当:2023年6月23日美国东部时间下午2点

地点:Luddy人工智能中心2005(面对面)

发言人:迭戈r . Amancio

标题:检查前合作者对作者的影响指标

文摘:

科学已经成为更多的合作在过去的几年中。尽管科学合作的各个方面进行了调查,我们的研究特别关注研究的影响最重要的合作者在各学科的研究指标。我们的分析表明,高级合作者的影响依赖于特定的研究领域,甚至高被引作者可能大量的论文合著者和积累相当比例的引用与他们最重要的合作者。这些发现强调高级合作者在塑造的意义的研究结果。

传记:

迭戈r Amancio是大学教员圣保罗,巴西。他的兴趣包括科学的科学、网络科学、自然语言处理和机器学习。

当:2023年4月3日12点

地点:Luddy中心人工智能(LU2005)

发言人:Ankur摩尼

标题:调查生产在线健康计划:证据来自美国在线社交网络

文摘:

在线健康活动平台越来越多地利用健康计划和社会支持,激发有益健康的活动和注重提高用户参与度。然而,许多健康计划遭受波动率高,折扣他们预期的效果,和消极的社会影响可能导致生产蔓延放大生产的速度和规模。因此,需要理解为什么用户生产健康计划以及社会感染有助于培养。利用运动挑战设置,运动数据,和一个大的社交网络上一位著名的美国在线健身平台,我们调查的影响同伴的行为在自我锻炼挑战流失。为了实现研究目标,我们使用一个工具变量框架(如下图所示),使用同行的外生变化的天气位置不同于自我的位置作为工具。估计的框架束缚中内生性影响使用“天气变化由同行震惊了自我的生产。我们测量生产作为自我决定让不活跃的一到两周后,定义同行的一个自我的平台。我们发现运动挑战生产是社会传染性和演示了一个复杂的蔓延。有趣的是,我们的分析显示,生产的社会蔓延扩散从中央下级或外围自我与社交网络中的朋友更少,自我中心与更多的朋友在社交网络。这种波动传染主要是局限于低密度网络社区成员缺乏连接。 Our findings have important implications for designing intervention plans to stop online wellness program churn based on social contagion.

这是与我的学生易朱共同工作。

传记:

Ankur摩尼是一个工业与系统工程系助理教授明尼苏达大学。他也是一个从属的数据科学计划和控制系统和动态组明尼苏达大学。他收到了来自麻省理工学院的博士学位和B.Tech。从印度科技学院的学位,德里。Ankur的研究兴趣包括网络、分布式试验,在社交网络和游戏理论与应用,供应链网络、交通网络和医疗保健。他的研究已经发表在《自然》杂志的主要期刊包括管理科学和人类行为等,并收到通知收益管理部分,认识通知航空节,和盐等。

当:2022年11月11日12点

地点:远程交流

缩放链接:https://iu.zoom.us/j/89873992894?pwd=QmxmaXZaakNFSUpnQm1jT1I3T1ZOZz09

记录:Juul乔纳斯瀑布说话

发言人:Juul乔纳斯

标题:困难,更好、更快、更强的瀑布——或者只是更大?

文摘:

做一些类型的在线内容传播得更快或更深入?近年来,许多研究已经在寻求这些问题的答案通过比较网络路径的统计特性采取不同种类的内容在网上传播。这里我们展示的重要性比较控制统计特性的相关性。特别是,我们表明,之前报道的结构性差异扩散路径虚假和真实的新闻在Twitter上消失仅当比较相同大小的小瀑布;差异扩散路径的图片、视频、新闻和请愿书持续下去。搭配扩散过程的理论分析,我们的研究结果表明,为了限制虚假新闻的传播是足够的关注减少信息的意思是“传染性”。
联合使用Johan Ugander(斯坦福大学)

传记:

乔纳斯·l·尤尔的说法是嘉士伯的丹麦技术大学的博士后。他的研究集中在传播过程和网络。他最近的兴趣包括开发方法来推断的内容在网上传播如何观察扩散路径,并在流行病学评估缓解措施的效率。加入丹麦技术大学之前他是一个应用数学中心的博士后研究员,康奈尔大学,他曾与奥斯汀本森,jonkleinberg和Steven strogat。他获得了物理学博士学位2020年尼尔斯·波尔研究所的复杂系统。

当:2022年1月19日,下午2:00

地点:Luddy中心人工智能(2044)

缩放链接:https://iu.zoom.us/j/89107137699

发言人:布雷特Buttliere

文摘:

讨论将集中在心理学的科学家在做科学和传播科学,特别是关注认知冲突的角色作为交流和做科学的激励因素,在线。研究将表明,人们更乐意去应对那些他们不同意,他们写更长和更消极的反应,而且这些职位是更高的信息内容和质量。这些文章也受到最多关注,然后是截然不同的情况下,用户没有回应的机会,他们不同意,用户更倾向于避免信息(过滤器泡泡)。确定相应的情况似乎解决这个大之间的矛盾在文献中在线过滤泡沫和消极偏见。在科学,研究将概述,即科学家写更多关于负面的论文主题,更多的网上讨论和负面话题。我还将简要介绍正在进行工作检查世界科学家的维基百科资料,和开放的讨论,应该能从这些数据(例如,跟踪各领域的增长和运动在空间和时间)。我希望这将是你感兴趣的,会有很多讨论空间。

传记:

当:2021年10月15日,旧

地点:Luddy 1106 (Dorsey学习大厅)

缩放链接:https://iu.zoom.us/j/89107137699

发言人:弗朗西斯科·Pierri

标题:表征和检测的在线社交网络传播虚假信息

文摘:

在线社交媒体曝光我们各种各样的虚假和误导性信息侵蚀公共信托机构,与严重的反弹在现实世界中。持续COVID-19大流行就是一个例子,世界经历一个“infodemic”,过多的信息,包括虚假和误导性的内容,这削弱了医学干预对抗疾病。

在这次演讲中,我将研究的结果在过去三年里米兰理工大学的博士生,并且那将是我即将到来的博士论文的一部分。我从正在进行的合作也将呈现结果与社交媒体上的天文台。

我利用一个计算机科学和网络科学的方法解决在线社交网络中的虚假信息传播问题来自两个方面:(1)表征,即。,understanding the mechanisms and the actors involved in the spread of false and misleading information on online social media during relevant events such as political elections and the on-going COVID-19 pandemic; (2) detection, i.e., building a methodology to accurately classify news articles based on the interactions between users that take place on platforms like Twitter.

传记:

我是一个3^{理查德·道金斯}(去年)年博士生“数据分析和决策科学”在米兰理工大学,博士学位项目的监督下的斯特凡诺赛教授和教授。Fabio Pammolli称:

我的研究的焦点(和我的博士论文)是理解在在线社交网络虚假信息的传播,与计算机科学和网络科学的方法。我也最近调查的社会经济后果COVID-19流行利用人类流动来自移动电话的数据。

我目前天文台在社交媒体访问学者(2020年9月以来),我们调查COVID-19 infodemic和与疫苗相关的错误信息的传播。

当:周五,2021年5月14日

地点:https://iu.zoom.us/j/87346711649

发言人:克里斯·康奈尔大学

标题:DynACPD网络嵌入算法在动态网络预测任务

文摘:经典的网络嵌入的创建一个低维表示学习跨节点特性之间的关系。这些嵌入的重要任务,如链接预测和节点分类。我们认为低维嵌入的“动态网络”——一个家庭的时变网络中存在两个时空链接节点之间的关系。我们展示小说中嵌入的方法基于高阶张量的动态网络分解为张量的表示的动态网络。我们嵌入类似于某些经典谱为静态网络嵌入方法。我们证明我们的方法的有效性通过比较算法的性能对数组的链接预测任务当前基线的方法在三个不同的现实世界的动态网络。最后,我们提供了一个数学理由这制度有效性的小增量更改。这是王与杨共同工作。

传记:

克里斯·康奈尔大学感兴趣的动力系统之间的接口问题,随机漫步,周围的拓扑和几何负值的曲率。他的一些最近的研究强调将工具从这些学科对网络嵌入问题。他从密歇根大学获得博士学位,现在是印第安纳大学布卢明顿的数学教授。雷竞技官方网站下载

时间:周三,2019年10月2日,下午2点

地点:信息学东,322房间吗

演讲者:Jean-Gabriel年轻

有效和完全从嘈杂的贝叶斯推理的复杂网络数据

文摘:我们很少使用错误的测量网络。相反,我们通常可以观察的状态序列,在最好的情况下,间接观测系统的结构。最近的研究导致了多大的规范化,在这方面,这些测量可以告知我们实际复杂网络的结构。现在明白域无关模型不是银bullets-one可以想出许多不同的模型的数据集映射到一个网络,都导致不同的推论。介绍的工作是实现的动机,这导致张力防止广泛采用这些网络重建方法的实践者。一方面,必须专业领域一定进入设计好的模型,以避免错误的结论。但与此同时,设计模型可能是一个挑战,因为有:得到一个完整的推理过程从头开始;实现这个过程;验证推理;重新开始,如果不纠正每一个模型的结果。

在本课程中,我将介绍贝叶斯框架抽象出大部分的计算工作,将灵活的模型设计舞台的中心。关键的建模任务的从业者,我们的框架使决定个体两两交互解释的测量存在与否的两个节点之间的边。该方法广泛适用于这些测量可以是任何东西,从一个简单的观察相互作用,组成的时间序列,或者对一些尝试和成功的观察。

传记:

Jean-Gabriel年轻广泛感兴趣问题统计和十字路口的复杂系统。他最近的工作集中在新的激动人心的网络科学推理问题,包括过去的推理的动态网络,网络从嘈杂的数据重建;和高阶的推理从成对数据交互。他收到了拉瓦尔大学物理学博士学位(2018),和现在是詹姆斯·s·麦克唐纳在密歇根大学的博士后的复杂性。

时间:星期五,2019年10月4日上午11点

地点:信息学东,322房间吗

演讲者:恩李

同质性和少数派大小解释知觉偏见在社交网络

文摘:人民对少数群体的大小在社交网络可以有偏见,经常显示系统的高估或低估。这些社会知觉偏见往往归因于偏向认知或动机过程。在这里,我们表明,过度和低估的少数群体的大小可以完全摆脱社会网络的结构属性。使用生成的网络模型,我们表明,这些偏见取决于程度的同质性,其不对称性质和少数群体的大小。我们的模型预测对应跨文化调查与经验数据和数值计算从六个现实世界的网络。我们还确定何种情况下个人可以减少偏见依靠他们的邻居的观念。这项工作进展我们了解网络结构对社会知觉的偏见的影响,为解决相关问题提供了一个定量的方法在社会。

传记:恩·李是一个数学系的博士后研究员在北卡罗莱纳大学教堂山分校)有兴趣有助于更深入地理解社会网络结构之间的相互作用,动态的结构,认知,和集体行为。我的研究兴趣在于四个主题:社会网络结构的影响感知,感知的影响集体行为,社交网络的进化和人类行为,了解动态,时间和社交网络。