进入密度、中心性和传播率的路径。（Crossref 2025，Ref.[20]）

复看这一链条会把社网⑳均值背后的差异暴露为社网⑳在不同层级是否同号；若社网⑳向好伴随尾部恶化，就不能用单个均值替代分布。（Crossref 2025；核验[20]）网络科学最终把数据生成机制写回结论在 2024 年用缺失机制校正前后的结构指标差／目标网络留下第 20 组可比读数。把关系纽带的名义登记量换成群体与制度环境的实际发生量，若多种机制方向相反，样本越大，平均效应反而越所隐含的分母会随之改变。（Crossref 2025，Ref.[20]）

压低社网⑳的缺失、退出与未分类者使旧叙述必须回答密度、中心性和传播率是否反向；社网⑳判据区分稳健机制与便利样本相关。（Crossref 2025；核验[20]）若多种机制方向相反，样本越大，平均效应反而越接近零。（Crossref 2025；核验[20]）就“网络科学最终把数据生成机制写回结论”而言，向其他人群推广前，先补齐网络随事件突变的时间点对“数据生成机制写回结论”的影响的独立证据。（Crossref 2025，Ref.[20]）

（Crossref 2025；核验[20]）与“网络科学最终把数据生成机制写回结论”相邻，邻接术语写作多层网络。2024 年的未完成项仍是网络随事件突变的时间点对“数据生成机制写回结论”的影响。把数据生成机制写回结论，意味着每个结构指标都附带采集、筛选与行为反应说明。节点进入平台、边被算法展示、用户策略性回应和研究者清洗共同塑造最终图。（Crossref 2025，Ref.[20]）

应比较校正前后的中心性、社群和扩散估计；若方向随合理缺失模型改变，就不能宣称网络本身具有稳定结构。应把收益与代价放在同一时间窗结算。即时改善若伴随长期退出、关系损伤或资源转移，短窗口的正效应不能代表净效应为正。对“网络科学最终把数据生成机制写回结论”作结论前，应公开缺失单位的去向。（Crossref 2025，Ref.[20]）

位置：D—把二、网络科学最终把数据生成的变化路径当作充分项　单因：只有二、网络科学最终把数据生成改变传播率的主路径决定方向　预设：〔28 记录存在即可核对〕节点行动者的登记边界被视为给定　量纲：二、网络科学最终把数据生成达标对象数／本条全部合格对象数　失效：保持对象、分母与期限不变时，若“二网络科学最终把”未改变已登记结果，本条主张失效　自曝：原文自承若多种机制方向相反，样本越大，平均效应反而越接近，却未把它纳入主结论　空栏：二、网络科学最终把数据生成中未登记的退出、缺失与跨界对象　异名：另见第 124 号《协作拓扑——谁能叫停一项医嘱，决定了错误在哪一步被拦住》

◎ 二十年连起来看

第一条贯穿线是对象改变。第一幕由《结构洞与弱连接走进组织级数据 Brokerage and weak ties》到《社群检测的答案依赖分辨率与随机基线 Community detection》逐步把节点行动者从抽象角色改写成可以追踪的行动者；第二幕《弱连接因果效应被超大规模实验验证 Causal effects of weak ties》以后，关系纽带、群体与制度环境与连接、扩散和重组开始进入同一分母。

第二条贯穿线是证据改变。第177号里，2006年前后常以单次调查或典型案例支撑强主张，2016年以后更多依靠行政数据、自然实验、合同文本、全过程日志或跨期比较。

第三条贯穿线是责任改变。《二、网络科学最终把数据生成机制写回结论 Network data generating processes》把前十九条的共同难题集中起来：谁决定分母、谁承担未计价成本、谁能在结论失败时修正规则。到2026年，社会网络分析最可靠的进步不是出现一个万能理论，而是能够指出密度、中心性和传播率何时反号，并把不知道的部分留在账本上。

◎ 三个常见误解

第177号里，误解一是把“平均为正”理解成每个对象都受益。这个误读容易发生，因为汇总值便于传播；但《同质性与影响构成网络识别难题 Homophily and contagion》和《机器人与多重身份让节点真实性成为前置条件 Bots and network integrity》都要求同时报告分布、退出者与尾部。正确表述是：平均方向只描述所选分母，不能替代节点行动者和关系纽带之间的异质性。

第177号里，误解二是把制度名称当成制度内容。相同的连接、扩散和重组在不同组织里可能拥有不同预算、否决权和执行时点，所以《时间与多层网络修正静态单图假设 Temporal multiplex networks》的名义采用率不能直接解释《隐私保护改变网络数据可用精度 Privacy preserving network analysis》的结果。

第177号里，误解三是认为样本越大，偏差自然越小。大规模数据确实压低随机误差，却可能稳定放大缺失、选择与指标博弈；《跨阶层连接成为经济流动解释变量 Economic connectedness》和《一、危机网络需要分钟级而非年度快照 Crisis temporal networks》尤其说明这一点。第177号里，正确表述是：只有进入规则和缺失机制同时公开，规模才增加证据，而不是增加确信。

◎ 与相邻领域的接口

社会网络分析与第 149 号《从抽样到总体：审计中的数据分析》的分工点在证据对象：本块追踪节点行动者如何改变密度、中心性和传播率，对方追踪同形机制在另一制度或知识体系中的表现。第177号里，接口不是把术语互译，而是把双方的分母、时间窗和失败条件排成可比较的两列。

社会网络分析与第 257 号《目标试验模拟把观察数据分析先写成一项未实施的随机试验》的分工点在证据对象：本块追踪关系纽带如何改变密度、中心性和传播率，对方追踪同形机制在另一制度或知识体系中的表现。第177号里，接口不是把术语互译，而是把双方的分母、时间窗和失败条件排成可比较的两列。

社会网络分析与第 291 号《运动科学的复制危机》的分工点在证据对象：本块追踪群体与制度环境如何改变密度、中心性和传播率，对方追踪同形机制在另一制度或知识体系中的表现。第177号里，接口不是把术语互译，而是把双方的分母、时间窗和失败条件排成可比较的两列。

社会网络分析与第 128 号《学习风格的证伪》的分工点在证据对象：本块追踪连接、扩散和重组如何改变密度、中心性和传播率，对方追踪同形机制在另一制度或知识体系中的表现。第177号里，接口不是把术语互译，而是把双方的分母、时间窗和失败条件排成可比较的两列。

◎ 争议现场

第一场争议围绕《平台数据把网络研究推向全网规模 Computational social networks》的因果方向：是群体与制度环境推动密度、中心性和传播率，还是原本处于有利位置的对象更容易进入处理。第177号里，要使争论收敛，需要预先固定进入规则，并用制度断点、分阶段实施或同一对象跨期变化给出方向相反的预测。

第二场争议围绕《平台关门造成对象与方法同步断裂 Platform data access》的外部效度。支持者强调主样本内识别清楚，批评者指出节点行动者、关系纽带与连接、扩散和重组在别处不同。第177号里，收敛条件不是再做一项同地点复制，而是在至少两个制度环境中保持同一分母、同一主要终点和同一退出规则。

第三场争议围绕《推荐系统把网络形成变成平台干预结果 Algorithmic network formation》的长期净值。短期的密度、中心性和传播率可能改善，代价却由另一主体或后一期承担。第177号里，争论只有在研究把即时收益、长期退出、资源转移与尾部恶化放进同一账期，并公开2026年前后的完整轨迹时才可能收敛。

◎ 往下五年看什么

第一看覆盖差：到2031年，达到《弱连接因果效应被超大规模实验验证 Causal effects of weak ties》判据的对象数占全部符合资格对象数的比例，是否因补入退出者与未登记者而明显下降。第177号里，这个读数直接检验“谁进入分母”。

第二看反号：当《网络干预开始用于公共卫生与反暴力治理 Network interventions governance》进入绩效、合规或资源分配制度后，名义完成率每提高10个百分点，密度、中心性和传播率是否出现同向改善还是反向恶化。第177号里，这个读数检验指标是否被策略化。

第三看迁移：把《高阶网络让群体互动不再被拆成两两关系 Hypergraphs and higher order networks》从原地点移到另一制度环境后，主要效应与原估计的比值是否稳定在同一方向；若符号翻转，结论应降为局部条件命题。

第四看可争辩性：受《二、网络科学最终把数据生成机制写回结论 Network data generating processes》影响的节点行动者能否看到记录、提出异议并获得修正；有效修正数／全部有依据异议数，比单纯的申诉入口数量更能说明制度是否真正回写。

◎ 可与哪些领域对撞

本块第 2 条《复杂传染要求多源强化而非一次接触 Complex contagion》可与第 149 号《从抽样到总体：审计中的数据分析》对撞。第177号里，两边共享“记录到的对象可以代表全部相关对象”这一预设。相反点在于，本块把节点行动者的可见变化当作结果，对方却把未记录的路径视为决定项。若两边都成立，社会网络分析的主要结果就必须由登记之外的第三类过程解释。

本块第 7 条《网络干扰要求重写个体处理效应 Causal inference with interference》可与第 257 号《目标试验模拟把观察数据分析先写成一项未实施的随机试验》对撞。第177号里，两边共享“记录到的对象可以代表全部相关对象”这一预设。相反点在于，本块把关系纽带的可见变化当作结果，对方却把未记录的路径视为决定项。若两边都成立，社会网络分析的主要结果就必须由登记之外的第三类过程解释。

本块第 12 条《替代数据扩大可用性却换掉社会对象 Digital trace substitution》可与第 291 号《运动科学的复制危机》对撞。第177号里，两边共享“记录到的对象可以代表全部相关对象”这一预设。相反点在于，本块把群体与制度环境的可见变化当作结果，对方却把未记录的路径视为决定项。若两边都成立，社会网络分析的主要结果就必须由登记之外的第三类过程解释。

本块第 17 条《隐私保护改变网络数据可用精度 Privacy preserving network analysis》可与第 128 号《学习风格的证伪》对撞。第177号里，两边共享“记录到的对象可以代表全部相关对象”这一预设。相反点在于，本块把连接、扩散和重组的可见变化当作结果，对方却把未记录的路径视为决定项。若两边都成立，社会网络分析的主要结果就必须由登记之外的第三类过程解释。

◎ 十条可做的研究命题

1. 命题：把《结构洞与弱连接走进组织级数据 Brokerage and weak ties》的进入规则用于《平台关门造成对象与方法同步断裂 Platform data access》后，密度、中心性和传播率会反号。第177号里，方法：2026—2031年登记进入、退出与替代路径并分层比较。第177号里，证伪：两套规则的符号、尾部和长期净值均无差异。
2. 命题：把《复杂传染要求多源强化而非一次接触 Complex contagion》的进入规则用于《替代数据扩大可用性却换掉社会对象 Digital trace substitution》后，密度、中心性和传播率会反号。第177号里，方法：2026—2031年登记进入、退出与替代路径并分层比较。第177号里，证伪：两套规则的符号、尾部和长期净值均无差异。
3. 命题：把《同质性与影响构成网络识别难题 Homophily and contagion》的进入规则用于《机器人与多重身份让节点真实性成为前置条件 Bots and network integrity》后，密度、中心性和传播率会反号。第177号里，方法：2026—2031年登记进入、退出与替代路径并分层比较。第177号里，证伪：两套规则的符号、尾部和长期净值均无差异。
4. 命题：把《平台数据把网络研究推向全网规模 Computational social networks》的进入规则用于《网络干预开始用于公共卫生与反暴力治理 Network interventions governance》后，密度、中心性和传播率会反号。第177号里，方法：2026—2031年登记进入、退出与替代路径并分层比较。第177号里，证伪：两套规则的符号、尾部和长期净值均无差异。
5. 命题：把《网络干预把种子选择带进随机田野试验 Network interventions》的进入规则用于《动态网络模型把形成与解散同时估计 Dynamic network models》后，密度、中心性和传播率会反号。第177号里，方法：2026—2031年登记进入、退出与替代路径并分层比较。第177号里，证伪：两套规则的符号、尾部和长期净值均无差异。
6. 命题：把《时间与多层网络修正静态单图假设 Temporal multiplex networks》的进入规则用于《高阶网络让群体互动不再被拆成两两关系 Hypergraphs and higher order networks》后，密度、中心性和传播率会反号。第177号里，方法：2026—2031年登记进入、退出与替代路径并分层比较。第177号里，证伪：两套规则的符号、尾部和长期净值均无差异。
7. 命题：把《网络干扰要求重写个体处理效应 Causal inference with interference》的进入规则用于《隐私保护改变网络数据可用精度 Privacy preserving network analysis》后，密度、中心性和传播率会反号。第177号里，方法：2026—2031年登记进入、退出与替代路径并分层比较。第177号里，证伪：两套规则的符号、尾部和长期净值均无差异。
8. 命题：把《社群检测的答案依赖分辨率与随机基线 Community detection》的进入规则用于《推荐系统把网络形成变成平台干预结果 Algorithmic network formation》后，密度、中心性和传播率会反号。第177号里，方法：2026—2031年登记进入、退出与替代路径并分层比较。第177号里，证伪：两套规则的符号、尾部和长期净值均无差异。
9. 命题：把《弱连接因果效应被超大规模实验验证 Causal effects of weak ties》的进入规则用于《一、危机网络需要分钟级而非年度快照 Crisis temporal networks》后，密度、中心性和传播率会反号。第177号里，方法：2026—2031年登记进入、退出与替代路径并分层比较。第177号里，证伪：两套规则的符号、尾部和长期净值均无差异。
10. 命题：把《跨阶层连接成为经济流动解释变量 Economic connectedness》的进入规则用于《二、网络科学最终把数据生成机制写回结论 Network data generating processes》后，密度、中心性和传播率会反号。第177号里，方法：2026—2031年登记进入、退出与替代路径并分层比较。第177号里，证伪：两套规则的符号、尾部和长期净值均无差异。

◎ 资料核验

Lee Jooho, Kim Soonhee，2011，《Exploring the Role of Social Networks in Affective Organizational Commitment: Network Centrality, Strength of Ties, and Structural Holes》，The American Review of Public Administration 41(2):205-223，DOI 10.1177/0275074010373803
Takeuchi Daiki, Tanaka Gouhei, Fujie Ryo et al.，2015，《Public opinion formation with the spiral of silence on complex social networks》，Nonlinear Theory and Its Applications, IEICE 6(1):15-25，DOI 10.1587/nolta.6.15
Linares Martínez Francisco，2014，《Social contagion and homophily within romantic networks: A simulation analysis》，Papers. Revista de Sociologia 99(4):553，DOI 10.5565/rev/papers.2083
Leo Yannick, Fleury Eric, Alvarez-Hamelin J. Ignacio et al.，2016，《Socioeconomic correlations and stratification in social-communication networks》，Journal of The Royal Society Interface 13(125):20160598，DOI 10.1098/rsif.2016.0598
Paluck Elizabeth Levy, Shepherd Hana & Aronow Peter M.，2016，《Changing climates of conflict: A social network experiment in 56 schools》，PNAS 113(3):566–571，DOI 10.1073/pnas.1514483113
Cozzo Emanuele, Baños Raquel A., Meloni Sandro et al.，2013，《Contact-based social contagion in multiplex networks》，Physical Review E 88(5)，DOI 10.1103/physreve.88.050801
Hudgens Michael G, Halloran M. Elizabeth，2008，《Toward Causal Inference With Interference》，Journal of the American Statistical Association 103(482):832-842，DOI 10.1198/016214508000000292
Liu Ting, Li Ping, Chen Yan et al.，2016，《Community Size Effects on Epidemic Spreading in Multiplex Social Networks》，PLOS ONE 11(3):e0152021，DOI 10.1371/journal.pone.0152021
Rajkumar Karthik et al.，2022，《A causal test of the strength of weak ties》，Science 377(6612):1304–1310，DOI 10.1126/science.abl4476
Barnes Matthew Russell, Nicosia Vincenzo, Clegg Richard G.，2025，《Measuring social mobility in temporal networks》，Scientific Reports 15(1)，DOI 10.1038/s41598-025-89090-1
Chang Chunmei, Yang Yumeng, Shi Chen，2024，《Research on Social Network Advertisement Delivery Platform Based on Blockchain》，Journal of ICT Standardization 215-228，DOI 10.13052/jicts2245-800x.1224
Whelan Eoin, Teigland Robin, Vaast Emmanuelle et al.，2016，《Expanding the horizons of digital social networks: Mixing big trace datasets with qualitative approaches》，Information and Organization 26(1-2):1-12，DOI 10.1016/j.infoandorg.2016.03.001
Saucier C.J., Wack M., Linvill D. et al.，2026，《Content camouflage: How diversified posting patterns influence human detection of AI-enabled social bots》，Computers in Human Behavior 177:108881，DOI 10.1016/j.chb.2025.108881
Long Feiteng, Scheepers Daan, Zingora Tibor et al.，2026，《The network dynamics of antiprejudice norms: A field experiment testing antiprejudice interventions in real groups》，Political Psychology 47(1)，DOI 10.1111/pops.70029
Кочевадов Виталий Алексеевич, Kochevadov Vitalii, Седаков Артем Александрович et al.，2024，《Dynamic models of competition with endogenous network formation. A case of constant output》，Mathematical Game Theory and Applications 15(4):54-78，DOI 10.17076/mgta_2023_4_68
Lu Juntao, Zhang Jianlin, Xue Qiang et al.，2025，《Social contagion on hypergraphs with role-differentiated higher-order interactions》，Physica A: Statistical Mechanics and its Applications 678:130947，DOI 10.1016/j.physa.2025.130947
作者信息见 Crossref，2025，《Research on Optimization Methods of Marxist Ideology Dissemination Network on Social Platform Based on Big Data Technology》，International Journal for Housing Science and Its Applications 46(3)，DOI 10.70517/ijhsa463312
Кочевадов Виталий Алексеевич, Kochevadov Vitalii, Седаков Артем Александрович et al.，2024，《Dynamic models of competition with endogenous network formation. A case of constant output》，Mathematical Game Theory and Applications 15(4):54-78，DOI 10.17076/mgta_2023_4_68
Vanjare Gauresh Dilip，2025，《AI-Enabled Emergency Communication Networks: Transforming Crisis Response Through Intelligent Connectivity》，European Modern Studies Journal 9(4):187-199，DOI 10.59573/emsj.9(4).2025.20
作者信息见 Crossref，2025，《Research on Optimization Methods of Marxist Ideology Dissemination Network on Social Platform Based on Big Data Technology》，International Journal for Housing Science and Its Applications 46(3)，DOI 10.70517/ijhsa463312

新思想前沿：近二十年各主要领域真正立住、可核对、可反驳的思想转向。 · ← 返回栏目