Faszinierendes Papier, das gerade in Science veröffentlicht wurde. Die Autoren analysieren die Karriereverläufe von Spitzenperformern in verschiedenen Bereichen, darunter Nobelpreisträger, Elite-Schachspieler, Olympiasieger und mehr. Ihre zentrale Erkenntnis stellt einen verbreiteten Glauben in Frage. Intensives, einseitiges Training in jungen Jahren verschafft zwar einen frühen Vorteil, aber dieser Vorteil verblasst im Laufe der Zeit. Im Gegensatz dazu neigen Personen, die früh im Leben multidisziplinär trainiert werden, dazu, langsamer zu starten. Doch auf lange Sicht sind sie eher in der Lage, eine weltklasse Leistung zu erreichen und überholen schließlich frühe Spezialisten, die oft nur knapp unter dem absoluten Top-Niveau stagnieren. Eine wichtige Erinnerung daran, dass Breite zu Beginn eine starke Investition in langfristige Exzellenz sein kann. Link zum Papier in der ersten Antwort.

Jetzt in Nature Human Behaviour veröffentlicht! 🚀🚀 In den letzten Jahrzehnten hat die Forschung zum kollektiven menschlichen Verhalten stark auf Netzwerke gesetzt. Das ist intuitiv: Menschen interagieren mit anderen Menschen. Wir argumentieren jedoch, dass dieses dominante Rahmenwerk eine entscheidende Zutat vermisst. Traditionelle Netzwerke stellen Agenten als Knoten und paarweise Beziehungen als Kanten dar. Infolgedessen wird grundsätzlich angenommen, dass soziale Interaktionen in Paare zerlegt werden können. Doch viele soziale Prozesse sind irreduzibel gruppenbasiert. Ein einfaches Beispiel: Eine Gruppe von drei Co-Autoren, die ein Papier schreiben, kann nicht auf drei unabhängige Paare von Co-Autoren reduziert werden. Die Gruppe selbst ist wichtig. In diesem Artikel überprüfen wir eine Vielzahl von empirischen und theoretischen Fällen, in denen Gruppeninteraktionen nicht in paarweise zerlegt werden können, und zeigen, dass höherordentliche Interaktionen das kollektive Verhalten über dyadische Bindungen hinaus prägen. Wir plädieren dafür, kollektives Verhalten auf Hypergraphen zu untersuchen, bei denen Interaktionen mehrere Agenten gleichzeitig einbeziehen können. Wir überprüfen, wie Hypergraphen neue Einblicke in verschiedene Bereiche bieten, einschließlich Zugehörigkeits- und Kollaborationsnetzwerken, Hochfrequenz-Kontaktszenarien (Familien, Freunde) und wichtigen sozialen Prozessen wie sozialer Ansteckung, Kooperation, Wahrheitsfindung und moralischem Verhalten. Abschließend skizzieren wir vielversprechende Richtungen für zukünftige Forschungen: die Bewältigung der rechnerischen Herausforderungen höherordentlicher Modelle; die Untersuchung von Vorurteilen und Ungleichheiten in Gruppendynamiken; die Kombination von Hypergraphen und großen Sprachmodellen zur Untersuchung der Koevolution von Sprache und Verhalten; und die Nutzung höherordentlicher Netzwerke zur Simulation der Auswirkungen von Politiken vor der Umsetzung; und andere. Wir sind sehr begeistert von dieser Arbeit und hoffen, dass sie weitere Forschungen in einem schnell wachsenden und grundlegenden Bereich mit breiten realen Implikationen inspirieren wird. Link zum Papier in der ersten Antwort Diese Arbeit wurde brillant von Federico Battiston (@fede7j) geleitet, mit einem herausragenden Team von Co-Autoren: Fariba Karimi (@fariba_k), Sune Lehmann, Andrea Bamberg Migliano, Onkar Sadekar (@OnkarSadekar), Angel Sanchez und Matjaz Perc (@matjazperc)