社交网络中基于元胞自动机的质量感知动态变化研究

理论计算机科学电子笔记252（2009）157-180www.elsevier.com/locate/entcs社会网络中质量感知的动态变化：基于元胞自动机的美学服务鲁本斯Zimbres1Universidade PresbiterianaMackenzieCentrodeCiennciasSociaiseAplicadasRuadaConsolaco896，ConsolaCzuco01302-907SaoPaulo，SP-BrazilPedro P.B. de Oliveira2麦肯齐长老大学FaculdadedeComputacampaignoeInform'aticaP'os-GraduacampaignoemEngeariaEl'etricaRuadaConsolacampaigno896，Consolacampaigno01302-907圣保罗，圣保罗-Brazil摘要尝试进行了模拟客户和供应商之间的互动，并了解使用元胞自动机模型的社会网络的合理性。本研究以美容诊所为研究对象，以顾客与服务提供者为研究对象，进行了一项纵向研究。 然后用元胞自动机对相关服务质量的意见演变进行建模。 基于现有的和有效的服务质量量表，六个半结构化的采访与客户和服务提供商进行了。然后对指标进行了修订，并进行了两次定量调查，时间间隔为四个月。然后寻找一个元胞自动机规则，可以模拟两个调查之间的网络合理性。提出的元胞自动机模型达到了73。80%，高于通常在服务质量文献的线性回归模型中发现的值。通过模拟，可以了解供应商和客户采取的哪些行为会改善对服务质量的感知。模拟还识别了社交网络中的不满个体以及他们对网络的影响。该等发现可帮助管理人员控制雇员关键词：元胞自动机模型，社交网络，质量感知动力学，美学服务，管理，角色理论。1介绍社会科学的复杂性是一个新兴的研究领域。在复杂系统中，在不同层次上同时发生的过程是重要而复杂的1 电子邮件地址：rubenszmm@gmail.com2 电子邮件地址：pedrob@mackenzie.br1571-0661 © 2009 Elsevier B.V. 在CC BY-NC-ND许可下开放访问。doi：10.1016/j.entcs.2009.09.020158R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157系统的行为以非平凡的方式取决于其子单元。因此，在试图理解我们的世界时，可能会有范式的变化，因为管理整体的定律不能仅仅通过观察其组成部分的细节来简化。此外，社会科学文献通常采用线性方法来处理这些复杂系统。这就是为什么许多服务质量文献中的回归模型对方差的解释有限的原因。自然系统是相当不可预测的，其构造的微小变化可能导致巨大的影响。人们可以假设这种不可预测性阻止了任何控制尝试，但这是不正确的，因为给定系统的参数是可以控制的然而，传统的预测方法不能被认为是可靠的这种类型的系统。当系统难以预测结果时，它被认为是复杂的，不是因为它的随机性，而是因为它的规则性不容易描述。对这些系统的理解包括两个方面，定量（预测和结果的概括）和定性（理解现象背后的过程）[1]，[2]。基于Agent的模型（ABM）为这种复杂系统的建模提供了一个有用的工具。ABM由一组计算代理组成，这些代理根据其内部状态和行为规则、环境规范以及代理与其环境之间的通信语言的使用并行因此，我们指定一个连接网络，然后激活代理以观察紧急宏观行为[16]。ABM允许创建人工社会，在人工环境中，基于有限的信息和计算能力，基本的社会结构和群体行为从个体代理之间的相互作用中出现（[16]，[24]，[25]）。元胞自动机（CA）可以被认为是ABM的一种特殊类型，由有限状态机组成，使用抽象的研究方法来分析具有紧急全局模式的局部规则的同时实现（[20]，[38]）。CA有三个显著的特征：大规模并行性、局部交互和基本组件的简单性[32]。由于它们的简单性和在复杂系统建模方面的巨大潜力，它们被广泛用于硬科学。CA可以被看作是由单个组件组成的空间分散系统的简单模型，它们的细胞。组成单元之间的通信受到局部交互的限制。每个细胞都有一个离散的状态，根据其局部邻域的状态而变化。每一个细胞都与它周围的有限数量的其他细胞进行交流这种通信是局部的，统一的，确定性的和同步的，以离散的步骤设置系统随时间的整体发展[20]。演化由单元的先前状态、其邻域和相关联的局部过渡函数（即，其规则（[17]，[32]）。在连续的时间步长中同时执行一个简单的规则可以产生一个复杂的全局行为[17]，这是有趣的，因为每个个体只能访问其本地邻居，但根据传递性原理进行长距离通信[18]。商业系统可以被视为复杂系统，由简单的R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157159相互作用的元素。这些要素的例子是客户和服务提供者，他们在服务提供过程中相互作用。它们之间的互动所产生的社会结构可以用一个模型来简化，以便了解影响服务周期的因素和行为本文提出了一种基于元胞自动机的仿真模型。 美容诊所服务质量的初步定量调查结果提供了模拟的初始条件。从这个初始条件，我们应用元胞自动机模拟，以获得第二次定量调查数据，个案。此外，这个社会网络的理由进行了分析，从而导致了解的动态信息交换的网络中的客户和供应商，这可能会使管理人员调整其员工的行为和管理的期望，他们的客户，使有一个积极的看法服务质量。接下来，本文介绍了理论背景，服务质量方面，目前的角色理论的概念，指导基于元胞自动机的抽象。随后，方法的程序，其次是拟议的模型。最后，对模型的结果及其统计分析进行了讨论。2背景2.1服务质量质量是一个难以操作的概念，因为它包含无形的方面。客户试图使服务有形，以便更容易评估。设施、设备、员工、通信材料、其他客户、价格和可用技术都是有形要素，为客户提供服务无形部分的线索，尤其是在关系开始时。在服务接触中，这意味着服务提供者和客户根据服务提供者满足客户需求的能力来判断服务质量。通常，人们可以识别两种类型的质量，技术和功能（[19]，[5]，[14]）。功能质量是指服务如何交付给客户，包括社会和关系方面[13]。技术质量很难由客户评估，因为客户很少有专业知识来评估专业服务。功能质量是指信息的沟通和有效传递在技术和功能质量的感知中起着重要作用[30]。因此，正确和有效的信息传递是重要的，以建立模式，导致积极的评价服务质量。通过相互作用，即，信息的交流，客户可以开发一个积极或消极的感觉，这可能会导致成功或失败的销售[7]。市场营销中的服务质量文献分为两种趋势。一个led160R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157[29]的研究提出了通过顾客对服务质量的期望和感知之间的差异来衡量质量（SERVQUAL量表），[11]的另一项研究提出了仅通过服务的结果（SERVPERF量表）来衡量质量。根据他们的研究，[11]认为，在时间t感知的服务质量取决于感知的服务质量和客户对服务性能的满意度时间t-1的服务。[15]指出SERVPERF测量性能，更好地解释了感知服务质量的变化（即，最终消费者的看法），而不考虑消费者的期望。关于两个尺度解释的方差，[11]获得的最大R2（方差解释）为0.47对于SERVPERF和SERVQUAL，[15]获得的最大R2分别为0.65和0.42，[23]获得的最大R2分别为0.53和0.35。[22]认为SERVQUAL量表似乎比SERVPERF更好，但由于存在44个指标，不同类型的服务和广泛的数据收集之间存在差异此外，文献研究结果表明，没有一个普遍的服务规模SERVPERF量表有一个优点。它可以用于不同的服务，并评估服务的整体质量。SERVQUAL量表测量感知和期望之间的差异，质量评估是它们之间差异的总和。这一量表受到批评，因为它据称有可能用于任何服务，它需要的调查问卷的长度，该工具的预测能力和心理测量不一致。由于上述原因，SERVQUAL量表的概念和范式基础受到了批评，因为它侧重于过程而不是质量结果。也就是说，它有两个相反的方向：一个关注过程，另一个关注服务质量的结果。2.2角色理论组织可以被视为剧院[8]，角色理论是一个戏剧性的隐喻，其中服务接触的参与者充当代理人，即，一组社会暗示，引导和指导个人在特定情况下的行为[31]。角色可以定义为一系列社会责任，这些责任在特定的环境中指导和指导个人的行为，通常与社会定义的职位有关。角色也可以被定义为一个社会情境中的一个成员的一系列内在一致的条件反应，它代表了在该情境中对其他人的类似和内在一致的一系列条件反应的刺激模式[36]。角色理论的一个有趣的特点是建议通过使用共同的行为来管理代理之间的交互和协作，这些行为可以用作对复杂系统的愿景进行建模的范例，并处理随着时间的推移而演变的情况和交互。R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157161角色是一组脚本。脚本可以被定义为一个连贯的事件序列预期的个人，涉及他作为一个观察者或参与者，并为每一个事件有一个预期的作用，由双方的供应商和客户端。根据时间和情境的要求，这些角色可以成为自动的，而不需要太多的认知上的调整[6]。尽管角色理论有很大的实用性，但它还是受到了批评。[26]批评它的实用性，认为它没有提供足够的理解来评估沟通的质量，因为该理论将沟通行为和表现视为标准化的行为集这种对方法简单性的批评与复杂性理论相矛盾，因为今天很明显，复杂现象并不总是与其组成部分的复杂性有关。通常，系统组成部分的简单性可以通过相互作用和非线性效应产生复杂的现象根据[6]，角色理论有一个弱点，可以归因于在研究特定角色时对范围或态度缺乏共识。角色理论是把人看作社会地位的代表，还是把人看作与其地位相分离的个体，这一点并不清楚。 作为一个社会地位的代表的想法认为，作为一个特定的社会地位相关联的行为模式的作用。从这个角度来看，角色被视为固定和静态的。经济学和社会学的观点都有一个共同的前提，即行动者根据固定的模式在他们的决策中发挥独特的作用。然而，我们认为，标准化和共识似乎是系统的结果，而不是假设，因为互动的结果是共识的出现。3方法程序我们使用了从[11]改编的量表来衡量美容服务的质量。在分析了通过与3名客户和3名供应商进行的6次半结构化访谈收集的定性数据后，我们创建了一个可能的指标列表，建立了一个包含74个项目的量表。然后，我们对6名客户和2名营销专家进行了定性预测试，使我们将量表项目筛选为54项。然后对27家供应商和6家客户进行了定量预测试。 经过方差分析、相关分析、因子分析和信度分析，最终构建了包含45个指标的问卷。之后，进行了第一阶段的定量研究，从客户和服务提供商那里收集数据，得到了115份来自客户的回复和96份来自服务提供商的回复。使用5分制李克特量表（一种测量反应分级的顺序量表），具有以下含义：对于初始搜索的定量指标的内部一致性，得到了以下结果：客户的Cronbach162R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）1570.913; 66。提取方差的44%。对于供应商，克朗巴赫的阿尔法是0.772;一个多维因素，最小负荷为0.512; KMO测量为0.680;和64。08%的提取方差。在这一阶段之后的四个月，进行了第二阶段的定量调查，收到了36份答复。在量化研究最终指标的内部一致性方面，客户的Cronbach对于客户而言，线性回归依赖于当前对质量的感知作为因变量，质量指标作为自变量，结果是：R2为0.760;回归平方和为88.77;残差为27.99，显著性为0.000;高容差;变异系数低于10;标准误为0.907;残差正态性对于供应商，线性回归使用当前对质量的感知作为因变量，质量指标作为自变量，结果是：R2为0.873;回归平方和为50.05;残差为7.30，显著性为0.001;高容差;变异系数低于10;标准误为0.780;残差正态性此外，我们知道，对客户来说，质量感知中最重要的方面是无形的方面和供应商给予的关注，而有形的方面，如设施的舒适度，似乎对供应商更重要。这些发现得到了基于资源的观点的支持[4]，该观点指出，产生可持续竞争优势的资源是那些稀有、有价值和难以复制的资源，即无形资产。4该模型拟议的模式有两个目标。 第一个是预测最终结果(in第二次定量调查（第一次定量调查）。也就是说，第一次定量调查的数据将为元胞自动机模型提供初始参数。研究第二阶段的数据将提供与模型结果进行比较的最终状态。在这两组定量数据之间，客户和供应商在他们的社会环境中按照特定的决策规则进行互动第二个目标是了解决策过程，为决策过程从第一次调查阶段到第二次调查阶段的演变找到理由。我们试图获得一个规则，它可以模拟相互作用过程，以便与最终配置（第二个定量数据）相比，模型的最终配置可以提供最大的准确性。 此规则 然后，行为的模拟决策的无形方面的服务质量的服务接触。由于指标数量较少，统计分析的可靠性和稳健性较高，所选变量由服务质量的无形维度另一个原因是它对管理的有用性，因为众所周知，质量的无形方面与客户对服务质量的评估更相关点阵由36个主题（栏目）和7个无形指标组成R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157163服务品质指标（行），即36个字符串，每个字符串包含7个指标值（关注、信任、乐于助人、诚实、关心、责任和适应客户需求）。因此，网格的每一行包含同一指标的值，每一列代表一个人。 由于这些指标之间存在相互作用，而且变量之间没有多重共线性，因此合理的做法是依靠一维CA规则在每一行进行操作，在每一行独立使用相同的规则。这样做的另一个原因是，这种CA有助于揭示嵌入在转换表中的基本原理。最后，CA模型的特征得到了角色理论的支持，该理论认为社会网络中的所有个体都采用一种行为模式，即所有人都遵循相同的行为规则进行决策和行动，这意味着统一的元胞自动机。在定量研究的第一和第二阶段选择了相同的受访者CA包含5个可能的状态，因为李克特量表有5个点，如前所述。 使用半径为1的CA规则，因此得到125可能的概率服从于一个规则，并且一个553N=2的空间。351087×可能的规则半径1意味着每个个体只与最近的-左右两边的邻居。由于计算和时间的限制，采用随机搜索策略的规则。为此，空间的多数规则被作为搜索的起点;在这种情况下，多数规则是中心单元的下一个状态是邻域的主导状态的规则，或者如果不存在主导状态则不进行改变。这似乎是一个合理的选择，因为有证据表明，人类倾向于表现在“羊群”中从多数规则的规则号开始，在1500个规则的块中进行搜索，并在1 -10和10- 84的范围内用均匀分布的随机步骤挑选下一个规则。搜索越接近预先指定的最小目标准确率，搜索间隔就越短，以便更仔细地检查规则。有两个约束条件引导着搜索：规则应该以大于70%的准确率模拟初始条件的演化（也就是说，模型的最终结果应该与70%的格子中的定量研究数据相同），并且规则不应该呈现循环的随机数。成功率的计算方法为模型的最终状态与第二次定量调查的数据之间的差异，逐个单元，然后按指标数量和受访者数量进行标准化。CA所需的迭代次数是根据定量研究两个阶段之间考虑到两次数据收集之间的因此，为模型选择了20次迭代作为用于探测规则的预测质量的参考迭代。客户和供应商根据他们对第七个指标“适应客户需求”的反应的相似性进行分类164R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157显示最大的方差。然后，客户和提供商根据他们在该指标中的重要性被分配到每个CA网格位置，从而创造了一个服务提供商和客户可以交互的人工环境。分配基于第七个指标标准，因为较高的方差反映了较少的共识和较高的意见多样性，如果客户和提供商能够更接近，这种情况可能会引发更丰富的因此，在每个探索的CA规则的20次迭代结束时，将模型的结果与从第二次定量研究中收集的数据逐个单元进行比较，并且丢弃准确率低于70%的规则。还使用了另一个“过滤器”，丢弃方差比第二次定量研究中发现的方差高或低0.5个点的规则。在该过程结束时，已搜索了大约180万条规则。从指标值开始，分析了各种统计量：平均值、方差、标准差、中位数、模型感知的增加和感知的实际增加。对迭代过程中的沉降率、模型的精度、指标的总和和均值进行了分析，最后对更合适的规则进行了合理性分析。例如，规则可以具有以下逻辑：如果给定客户将一个提供商提供的服务质量评估为差（Likert标度值等于1并且小区状态等于1），并且将另一个提供商提供的服务质量评估为差（Likert标度值等于1并且小区状态等于1），则该规则可以具有以下逻辑：同样地，这可以产生质量的定期评估（小区状态等于2），考虑到态度的不一致性，5建模结果图1显示了模拟模型与第二次定量研究的真实数据相比的准确率。在第二个周期的准确性下降后（可以解释为消费后认知失调; [34]），成功率振荡并在第16次迭代中达到73.80%的准确性。因此，根据[9]，模拟生成了S形曲线，这是被认为是固体的明确证据。在Wolfram的词典排序方案中，所选规则编号7655911950549124.其转换表如图2所示。 规则可以被看作是社交网络所采用的角色，每个状态转换都是该角色的对应脚本。与服务质量文献中获得的回归结果相比，我们的模型比[ 11 ]中的最大R2（解释方差）为47%，[15]中的最大R2为65%，[23]中的最大R2为53%，[10]中的最大R2为71的模型具有更高的解释力。百分之六此外，线性回归模型解释方差解释，这是基于平均值，而我们的模型解释73。80%的结果，具体情况下;如果我们考虑基于平均值的解释能力，我们的模型甚至更准确（表1）。R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157165−Fig. 1. CA规则的20次迭代的模型精度。图二. 所选规则的转换表。表1每个指标共计。指示器1234567第2阶段-第1阶段（c）137136140135132138129模拟-阶段1（d）130135136134127133126差异（c）-（d）7141553准确度（%）百分之九十四点八九百分之九十九点二六百分之九十七点一四百分之九十九点二六百分之九十六点二一百分之九十六点三八百分之九十七点六七从模型的解释能力中出现的一个关键问题是要知道现实的哪一部分被解释了。在图3A中，线性回归模型和所提出的元胞自动机模型都解释了相同的现实方面，具有不同的成功率。这意味着CA模型的解释力增加了8.80 个百分点（73。80%65%）。因此，非线性效应似乎有助于8。80个百分点的模型。在第二种情况下，图3B，线性回归模型和CA模型解释了不同的现实方面，仅共享38。80%的共同点，即，路口166R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157两个模型之间。最后一个论点似乎更有效，只要我们有线性关系，非线性关系，以及线性和非线性关系之间的交叉点，这可能代表个体之间的相互作用。这一发现为管理研究中因果关系的研究提供了一个新的视角。图3.第三章。对模型的解释有不同的图4显示了第一次定量调查（A）、第二次定量调查（B）中的个体与模型结果之间的平均欧几里得距离。图中的每个点代表每个个体与其他个体之间的平均欧几里得距离，也是所有7个指标的平均值第7章（i−i）2（一）36D=j=1i=1jk736见图4。在初始调查（A）、最终调查（B）和模拟模型的第16个周期（C）中的欧几里得距离。最初的平均欧氏距离是2.97。在第二次调查中，它下降到1.38，在模拟结果中，该值变为1.54。也就是说，由于连续的相互作用，受试者之间有一种近似，显示出更大的相似性和一致性。因此，社交网络中的多重交互似乎近似于（在感知层面上）具有相似思维的个体。这种更大的亲密度（因为指标与关系有关）可以支持关于给定主题的感知的一致性，并且可以促进客户和提供者之间的相互理解。表2显示了所有无形质量指标的欧几里得距离该指标与R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157167最大的差异是供应商的适应性。这正是为分类选择的指标，因为它提供了更大的方差。因此，通过改变初始条件，数据的方差似乎会影响模拟的结果。表27个指标的欧氏距离。指示器1234567第2阶段-第1阶段（c）5.743.314.244.3554.586.55模拟-阶段1（d）5.563.462342.4421.93差异（c）-（d）0.18-0.152.241.3512.14-15.38图5显示了CA的不同状态的颜色，每种颜色对应于李克特量表中的一个可能答案。所以，如果我们考虑这个问题图五. 颜色的程度，以李克特规模。图6显示了从时间0到16的各种CA点阵配置，每行与不同的指示符相关联根据第七个指标（如前所述）对个人进行的分类在由于个人的分类，每个人都被分配了一个 细 胞 位 置 如 下 ， “P” 表 示 提 供 者 ， “C” 表 示 客 户 ： PPCPPPC-CCCCPPPPPPPPPPPPPCCCCCC。时间零点与初始研究相同，因为它是CA的初始条件。在时间步骤5处，存在深灰色和黑色区域，这意味着除了关于责任之外，一些个体的质量感知较差。值得注意的是，深灰色和黑色区域越大，关系质量差的可能性就越大在格子的右边，也有质量感知差的个体在时间步10，不满的个体分散在孤立的集群中，“污染”相邻的个体。在时间步16，那些具有负面看法的人被社交网络孤立，这与研究中观察到的现象类似，其中只有一个（25个人）非常不满，在第二次定量研究中的七个指标中的三个中，他提出了图7显示了考虑到所有个人的每项指标的竞争优势的演变情况。在第一个指标中，注意力，在各种主题中有一个负面感知（黑色区域）的爆发，这些感知保持在时间上（连续向下的线），并且a在第13个时间步长处改变了网格的最右边的失望的人失去了力量，跟随网络的其余部分，这呈现出积极的质量感知。168R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157见图6。 沿着CA迭代的晶格配置。在第二个时间步，爆发由客户（个人8、10和30）产生，在第三个时间步污染供应商。从第五次到第十六次，不满情绪转移到供应商，这反过来又污染了与他们互动的个人。值得注意的是，不满的个体在格子的右边形成了一个十字该指标在时间步17达到稳定，收敛到固定点吸引子。均匀的颜色区域意味着个体达到的固定状态，即平衡。在时间步2，受试者8和10污染了位于它们之间的个体9，恶化了他在时间步3对服务质量的评估模拟已经准确地识别出哪些客户需要关注，哪些是最敏感的，因此，识别出哪些提供者在关系方面失败。在第二个指标中，信任，有一个不满意的爆发，比第一个指标小，也是从客户开始，传播超过7个时间步，在第8个达到稳定。在第三个指标中，帮助意愿，不满情绪爆发，比第一个指标小，由一个客户（9）和两个提供者（12和28）开始，传播超过20个时间步长，并且没有达到稳定。在第四个指标中，诚实，不满意的爆发蔓延到网络的更大区域，在左手边，从客户和供应商开始，传播超过20个时间步长，并没有达到稳定。受污染的区域比以前的指标更广，这意味着个体之间的空间扩散更大。 这可能是因为诚实是 这是在客户和供应商之间建立信任的关键因素。当客户或提供者的完整性受到怀疑时，与不太重要的东西（如提供者给予的关注）相比，影响会传播到社交网络的更大区域。值得注意的是，该规则显示了从时间步3开始的周期9的循环行为。在时间步5，出现了第一个完全不满意的人，然后在迭代6出现了另外两个。 在时间步骤7和8，只有一个完全不满意的人。第10章有两个不满意R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157169见图7。 CA的演变第11集，三个人。值得注意的是，从来没有三个不满的人并排。对诚实感到不满的人彼此保持联系的最大数量是两个。这一发现可能意味着，当两个人相互作用时，诚实受到怀疑，他们改变了他们的内部状态，可能从合作到失败，这取决于情况，为了最大化他们的效用，与博弈论中所说的一致。在第五个指标中，与客户的关系，有一个不饱和的爆发，实现了网络的大面积，由两个客户和两个提供商开始，持续19个时间步，并在第20个时间步实现稳定。也许有些供应商忘记或没有时间担心客户，这是由后者感知。在左侧区域中，两个供应商和一个客户产生不满意，并在第9个时间步结束。在图的右侧区域，不满是由客户产生的，到达其他客户和供应商，然后最终停止。人们可以分配供应商不满意的快速结束，因为他们不能满足客户，否则他们会失去他们，而客户可以选择更换供应商。重要的是要知道，在所有客户的模拟，没有改变供应商，尽管存在感知质量差的关系。在第六个指标，责任，有一个爆发的不满，达到网络的更大的区域，由两个客户和一个供应商开始，蔓延到第20个时间步之外，并感染了许多客户。换句170R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157换句话说，它在时间上比在空间上传播得更多。最后，第七个指标，适应客户的需求，一个大的不满爆发实现了更大的网络面积，由四个客户和三个供应商开始，并蔓延到第20个时间步长之外。这是一个人工制品（由于该指标已经定义了网格中个人的分类），在该指标的第一行中很明显，不满的个人被分组，从而给人一种从这一事实可以得出结论，极端有问题的客户不应该相互接触，否则他们会将不满情绪传播给他们接触的每个人，客户或供应商。员工也是如此。不满的员工应被隔离，以避免罢工等不安全此外，有问题或不满意的客户不应该由不满意的供应商来照顾，因为这可能会使双方都不满意，污染网络。也许这种缺乏适应客户需求是由于专注于结果和工作量，这阻止了它的更大的个性化。模拟模型不仅调查了意见的动态，而且更重要的是，哪些人在社交网络中产生不满。这可以使管理人员能够识别出有问题的客户和员工，他们没有正确地履行自己的角色或在社交网络中播种不满。 有了这个结果，管理者可以调整服务周期， 为了孤立不满的个人，使他们的意见成为少数，失去力量并最终消散。有趣的是，个体的不满意总是发生在顾客-提供者界面，也就是说，在格子的左手边和右手边。这可能是由于不同的期望和对服务的看法，如线性回归结果所示在图8中，每个数字和颜色表示模型结果与第二次调查数据之间的差异程度。由于李克特量表有5分，模拟结果与定量研究结果之间的差异范围在-4到4之间。图9示出了模拟时间步骤16的成功率，由较亮的灰色表示。颜色越深，模拟结果与第二次定量研究结果之间的差异程度越大。成功程度最低的指标是最后一个，可能也是分类的人为因素，因为如上所述，不满的个人集中在一起。见图8。 型号适合性的颜色等级。R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157171见图9。 建议模型的成功率（较亮区域）。图10显示了将具有相同观点的个体分组的结果。当个体被孤立时，降低的满意度水平（值1，2，3和4）通常在一个时间步长内消失，除了值2（不同意）的个体。当个体以相同的质量感知被分组时，不满意会随着时间的推移而存在，干扰和污染相邻的个体。为了减轻分组的这种有害影响，最初可以考虑在不满组中插入一个具有非常积极的质量感知的人（值等于5，浅灰色单元，箭头处）（图11B）。然而，这种行为似乎潜在的不满，也许是因为不满的群体可能会意识到，他们可以更快乐的服务结果。因此，与直觉相反，减轻不满的最好方法是在一组个体中插入一个更不满的个体（值等于1，黑色单元，图11A中的箭头），值等于2。这种行为的结果是不满意度的降低，如图11A中所示，与图11B相比。也许这是因为感知值为2的个体试图同情失望的个体，以使插入的个体对服务结果更加满意然而，通过将一个非常满意的个体放在组中的右侧，值为1（图12中的箭头），不满情绪扩散并与右侧值为2的组发生冲突，从而使网络中的效应大于图12中的效应。第11页B.见图10。 把不满意的人分组。172R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157见图11。 试图缓解社交网络中的不满情绪。见图12。 试图缓解社交网络中的不满情绪。6结果的统计分析对于描述性分析，我们在第16个时间步长处拾取晶格的状态。 最初，网格中指标的平均值为3.75（表3）。 在研究的第二阶段，平均值下降到3.65。这可能是因为客户和服务提供商对服务质量的看法存在差异。客户重视质量的相关方面，供应商重视服务质量的技术方面模拟模型的平均数也下降到3.67，与第二次定量调查相比仅相差0.02。关于方差，最初的研究得出0.16，最终得出0.25。因此，该模型似乎有可能增加，因为它提出了0.97的方差。标准差也出现了这种增加。方差的增加表明，缺乏共识，以及对关系质量指标的看法存在很大差异。 三种情况的中位数相同，等于4.数据演变还显示峰度增加，表现出更极端的行为，这是高服务参与环境的特征[3]。在真实数据和模拟中，偏度也增加了其负值。关于感知的值下降到0.10，当比较最终数据时，R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157173与最初的研究结果进行比较。仿真结果表明，感知下降了0.08。表3显示了研究不同阶段每项指标的总和和模拟结果。表3研究数据和模型的描述性统计。初步研究最终研究仿真结果是说3.753.653.67方差0.160.250.97的标准偏差0.250.370.98中值4.004.004.00峰度8.0311.8210.84偏度-2.21-2.72-3.03增加感知-0.10-0.08图3显示了每个时间步长的“指标”均值。 在时间步骤2，是平均值从4.7降低到4.2，然后在第3个时间步长增加到4.8。这种减少似乎与消费后认知失调的过程有关。这种不和谐可能是因为样本是新的，与购买商业服务不到2年的客户有关，所以他们可能不完全确定他们的选择。因此，许多人不确定他们对供应商的选择。随着时间的推移，这种认知失调似乎消失了，从而可以更好地感知服务质量的直到时间步，模拟才达到稳定16.通过分析曲线的形状，我们发现系统表现出非线性和振荡行为，证实了[12]在他们关于态度和行为之间关系的研究中的发现。虽然在横断面研究中变量之间的关系是线性的，但交互效应似乎不是线性的。这种振荡在态度研究中产生了一个根本性的由于态度可能呈现非线性和振荡行为，例如考虑图13中时间步长1和16之间进行的纵向研究，这可能表明对关系服务质量的退化和不满（因为指标平均值会减少），当，事实上，这可能不会长期发生。这一观察结果强调了理解这两项调查背后的过程的重要性，以便验证研究所获得的结果，甚至理解意想不到的结果。因此，从长期来看，服务质量感知的增加可能会发生，但在短期内，这种增加可能会被振荡行为所掩盖。因此，研究人员在分析意想不到的结果时应该小心，以免在解释时被这种振荡运动可能是由于几个方面。首先，客户和供应商的情绪不一致，他们可能会根据自己的情绪状态不同地感知关系的质量。第二，提供者提供服务时的不一致性，他们可能并不总是提供相同的服务质量。第三，在互动过程中可能会有一个相互适应的过程，供应商不能总是满足客户的期望，反之亦然。振荡运动表现出无形的非线性关系-174R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157图13岁在CA的20个时间步长上的构造均值（即指标之和质量方面，这可能是由于一个有效的组成部分，参与。 众所周知，参与决定了互动的合理性，服务的每个属性的相对重要性以及客户重新购买服务的意图[39]。虽然在横断面研究中，变量之间存在线性关系和相关性，但我们发现第一次和第二次定量调查之间没有图14个。构造意味着CA的超过40个时间步长模拟直到时间步16才达到稳定。 如图14所示，系统在30个时间步中收敛，表示共识。因此，我们建议将纵向研究的间隔时间增加到30个时间步，即30周或8个月，以验证共识的出现，R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157175稳定该模型的一个局限性是没有考虑竞争。如果这样做了，模型可能不会像在时间步30时那样实现稳定性，因为客户可以选择更换他们的服务提供商。图15显示了第一次定量研究（灰色）和第二次定量研究（黑色）中发现的方差。所有指标的方差都有所下降，CA模型适当地模拟了这种下降（图16）。7个指标中有5个在第三个周期的方差等于零。第五个指标（关注）在第21个时间步为零，第七个指标（适应客户需求）在第30个时间步为零。因此，这两个指标需要更长的时间才能收敛，这意味着这些是服务质量感知中更关键的方面。图15. 第一次定量研究（灰色）和第二次定量研究（黑色）中发现的差异。图17描绘了模型的CA规则的转换表，以突出该规则支持中心单元感知增加的可能性 例如，如果中心单元状态是1， 它的左手邻居的状态是3，而它的右手邻居的状态是2，则中心小区状态不变，保持1。为了在不改变其左边邻居的情况下改善其对服务质量的感知，右边的邻居有必要采用值1、3、4或5中的一个，在这种情况下，在中心的个人的意见将分别演变为3、4、2或2在这种特殊情况下，最好的理由是右边的邻居这可以解释为，有时，最佳性能不能产生最佳服务质量感知，因为如果发生这种情况（通过右边的邻居取值5），则中心小区将仅将其值从1增加到2。但是如果右边的邻居取值为3，那么中心单元的下一个状态将是4。换句话说，如果个人176R.A. Zimbres，P.P.B.de Oliveira/Electronic Notes in Theoretical Computer Science 252（2009）157图16. 模型中方差的演变在中心细胞对提供者给予的关注感到不满（值1）时，如果另一个提供者不会变得过度关注，而只是适度关注，那么这个人会更好。这样做，这个人将有最大限度地提高其质