IntroductionHow do the network positions of the first individuals in a dịch - IntroductionHow do the network positions of the first individuals in a Việt làm thế nào để nói

IntroductionHow do the network posi

Introduction
How do the network positions of the first individuals in a society to receive information about a new product affect its eventual diffusion? To answer this question, we develop a model of information diffusion through a social network that discriminates between information passing (individuals must be aware of the product before they can adopt it, and they can learn from their friends) and endorsement (the decisions of informed individuals to adopt the product might be influenced by their friends’ decisions). We apply it to the diffusion of microfinance loans, in a setting where the set of potentially first-informed individuals is known. We then propose two new measures of how “central” individuals are in their social network with regard to spreading information; the centrality of the first-informed individuals in a village helps significantly in predicting eventual adoption.

Graphic
Diffusion of information and participation. (Left) First-informed households have decided whether to participate and stochastically pass on information to their neighbors. (Right) Participation may affect the probability of passing information. Newly informed nodes make their decisions, possibly being influenced by the decisions of their neighbors. After newly informed nodes make their participation decisions, all informed nodes engage in another round of stochastic communication.

Methods
Six months before a microfinance institution entered 43 villages in India and began offering microfinance loans to villagers, we collected detailed network data by surveying households about a wide range of interactions. The microfinance institution began by inviting “leaders” (e.g., teachers, shopkeepers, savings group leaders) to an informational meeting and then asked them to spread information about the loans. Using the network data, the locations in the network of these first-informed villagers (or injection points), and data regarding the villagers’ subsequent participation, we estimate the parameters of our diffusion model using the method of simulated moments. The parameters of the model are validated by showing that the model correctly predicts the evolution of participation in each village over time. The model yields a new measure of the effectiveness of any given node as an injection point, which we call communication centrality. Finally, we develop an easily computed proxy for communication centrality, which we call diffusion centrality.

Results
We find that a microfinance participant is seven times as likely to inform another household as a nonparticipant; nonetheless, information transmitted by nonparticipants is important and accounts for about one-third of the eventual informedness and participation in the village because nonparticipants are much more numerous. Once information passing is accounted for, an informed household’s decision to participate is not significantly dependent on how many of its neighbors have participated. Communication centrality, when applied to the set of first-informed individuals in a village, substantially outperforms other standard network measures of centrality in predicting microfinance participation in this context. Finally, the simpler proxy measure—diffusion centrality—is strongly correlated with communication centrality and inherits its predictive properties.

Discussion
Our results suggest that a model of diffusion can distinguish information passing from endorsement effects, and that understanding the nature of transmission may be important in identifying the ideal places to inject information.
0/5000
Từ: -
Sang: -
Kết quả (Việt) 1: [Sao chép]
Sao chép!
Giới thiệuLàm thế nào để các vị trí mạng của các cá nhân đầu tiên trong một xã hội để nhận được thông tin về một ảnh hưởng đến sản phẩm mới của nó phổ biến cuối cùng? Để trả lời câu hỏi này, chúng tôi phát triển một mô hình của khuếch tán thông tin thông qua một mạng xã hội discriminates giữa thông tin qua (cá nhân phải được nhận thức của sản phẩm trước khi họ có thể áp dụng nó, và họ có thể học hỏi từ bạn bè của họ) và xác nhận (các quyết định của thông tin cá nhân để áp dụng các sản phẩm có thể bị ảnh hưởng bởi bạn bè của họ quyết định). Chúng tôi áp dụng nó để sự khuếch tán của các khoản vay tài chính vi mô, trong một khung cảnh nơi tập hợp các cá nhân có khả năng thông báo đầu tiên được biết đến. Sau đó chúng tôi đề xuất hai các biện pháp mới như thế nào "Trung tâm" cá nhân được trong mạng lưới xã hội của họ đối với việc truyền bá thông tin; trí trung tâm của các cá nhân thông báo đầu tiên trong một ngôi làng giúp đáng kể trong dự đoán cuối cùng thông qua.Đồ họaPhổ biến thông tin và tham gia. (Trái) Thông báo đầu tiên các hộ gia đình đã quyết định tham gia và ngẫu vượt qua trên các thông tin để hàng xóm của họ. (Bên phải) Tham gia có thể ảnh hưởng đến khả năng truyền thông tin. Nút thông báo mới được đưa ra quyết định của họ, có thể bị ảnh hưởng bởi các quyết định của hàng xóm của họ. Sau khi thông báo mới nút làm cho quyết định tham gia của họ, tất cả các nút thông báo tham gia vào một vòng ngẫu nhiên giao tiếp.Phương phápSáu tháng trước khi một tổ chức tài chính vi mô vào 43 làng ở Ấn Độ và bắt đầu cung cấp tài chính vi mô cho vay để dân làng, chúng tôi thu thập dữ liệu chi tiết mạng bởi khảo sát hộ về một loạt các tương tác. Các tổ chức tài chính vi mô đã bắt đầu bằng cách mời "lãnh đạo" (ví dụ như, giáo viên, shopkeepers, tiết kiệm nhóm lãnh đạo) cho một cuộc họp thông tin và sau đó yêu cầu họ để truyền bá các thông tin về các khoản cho vay. Sử dụng dữ liệu mạng, các vị trí trong mạng lưới của các thông báo đầu tiên dân làng (hoặc tiêm điểm), và dữ liệu liên quan đến người dân tham gia tiếp theo, chúng tôi ước tính các thông số của mô hình phổ biến của chúng tôi bằng cách sử dụng phương pháp mô phỏng những khoảnh khắc. Các thông số của mô hình được xác nhận bằng cách hiển thị các mô hình chính xác dự đoán sự tiến hóa của sự tham gia trong mỗi làng theo thời gian. Các mô hình sản lượng một thước đo hiệu quả của bất kỳ nút nhất định như là một điểm tiêm, mà chúng tôi gọi trí trung tâm truyền thông mới. Cuối cùng, chúng tôi phát triển một proxy một cách dễ dàng tính nhất trí trung tâm giao tiếp, chúng tôi gọi trí trung tâm phổ biến.Kết quảChúng tôi thấy rằng một người tham gia tài chính vi mô là bảy lần có khả năng để thông báo cho một hộ gia đình như là một nonparticipant; Tuy nhiên, thông tin được truyền bởi nonparticipants là quan trọng và chiếm khoảng một phần ba của informedness cuối cùng và tham gia vào làng vì nonparticipants rất nhiều nhiều hơn nữa. Một khi thông tin đi qua là chiếm, một hộ gia đình thông báo quyết định tham gia là không đáng kể phụ thuộc vào bao nhiêu nước láng giềng đã tham gia. Trí trung tâm giao tiếp, khi áp dụng cho các thiết lập của cá nhân thông báo đầu tiên trong một ngôi làng, đáng kể nhanh hơn so với các biện pháp tiêu chuẩn mạng khác của trí trung tâm trong dự đoán sự tham gia tài chính vi mô trong bối cảnh này. Cuối cùng, các biện pháp proxy đơn giản — trí trung tâm phổ biến-mạnh mẽ được tương quan với trí trung tâm truyền thông và kế thừa tính tiên đoán.Thảo luậnKết quả chúng tôi đề nghị rằng một mô hình phổ biến có thể phân biệt với thông tin đi qua từ sự chứng thực hiệu ứng, và rằng sự hiểu biết bản chất của truyền có thể là quan trọng trong việc xác định những nơi lý tưởng để bơm thông tin.
đang được dịch, vui lòng đợi..
Kết quả (Việt) 2:[Sao chép]
Sao chép!
Giới thiệu
Làm thế nào để các vị trí mạng của các cá nhân đầu tiên trong một xã hội để nhận được thông tin về một sản phẩm mới ảnh hưởng đến sự khuếch tán cuối cùng của nó? Để trả lời câu hỏi này, chúng tôi phát triển một mô hình thông tin khuếch tán thông qua một mạng lưới xã hội phân biệt đối xử giữa thông tin đi (cá nhân phải được nhận thức của các sản phẩm trước khi họ có thể áp dụng nó, và họ có thể học hỏi từ những người bạn của họ) và chứng thực (các quyết định của thông báo cá nhân nhận nuôi các sản phẩm có thể bị ảnh hưởng bởi quyết định của những người bạn). Chúng tôi áp dụng nó vào sự khuếch tán của các khoản vay tài chính vi mô, trong một khung cảnh nơi tập hợp các cá nhân có khả năng đầu tiên thông báo được biết. Sau đó chúng tôi đề xuất hai giải pháp mới về cách cá nhân "trung tâm" là trong mạng xã hội của họ liên quan đến truyền thông tin với; tính trung tâm của các cá nhân đầu tiên thông báo trong một ngôi làng giúp đáng kể trong việc dự đoán thông qua cuối cùng. Graphic khuếch tán của thông tin và tham gia. (Trái) hộ gia đình lần đầu thông báo đã quyết định xem có nên tham gia và stochastically chuyển thông tin đến các nước láng giềng của họ. (Phải) tham gia có thể ảnh hưởng đến khả năng truyền thông tin. Mới thông báo các nút làm cho quyết định của mình, có thể bị ảnh hưởng bởi quyết định của các nước láng giềng của họ. Sau khi các nút mới được thông báo quyết định tham gia của họ, tất cả các nút thông báo tham gia vào một đợt truyền thông ngẫu nhiên. Phương pháp Sáu tháng trước khi một tổ chức tài chính vi mô vào 43 ngôi làng ở Ấn Độ và bắt đầu cung cấp các khoản vay tài chính vi mô cho những người dân, chúng tôi thu thập dữ liệu mạng chi tiết bằng cách khảo sát các hộ dân về một loạt các tương tác. Tổ chức tài chính vi mô đã bắt đầu sự bằng cách mời "lãnh đạo" (ví dụ, giáo viên, người bán hàng, các nhà lãnh đạo nhóm tiết kiệm) đến một buổi họp thông tin và sau đó yêu cầu họ lan truyền thông tin về các khoản vay. Sử dụng dữ liệu mạng, các vị trí trong mạng lưới của những ngôi làng đầu tiên thông báo (hoặc các điểm tiêm), và các dữ liệu liên quan đến sự tham gia tiếp theo của dân làng, chúng tôi ước tính các tham số của mô hình khuếch tán của chúng tôi sử dụng phương pháp của những khoảnh khắc mô phỏng. Các tham số của mô hình được xác nhận bằng cách hiển thị một cách chính xác rằng mô hình dự đoán sự phát triển của sự tham gia ở mỗi làng qua thời gian. Mô hình này mang lại một biện pháp mới về hiệu quả của bất kỳ nút đưa ra như một điểm phun, mà chúng ta gọi là trung tâm thông tin liên lạc. Cuối cùng, chúng tôi phát triển một proxy dễ dàng tính toán cho trung tâm truyền thông, mà chúng ta gọi là sự khuếch tán trung tâm. Kết quả Chúng tôi thấy rằng một người tham gia tài chính vi mô là bảy lần khả năng thông báo cho các hộ gia đình khác như là không tham gia; tuy nhiên, thông tin được truyền bởi nonparticipants là quan trọng và chiếm khoảng một phần ba của informedness cuối cùng và sự tham gia trong làng vì nonparticipants là nhiều hơn rất nhiều. Một khi thông tin đi qua được hạch toán, quyết định một hộ gia đình thông báo để tham gia không phụ thuộc đáng kể vào số các nước láng giềng đã tham gia. Trung tâm thông tin liên lạc, khi áp dụng cho các thiết lập của các cá nhân đầu tiên thông báo trong một ngôi làng, nhanh hơn so với các biện pháp đáng kể mạng tiêu chuẩn khác của trung tâm trong việc dự đoán sự tham gia của tài chính vi mô trong bối cảnh này. Cuối cùng, các trung tâm-được ủy quyền đơn giản biện pháp khuếch tán liên quan chặt chẽ với trung tâm thông tin liên lạc và thừa hưởng tính dự đoán của nó. Thảo luận kết quả của chúng tôi cho thấy một mô hình khuếch tán có thể phân biệt thông tin đi từ tác chứng thực, và rằng sự hiểu biết về bản chất của truyền có thể là quan trọng trong xác định các địa điểm lý tưởng để tiêm thông tin.











đang được dịch, vui lòng đợi..
 
Các ngôn ngữ khác
Hỗ trợ công cụ dịch thuật: Albania, Amharic, Anh, Armenia, Azerbaijan, Ba Lan, Ba Tư, Bantu, Basque, Belarus, Bengal, Bosnia, Bulgaria, Bồ Đào Nha, Catalan, Cebuano, Chichewa, Corsi, Creole (Haiti), Croatia, Do Thái, Estonia, Filipino, Frisia, Gael Scotland, Galicia, George, Gujarat, Hausa, Hawaii, Hindi, Hmong, Hungary, Hy Lạp, Hà Lan, Hà Lan (Nam Phi), Hàn, Iceland, Igbo, Ireland, Java, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Kurd, Kyrgyz, Latinh, Latvia, Litva, Luxembourg, Lào, Macedonia, Malagasy, Malayalam, Malta, Maori, Marathi, Myanmar, Mã Lai, Mông Cổ, Na Uy, Nepal, Nga, Nhật, Odia (Oriya), Pashto, Pháp, Phát hiện ngôn ngữ, Phần Lan, Punjab, Quốc tế ngữ, Rumani, Samoa, Serbia, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenia, Somali, Sunda, Swahili, Séc, Tajik, Tamil, Tatar, Telugu, Thái, Thổ Nhĩ Kỳ, Thụy Điển, Tiếng Indonesia, Tiếng Ý, Trung, Trung (Phồn thể), Turkmen, Tây Ban Nha, Ukraina, Urdu, Uyghur, Uzbek, Việt, Xứ Wales, Yiddish, Yoruba, Zulu, Đan Mạch, Đức, Ả Rập, dịch ngôn ngữ.

Copyright ©2025 I Love Translation. All reserved.

E-mail: