** Si vous souhaitez voir directement le réseau, avancez à la minute 12:30 **
*** REMERCIEMENTS ***
Merci à tous les vulgarisateurs qui ont contribué à l’outro de la vidéo (par ordre d’apparition):
Dirty Biology : [ Ссылка ]
Manon Bril : [ Ссылка ]
Un Créatif : [ Ссылка ]
Scilabus : [ Ссылка ]
Et notre big boss à tous, Bruce de E-penser : [ Ссылка ]
*** POUR ME SOUTENIR ***
(1) Abonnez-vous, commentez et laissez un pouce bleu.
(2) Découvrez la fouloscopie avec mon livre : [ Ссылка ]
(3) Tipeee, pour ceux qui préfère : [ Ссылка ]
(4) Suivez-moi sur Twitter : [ Ссылка ]
*** MES RECHERCHES ***
Mon laboratoire de recherche à l’institut Max Planck : [ Ссылка ]
Ma thèse de doctorat : [ Ссылка ]
Mon blog : [ Ссылка ]
*** QUELQUES PRÉCISIONS***
Pour être précis, il faut noter qu’il existe en réalité deux grandes familles de réseaux : Les “small-worlds” caractérisés par des regroupements et des chemins courts, et les “scale-free” caractérisés par la présence de hubs. En pratique, la plupart des réseaux sont *à la fois* small-world et scale-free et présentent donc les trois propriétés en même temps comme je le décris dans la vidéo.
Le mécanisme qui produit ces graphs sera différent pour les “scale-free” et pour les “small-world”. Si les nouveaux points se connectent préférentiellement aux gros, cela donnera un “scale-free” (et donc des hubs). Pour produire des small-worlds, il faut un attachement préférentiels aux voisins et quelques liens aléatoires. Pour simplifier, je décris dans la vidéo un unique mécanisme qui produit les “scale-free” et les “small-world”, mais ils sont souvent décrit séparément dans la littérature scientifique.
Enfin sur la loi des chemins courts dans les réseaux aléatoires [modèle de Paul Erdös], la longueur du chemin entre deux points ne dépend presque pas de la taille du réseau (comme indiqué à 3:00), mais il y a toutefois une forte dépendance au nombre de liens que l’on a placé dans le réseau. Dans un réseau aléatoire avec peu de liens sociaux, la longueur du chemin entre deux points pourra être relativement longue.
*** BIBLIOGRAPHIE ***
- Le réseau d’influences politiques :
Gaumont, N., Panahi, M., & Chavalarias, D. (2018). PloS one, 13(9).
- L’étude du réseau d’une organisation terroriste :
Yang, C. C., Liu, N., & Sageman, M. (2006). Springer, Berlin, Heidelberg.
- L’article de Paul Erdös sur les réseaux aléatoires :
Erdős, P.; Rényi, A. (1959). Publicationes Mathematicae. 6: 290–297.
- La publication de Milgram sur les six degrés de séparation :
Travers, Jeffrey, and Stanley Milgram, Sociometry 32(4, Dec. 1969):425–443
- L’article de Duncan Watts sur le réseau d’acteurs :
Watts, D. J., & Strogatz, S. H. (1998). Nature, 393(6684), 440.
- Les deux livres de Barabasi qui ont été la source d’information principale pour préparer cette vidéo:
Barabási, A. L. (2003), Linked: The new science of networks.
Barabási, A. L. (2010), Bursts
- La publication de Barabasi sur le mécanisme qui conduit à la formation des hubs :
Barabási, A. L., & Albert, R. (1999). Science, 286(5439), 509-512.
- L’étude du réseau des découvertes scientifiques :
[ Ссылка ]
Une splendide illustration ici : [ Ссылка ]
- L’étude du réseau des échanges entre les musées :
Fraiberger, S. P., Sinatra, R., Resch, M., Riedl, C., & Barabási, A. L. (2018). Science, 362(6416), 825-829.
*** CREDITS VIDÉO ***
-Fake news diffusion network, Observatory on Social Media, [ Ссылка ]
-“N is a number” : [ Ссылка ]
-The Stanley Milgram Films on Social Psychology
-From Small-World Networks to Computational Social Science, The national academies, [ Ссылка ]
-Six Degrees of Kevin Bacon | The Jon Stewart Show (3/10/1994), UGA Brown Media Archives , [ Ссылка ]
-Albert-László Barabási at Brain Bar, Brain Bar, [ Ссылка ]
-L’image de la structure du web provient de ce site : [ Ссылка ]
*** CREDITS MUSIQUE **
"The Show Must Be Go”
“Crowd Hammer”
“Thinking Music"
“Aquarium”
All by Kevin MacLeod ([ Ссылка ])
License: CC BY ([ Ссылка ])
