BOKESSAY

Duncan J. Watts

Six Degrees. The Science of a Connected Age

W. W. Norton (2003)

Albert-Laszlo Barabasi

Linked. How Everything Is Connected to Everything Else and What It Means for Business, Science, and Everyday Life

Plume (2003)

Mark Newman, Duncan J. Watts og Albert-Laszlo Barabasi (red)

The Structure and Dynamics of Networks

Princeton University Press (2006)

Hvordan har det seg at vi (indirekte) kjenner alle i hele verden, og hva betyr det for oss som sosiologer?

– Et bokessay om nettverksteori

Sosiologi handler om hvordan sosiale handlinger blir til ved at aktører handler i et felt av andre aktører (strukturer) mot en bakgrunn av mening (kultur); strukturer og kulturer legger føringer på hva slags handlinger som er og framstår som mulige, og aktørenes handlinger vokser så fram i dette handlingsrommet. Det finnes forsøk på å overskride denne forståelsen, men det synes som om det er vanskelig å gjøre dette på en måte som ikke gir slipp på mye av det som faktisk kjennetegner sosial handling: det handler om aktører med interesser og ønsker (et prosjekt) og en mer eller mindre sosialt konstruert virkelighet (faktisitet), og en god forståelse av sosial samhandling krever at vi forstår det som skjer i dette handlingsrommet. Selv om sosiologien langt på vei kan leses som et svar til og motvekt til for individualiserende samfunnsforståelser (Taylor, 1985; Østerberg, 1988), har samfunnsforskere likevel som regel hatt et ganske løst og noe uforpliktende forhold til strukturer: det er ofte uklart hva strukturer egentlig er, og sosiologer har også ofte brukt relativt man
gelfullt utviklede metoder for å gripe strukturer empirisk. Strukturer er ofte bare en litt diffus betegnelse på individers plass i en institusjon eller organisasjon, og i den grad det er studert empirisk er det ofte gjort gjennom egenskaper ved individer ut fra hva slags posisjon de har i disse institusjonene (et yrke, en utdannelse, en klasseposisjon).

En retning innen sosiologien som har hatt et tydeligere fokus på hva strukturer er og hvordan de virker, er de såkalte sosiale nettverksstudiene.¹ Dette er en tilnærming som i større grad fokuserer helt eksplisitt på nettverk og sosiale aktørers plass i slike nettverk. Ut fra dette er det utviklet egne metoder og teorier som innebærer betydelige framskritt i forhold til det å forstå de strukturelle betingelsene for og konsekvensene av sosial handling.² Disse tilnærmingene til sosiologien har ikke fått alt for mye oppmerksomhet i norsk samfunnsfag,³ og en artikkel om slike sosiale nettverksstudier kunne i seg selv vært på sin plass.

Det som er interessant å merke seg er imidlertid at det er i ferd med å utvikles en egen vitenskap av mer generell karakter som er fokusert på nettverk av alle mulig typer: Fysiske partikler, datamaskiner, internett, neuronene i hjernen, språket, det økologiske system og sykdommer – og listen kunne vært gjort lenger (se Buchanan, 2002). Og her, et eller annet sted i den store tverrfagligheten vi samfunnsforskere vanligvis ettertrakter, men veldig sjelden når helt fram til, foregår det for øyeblikket en rivende fagutvikling som nok burde interessere sosiologer. Tre bøker som er sentrale i utviklingen av nettverksteorier er gjenstand for dette bokessayet. Alle forfatterne er i utgangspunktet naturvitere, men en av dem (Watts) har utviklet nettverksteoriene i en samfunnsvitenskapelig retning og er for tiden ansatt som sosiolog ved Columbia University.⁴ I det følgende skal jeg helt kort gi noen innblikk i hva nettverksteoriene, slik de kommer til uttrykk i disse bøkene, handler om og forsøke å vise hvordan de også kan være egnet til å belyse og inspirere arbeidet med sosiologiske problemstillinger. Essayet tar utgangspunkt i Watts’ bok Six Degrees, og supplerer så denne med stoff fra Barabasis’ bok Linked. Begge (med sine respektive forskningsteam) har vært sentrale i utviklingen av det de oppfatter som en ny vitenskap, og de har delvis utviklet sine funn i dialog med hverandre. Begge bøkene er velskrevne og relativt lettleste, og de dekker mye av det samme stoffet. Den tredje boken er en samling av klassiske og moderne bidrag til feltet og fungerer først og fremst som et supp-lement til de to andre bidragene om man ønsker å gå mer i dybden på utvalgte temaer. Her varierer vanskelighetsgraden mer, og selv om mesteparten bør være overkommelig for den jevne sosiolog, vil nok noen slite litt for å finne mening i noe av dette.

Begge forfatterne starter entusias
tisk med å erklære at vi er i ferd med å se en helt ny vitenskap – nettverks-teori – ta form, og at dette er en svært viktig vitenskap, også for samfunnsforskere. Dette skyldes delvis at vi lever i det som stadig flere omtaler som et nettverkssamfunn (Castells, 2000), men knyttes videre også til kompleksitetsteori og spørsmålet om hvordan orden i det hele tatt oppstår mot en bakgrunn av kaos og uorden. Watts forskningsprosjekt handler i utgangpunktet om hvordan naturlige fenomener har en tendens til å synkroniseres⁵, og det er egentlig et sosiologisk sidespor som for ham setter i gang det som senere er blitt til et sentralt bidrag i utviklingen av nettverks-teori. Problemet som helt konkret setter det hele i gang for Watts er «small world»-paradokset som de fleste av oss kjenner i praksis ved at vi har opplevd å møte noen (som kjenner noen) vi kjenner i en sammenheng der vi oppfatter det som lite sannsynlig å møte kjente siden verden er så uendelig stor og vår bekjentskapskrets i forhold til denne store verden er svært begrenset. I en faglig sammenheng er det Stanley Milgram som har fått æren for å ha satt fokus på dette fenomenet med sine forsøk som viste at hver og en av oss (egentlig: innbyggere i USA) i gjennomsnitt er om lag seks bekjentskap unna hvem som helst ellers i verden (dvs. i USA).

To begreper fra sosial nettverksteori er nødvendige for å forstå det nær paradoksale ved fenomenet. Det første begrepet, stilengde, sier noe om hvor langt – hvor mange bekjentskap (stier) – det er mellom aktører. Stilengde er et mål som både kan knyttes til enkelte utvalgte par av aktører (mellom A og B er det en stilengde på to, dvs A og B er kjente gjennom en felles bekjent) og større grupper og hele samfunn (hvor mange stier det skal til for å knytte sammen alle tenkelig par av aktører i en gruppe i gjennomsnitt). Det andre begrepet – klustering – sier noe om hvor tett et nettverk er; jo høyere grad av klustering, jo mer sannsynlig er det at to aktører kjenner hverandre. Det er dette – (i) kombinasjonen av milliarder av mennesker som tilsynelatende står svært langt fra hverandre og som dermed skulle tilsi en svært høy global stilengde, (ii) at våre bekjentskap er begrenset til en gruppe mennesker som igjen ofte er knyttet til hverandre (høy lokal klustering) og (iii) det at vi likevel indirekte kjenner alle i hele verden (lav global stilengde) – som gjør at det oppleves som pussig at vi møter kjente, eller kjente av kjente, overalt.

Watts’ spørsmål er så hva det er som gjør small-world-fenomenet mulig når det da faktisk er slik at vi bare kjenner de som allerede kjenner de vi kjenner og verden er så uendelig stor. Spørsmålet er altså ikke hvor liten eller stor vår sosiale verden er, men hvordan det er mulig at den er så liten og så stor samtidig. For å vise at dette er mulig, går Watts til grafteori, en del av matematikken. Det er ikke
her plass til å redegjøre skikkelig for hvordan Watts & co går fram for å vise dette, men ved hjelp av ulike finurlige datasimuleringer klarer de å godtgjøre at det et sted i mellom det fullstendig tette samfunn der nær sagt alle kjenner alle, og det totalt anomiske samfunn der de sosiale nettverkene er preget av tilfeldighet finnes et rom der det både er slik at alle er innbakt i tette sosiale grupper (høy lokal klustering) samtidig som det er en lav stilengde, og altså relativt kort avstand mellom individer. Dette er i seg selv teknisk sett et interessant funn, men det som gjør at funnene og de teoretiske antagelsene knyttet til dem virkelig fatter interesse, er at i det flere og flere forskere (fra alle mulige fag) finner fram til data om store nettverk, viser det seg at de alle har en liknende struktur: de har både høy lokal klustering og lav stilengde, og det ser ut som om alle nettverkene på en eller annen måte har en tendens til egenorganisering som gjør at de stabiliseres i en form for «small-world»-nettverk. De første eksemplene som Watts trekker fram er hvilke skuespillere som har spilt i samme filmer (Kevin Bacon Game), USAs nettverk for strømforsyning og E-coli bakteriens proteinstrukturer.

Disse funnene viser altså ikke bare at det faktisk er mulig å ha nettverk av den typen som small-world-fenomenet representerer, men at det ser ut som om dette er en struktur som har en tendens til å utvikle seg i alle typer nettverk. To spørsmål forblir imidlertid ubesvarte: Hvordan ser egentlig disse small-world-nettverkene ut, og hva er det som gjør at de får den formen de faktisk gjør? Når det gjelder hvordan disse small-world-aktige nettverkene ser ut, finner Watts inspirasjon i Granovetters (1973) teori om «styrken i de svake bånd» som nettopp kombinerer høy (lokal) klustering og lav stilengde ved at enkeltaktører (individer eller grupper) på avgjørende vis kopler sammen ulike nettverk. Burts (1992, 2005) teorier om strukturelle hull og rollen som brobrygger (brokerage) og sosial kapital begrepet ’bridging’ (i motsetning til ’bonding’) (Putnam, 1992, 2000) handler langt på vei om det samme. For å illustrere denne typen nettverk utvikler Watts og kolleger et sett av enkle modeller (se figur på neste side) der aktører befinner seg i ringer der den første modellen (til venstre) antar at hver og en person (punkter) kjenner fire personer (illustrert med linjene mellom punktene), og dette er de personene nærmest i sirkelen. Man ser da at det blir høy lokal klustering og en lang vei (høy stilengde) til de ukjente på den andre siden av «verden», særlig om man tenker seg flere milliarder mennesker i sirkelen. Om man motsatt (til høyre) legger inn mange tilfeldige nettverk får man også en lav stilengde, men man har ikke i samme grad lokal høy klustering. Om man derimot (midten) legger inn noen få tilfeldige bekjentskap på tvers i den modellen med høy lokal klustering som var utgangspunktet
for det hele, får man både høy klustering og lav stilengde, og matematisk er det slik at det bare trengs fem tilfeldige forbindelser (short-cuts) for å redusere stilengden med femti prosent, uansett størrelsen på nettverket.




Når det gjelder de mekanismene som gjør at nettverk ser ut til å ha en tendens til å utvikle seg i retning av slike small-world-nettverk, er det så Barabasi entrer historien. I sitt matematiske fokus basert på tilfeldighet, har Watts ikke tatt opp spørsmålet om hvordan stilengdene er fordelt mellom aktører. Forutsetter man, inspirert av den matematiske tilnærmingen, tilfeldighet, er det nærliggende å anta at fordelingen følger noe som minner om en normalfordeling. Når forskere, og blant dem Barabasi, etter hvert finner fram stadig flere datasett om så store nettverk at det er rimelig å se på dem ut fra et small-world-perspektiv, viser det seg imidlertid at de ikke er normalfordelte: fordelingen av stilengden følger i mange tilfeller et eksponentielt mønster («power-law») der noen få aktører har svært mange relasjoner til andre aktører, mens andre, og det er de fleste, bare har relasjoner til noen få aktører.

Dette leder Barabasi i retning av at en av de viktigste kjennetegnene i utviklingen av nettverk er en form for Matteuseffekt eller en mye-vil-ha-mer-mekanisme. Kroneksemplet er internett, der det er noen utvalgte nettsteder som «alle» har relasjoner til, mens det store flertall av nettsteder bare har noen få relasjoner til andre nettsteder. I tillegg til en slik mekanisme, antar også Barabasi at nettverk er i kontinuerlig vekst, det er en stadig strøm av nye aktører som knytter seg til disse nettverkene. Om mye-vil-ha-mer mekanismen var den eneste virksomme mekanisme, ville dette innebåret at de første aktørene i et nettverk automatisk også ville bli de mest sentrale og at de som knyttes
til senere aldri vil kunne oppnå den samme sentrale posisjonen som de først ankomne. Slik er det ikke, og Barabasi innfører en mekanisme til – egnethet – som sier at de som føyes til nettverket også vil ha en tendens til å være tiltrukket av utvalgte aktører. At våre bekjentskap ikke er helt tilfeldige er vel ikke akkurat dypsindige innsikter for sosiologer, og her kan det være på tide å bevege seg tilbake til Watts som tar tak i Barabasis teorier på akkurat dette punktet.

Bortsett fra at Watts har noen mer tekniske innvendinger som at Barabasis modeller forutsetter at man har noe nær uendelig store utvalg og at «alt er gratis», har Watts også en litt mer sosiologisk tilnærming, og hevder at man for å gripe dynamikken i sosiale nettverk må skille mellom de opplevde (sosiale) nettverkene og de teoretisk mulige nettverkene, og spørsmålet er hvilke av de potensielt mange nettverkene det er som faktisk realiseres, eller: hvordan finner folk faktisk fram i sine mulige verdener og hvordan blir verden liten. Watts viser til to mulige strategier: Kringkasting (broadcasting) ved at man søker over alt eller en mer rettet søking. Den praktiske og faktiske løsningen er kort og godt basert på at det ut fra våre identiteter som har sin rot i de sosiale gruppene der vi har tilhørighet – familie, venner, arbeid og andre bekjent – åpnes opp for et sett av sosiale nettverk som vi søker i, og at hvert av disse nettverkene krysses igjen av andres ulike identiteter som så gir nettverk på tvers (short cuts, svake bånd) av det vi selv har som rettede nettverk. Det er denne «kringkastingen» innenfor det bestemte (våre identiteter) som gir «the small world» logikken; et nettverk av bekjente med enkelte nettverk på tvers av ellers relativt klustrede grupper gir i praksis et enormt – hele verden – oppland av bekjente.

Det som kanskje vil gjøre disse bøkene til interessant lesing for flere sosiologer, er de mange eksemplene som brukes for å illustrere at nettverkperspektivet har noe for seg. Tre eksempler er allerede nevnt over. I tillegg får vi presentert teorier om spredning av epidemier og smittsomme sykdommer (Ebola og Aids) der small-world-logikken gir all grunn til bekymring. Vi får en tur innom tulipanøkonomien (Nederland på 1600-tallet) og andre økonomiske finansbobler. Vi får illustrert kollektive handlingsproblemer og hvordan ulike moter og populære fenomener spres (Harry Potter, Da Vinci koden). Barabasi er mest opptatt av internett og eksempler som f eks datavirus knyttet til dette. Buchanan (2002) viser til hvordan hjernen, det økologiske system og språket (frekvensen av ulike ord) utgjør small-world-systemer.

I tillegg til eksemplene finner vi også begreper og modeller som bør kunne være fruktbare for samfunnsfagene. Interessante eksempler knyttes til begrepene fasetransformasjon og perkolasjon som handler om hvor
dan systemer går gjennom dramatiske endringer i det de når en eller annen terskelverdi (vann fryser til is, gelatinet stivner), og hvordan sosial systemer også kan se ut til å følge liknende mønster i det det utløses kaskader av informasjon som f eks når aksjemarked «går», alle skaffer seg en Hotmail adresse eller Da Vinci koden blir så populær at ingen egentlig klarer å forklare hvordan det skjer. Det som er interessant i de tilfellene som knyttes direkte til en del av disse naturvitenskapelige eksemplene er at det i de fleste tilfellene er noe nær umulige å forutsi utfall – det handler virkelig om emergente fenomener – og dermed har de en likhet med sosiologiske forklaringer som er slående.

For Watts’ del avsluttes boken med noen refleksjoner rundt 11. september, og også Barabasi er opptatt av det temaet som Watts tar opp i den anledningen: Hvor robuste, eller sårbare, er ulike typer av (sosiale) nettverk og med det samfunn? Hvor mye skal til for å sette et nettverk (samfunn) ut av spill? Hvordan kan og bør samfunn utformes for å være overlevelsesdyktige? Poenget her er at jo flere muligheter det er til å bevege seg i et nettverk, jo mindre sårbart er det, og hele small-world-fenomenet tyder på at det i de fleste nettverk er mange mulige relasjoner å følge, at det skal veldig få «tilfeldige» relasjoner til for å knytte sammen enorme nettverk, og at det er lite sannsynlig at akkurat de punktene som knytter nettverkene sammen skal ødelegges. Samtidig er det slik at i hvert fall en del av de nettverkene man har data for, viser at det er noen få og veldig synlige sentrale aktører i disse nettverkene som om de tas ut kan forstyrre kommunikasjonen i nettverkene betydelig. Vi ser altså både at sosiale nettverk ofte er svært robuste, men også hvor utsatte og helt grunnleggende hinsides styring og forutsigbarhet store nettverk er.

Leser man seg gjennom Six Degrees og Linked får man med seg en god blanding av utfordrende naturfag og datasimuleringer (svært enkelt framstilt), en del interessante sosiologiske diskusjoner og noe som kanskje vil framstå som litt plump sosiologi. Det er likevel mye inspirasjon å hente her for en litt velvillig leser, kanskje gitt at man ikke er for redd for positivismelus.

For det første kan man finne ansatser til en ny måte å tenke «grand theory» på. Nettverksteoriene åpner opp for nye muligheter til å stille de store spørsmål: hvordan utvikler samfunn seg, hvordan spres ideer i store sosiale enheter, hvor robuste og utsatte er de og på hvilken måte er det mulig å styre store komplekse og emergente enheter som moderne samfunn faktisk er. For det andre har også nettverksteorien et fokus på de sosiale mekanismene som ligger til grunn for de nettverkene som beskrives, og dette kan være til nytte når man beveger seg mer i retning av mellomnivåteorier. Dette er gode eksempler på hvordan det går an å
kombinere storslått teoretisering med forståelse av de prosessene som genererer det vi ser i det store bildet. For det tredje kan det være metodologisk inspirasjon å hente her, og et interessant funn her er måten forskerne er i stand til å simulere de (sosiale) prosessene som uttrykkes i de sosiale mekanismene og måten dette gir innsikt på (se også Hedström, 2005). Et fjerde forhold er at disse naturvitenskapelige forfatterne framstår som dyktige når det gjelder å illustrere sine funn med modeller av ymse slag. Det grafes og figureres på en måte som ikke er vanlig i sosiologien; ikke alt er like vellykket, men noe er det. For det femte gir dette perspektiver på hva slags data vi er vant til å jobbe med. En ting er at sosiologer kanskje bør være mer ambisiøse og langsiktige i arbeidet med data; en annen ting er at vi kanskje bør være flinkere til å benytte oss av data som faktisk ligger der ute (selv om ikke alle kan studere internett). Samtidig er det også klart at det er vanskelig å få tak i gode data av denne typen. For det sjette er det som vist mange konkrete interessante eksempler som blir brukt i disse bøkene som vi bør kunne inspireres av.

Det er en entusiasme i disse bøkene som det er langt i mellom i sosiologiens verden, og det som er slående er hvor dyktige disse forfatterne er til å lage god historier av sine relativt tekniske funn, og hvordan de også gjør seg selv til helter i sine egne historier. Entusiasmen reflekterer to ting. For det første at man faktisk har noe å formidle; man har (i) funnet ut noe nytt, og (ii) det er resultat av at man selv faktisk har forsket, pønsket, eksperimentert (om enn bare simulert). Dette er ikke tretti år med det samme (slik Gudmund Hernes (2006) mener at norsk sosiologi er, og som det til tider kan være fristende å føle seg enig i) – dette er guttevalper som så vidt har fylt tretti år og som allerede har funnet ut noe som ingen ikke visste fra før. Det var det syvende. For det åttende kan det – i tråd med Hernes’ lede – se ut som om norsk sosiologi er litt lukket og selvgod og trenger inspirasjon fra andre enn filosofer og antropologer. Det bør derfor være all mulig grunn til å legge berøringsangsten i forhold til naturfagene bak seg og mer pragmatisk se hva man kan hente i naturvitenskapen. I den forbindelse kan det være interessant å observere at den forståelsesformen som brukes i denne boken på mange måter er ganske lik den som preger (deler av) moderne sosiologi: man finner en sammenheng, og man leter etter sosiale mekanismer; eller: man har en sosial mekanisme og ser etter hvordan den vil virke. Og sosiologer bør også merke seg at naturviterne ikke ser ut til å ha motforestillinger mot å benytte seg av sosiologi (Granovetter) for å få orden på sine modeller. For det niende er dette ikke så fjernt som det kanskje kan virke, dette er stoff som allerede er i ferd med å bli anvendt (Powell et al., 2005; Robins et al., 2005; Uzzi & Spiro, 2005).


Blir du av og til litt lei av dypsindige hermeneutikere som er så redde for systematisk og tingliggjørende tenking at de bare sitter og skraper i overflaten av selvfølgeligheter, massive kvantitative analyser som produserer intetsigende, uforståelige og/eller meningsløse black-box-sammenhenger, systemteoretikere som blindes av autopoiesiens forførende ugjen-nomtrengelighet, sutrete statsvitere som tror at alt var bedre for noen år siden, eller historikere som trenger rundt omkring 500 sider for å gi innhold til et enkelt begrep? Da kan det være at naturviternes forsøk på å nærme seg sosiologien via nettverksteori kan være inspirerende lesning.

Referanser

Buchanan, M. (2002) Nexus. Small Worlds and the Groundbreaking Theory of Networks. New York: W.W. Norton.

Burt, R. S. (1992) Structural Holes. The Social Structure of Competition. Cambridge, Mass.: Harvard University Press.

Burt, R. S. (2005) Brokerage & Closure. An Introduction to Social Capital. Oxford: Oxford University Press.

Castells, M. (2000) The Rise of the Network Society. Second edition. Oxford: Blackwell.

Emirbayer, M. og Goodwin, J. (1994) 'Network Analysis, Culture, and the Problem of Agency', American Journal of Sociology 99:1411–1454.

Freeman, L. C. (2004) The Development of Social Network Analysis. A Study in the Sociology of Science. Vancouver: Empirical Press.

Gould, R. V. (2003) 'Why Do Networks Matter? Rationalist and Structuralist Interpretations', i M. Diani og D. McAdams (red) Social Movements and Networks. Relational Approaches to Collective Action (s. 241–269). Oxford: Oxford University Press.

Granovetter, M. (1973) 'The Strength of Weak Ties', American Journal of Sociology 78:1360–1380.

Grønmo, S. og Løyning, T. (2003) Sosial nettverk og økonomisk makt. Overlappende styremedlemsskap mellom norske bedrifter 1970–2000. Bergen: Fagbokforlaget.

Hedström, P. (2005) Dissecting the Social. Cambridge: Cambridge University Press.

Hernes, G. (2006). 'En god bok – og sosiologiens elendighet', Morgenbladet 3.–9. mars.

Powell, W. W., White, D. R., Koput, K. W., og Owen-Smith, J. (2005) 'Network Dynamics and Field Evo
lution: The Growth of Interorganizational Collaboration in the Life Sciences', American Journal of Sociology 110:1132–1205.

Putnam, R. D. (1992) Making Democracy Work. Princeton: Princeton University Press.

Putnam, R. D. (2000) Bowling Alone. The Collapse and Revival of American Community. New York: Simon & Schuster.

Robins, G., Pattison, P. og Woolcock, J. (2005) 'Small and Other Worlds: Global Network Structures from Local Processes', American Journal of Sociology 110:894–936.

Scott, J. (2000) Social Network Analysis: A Handbook. London: Sage.

Strogatz, S. (2003) Sync. The Emerging Science of Emergent Order. New York: Theia.

Taylor, C. (1985) 'Interpretation and the Sciences of Man', i C. Taylor Philosophy and the Human Sciences. Philosophical Papers 2 (s. 15–57). Cambridge: Cambridge University Press.

Uzzi, B. og Spiro, J. (2005) 'Collaboration and Creativity: The Small World Problem', American Journal of Sociology 111:447–504.

Wasserman, S. og Faust, K. (1994) Social Network Analysis: Methods and Applications. Cambridge: Cambridge University Press.

Watts, D. (2004) 'The «New» Science of Networks' Annu.Rev.Sociol 30:243–270.

Wrong, D. (1961) 'The Oversocialized Conception of Man in Modern Sociology', American Sociological Review 26:183–193.

Østerberg, D. (1988) Metasociology. Oslo: Norwegian University Press.