 |
|
| Thesis topic proposal |
| |
Description of the research topic:
A legtöbb hálózatelméleti módszer irányítatlan hálózatokra lett kidolgozva. Ebben az esetben csak az összeköttetéseket jelöljük, de nem foglalkozunk azok irányával.
Az irányított hálózatok vizsgálata során egy új gondolat, hogy a kapcsolatok kölcsönösségét (reciprocity) vizsgálják. Ha a bejövő/kimenő élek aránya két csomópont viszonylatában, melyek jelölhetnek inputokat/outputokat, kereskedelmi viszonyokat, bejövő/kimenő utazásokat stb. különbözik, akkor a hálózat aszimmetrikus, míg ha e két érték közel azonos, akkor szimmetrikus. A kutatók figyelme elsősorban a kölcsönösség felé terelődött (Falk and Fishbacher 2006). Vizsgálták a kölcsönösség időbeli változását, amely a válságok előrejelzésében is komoly szerepet játszhatnak . (Rautman, 2018). Ugyanakkor jelenleg még ezek a modellek is leíró jellegűek. Nem magyarázzák, hogy egy hálózatban a kölcsönösség miért változik. Fontos gondolat az irányítatlan hálózatokban a kapcsolatok felbontása kölcsönös és nem kölcsönös részre. Ugyanakkor más közgazdasági modellek írhatók fel a kölcsönösség és az aszimmetria vizsgálatára. Fontos továbbá megjegyezni, hogy egy hálózat más jellemzőjére, például a csúcsok, (amelyek lehetnek intézmények, országok, vagy régiók) beágyazottságára (Kosztyán et. al. 2019a), vagy éppen a közöttük lévő kapcsolat (amely lehet mobilitás, kereskedelmi kapcsolat, vagy éppen egy ellátási láncban betöltött szerep) aszimmetriáját is lehet gazdasági egyenlőtlenségekkel modellezni (Kosztyán et. al. 2019b). Más oldalról egy hálózati aszimmetria pl. egy intézményválasztást leíró mobilitási hálózatban akár a megvallott preferenciákat is modellezheti (lásd: Kosztyán et. al. 2019b). Ha sikerül jó magyarázó modelleket illeszteni az aszimmetriára, akkor ezáltal választ kaphatunk arra a kérdésre, hogy ezek kialakulását milyen meglévő egyenlőtlenségek okozzák, illetve generálják. Kereskedelmi hálózatokban idősorosan vizsgálódva azt reméljük, hogy választ kapunk arra kérdésre is a későbbiekben, hogy a válságokat milyen egyenlőtlenségek generálják, illetve jelzik előre a megváltozott hálózati aszimmetrián keresztül. Vizsgálatainkban nyilvánosan elérhető kereskedelmi hálózatokat, kollaborációs hálózatokat (pl. CORDIS), hazai (pl. FELVI) és külföldi (pl. ERASMUS) hallgatói mobilitási hálókat vizsgálnánk. Itt keresnénk arra a választ, hogy a mobilitásra, kereskedelmi kapcsolatokra, azok aszimmetriájára használt gazdasági modellekkel, mennyire becsülhetők, modellezhetők, magyarázhatók a hálózatok kialakulása. A hálózati paraméterek változása mennyiben enged következtetni egy esetleges válság kialakulására. A mobilitási hálózatban szereplő aszimmetriákat, migrációs különbségeket, mint egyfajta megvallott döntési preferenciát mennyiben modellezik a gazdasági, földrajzi, társadalmi különbségek.
Maga a hálózatelmélet is rengeteget fejlődött az utóbbi öt évben (Caschili, et al., 2015). Ennek köszönhetően akár több egymásra is ható rendszer/hálózat modellezésére is lehetőség nyílik. A távolságfüggő hálózatok megjelenésével (Barthélemy, 2011) pedig lehetőség nyílik a kapcsolatok tranzakciós költségeinek modellezésére (Gadar, et al., 2018). Ugyanakkor a mai napig ezeket a hálózatelemzési módszereket elsősorban leíró jelleggel használják. Viszonylag kevés kutatás foglalkozik azzal, hogy hogyan lehet a (köz)gazdasági modelleket, pl. gravitációs modellek közgazdasági változatát és hálózatelmélet egyesítésével a kapcsolatok kialakulásának magyarázatára használni (ezek az ún. economic link prediction modellek). Eddig még nem aknázták ki azt a lehetőséget, hogy az élek becslésére alkalmazott módszer maga is egy modellezett hálózatot szolgáltat, ahol ugyanúgy, mint az eredeti hálózatban vizsgálhatók a hálózat jellemzői, úgy, mint a hálózat sűrűsége, a beágyazottság, kapcsolatok aszimmetriája. Azt várjuk, ha sikerül jó magyarázó modelleket találni e kapcsolatok leírására, akkor az nem csak az élek, de a hálózati jellemzők kialakulása pl. a kapcsolatok centralizáltsága, mely a hálózat kohézióját jellemzi, is modellezhető. Ezen túlmenően azt várjuk, hogy bizonyos hálózati mutatókat közvetlenül is modellezhetünk, ilyen pl. az aszimmetria, ahol a modellből kiesik a távolságfüggés, melyek becslése meglehetősen nehézkes, ezáltal magára a jelenségre is pontosabb magyarázatot kaphatunk.
Bár a gráfelmélet használata szinte azonnal megjelent a közgazdasági és termelési problémák modellezésében (Gabbay, et al., 2012) és megoldásában, a hálózatelmélet, amely a gráfelmélet egy újszerű alkalmazásának tekinthető, több mint két évtizedet átfogó történet ében (Lubbers, et al., 2018) csak kevés szerep jutott a közgazdasági és a menedzsment alkalmazásoknak (Dunham, et al., 2018). Ugyanakkor több kutató (lásd pl. Rautman 2018; Farooq et al., 2018) felvetette, hogy a hálózat topológikus jellemzőinek megváltozása, ezen belül is a kölcsönösség megváltozása (Rautman, 2018) előjele lehet egy sokk vagy egy válság bekövetkezésének.
Ahhoz, hogy egy esetleges topológiai tulajdonság, mint pl. az aszimmetria hatását megértsük, meg kell vizsgálnunk, hogy egy hálózat hogyan reagál a változásokra. Ezzel kapcsolatosan sokkal több ismeretünk van termelési rendszerekre, hálózatokra vonatkozóan. Termelési hálózatok esetén, korábban már vizsgálták, hogy milyen kockázatokat rejt egy-egy elem, vagy él kiesése (Callaway, 2000), illetve milyen módon lehet ezeket a problémákat orvosolni (Kosztyán, 2018). Élek, kapcsotok megszűnése, de különösen azok intenzitásának változása gazdasági, kereskedelmi hálózatoknál, kollaborációs, vagy mobilitási kapcsolatoknál is értelmezhető.
Termelő rendszerek esetén már próbálkoztak azzal, hogy magukat a kockázati tényezőket is egy többrétegű hálózatba szervezik (Wang, et al., 2018). Ez a kiegészítés kulcsfontosságú lehet a hálózatok dinamikus vizsgálatában. Kombinálva a kockázat és karbantarthatóság elemzésére kialakított (lásd pl. Kosztyán, 2018, Kosztyán et al. 2020) módszereket Wang, et al., (2018) eljárásával, lehetőség nyílik a termelő rendszerek kockázatainak, illetve azok kezelésének hálózatos modellezésére és az egyes beavatkozási hatások eredményének modellezésére is. Jelenleg ez a többrétegű hálózati megközelítés, valamint a hálózatok egymásra hatása még kevéssé kutatott területe a gazdasági hálózatoknak. Jelenleg még a hálózatok kialakulását, azok változását leíró dinamikus modellek és a közgazdasági modellek összekapcsolására is kevés példa található. Inkább csak érdekes jelenségként figyelhetünk arra fel, hogy bizonyos előjelek a hálózati struktúrákban már korábban jelentkeznek. Ha képesek leszünk ezeket a topológiai jellemzőket és a közgazdasági modelleket összekapcsolni (pl. az aszimmetria változását az egyenlőtlenségi modellekkel), valamint képesek leszünk a hálózatot dinamikusan kezelve, a változások hatását modellezni, akkor azon túl, hogy jobban megérthetjük a válságok kialakulásának okait, azok elhárításához is közelebb kerülhetünk.
K1. Milyen mechanizmusok, döntések, preferenciák alakítják ki a mobilitási, együttműködési (kollaborációs), tranzakciós hálózatokat, a kapcsolatok aszimmetriáját, illetve további hálózati paramétereit?
K2. Dinamikus, idősoros hálózatokon vizsgálódva, a hálózati paraméterekkel jellemezhető, a hálózat strukturális (topológiai) megváltozása mennyire modellezhető gazdasági, társadalmi, földrajzi indikátorokkal?
K3. A hálózat strukturális (topológiai) megváltozása mennyiben lehet jele egy kialakuló válságnak? Melyek az a hálózati struktúrák, amelyek erre ellenálóbbak?
Hivatkozások:
Barthélemy, M., 2011. Spatial Networks. Physics Reports, 499(1-3), pp. 1-101.
Callaway, D. S., Newman, M. E., Strogatz, S. H., & Watts, D. J. (2000). Network robustness and fragility: Percolation on random graphs. Physical review letters, 85(25), 5468.
Caschili, S., Medda, F. & Wilson, A., 2015. An Interdependent Multi-Layer Model: Resilience of International Networks. 15(1), p. 313–335.
Dunham, J. B. és mtsai., 2018. Rivers are social–ecological systems: Time to integrate human dimensions into riverscape ecology and management. Wiley Interdisciplinary Review, 5(1), p. e1291.
Falk, A., & Fischbacher, U. (2006). A theory of reciprocity. Games and economic behavior, 54(2), 293-315.
Farooq, A., Joyia, G. J., Uzair, M. & Akram, U., 2018. Detection of influential nodes using social networks analysis based on network metrics. Sukkur, ismeretlen szerző, pp. 1-6.
Gabbay, D. M., Thagard, P., Woods, J. & Mäki, U., 2012. Philosophy of Economics. UK: Elsevier.
Gadar, L., Kosztyán, Z. T. & Abonyi, J., 2018. The Settlement Structure Is Reflected in Personal Investments: Distance-Dependent Network Modularity-Based Measurement of Regional Attractiveness. Complexity, 2018. kötet, p. 16.
Kosztyán, Zs. T., 2018. Serviceability of large-Scale systems. Simulation Modelling Practice and Theory, 84(5), pp. 223-231.
Kosztyán Zs. T., Csányi V. V., Kurbucz M. T. (2019a): A hetedik keretprogram többszintű, dinamikus hálózati elemzése. Statisztikai Szemle. 97(2). pp. 111-145.
Kosztyán Zs. T., Banász Zs., Csányi V. V., Neumanné Virág I., Telcs A. (2019b): A hallgatói mobilitás vizsgálata gazdasághálózati módszerekkel. Statisztikai Szemle 97(11). pp. 1007-1049.
Kosztyán, Zs. T., Csizmadia, T., Kovács, Z., & Mihálcz, I. (2020). Total risk evaluation framework. International Journal of Quality & Reliability Management. 37(4). pp. 575-608.
Lubbers, M. J., Verdery, A. M. & Molina, J. L., 2018. Social Networks and Transnational Social Fields: A Review of Quantitative and Mixed-Methods Approaches. International Migration Review, 17 December.p. Online.
Rautman, A. E., 2018. Risk, Reciprocity, and the Operation of Social Networks. In: J. A. Tainter, szerk. Evolving Complexity And Environmental Risk In The Prehistoric Southwest. hely nélk.:Taylor & Francis.
Wang, T., Gao, S., Li, X. & Ning, X., 2018. A meta-network-based risk evaluation and control method for industrialized building construction projects. Journal of Cleaner Production, 205(12), pp. 552-564.
Témához kapcsolódó publikációi a témavezetőnek:
Gadár L., Kosztyán Zs. T., Abonyi J. (2018): The Settlement Structure Is Reflected in Personal Investments: Distance-Dependent Network Modularity-Based Measurement of Regional Attractiveness, Complexity, Paper: 1306704, p. 16.
IF (2018): 2.591
Multidisciplinary: D1
Kosztyán Zs. T., (2018): Serviceability on large scale systems, Simulation Modelling Practice and Theory, Vol. 84, pp. 222-231.
IF (2018): 2.426
Modelling and Simulation: Q2
Software, Hardware and Architecture: D1
Szociológiai Tudományos Bizottság: B
Gadár L., Kosztyán Zs. T., Telcs A., Abonyi J. (2020): A multilayer and spatial description of the Erasmus mobility network. Nature – Scientific Data. 7(41). pp. 1-11
IF (2019): 5.541
Computer Science Applications, Education, Information Systems, Statistics and Probability: D1
Kosztyán Zs. T., Banász Zs., Csányi V. V., Neumanné-Virág I., Telcs A. (2019): A hallgatói mobilitás vizsgálata gazdasághálózati módszerekkel. Statisztikai Szemle 97(11). 1007-1049. (Besorolás: A)
Kosztyán Zs. T. (2020): An exact algorithm for the flexible multilevel project scheduling problem. Expert Systems with Applications. 158(11). p. 113485
IF (2019): 5.452
Computer Science Applications, Artifical Intelligence: D1
Gazdaságtudományi Doktori Minősítő Bizottság: B
Required language skills: angol
Number of students who can be accepted: 1
Deadline for application: 2020-12-03 |
|
|
|
|
Login
