Nettverk av Nasjoner

Introduksjon til SNA på nasjonsskala

Mange som kommer bort i verktøyene man benytter innenfor analyse av sosiale nettverk vil kanskje sitte igjen med en smak av grafstrukturer bestående av små, enkeltfassetterte enheter kalt noder, og kanter som beskriver disses ene, binære egenskap. Dette være seg venn/fiende, medlem/ikke medlem osv. Man vil se strukturen som stabil eller ustabil. Dynamikk og endring tolkes som en følge av litt diffuse, empiriske regler, understøttet av induktive bevis og sannsynligheter. Det oppstår segmenter og grupper i modellen som oppfyller et behov, noe som nesten kan ses som et mål i seg selv for dannelsen av nettverk. Disse egenskapene skal beskrives, analyseres (ser vi noe nytt) og grupperes.

Dette kalles sosial nettverksanalyse (SNA).

I tillegg til den rent strukturelle biten gløtter man på beslutningstaking gjennom linser som spillteori, avstemming og likevektsprinsipper mellom organisasjoner, individer eller til og med ned på et så mikroskopisk nivå at hver node er en informasjonsbit.

Hva om vi skalerer oppover, til et nivå der hver node er så kompleks at det er vanskelig å tenke seg klare nettverk med definerte koblinger. Hva med et nettverk av nasjoner? Dette spørsmålet stilles i boken «Networks of Nations», 2011, av Zeev Moaz. Moaz er israelsk statsviter med mye publisert forskning innen internasjonale politiske forhold.

 

Historikk

Før årtusenskiftet ble de langt fleste studier innenfor internasjonale forhold utført ved at man utviklet komplekse modeller, der forklaringer av strukturer og dynamikk ble sett på som summen av en mengde vektede egenskaper. Det er vanskelig å bygge slike modeller, siden hver enhet har forskjellige faktorer som påvirker dennes handlingsmønster, og forhold kan hverken generaliseres til regelverk eller presenteres i modellformat uten kompletterende forklaringer. Ingen kan derimot «gi etter» og forenkle analysene, da feil utfall kan gi kostnader i internasjonale relasjoner. Denne samhandlingen regnes ikke som et null-sum spill der man taper eller vinner, men mer som en synergi der verdier kan skapes eller ødelegges.

Et forsøk på å behandle den massive datastrømmen, i stedet for større og mer avanserte forklaringsmodeller, er å benytte seg av metoder fra sosial nettverksteori der man abstraherer ut mening på et overordnet nivå. Nærmere bestemt graf og analyseverktøyene. Man kan da sette opp nettverksstrukturer med klart definert omfang og koblinger. Det er til og med mulig å formidle teorier til mennesker uten samme kunnskapsdybde som en selv. Om man er bevandret innenfor programmeringsparadigmer kan man med en porsjon velvilje se dette som det funksjonelle svaret på det objektorienterte kompleksitetsparadokset. Man kan legge et lag av nettverk (f eks kulturelt), over et annet nettverksnivå (handel, sikkerhetsallianser etc), og se effekter som triadisk tillukning og gruppering i det ene blø over i det andre. Nesten som en lambdafunksjon.

Disse verktøyene har i lengre tid vært benyttet av svært forskjellige disipliner, med veldig forskjellige interne prosesser. Fra biologi, datavitenskap og matematikk, til makroøkonomi, antropologi og psykologi. Nettverksterminologi er benyttet i studier av internasjonale nettverk, men ikke de formaliserte analysemetodene.

 

Hva snakker vi egentlig om?

Det første punktet på listen når man ønsker å undersøke hva som helst, er å beskrive det man skal undersøke på en fornuftig måte. Her snakker vi grafer. Denne type multidimensjonale grafer kan bli svært komplekse men det finnes selvfølgelig programvare som både visualiserer og gir de matematisk formaterte svarene man behøver. I boken benyttes det et egenutviklet programsett som kalles MoazNet, men det finnes andre.

SNA står som sagt for sosial nettverksanalyse, og i «Networks of Nations» ser Zeev på analysebiten spesielt, og flere eksempler benyttes for å vise nytteverdien av dette. Han benytter flere nivåer en man kanskje er vant til å tenke på, som node, dyade (2), triade, komponent, nettverk, og «nettverk av nettverk». Vi kan anta at jo mer komplekse egenskaper som skal analyseres, jo større grad av nøyaktighet trenger man for å avgrense sine sett. Om man f eks definerer gruppen rike demokratier, så har vi et subsett av økonomisk avgrensede land, slått sammen med et subsett av land med en bestemt styringsform. Altså to forskjellige nettverk, med sine egne regler for stabilitet og dynamikk, som interagerer med hverandre, noe boken kaller en multipleks. Nettopp dette med at kreftene som påvirker endring i ett nettverk også påvirker andre nettverk gis stor betydning når man skal analysere strukturer i internasjonale nettverk. Hva analysen normalt skal ende med er, ved hjelp av regelsett og statistikk, er en antatt årsak eller sannsynlighet for at gitte strukturer oppstår eller endres.

Grupper må defineres. Her benyttes flere metoder. Blant annet vil «største importør» gi en helt annen inndeling enn «formelle handelssamarbeid». Typer av koblinger gir i tillegg nye filter til analysen. Kanter kan være «nondiscretionary» (uformelle og tilfeldige, som kultur og geografi) og «discretionary» (formelle, villede nettverk som handel og sikkerhet). På det øverste strukturelle nivået kartlegger man  grupper-i-grupper strukturer, det være seg øst/vest-gruppering i den regionale europeiske gruppen, eller religiøse grupperinger av ikke-nære stater i Afrika og midt-østen. En annen kvalitet man kjenner igjen fra ethvert grunnkurs i nettverksteori er type kobling, nemlig relasjonelle nettverk (ofte symmetrisk, som en urettet graf) eller affiliasjoner (rettet graf, dvs Norge er med i EØS, men EØS er ikke med i Norge)

 

Hva måles?

Hvordan vi velger å binde sammen nodene i nettverkene vi ønsker å undersøke, styres litt av hva man kan måle, og litt av prøving og feiling, faktisk. I og med at man nå har dataverktøy som drastisk forenkler både datainnsamling og muligheten for modellering, både visuelt og ved hjelp av matematisk mønstergjenkjenning, så kan man teste mange modeller kjapt. Man kan også tweake små variabler, rekompilere modellene og kjøre ny analyse uten å måtte rekalkulere enorme datamatriser for hånd.

Sett at man sitter med et multilags nettverk (multipleks) der man forsøker å finne ut om et lands handel påvirker kulturell tilhørighet. Når vi ser på handel, så må vi ta med import og eksportforbindelser og styrken på disse, medlemskap i organisasjoner etc. Dette vil kanskje gi oss en håndfull nettverk. Deretter kan det hende vi ønsker å definere kulturell tilhørighet på flere forskjellige måter, f eks geografisk / kontinentalt, stemmegivning i FN (med en analyse av https://github.com/dgrtwo/unvotes eller lignende datasett) eller rett og slett utveksling av underholdningskultur. Her kan det være at man sitter med flere titalls datasett, og flere titalls år, og skal finne mønster i noen håndfuller nettverk.

 

Vis meg et eksempel

Nå benytter «Networks of Nations» naturlig nok eksempler som veldig tydelig får frem den teoretiske sammenhengen, spesielt multipleksene, nemlig sammenhengen mellom nasjoners medlemskap i internasjonale organisasjoner opp mot deres sannsynlighet for å samarbeide sikkerhetspolitisk. For å forenkle benyttes ofte situasjonen på tidlig 1900-tall. Jeg vil derimot trekke frem et nærmere eksempel.

Et mer relaterbart konsept som vises frem i boken er det demokratiske fredsparadokset. Dette kan statueres ved følgende enkle setninger:

  • Demokratier er like mye utsatt for konflikt/krig som ikke-demokratier
  • Demokratier kriger ikke/sjelden med andre demokratier
  • Mengden av demokratier verden har ingen sammenheng med mengden konflikter

Mengder av forskning for å finne andre faktorer og sammenhenger er utført nettopp på dette paradokset, og det er til og med beskrevet som en «lov» mtp internasjonale relasjoner. Nå er dessverre mye av forskningen på dette utført på et dyadisk nivå, slik at større strukturelle krefter og evt. konfunderende variabler blir vanskelig å se. Allikevel har dette hvert den tilgjengelige forklaringsmodellen, benyttet i internasjonal politikk, med så vidtrekkende konsekvenser at demokrati i seg selv er blitt forsøkt tvangsinnført i en rekke stater. Dette med hensikt i å unngå fremtidig konflikt og krig.

Nå viser analyser at dette paradokset faktisk ikke er en «freds-lov», som indikert. Innføring av demokrati i en krigsherjet region / gruppe gir ikke mindre konflikt. Det er først når en ser styringsform i sammenheng med naboers styringsform og nasjonens vekt i regionen det får betydning. Dette betyr igjen at overnasjonale organer kanskje bør ta andre virkemidler i bruk i fredsabeidet enn dogmatisk tillnærming til simplistiske regler.

 

Videre da?

Boken viser SNA benyttet rettet mot problemer innenfor «networked international politics» (NIP). Den spør (seg selv) hvordan disse nettverkene oppstår, endres og påvirker hverandre, samt hvordan de påvirker hverandre. Dessuten påpeker forfatter at det finnes spørsmål vet disse nettverkenes natur som ikke er helt åpenbart. Er det slik at nettverkene skaper omstendighetene, eller er det heller slik at omstendighetene skaper nettverkene? De mest interessante nettverkene innenfor NIP-teorien er det som her kalles «emerging structures», og at de er skapt av relasjonelle og discretionary (ønskede) koblinger. Det man kanskje vil ønske svar på etter å ha lest boken er spørsmålet om man kan skape endringer i situasjon ved å analysere kreftene som skapte situasjonen (nettverksdynamikken), for deretter å endre nettverksstrukturen. Dette får man ikke noe som helst svar på.

Dette ville vært vanskelig uten verktøyene man har i dag, og jo bedre verktøy, jo mer kompleks modellering. Det utforskes ikke i boken, men en tanke som slår en er utviklingen man garantert vil se fremover når det gjelder dataanalyse og kunstig intelligens. På samme måte som mennesker abstraherer og forenkler virkeligheten, så utvikles det nå teknologi som kan mates med enorme mengder data av nesten ubegrenset form, og deretter lære seg å finne mønster i disse. Tanken om å mer nøyaktig kunne forutse en utvikling på internasjonalt nivå er da kanskje ikke helt fjern.