domingo, 28 de febrero de 2016

ARS de conversaciones en Twitter con SocioViz

Análisis de redes sociales y periodismo digital
Alessandro Zonin - Social Network Analysis




El 19 de noviembre de 2015 tuve el placer de participar como ponente en un taller durante los GlocalNews del festival de periodismo digital en Varese.

El taller dedicado a Twitter y análisis de redes sociales, se presenta como una técnica para analizar y ver conversaciones y comunidades en línea.

Las redes sociales se han convertido en una parte integral de un nuevo ecosistema de la información, colaborar en la difusión de contenidos que complementa la historia de las versiones impresas, en línea y móvil. Twitter es la plataforma social por excelencia donde las noticias se toman y la vista previa documentada, análisis de redes sociales le permite fotografiar a la evolución en el tiempo de los temas más debatidos, los personajes más importantes y puede proporcionar un apoyo importante para los editores.

Para aquellos interesados en aprender más:

Los slides del workshop:


Festival glocal news dall'hashtag alla notizia – 19 novembre 2015 de Alessandro Zonin

Mi post sobre el sitio de GlocalNews que va a analizar los cuatro días de las conversaciones en Twitter en torno al hashtag oficial #glocal15.

.
SocioViz: La herramienta (tool) utilizado para el análisis de las conversaciones en Twitter.



martes, 23 de febrero de 2016

Fractales de influencia en Twitter: La estructura importa más que el tamaño

Su estructura de red es más importante que su tamaño
Kelsey Libert - Harvard Business Review




Un reciente estudio de Schlesinger Associates por Augure encontró que el 75% de los vendedores considerar la búsqueda de los factores de influencia correctas, el aspecto más desafiante de una estrategia de marketing influyente. Tal vez sea debido a una política errónea en la que el tamaño de alguien es tratado como el siguiente punto de referencia primordial de su influencia.

Una nueva investigación muestra que sólo necesita puñado de personas influyentes para dar la impresión de que todo el mundo está hablando de su marca.

Investigadores de la Universidad del Sur de California descubrieron recientemente, la ilusión de la mayoría, una paradoja dentro de las redes sociales que hace que algunas ideas, comportamientos o atributos aparecen extendida, incluso cuando no lo son. Puesto que no podemos mantener un ojo en lo que el mundo entero está haciendo, estamos limitados a ser testigo de lo que dice nuestra red social y hace. A veces, los miembros bien conectados dentro de nuestra red pueden sesgar nuestra percepción de lo común que una idea o comportamiento que realmente es.

Cuando parece que una idea o acción es mucho más popular de lo que es, aumenta en gran medida la probabilidad de que otros que también la adopten. En otras palabras, la ilusión mayoría puede ser una fuerza impulsora detrás de por qué algo con el tiempo llega a ser verdaderamente popular. Por ejemplo, uno de los investigadores del estudio, Kristina Lerman, cree la ilusión mayoría fue un factor en la primavera árabe ganando impulso y el cambio en la opinión pública hacia el matrimonio entre personas del mismo sexo.

Y sin embargo, en virtud de las aplicaciones insidiosos, la ilusión de la mayoría puede incluso hacer que la gente a adoptar creencias falsas o puntos de vista extremos sin darse cuenta de que son raros, lo que ayuda a explicar cómo pueden desarrollar franja grupos políticos e ideológicos.

Más allá de explicar por qué las creencias poco comunes pueden aparecer mucho más popular de lo que realmente son, la mayoría ilusión también explica algo que ya sabemos - influencia depende en gran medida de tener los contactos adecuados. Pero además de estar bien conectado, la ubicación de un individuo dentro de una red juega un papel en su potencial para crear la ilusión de la mayoría.





En el diagrama anterior, los nodos rojos son "activos", es decir que todos ellos comparten un atributo, como ser una pelirroja o siguiendo una dieta vegetariana. Las estructuras de red en ambas figuras son idénticos, sin embargo, la colocación de miembros activos difiere. La figura A ilustra cómo algunas personas bien relacionadas pueden causar la ilusión mayoría; una gran parte de la red va a observar el atributo activo en sus vecinos, lo que puede dar la impresión de que muchas más personas son pelirrojas o veganos que es globalmente cierto. Mientras que en la figura B, los miembros del grupo no percibirán una abundancia de pelirrojas y veganos, ya que no están observando como muchas personas en su red con esos atributos.

La visualización de las relaciones jerárquicas dentro de una red social demuestra una vez más cómo la estructura de la red, y la ubicación y conexiones de ciertos factores de influencia específica, hace que algunas personas sean más influyentes que otros, incluso cuando tienen menos seguidores.

Si eso suena un poco complicado, quedará conmigo.

Mi equipo en Fractl creó el grafo de la red marketing influyente a continuación utilizando 77 de nivel medio de Twitter influyentes (entre 30.000 y 500.000 seguidores) a través de ocho diferentes mercados verticales para ilustrar el posicionamiento estratégico entre cuentas influyentes.
.

En el grafo, cada nodo representa un factor de influencia y las líneas entre los nodos representan una relación. Cuanto más grande sea el nodo, más conexiones que tiene factor de influencia dentro de esta red en particular - no significa que tienen el mayor general siguiente. Cada color representa la cual vertical de un factor de influencia pertenece. Como se puede ver, los nodos más grandes a menudo tienen conexiones a través de múltiples mercados verticales. Una vez más, estos no son necesariamente los más influyentes "populares" con la más grande siguiente.

A medida que nuestra muestra el grafo, se está bien conectada o una posición estratégica dentro de una red social puede afectar la capacidad para influir en los demás más que el tamaño de la propia siguiente. Eso no es para decir que el tamaño no importa - los individuos con redes más grandes tienden a más influyente. Pero la estructura de esas cuestiones conexiones, también. Así que los vendedores deben centrarse en otros dos factores que miden la influencia en una red social: "intermediación centralidad" y cercanía.

La "centralidad de intermediación" es la ubicación de una persona entre las diferentes secciones de una red. Una alta centralidad de intermediación señala una posición estratégica. Por ejemplo, considere un ejecutivo de conexiones a través de varias industrias, en oposición a un líder que es solamente bien conectado dentro de su propia industria.

La proximidad es el número medio de grados entre un individuo y otros miembros de la red; una persona con un grado de separación, o más cercanía, probablemente mayor influencia (tener en cuenta la facilidad de conseguir un favor de un amigo en contraposición a un amigo del primo de la madre de un amigo).

Los influyentes que tienen una alta centralidad de intermediación son ideales para llegar a un público más amplio, mientras que los influyentes dentro de un grupo de nicho muy unido son los más adecuados para los objetivos de acción impulsada.

¿Quieres conseguir rápidamente la voz acerca de un nuevo producto? Obtener un puñado de personas influyentes con alta centralidad de intermediación hablar de ello. alcance potencial es el mayor de estos influenciadores posicionados estratégicamente ya que sus conexiones a través de diversas redes contribuya a difundir la información de manera eficiente. Ann Handley (MarketingProfs) y Daniel Pink (DanielPink) son dos grandes ejemplos de nuestro gráfico de la red con una alta centralidad de intermediación (8,71 y 7,72, respectivamente). Observe cómo sus conexiones se extienden a través de toda la gráfica.




¿Quieres que la gente a tomar medidas, tales como registrarse en una prueba gratuita o compartir un video? Los investigadores encontraron que la mayoría ilusión es más probable que ocurra cuando los miembros del grupo con un bajo número de conexiones tienen una tendencia a conectarse con personas con una gran cantidad de conexiones. En las redes donde los miembros tienen un bajo grado de conexiones, la exposición a las ideas y las opiniones del exterior es limitada, haciéndolos más fácilmente influenciables. Los miembros de alto grado de estas redes muy unida, que llamaremos líderes de nicho, tienen gran influencia dentro de su red, por lo que un socio ideal para llevar a cabo los objetivos de conversión impulsada.

En el grafo, se dará cuenta de grupos aislados en los bordes de la gráfica. El siguiente ejemplo muestra uno de estos grupos, un grupo de individuos en la comunidad de "salud pública" que, con pocas conexiones con las otras verticales en la red. La mayor parte de este grupo está conectado a uno o dos más grandes nodos que son, probablemente, los líderes de nicho.




Como dijo Malcolm Gladwell en The Tipping Point "Hay gente excepcional por ahí capaz de iniciar epidemias. Todo lo que tiene que hacer es encontrarlos. "Afortunadamente, no es necesario construir un modelo gráfico de la red para localizar personas influyentes con el mayor potencial para crear la ilusión de la mayoría.

Para encontrar personas influyentes con alta centralidad de intermediación, buscar personas seguidas por otras personas influyentes que también tienen seguidores a través de muchos mercados verticales. Sirve de ayuda si su nicho se superpone de forma natural con otros nichos (como un periodista de viajes, seguido de los profesionales de negocios en una variedad de industrias). Para encontrar líderes de nicho, buscar personas con intereses enfoque limitado, cuyos seguidores son similares a ellos, pero tienen un bajo número de seguidores.

Por último, el tiempo es un factor clave para la creación de la ilusión de la mayoría. Coordinar un puñado de personas influyentes para impulsar su mensaje, producto o contenido alrededor del mismo tiempo para dar la impresión de que "todo el mundo" está hablando de su marca.

lunes, 22 de febrero de 2016

Detectando los bots del Kremlin con NodeXL y Gephi

Análisis de redes sociales revela escala completa de la campaña de los bots twitteros del Kremlin

Global Voices

 
Fotos de los perfiles de una gran red de cuentas pro-Kremlin de Twitter. Imagen de Lawrence Alexander.

Con la ayuda de herramientas de código abierto, el investigador de Internet Lawrence Alexander reunió y visualizó los datos de casi 20.500 cuentas pro-Kremlin de Twitter, revelando la escala masiva de intentos de manipulación de la información sobre RuNet. En lo que es la primera parte de un análisis en dos partes, explica cómo lo hizo y lo que encontró.

RuNet Echo ha escrito anteriormente sobre los esfuerzos del "Ejército Troll" de la Federación de Rusia para inyectar las redes sociales y sitios web de medios de comunicación en línea con la retórica pro Kremlin. Twitter no es una excepción, y varios usuarios han observado cuentas de Twitter twitteando declaraciones similares durante y alrededor noticias de última hora y los eventos clave. Cada vez más activo a lo largo intervenciones de Rusia en Ucrania, estos "bots" se han diseñado para parecerse a los usuarios reales de Twitter, completas con los avatares.

Pero la evidencia en esta serie de dos puntos de análisis a su papel en un amplio programa de desinformación.

Alec Luhn, un periodista estadounidense presentación de informes sobre los asuntos rusos, observó cómo pocas horas después del tiroteo de Boris Nemtsov el 27 de febrero, un grupo de cuentas de Twitter que ya estaban tratando de influir en la narrativa:


Bots spread stories about Nemtsov's death like "Ukrainians killed him...he was stealing one of their girlfriends"


Con la herramienta NodeXL de código abierto, recogí e importado una lista completa de las cuentas piar la frase exacta en una hoja de cálculo. De esa lista, también se reunieron y se importa una extensa comunidad de usuarios de Twitter, compuesto por los amigos y seguidores de cada cuenta. Que iba a ser una prueba interesante: si los insultos contra Nemtsov eran sólo un caso menor de difusión de rumores, que probablemente no provenir de más de unas pocas docenas de usuarios.

Pero una vez que el software había terminado el juntado de datos, la escala completa de la red fue revelada: la asombrosa cifra de 2.900 cuentas. Esta cifra es tal vez comprensible: para una falsa cuenta en Twitter sea creíble, que necesita un montón de seguidores-que a su vez requiere más robots de apoyo.

Luego utiliza Gephi, otra herramienta de análisis de datos de forma gratuita, para visualizar los datos como un gráfico de entidad-relación. Los círculos de colores-llamados nodos representan las cuentas de Twitter, y las líneas de intersección conocida como Bordes-se refieren a conexiones Siga / Seguidor entre cuentas. Las cuentas se agrupan en grupos de comunidades con código de color basado en el algoritmo de modularidad, que detecta grupos estrechamente interconectadas. El tamaño de cada nodo se basa en el número de conexiones que cuenta tiene con otros en la red.


La red extendida de 2.900 robots de Twitter tomadas de la muestra del thread Nemtsov. Imagen de Lawrence Alexander.

Es claro a partir de la forma densa y cerca uno del otro los nodos están en el gráfico que se trata de una red grande y muy conectado. La mayoría de los robots de seguir muchos otros, dándoles a cada uno una alta seguidor / recuento seguido. En la periferia, hay algunos anillos de cuentas conectadas menor, quizás, lo que indica que la red "bot" se sigue siendo "grande" en el momento de su captura; usted podría pensar en él como un árbol, con ramas extendidas hacia el exterior.

Pero había una cuestión crucial en este análisis: ¿cómo era posible para asegurarse de que la red consistía principalmente en los robots y no los seres humanos reales?

NodeXL no se limita a recoger información sobre quién sigue a quién. También adquiere metadatos los datos disponibles al público de cada cuenta de Twitter y su comportamiento. Esto demuestra que fuera de la red de 2.900 efectivos, 87% de los perfiles no tenía información zona horaria y el 92% no tiene favoritos de Twitter. Pero en una muestra aleatoria de 11.282 usuarios de Twitter promedio (basados ​​en las cuentas que había twitteado la palabra "y") sólo el 51% no tenía ninguna zona horaria y revelador, sólo el 15% no tenía favoritos (ambos rasgos de lo que podría ser clasificado como "humano" comportamiento).

Para la comparación añadido, un gráfico de relaciones entre entidades de la red de control de usuario de Twitter aleatorizado se muestra a continuación. En contraste con la visualización robots, esta red tiene varios grupos inconexos y aislados: los grupos de usuarios de Twitter que no están vinculados entre sí, un acontecimiento perfectamente normal en un grupo aleatorio de usuarios.


Uso compartido de la palabra "y" resultados en grupos inconexos, aisladas en un grupo de usuarios al azar Twitter. Imagen de Lawrence Alexander.

Después de haber descubierto una red de este tipo a gran escala a partir de una única fuente, decidí tomar la cacería de bots más en profundidad. La búsqueda de Twitter para frases tales como "bots Kremlin", "trolls pro-rusos" y "sockpuppets Putin," me encontré con varios usuarios que comparten imágenes de una supuesta actividad bot. Algunos también utilizan los hashtag #Kremlinbots (# Кремлеботы) reportar avistamientos.

Usando el mismo método que con los tweets anti-Nemtsov, reuní las redes de cuentas basadas en el uso de algunas de las frases más importantes comunicados que reveló las comunidades más grandes -o, en algunos casos, sólo una lista de usuarios que aparecen en la pantalla. Estos fueron divididos en grupos etiquetados como A, B, C y D. (I se extenderá sobre la razón de esta agrupación en la segunda parte del análisis.)

@PressRuissa Es una cuenta de la parodia (actualmente suspendida) por suplantación de un medio de comunicación pro-ruso, una mezcla de sátira y el comentario de la desinformación y los prejuicios. Uno de sus tuits fue la fuente a partir de la red del Grupo:
El Grupo B vino de diferentes fuentes de cuentas bot sospechosos cuyo comportamiento parecía coincidir con las muestras anteriores. Algunos fueron identificados por su tendencia a cambiar de idioma ruso al Inglés con el mensaje solo error "RSS en modo fuera de línea", presumiblemente causada por una falla en su software de control.

RSS in offline mode
— Леонид Верхратский (@GCL2BUugsq4n5JL) April 1, 2015

Para las fuentes restantes, un tweet por Devin Ackles, analista de laboratorio de ideas CASO Ucrania sirvió de base para el Grupo C.
Y, por último, Vitaliy Moroz de Internews Ucrania compartió una screencap de cuentas bot que se formó la muestra para el Grupo D.



Los cuatro grupos se fusionaron en un solo conjunto de datos, lo que resulta en un total de 17.590 cuentas de Twitter. Al igual que con los que producen los tweets anti-Nemtsov, los metadatos confirmó que la gran mayoría eran de hecho los robots. 93% no mostró ninguna localización en su perfil, el 96% no tenía ninguna información de zona horaria y el 97% no tenía favoritos de Twitter se guardan.

Además, a pesar de haber producido una media de 2.830 tweets, las cuentas casi nunca interactuaron con otros usuarios de Twitter a través de @replies ó @mentions.




Los robots de los tweets de difusión, pero no interactúan. Imagen de Lawrence Alexander.
Curiosamente, muchos de los robots se les había dado nombres que suenan occidentales como barnardgrant, terancebarnaby, terencecoward y duncanstarks.

Pero un resultado aún más sorprendente vino cuando visualicé relaciones seguimiento de los grupos de bots. A pesar de que las muestras habían sido tomadas de cuatro fuentes separadas, se encontró que la red combinada de ser intensamente interconectado.


Todas las 17.590 cuentas de las cuatro fuentes. Tenga en cuenta las interconexiones apretados y la falta de grupos aislados. Imagen de Lawrence Alexander.

Esto contrasta fuertemente con la muestra de control aleatorio: el último conjunto de datos no mostró grupos aislados o atípicos en absoluto. Esto apoya firmemente la idea de que los robots fueron creados por una agencia común- y el peso de la evidencia apunta firmemente hacia Moscú.

En mi próximo post voy a mirar en la línea de tiempo de la creación de los robots, y ver cómo se correlaciona con acontecimientos políticos en Rusia y Ucrania.

jueves, 18 de febrero de 2016

DARPA incentiva estrategias para combatir robots en Twitter

Cómo DARPA tomó la amenaza del Twitter Bot con una mano en su espalda
Cuando DARPA organizó un concurso para encontrar los robots de Twitter diseñado para influir en las discusiones en línea, inspiró a una nueva generación de estrategias anti-bot.


Uno de los fenómenos más preocupantes en Twitter es la proliferación de los robots que generan automáticamente tweets en un intento de distribuir spam, para ganar dinero de forma ilícita a través de fraude de clics, y, lo más preocupante, para influir en el debate sobre temas como el terrorismo y la política.


El número de cuentas de Twitter que participan en este tipo de actividad no es pequeña. En 2014, Twitter admitió que más de un 8 por ciento de sus cuentas estaban automatizadas, que es aproximadamente 23 millones de usuarios activos de Twitter.

La compañía señaló octubre Que muchos de estos eran perfectamente legítimo, muchas de estas cuentas volver a publicar o mostrar abiertamente tweets de otros usuarios. Sin embargo, un número significativo son claramente para nada bueno, y el "robots de influencia" son una preocupación particular.

Por ejemplo, el grupo autodenominado Estado Islámico utiliza medio social en línea para persuadir a los jóvenes a abrazar su causa. Algunos observadores creen que Rusia se embarcó en una importante campaña de desinformación de los medios sociales de la anexión de Crimea. Otros dicen que los robots juegan un papel importante para influir en el resultado de las elecciones en la India en 2014.

Así que la forma de detectar de forma fiable los robots de influencia en Twitter sería sumamente útil. El año pasado, la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) sep oct encontrar un método de este tipo mediante la ejecución de una competición de cuatro semanas en que se pidió a los equipos para detectar los robots en una corriente de publicaciones sobre el tema de las vacunas. Un equipo surgió como un claro ganador, y los resultados demostraron algunas nuevas estrategias importantes para la identificación de los robots en el mundo real.

Hoy en día tenemos una visión única de esta competencia y las estrategias de los equipos empleados gracias a un artículo de V.S. Subrahmanian en la Universidad de Maryland en College Park y Sentimetrix y algunos amigos.

La competencia era realista acerca de la DARPA podría hacerlo. Los tuits se cosecharon los mensajes de la cuenta de Twitter Durante el debate sobre las vacunas 2014. En este debate, el número de robots de Sido había creado la parte de una competencia para ver cómo podían influir en las discusiones. conocimiento verdad para DARPA había molido de los cuales eran cuentas artificial y que eran reales.

En total, el conjunto de datos contenía más de cuatro millones de mensajes de más de 7.000 cuentas de los cuales fueron 39 los robots en los vestíbulos o bien el pro- o anti-vacunación. Cada mensaje contiene el identificador único, el perfil de usuario que incluye una imagen, la URL, y la imagen, donde éstos fueron incluidos. La fecha también incluye un sello de hora y fecha, así como información sobre los seguidores y- Cuando una cuenta unfollowed otra. Todo esto se jugó a los competidores en el entorno sintético Twitter durante cuatro semanas en febrero y marzo.

A continuación, los equipos tuvieron que analizar esta cuenta de Twitter y adivinar los usuarios que fueron bots. Cada correcta adivinarlas consiguieron un solo punto, pero el equipo perdió 00:25 puntos para cada conjetura incorrecta. Que el equipo supuso que todos los robots de d días antes de la final del desafío también consiguió puntos d, ya que DARPA está interesada en particular en la detección temprana de los robots de influencia.

El equipo ganador fue de la compañía de análisis de redes sociales Sentimetrix, cosas que todas adivinado los robots de 12 días antes del plazo al tiempo que sólo una suposición incorrecta. Que les Casette una puntuación de 50,75 puntos. (El equipo de segundo lugar, de la Universidad del Sur de California, anotó 45 puntos, la búsqueda de todos los robots de seis días antes de la fecha límite con las suposiciones incorrectas.)

Las estrategias ganadoras son reveladoras. Los equipos comenzaron por intentar identificar un conjunto inicial de los robots en la fecha. Curiosamente, ninguno de los equipos fueron capaces de automatizar este paso y la intervención humana significativa más utilizado.

Sentimetrix algoritmo utilizado para pretrained para buscar un comportamiento similar bot. El equipo había entrenado este algoritmo en la fecha de Twitter desde el 2014 las elecciones indias que contó con muchos bots. Se buscó la gramática inusual, la similitud de la lingüística a chatbots lenguaje natural tales como Eliza y comportamientos inusuales, tales como períodos de twittear sin una cola ruptura del ser humano no se podría realizar fácilmente extendidas.

Este cuatro cuentas revelado Que eran claramente los robots, y Sentimetrix A continuación, utiliza estos para encontrar a otros. Una de las hipótesis era bot Que los responsables de la tendencia de producir muchos robots y similares vincularlos entre sí para inflar su popularidad. Así que el equipo fue capaz de utilizar la red y el análisis de conglomerados para encontrar otros robots probable es que se comparan después con los robots conocidos.

Asimismo, el equipo utilizó características tales como la actividad temporal de las cuentas en la cola supuesto de una cuenta automatizada mostraría regularidades inusuales. Sentimetrix también buscó usuarios que cambiaron la lealtad Durante el debate de pro a la lucha contra la vacunación (o viceversa). Se asumía que esto podría ser una estrategia bot para infiltrarse en uno de los lados del argumento y luego enviar argumentos opuestos.

La característica clave en el éxito de Sentimetrix fue la forma en que se visualizan los resultados de su trabajo en un tablero de instrumentos en línea para que la cola usuario humano ha podido ver fácilmente el estado de análisis para cada usuario.

En esta segunda etapa, Sentimetrix identificó a otros 25 robots. Casette que darles tiempo suficiente para entrenar a un algoritmo de aprendizaje automático para cazar hasta la fecha es otros bots. Y este enfoque les llevó a los 10 restantes los robots.

Los equipos no saben cuántos bots estaban en el trabajo son el principal problema era saber cuándo hay que dejar de buscar. Sentimetrix, por ejemplo, se detuvo cuando ya no se pudo encontrar cuentas que se parecía a los robots.

Eso es impresionante trabajo que podrían tener una influencia importante en los esfuerzos para encontrar los robots están Que de intentar influir en las discusiones en línea de formas inadecuadas. La publicación de las estrategias de este tipo debería ayudar a otros jugadores a desarrollar tácticas anti-bot, también.

Pero también podría tener un impacto negativo. La batalla entre los robots y bot-cazadores es uno que está en constante evolución. Con papeles de este tipo, los bot-cazadores están revelando su lado en el camino Que Permite bot de decisiones para el diseño de estrategias para derrotar Específicamente Estos algoritmos. En cierto modo, es como luchar con una mano atada a la espalda.

Sin embargo, la tentación de las estrategias de caza-bot mantener en secreto sería muy peligroso para promover. Este tipo de apertura es parte de nuestra sociedad libre y sin duda una de las razones clave que vale la pena luchar para preservar.

De cualquier manera, esta batalla del gato y el ratón va a continuar.

Ref: The DARPA Challenge Twitter Bot: arxiv.org/abs/1601.05140


miércoles, 17 de febrero de 2016

Las redes revolucionan el pensamiento humano

Cómo las redes están revolucionando el pensamiento científico (y tal vez humano) 
La ciencia y el sentido común se basan tanto en la experiencia humana. Sin embargo, estas formas de pensar sobre las cosas están a menudo en conflicto. A veces la simplicidad de la mayoría de las explicaciones de sentido común puede hacer que sea difícil ganarse a la gente a la complejidad y la incertidumbre de la mayoría de los argumentos científicos.
Por John Edward Terrell, Termeh Shafie y Mark Golitko
Scientific American





La ciencia y el sentido común se basan tanto en la experiencia humana. Sin embargo, estas formas de pensar sobre las cosas están a menudo en conflicto. A veces la simplicidad de la mayoría de las explicaciones de sentido común puede hacer que sea difícil ganarse a la gente a la complejidad y la incertidumbre de la mayoría de los argumentos científicos.
Considere el caso de libro del matemático y astrónomo Nicolás Copérnico (1473-1543). Durante siglos, hacer predicciones precisas acerca de dónde los planetas serían en cualquier noche era otra cosa que un pedazo de la torta. La ironía es que los cálculos implicados eran tan difícil porque todo el mundo estaba aceptando como la verdad del Evangelio, pero la idea equivocada común de que la Tierra se encuentra inmóvil en el centro del universo, mientras que el sol, la luna y los planetas se mueven a nuestro alrededor.


Nicolai Kopernicus.

Del mismo modo, la revolución darwiniana del siglo 19 no sólo desafió a la convicción de que vivimos en el centro de las cosas, sino también que somos los personajes principales en la historia de la vida en la Tierra. Muchos todavía no aceptan una visión de Darwin de que toda la vida en nuestro planeta ha evolucionado por medio de la selección natural.
En contraste con las revoluciones cognitivas provocadas por Copérnico y Darwin, preocupaciones aparentemente peatonales de hoy en día acerca de cuestiones como la neutralidad de la red o la privacidad de Facebook puede parecer intrascendente. Sin embargo, ambos son signos contemporáneos que hay otra revolución cognitiva en la fabricación.
La investigación moderna en la sociología, la psicología, la neurociencia y la antropología está demostrando que nuestro mundo no gira alrededor de nosotros mismos como individuos, contrariamente a la iluminación y más adelante afirma que somos criaturas inherentemente egocéntricos. En su lugar, lo que somos como individuos depende de manera crítica de cómo estamos vinculados social y emocionalmente con otros en redes de relaciones que llegan a lo largo y ancho.
¿Por qué? Hemos evolucionado como especie para ser criaturas sociales por excelencia. Se han propuesto muchas explicaciones plausibles de por qué somos tan. La línea de fondo, sin embargo, es una narración. A medida que los psicólogos carril Beckes y Jim Coan han observado, al ser un animal social nos da ventajas reales en la lucha por la existencia, una línea de base social de apoyo emocional y seguridad. Tanto es así, que tal vez mucho más que la mayoría de nosotros se dan cuenta, nuestras conexiones con los demás humanos son, en efecto, una extensión de la forma en que nuestro cerebro interactúa con el mundo.
La ciencia y la filosofía hoy en día están tratando de resolver algunos de los mayores implicaciones de esta visión de la vida. Por ejemplo, el antropólogo Fredrik Barth comentó una vez que la práctica totalidad razonamiento científico social se basa en la idea de que existen grupos discretos de personas en la Tierra que pueden rotularse diversamente como poblaciones, grupos étnicos, sociedades, culturas o razas.
Este entendimiento común de la diversidad humana, a menudo llamado tipológico o categóricos pensamiento-lo toma como auto-evidente que las cosas naturalmente vienen en diferentes clases o tipos, que pueden ser etiquetados como tales. Desde esta perspectiva, las palabras que usamos para describir las cosas son como contenedores vacíos en los que podemos poner las cosas una vez que hemos comprendido lo esencial ", que significa" de estos contenedores verbales.
La adopción de una perspectiva de redes, sin embargo, cambia la forma en que vemos el mundo y nuestro lugar en él. Tome el polémico asunto de la raza. Desde el punto de vista del sentido común, parece evidente que los diferentes tipos de personas viven en diferentes partes del mundo. ¿Quién podría confundir la gente de África, Asia o de ascendencia irlandesa? Desde una perspectiva de redes, sin embargo, es una obviedad para ver que todo el mundo en la Tierra está relacionada con todos los demás por "seis grados de separación".


Seis grados de separación, la visualización artística. 

O considerar por qué algunos de nosotros son más gordos que otros. La respuesta común es que algunos de nosotros comemos demasiado. ¿Pero por qué? Como parte del estudio del corazón de Framingham, Nicholas Christakis y James Fowler aprendieron el uso de la red se aproxima a la ganancia de peso individual en una red social de más de 12.000 personas se asoció con el aumento de peso en sus cónyuges, amigos, hermanos y vecinos, incluso más allá del nivel de directa sociales -en contacto con la gente que nunca ha conocido cara a cara puede influir en qué tan bien se mantiene a un peso deseado.
Finalmente considerar la difusión de las ideas a través de las redes sociales. El sentido común nos dice que las personas con los lazos más fuertes con los demás deberían ser las personas más influyentes para tener alrededor cuando, por ejemplo, usted está lanzando un nuevo producto o tratando de convencer a los demás para aceptar una nueva idea. investigación de la red, sin embargo, se ha demostrado que es los que tienen lazos más débiles con otras personas fuera de su círculo social inmediato que están realmente en la mejor posición para hacer correr la voz.
El impacto de nuestras redes sociales en nuestras vidas puede ser sustancial. Por ejemplo, grupos muy unidos que tienen pocos vínculos con otras fuera del círculo inmediato de amigos, familiares o compañeros de trabajo pueden ser motivo de ideas y prácticas, tales extrañas ya veces perjudiciales como los suicidios contagiosas reportadas entre los adolescentes en lugares como cultural y geográficamente dispares cría como América del Norte urbana y Micronesia.
Este cambio en el pensamiento no sólo está ocurriendo en las ciencias sociales. Las redes también están teniendo un impacto importante en las ciencias biológicas y físicas. Tome esa conocida unidad más básica de nuestro ser biológico, el gen. Se ha convertido en sentido común pensar que los genes codifican todo, desde el color de nuestro cabello para nuestra propensión para usar bandas de goma en las muñecas. Sin embargo, los biólogos evolutivos están modelando serie de relaciones complejas en red a múltiples niveles que van desde "letras" individuales en el genoma de las redes de proteínas de genes a las redes de interacción entre los organismos, lo que demuestra que nuestros genes son sólo nuestros destinos en la medida en que se enlazan entre sí y a los alrededores mundo-tanto social como natural.
El pensamiento en red nos permite comprender científicamente el mundo que nos rodea como una de las conexiones que dan forma a los fenómenos observados, en lugar de como una donde las propiedades intrínsecas de las personas, los genes, o partículas determinan los resultados. Al igual que las revoluciones científicas anteriores, la revolución de las redes también tiene la promesa de la remodelación de nuestras expectativas de sentido común básicos del mundo que nos rodea, y nos puede permitir reconocer que no somos una criatura básicamente individualista, asocial, y pendenciero que viene en lingüística acotada, étnica , tipos raciales o religiosas, sino una especie social vinculados entre sí por lazos de largo alcance de la red.

viernes, 12 de febrero de 2016

La brecha bibliográfica en sociología en redes de citas

Revelando la brecha cuantitativa-cualitativa en sociología con el uso de la visualización bibliométrica
Vicente Traag, Thomas Franssen

CWTS - Universidad de Leiden

La elección entre los enfoques cuantitativos y cualitativos es una división larga data en la sociología. Vicente Traag y Thomas Franssen, sociólogos afiliados a CWTS, utilizan el análisis bibliométrico para estudiar esta brecha y para ver lo que queda de ella hoy.

Desde los albores de la sociología ha sido un tema de división: cuantitativa frente cualitativa. La misma palabra sociología (de sociología francesa) fue sugerido por uno de los académicos fundadores, Auguste Comte, como alternativa a la física social (de nuevo desde sociale físico francés) un término apropiado por Adolphe Quetelet, que lo utilizó para describir su investigación estadística. Hasta la década de 1920, los objetos, se consideró que ya sea de un cuantitativa o carácter cualitativo. Esta dicotomía cambió después de la década de 1920 debido a un aumento constante de los métodos estadísticos en la sociología. En la sociología contemporánea, ambos enfoques se utilizan cada vez más para estudiar los mismos temas generales. Sin embargo, como se verá más adelante, la brecha no se calmó por completo. Por otra parte, nos encontramos con que los temas de investigación están íntimamente ligadas a sus métodos. El universo de la sociología cuantitativa consta de términos como "encuesta", "datos" y "escala" sino también de "clase social", "mujeres", "hombres" y "carrera". El universo de la sociología cualitativa consiste en términos tales como "discurso", "práctica" y "significado", sino también de la "identidad" de "energía" y "masculinidad".

En la cienciometría, la brecha entre los enfoques cualitativos y cuantitativos es igualmente evidente. Las citas se pueden contar (aunque no sin un esfuerzo considerable). Estos número de citas en la alimentación a su vez indicadores más complejos, por ejemplo, para corregir las diferencias de campo en cultivos de citas. La dinámica del número de citas se pueden analizar, ver el flujo y reflujo de atención académica. En resumen, la parte cuantitativa está bien representada. Pero lo que dicen las citas sobre la calidad científica, la calidad de la forma en que una presunción de parcialidad, y cómo el análisis de citas a su vez afecta a las prácticas académicas, no puede ser respondida por cifras por sí solas. Además, la interpretación de las estadísticas de citas sin conocer el contexto más amplio de fondo puede llevar a conclusiones distorsionadas. Lo que se analizan las publicaciones? ¿Cuál es su tema, y ​​cómo los diferentes temas se relacionan entre sí?

Curiosamente, esto se presta a un análisis que es una combinación de tanto cuantitativo como un enfoque cualitativo. En CWTS, una de las herramientas a nuestra disposición para tratar de dar sentido a las grandes series de publicaciones es un mapa plazo. La idea es que extraemos los términos más relevantes de los títulos y los resúmenes de las publicaciones que estamos estudiando. Esos términos surgen de los títulos y resúmenes a sí mismos, no cubierto por las técnicas de minería de texto sofisticados, y no son de ninguna manera predeterminada. Visualizamos y agrupar estos términos en una forma tal que con frecuencia términos concurrentes están colocados relativamente cerca unos de otros, y forman parte del mismo grupo. Estas técnicas se implementan en el VOSviewer de libre disposición, proporcionamos algunos detalles más (técnicas) de abajo. Aunque una visualización de este tipo se basa en la minería de textos de grandes cantidades de datos en un enfoque textual-los mapas resultantes requieren un conocimiento experto de dominio, sustantiva para entender e interpretar ellos, en lugar de un enfoque cuantitativo cualitativo.



Figura 1. Mapa de campos de la sociología 2010-2015. Los términos son de color de acuerdo a la agrupación. El mapa revela la brecha cuantitativa-cualitativa. Haga clic aquí para abrir un mapa interactivo en el VOSviewer.

Cuando aplicamos estas técnicas para todos los artículos publicados en revistas clasificadas como sociología en la Web of Science in 2010-2015, vemos aparecer un patrón interesante. Es de esperar que un campo de la ciencia que se subdivide en los temas: las palabras que a menudo co-ocurren al mismo tiempo tienden a referirse a algún tema común. En sociología, el mapa revela una división bastante diferente, es decir, entre los enfoques cuantitativos y cualitativos. Es bastante sorprendente ver este fenómeno dominan la división, en lugar de decir, temas como la desigualdad, movimientos u organizaciones sociales. Por supuesto, estos temas también están incluidos en el mapa, pero que parecen ser parte de la brecha más amplia entre cuantitativo y cualitativo. Por ejemplo, muchas publicaciones sobre movimientos sociales tienden a ser caso basado e implicar el análisis del discurso. Del mismo modo, las cuestiones de identidad tienden a ser estudiado usando métodos cualitativos, etnográficos. Por otra parte, los temas relacionados con el empleo, el ingreso y la educación (presumiblemente se trata de la desigualdad) emplean con mayor frecuencia una metodología cuantitativa. Podría ser interesante ver estos temas estudiados desde el otro método: la identidad desde un punto de vista cuantitativo y el empleo, el ingreso y la educación desde una perspectiva cualitativa.

Hay algunos cruces interesantes cuantitativo al cualitativo que muestran cómo el mismo tema general se aborda de manera diferente en los dos métodos. Las diferencias entre "macho" y "hembra" parecen ser estudiado más en un entorno cuantitativa. Pero el tema también se estudió cualitativamente, en torno a temas como la identidad y la sexualidad, donde vemos términos tales como "masculinidad" emergente. Los asuntos religiosos se estudian de manera similar desde ambas perspectivas. Por un lado, se trata de una variable de control típico en los estudios cuantitativos (ir a la iglesia, por ejemplo). Pero la religiosidad es, por supuesto, también está profundamente arraigado en cuestiones de identidad y significado. En temas de desarrollo, la globalización y el cambio climático, el enfoque cualitativo no está en la identidad y significado, pero en las comunidades y pueblos, especialmente en el mundo en desarrollo. El enfoque cuantitativo se centra más en la redistribución, el crecimiento económico y la comparación nacional de cruz. Por último, algunas otras metodologías como el análisis de redes sociales y la teoría de la elección racional también se sitúan en el límite cuantitativo-cualitativo. Para la teoría de la elección racional, esto parece contrario a la intuición, pero tal vez la teoría de la elección racional es tan frecuentemente criticado por los papeles cualitativos, ya que es empleado por los documentos cuantitativos. En términos más generales, mapas plazo proporcionan sólo una visión muy de un campo basado en la co-ocurrencia, y el contexto de co-ocurrencia no se considera. Si un término co-produce porque es criticado o empleado, por tanto, no está claro. por tanto, debemos evitar darle demasiada importancia a este tipo de mapas.

Tal vez podemos concluir de esta pequeña incursión en la brecha cuantitativa-cualitativa que determinados temas de investigación a menudo se limitan a un solo método. Un enfoque cualitativo se obtiene una descripción más grueso más rica, e incrusta un análisis en un contexto más amplio. Al mismo tiempo, puede desencadenar preguntas que requieren una respuesta más cuantitativa, que a su vez puede requerir de nuevo un análisis más cualitativo. Así, podemos cambiar continuamente entre los métodos cualitativos y cuantitativos. En lugar de tratar de integrar los dos, que está promovida por ejemplo, bajo la denominación de métodos mixtos, deberíamos quizá sobre todo seguir desafiando ambas vistas desde otro punto de vista. No debemos cerrar los ojos ante los desafíos planteados por la otra perspectiva, pero aceptar que la otra perspectiva puede completar y matizar nuestras conclusiones, en lugar de los invalida. Afortunadamente, cuando se mira en la distribución de publicaciones en revistas, algunas de las revistas más generales, tales como la American Sociological Review and American Journal of Sociology sí incluyen las publicaciones de ambas perspectivas (aunque parece más presente el punto de vista cuantitativo). revistas más especializadas, como la sociología de la cultura y de las fuerzas sociales, se centran principalmente en la investigación cualitativa y cuantitativa, respectivamente. Por lo menos, hay algunos foros común para la discusión, pero hay margen de mejora.



Figura 2. Mapa que muestra la frecuencia relativa de los términos en revistas. El azul representa pocas ocurrencias mientras que el rojo representa las apariciones más frecuentes. Haga clic aquí para abrir mapas interactivos en el VOSviewer.

Métodos y Referencias

Métodos


Recogimos todos los artículos publicados en revistas que pertenecen a la categoría de materias de Sociología en la Web of Science, publicada entre 2010-2015. En total, hay 14.613 artículos publicados en ese período, de 146 revistas diferentes. Nos entrada los títulos y los resúmenes en el VOSviewer, que identifican los términos del texto (técnicamente conocida como frases nominales) usando un algoritmo de procesamiento de lenguaje natural. A continuación, excluir términos que se producen menos de 20 veces en este corpus, lo que resulta en 2450 términos. El uso de estos términos, el VOSviewer calcula una denominada puntuación de relevancia para excluir términos genéricos. Por ejemplo, un término como "conclusión" aparece con frecuencia, pero co-ocurre con casi cualquier otro término. Tales términos genéricos están excluidos de esta manera sobre la base de una puntuación baja relevancia. Seleccionamos los 60% términos más relevantes que quedan, lo que se traduce en términos 1470. Ver Van Eck et al. (2011) para más detalles técnicos sobre cómo estos términos se extraen y cómo los resultados de relevancia se calculan, y ver Van Eck y Waltman (2010) para una descripción general de la VOSviewer. La brecha cuantitativa-cualitativa en general parece bastante robusto con respecto a las diferentes opciones de parámetros ligeramente. Por ejemplo, utilizando un punto de corte de 15 apariciones y la selección de los 1500 términos más relevantes revela un mapa casi idénticos, y lo mismo ocurre con un punto de corte de 25 apariciones y la selección de las 1000 términos más relevantes.


Los términos se visualizaron utilizando un método que intenta posicionar con frecuencia términos cercanos unos de otros concurrentes. Para aquellos con un poco de formación técnica, la técnica se asemeja a una variante ponderada de escalamiento multidimensional. Más información se puede encontrar en Van Eck et al. (2010). Por último, los términos se agruparon utilizando el mismo marco matemático que se utiliza para la visualización, como se explica en Waltman, Van Eck y Noyons (2010). La técnica de agrupación se asemeja a la modularidad, un método bien conocido para la detección de las comunidades en las redes, pero hay algunas diferencias sutiles. En particular, los diferentes niveles de detalle de la agrupación se pueden encontrar, y tenemos que configurar algunos parámetros resolución. La configuración por defecto en el VOSviewer es 1, que sigue identifica algunos subtemas en el campo de la sociología, tales como las cuestiones de género. La división más grueso entre cuantitativa-cualitativa se revela a una resolución en algún lugar en el intervalo de aproximadamente 0,55 hasta 0,85. Por último, se normaliza la frecuencia de un término en un diario de manera que la media es igual a 1, para llegar a escalas comparables para los colores (visualizamos en una escala común de 0-2).


Referencias


Van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84(2), 523–538.

Van Eck, N.J., Waltman, L., Dekker, R., & Van den Berg, J. (2010). A comparison of two techniques for bibliometric mapping: Multidimensional scaling and VOS. Journal of the American Society for Information Science and Technology, 61(12), 2405-2416.

Van Eck, N.J., & Waltman, L. (2011). Text mining and visualization using VOSviewer. ISSI Newsletter, 7(3), 50-54.

Waltman, L., van Eck, N. J., & Noyons, E. C. M. (2010). A unified approach to mapping and clustering of bibliometric networks. Journal of Informetrics, 4(4), 629–635.

martes, 9 de febrero de 2016

Marketing: Construyendo influencia en Twitter

La influencia es un grafo - S01E04

Social Media Clarity

Este episodio se habla de la influencia web - es lo que es, cómo se mida, y lo que puede hacer con él.
- Enlaces -

Goel, Sharad, Ashton Anderson, Jake Hoffman, y Duncan Watts. “The structural virality of online diffusion.”

How to Build a Collection of Influential Followers in Twitter Using Social Network Analysis and NodeXL

- Transcripción -


Randy: Tenemos un poco de noticias. Bryce comenzó una nueva posición y no estará con nosotros este episodio. Lo felicitamos.
Este episodio, vamos a discutir algo central en la internet: Influencia.
Para nuestro principal segmento de esta semana, vamos a entrevistar a nuestra co-anfitrión, Marc Smith.
Marc, ¿qué queremos decir por influencia?

Marc: La sociología ha estudiado la idea de influencia y ha desarrollado una serie de diferentes nociones acerca de lo que puede ser influencia. La influencia es más que sólo una cosa. La influencia es sobre dónde se encuentra en una red y sobre lo que fluye de usted a otras personas y de otras personas a usted. En el Internet hoy en día, hay una sensación de que hay personas que son influyentes y se hace un esfuerzo para identificar a estas personas que son influyentes. [Estos son ...] personas que pasan mensajes a otras personas y que tienen esos mensajes tomadas a un ritmo mayor que la persona promedio. La mayoría de la gente tiene relativamente pocas personas siguen [ing] ellos. Hay algunas personas que tienen muchas, muchas personas que siguen ellos. Esa es una noción de influencia; cómo muchas personas que siguen.
Hay personas que tienen muchos seguidores, pero, tal vez, no mucha influencia u otros tipos de energía. Considerando que, hay algunas personas con relativamente pocos seguidores, estoy pensando en Twitter en este momento, y sin embargo tienen más potencia.
Creo que el ejemplo más famoso es cuando Justin Bieber fue calificada como factor de influencia que tienen una puntuación más alta que el presidente Barack Obama. [Es] una noción torcida de influencia. A lo mejor de mi conocimiento, el Sr. Bieber no tiene su propio arsenal nuclear, por ejemplo. Probablemente podríamos estar en desacuerdo acerca de lo que es la influencia. ¿Es que usted tiene una gran cantidad de seguidores? Tal vez tal vez no. Podría ser que las personas con muchos menos seguidores ocupan posiciones en sus redes que son muy, muy importante a pesar de que no tienen la visibilidad.
En la Teoría de Redes, pensamos en estas personas como "puentes". Los puentes podrían tener muy pocos seguidores, dos podrían ser el mínimo, sin embargo, esas conexiones podrían ser más valioso. Pueden ser más influyente, porque son las personas que llevan un mensaje de un grupo a otro.
¿Cuál es la influencia? La respuesta corta es influencia no es sólo una cosa.

Randy: La definición común dice que es la capacidad de tener un efecto en una persona, su carácter, su desarrollo o su comportamiento. Puede afectar a alguien en una capacidad y no tienen ningún efecto sobre ellos en otro. Por ejemplo es la diferencia entre la gente que decide ser tus amigos y la gente que trabaja. Esos son diferentes dominios de influencia.
Bryce y me han escrito sobre esto. Los llamamos "contextos", pero creo que podemos desempaquetar que un poco más.
¿Podría hablar un poco acerca de los diferentes tipos de influencia?

Marc: Es un muy buen punto. Influencia tiende a no ser uniforme a través de los temas. Yo sepa mucho sobre restaurantes en mi vecindario, pero sabemos muy poco acerca de las inversiones. Mi influencia sobre ti en términos de donde usted pasa su noche del viernes podría ser alto y en el que pasar su jubilación podría ser baja. Creo que reconocer que la mayoría de las personas tienen algún tipo de interés especial. Muchas personas se vuelven genios o expertos. Estoy, por supuesto, la invocación de algunos de la jerga del punto de inflexión de Malcolm Gladwell donde habló sobre mavens y conectores.
Creo Teoría de Redes tendría un poco más de las categorías de dos. También voy a señalar que el Sr. Gladwell sostiene que sólo puede ser sólo unas pocas personas con esta influencia no estándar para establecer una tendencia, para que un grupo de personas que siguen algún nuevo patrón de consumo o [cambiar su] foco de atención.
Otros investigadores han discutido en realidad esta afirmación. Discutieron con datos. Estoy pensando en el trabajo de Duncan Watts, que es un científico sociólogo y el equipo ahora en Microsoft Research, que es lo que sugiere que no hay sólo un uno o un pequeño grupo de personas influyentes, sino que varios cientos inicio a corto abanico en cascada - como las estructuras donde voy a Tweet acerca de algo y luego otras 10 personas a pío al respecto y luego 2 o 3 seguirá cada uno de ellos. Voy a tener una cierta cantidad de influencia de los medios sociales a causa de eso.
La idea de que no va a ser sólo uno o sólo un puñado de personas que pueden conducir todas las otras personas en la repetición de algo o después de algo o participar en algún comportamiento, que parece no ser cierto. No estaba en los datos.

Randy: [La reciente] "primavera árabe" traer a la mente esta [fenómeno: se trataba de un] distribuida masivamente [network] que no tenía centro claro, no hay "supernodos" obvias.
Usted ha mencionado Gladwell y datos, ya que hablamos de personas influyentes, [se ha producido un] tipo de una carrera para producir una puntuación de reputación como usted ha mencionado. Justin Bieber tuvo brevemente una puntuación perfecta Klout.
El reto con estos como hemos mencionado ya es el contexto. Más allá de contexto, incluso si se puede romper cosas en categorías que sirven para medir la influencia, la forma en realidad ¿Cómo se mide?

Marc: Creo que lo que probablemente vamos a encontrar es que todas las mediciones o alguna aproximación son sustituto de otra cosa. No hay una sola medida que captura todos los aspectos de su influencia. Hay tal vez un puñado de métricas de red, que cuando se utiliza en combinación, nos proporcionan la capacidad para triangular en su ubicación dentro de un grafo.
Entonces yo diría que lo que realmente depende de lo que es su meta. Diferentes personas tienen diferentes valores [influencia] dependiendo de lo que estamos tratando de lograr. Si usted está tratando de conseguir un nuevo mensaje a una gran comunidad, es posible ir a buscar a las personas que están en la forma de un cubo que hay en el centro de un grafo.
[Pero] si usted está tratando de obtener un mensaje que ya está bastante generalizado para pasar a una nueva comunidad, que podría estar buscando para un puente. Esa persona podría tener muchas menos conexiones.
La teoría de redes, nos permite calcular métricas que capturarían tanto, un cubo y un puente. En cierto modo, esto es como la forma en que los geógrafos utilizan latitud y longitud y altitud para localizar todos los puntos de forma única en el planeta.
[Pero los medios sociales] no es exactamente [lo mismo que] geografía. Teoría red utiliza su propio sistema de coordenadas para tratar de averiguar: "esta persona es, metafóricamente, lo que equivale a un pico de la montaña, o es esta persona realmente en las tierras bajas"? ¿Cuántos otros picos de las montañas hay?
Esa metáfora podría funcionar en redes. Podríamos encontrar que hay diferentes lugares [en redes] y la [Red] métricas calcularíamos tiene que ver con eso. ¿Dónde estás? ¿Cuánto en el centro de la red es usted? Creo que todos hemos tenido esa intuición. Usted ha estado en una multitud o en un grupo. Tal vez has ido a una conferencia, que ha estado en un salón de baile con una gran cantidad de gente en ella. La gente se mueve en torno a otro sin problemas. Ellos pueden ir donde quieran.
La mayoría de las personas están hablando con uno o dos otras personas. [Pero] existe en el centro de la habitación, por lo general hay una o dos terrones [de personas] y que son más grandes. En el centro de estos grupos, por lo general, no va a ser alguien importante. Alguien que podría atraer a un grupo grande alrededor de ellos. Ellos tienden a ser poco frecuente.
De la misma manera, en una red, algunas personas tienen estas coordenadas que los hacen las cumbres. Ellos tienden a ser poco frecuente. Podemos argumentar que tienen la influencia. Están posicionados en el grafo de una manera única. Teoría red nos permite calcular un montón de métrica y medir que tiene esta centralidad y otros atributos como: ¿Cuántas conexiones [realmente] tienen? Considerando que, la centralidad [de red] habría [que representan] cómo es único son sus conexiones?

Randy: Usted ha mencionado número de conexiones y centralidad. He oído hablar de algo llamado intermediación [betweenness].

Marc: Es cierto. Esa es una idea de centralidad. Centralidad viene en varios sabores que capturan algunos [diferentes] aspecto [s] de dónde se encuentra en el grafo. La "centralidad de intermediación" es uno que a veces se considera como la puntuación de "puente".
[Se define como una medida de] la cantidad, si tuviera que ser retirado de la grafo, se separó el grafo, como si cortada por un río?
Hay [otro tipo de centralidad:] "centralidad del vector propio", que mide no cuán central es uno sino si cuán centrales son a quienes uno está conectado pero ¿cómo son las personas que son centrales?. [Es] un concepto interesante. Reconoce que está conectada a personas que son a su vez bien comunicada y es en sí misma una especie de poder.

Randy: A veces hay una restricción de recursos en la persona bien relacionada. Hay demasiadas personas tratando de conseguir su atención. Eso [alternativa] contacto en realidad puede ser mejor para que usted pueda comunicarse o obtener información [éxito].

Marc: Es cierto. Es guardián del guardián. Aquellas personas a menudo son reconocidos por esta métrica llamada "centralidad del vector propio". Considerando que, "intermediación centralidad" a menudo se encuentra la gente que, si tuvieran que salir de la red, dejaría atrás a dos islas separadas ahora.

Randy: Gracias, Marc. Eso suena como algunos grandes métricas de influencia que deberíamos de seguimiento. Vamos a pasar en nuestra sección de punta y continuar la conversación. Para nuestro consejo, me gustaría continuar la discusión sobre Influencia con Marc Smith.
Ahora que tenemos formas de medir y nombres para las mediciones de influencia, ¿qué hacemos con ella? ¿Cómo podemos aprovechar esta información para lograr nuestros fines, ya sea para comunicarse con alguien o proporcionar marketing o incluso sólo para recoger sus comentarios?

Marc: Mucha atención se presta a, ¿cómo encontrar el factor de influencia? Nuestra respuesta es calcular métricas de red y encontrar personas que son o hubs o puentes o, en algunos casos, islas.
Vamos a hablar de [islas], probablemente, en otro episodio.
¿Qué se hace cuando las encuentre? Hay un enlace en nuestras notas de espectáculo de este episodio sobre un artículo en mi blog, How to Build a Collection of Influential Followers in Twitter Using Social Network Analysis and NodeXL. Tiene un diagrama de flujo. Unas flechas persiguen unos a otros en ese diagrama.




Se sugiere una estrategia: ¿Qué hacer una vez que realmente tiene una lista de personas influyentes? Respuesta: Usted los va a seguir (follow) y va a tratar de conseguir que se repita su mensaje. Vas a hacer eso, primero, en siguiéndolos y luego repitiendo sus mensajes. Esa es la primera etapa.

La etapa dos es que vas a estudiar sus mensajes y crear mensajes que tengan algunos elementos de sus mensajes mezclados con elementos de sus mensajes. Es posible usar los hashtags que utilizan. Es posible vincular a los recursos web que previamente han enlazadas.

Al hacer esto, usted está indicando a las personas adecuadas los símbolos correctos. A menudo hay una gran cantidad de personas que hablan sobre el tema, pero sólo unas pocas personas son las cimas de las montañas o los puentes. Hay relativamente pocas personas en el centro del grafo.
Al elegir a centrar su atención en las relativamente pocas personas más que a otros, usted puede enfocar su energía y tienen algún tipo de conexión con ellos. De esa conexión viene de la [mayor] probabilidad de que van a repetir lo que han estado produciendo.
Si usted pie y no tiene seguidores, su tweet es poco probable que sea escuchado. Si tiene muchos seguidores, es posible que aún no se oirá mucho porque sus seguidores no pueden tener seguidores.
Lo que queremos hacer es encontrar personas que tienen, no sólo, muchos seguidores, pero que tienen un hábito de Twitter y ser escuchado y que se repite ampliamente en toda la red.


Randy: Creo que ese es el punto principal es darse cuenta de que no es una simple medida de una métrica. Incluso si lo pones en una sola métrica, un solo número como una puntuación de Klout, [e incluso] si [tiene una puntuación con] una etiqueta adecuada adjunto. [Por ejemplo:] "Randy Farmer es un experto en sistemas de reputación en línea".
[A la vista de red de influencia] es, de hecho, una visión mucho más amplia [porque considera] el paso de la información. ¿Quién está pasando a quién y cuándo. La parte importante de influencia es que nunca ha representado por un único número o una sola etiqueta. Es un grafo.

Gracias, Marc. Estoy seguro de que esto es sólo el primero de muchos episodios acerca de la influencia y reputación.