Soutenance de thèse de Valeria GELARDI

La formation et l'évolution des groupes sociaux, dans les sociétés animales humaines et non humaines, est un processus complexe dicté par divers mécanismes locaux. En général, nous assistons à un processus de création et de destruction des liens sociaux par des individus, impactant et modifiant ainsi la structure de l'ensemble du groupe auquel ils participent. Cette (in)stabilité des groupes sociaux a des conséquences importantes dans un certain nombre de contextes. L'analyse des réseaux sociaux représente un cadre utile pour mieux comprendre la structure d'un groupe social et fournit des outils permettant des études empiriques et théoriques de modèles d'interactions humaines et non humaines, partant des interactions dyadiques pour comprendre et relier plusieurs échelles de description des groupes sociaux, depuis les interactions individuelles jusqu’au niveau de la population entière. Dans les sociétés humaines modernes, le déploiement croissant des appareils numériques, de nouvelles méthodes de collecte de données, associées à de nouveaux outils d'analyse de réseau, ont rendu possible des études à grande échelle et le développement de mesures quantitatives de la structure des groupes sociaux, y compris dans leurs aspects temporels. Les études sur les réseaux sociaux animaux se sont jusqu’ici concentrées sur les représentations statiques des sommets (nœuds) et des arêtes (liens), l'utilisation du formalisme de réseau temporel a en fait été limité par la nature des techniques utilisées pour recueillir des données : celles-ci sont encore largement obtenues par des méthodes manuelles traditionnelles. Les réseaux sociaux réels, cependant, changent continuellement au fil du temps, et la temporalité des connexions et leurs corrélations ont des effets qui vont au-delà de ce qui peut être capturé par les réseaux statiques. Dans cette thèse, nous avons contribué à l'étude de la science sociale animale et de l’ évolution dynamique des groupes sociaux animaux, en utilisant une approche de réseaux temporels pour étudier la détection de phases d '(in)stabilité dans un groupe de primates non humains, des babouins de Guinée (Papio Papio), en exploitant des données collectées à la fois par des méthodes d'observation traditionnelles et par de nouvelles méthodes de collecte automatique de données à haute résolution. Nous avons d'une part mis à profit les puissants outils de la science des réseaux pour étudier la dynamique sociale animale, en comparant différentes approches d'analyse de réseau appliquées aux données collectées par différentes techniques, y compris des données recueillies durant cette thèse par des observations directes et par des capteurs permettant de détecter des contacts à grande résolution, que nous avons adapté à ce groupe animal spécifique. D'autre part, comme alternative aux approches de réseaux temporels existantes, nous avons présenté un nouveau cadre général de modélisation qui transforme des données d'interactions dyadiques discrètes entre les individus en une image en constante évolution des relations sociales. En étendant notre analyse au-delà des relations sociales animales, nous avons montré que cette nouvelle représentation en réseau fournit un outil efficace pour analyser la dynamique d'un système social, en particulier en ce qui concerne la détection des points de changement et des instabilités.

Social groups formation and evolution, in human and non-human animal societies, is a complex process dictated by a variety of local mechanisms. In general, we assist to individual creation and deactivation of social ties, thereby impacting and altering the structure of the entire group in which they participate. This (in)stability of social groups has important consequences in a number of contexts. Social network analysis represents a powerful framework to better understand the structure of a social group and a versatile tool for empirical and theoretical studies on patterns of human and non-human interactions, using dyadic interactions to infer and relate multiple levels of social patterns, from individual-level interactions to complex population-level structures. In modern human societies, the increasing deployment of digital devices, new ways of collecting data, combined with new network analysis tools, have made possible studies at larger scale and the development of quantitative measures of social patterns, including their time-varying aspects. Studies of animal social networks instead have until recently focused on static representations of vertices and edges, as the use of temporal network formalism has been hampered by the nature of the techniques used to gather social information, which is still largely obtained from traditional hand-operated methods. Real social networks, however, change continuously over time, and the timings of connections and their correlations do have effects that go beyond what can be captured by static networks. In this thesis we contributed to the study of animal social science and of the dynamical evolution of animal social groups, using a temporal networks approach to investigate the detection of (in)stability patterns in a group of non-human primates, i.e. Guinea baboons (Papio Papio), exploiting data collected both through traditional observational methods and through novel methods of automatic high resolution data gathering. On the one hand, we leveraged existing powerful tools of network science to specifically study animal social dynamics, comparing different network analysis approaches applied to data collected through different techniques, including data collected during this thesis by direct observations and by wearable sensors able to detect contacts with high resolution, that we adapted to this specific animal group. On the other hand, as an alternative to existing temporal networks approaches, we presented a novel general representation framework that takes as input any time-stamped data stream of discrete dyadic interactions between individuals and yields a continuously-evolving picture of social relationships. Extending our analysis beyond animal social relations, we showed that this novel network representation provides an effective tool to analyze the dynamics of a social system, referring primarily to the detection of change points and instabilities.