Máster de Cultura Científica EHU/UPNA 2023/2024
Matemáticas de la vida cotidiana. Ejercicio 2. Resumen
El segundo ejercicio de la materia consiste en elegir un artículo científico en el que se hayan utilizado datos obtenidos de las redes sociales virtuales para analizar algún aspecto sociológico y resumirlo. Aunque he consultado varios artículos que me han parecido muy interesantes cómo el que utiliza las búsquedas en Google sobre gripe para establecer un sistema predictivo de brotes epidémicos, entiendo que no se ajusta totalmente a lo solicitado ya que la base utilizada no es de redes sociales y he optado por seleccionar otro trabajo (además) siguiendo las recomendaciones aportadas en cuanto a autores:
En él los investigadores establecen una nueva forma de monitorizar los datos que se extraen de redes sociales, en este caso de Twitter, para predecir o adelantarse a fenómenos sociológicos o de cualquier índole (desde brotes epidémicos, cambios en acciones empresariales, movimientos políticos, éxito en las taquillas de cine). Este nuevo modelo da un paso más en el utilizado de grupos de usuarios seleccionados al azar.
Dada la gran cantidad de datos que se mueven en estas redes sociales virtuales y el esfuerzo computacional para analizar tendencias se ha venido optando por un método simple para la detección temprana de fenómenos virales: escogiendo a un grupo pequeño de individuos en la red, un grupo de control, para estudiar en él el comportamiento de cómo se viralizan los "topics" y que sirviera de chivato.
El grupo de investigadores va más allá en este estudio y establece un método más sencillo pero sobre todo más eficaz y eficiente según establecen en el artículo para detectar de forma temprana qué se hará viral o no. Para ello parten de ese grupo seleccionado aleatoriamente de usuarios de Twitter y lo mantienen como grupo de control pero, partiendo de esos usuarios (nodos), seleccionan otro grupo "sensor" aplicando la "Paradoja de la amistad" formulada por el sociólogo Scott L. Feld (1) que marca que en cualquier red social y sobre todo en las virtuales, cualquiera de nuestros amigos tiene más amigos que tú. "Your friends have more friends than you do".
De esta forma, generan un nuevo grupo "sensor" que, por definición, está mejor conectado que los individuos del grupo de control y, por ello, reciben antes la información que se difunde de forma "contagiosa" de persona a persona en Twitter y no por métodos de difusión generalista y son, de esta manera, predictores de qué va a estar "de moda" y de qué se va a hablar antes que entre los individuos del grupo de control. Además, ellos mismos son más activos en la red. Según el estudio, tras analizar seis meses de datos en Twitter en 2009 (casi 500 millones de tuits y 67 hashtags) han podido establecer que estudiando a estos individuos con mayor centralidad en la red y mejor conectados se pueden detectar brotes virales y uso de nuevos hashtags hasta con siete días de anticipación que solo estudiando el comportamiento del grupo de control.
Este hallazgo conecta con lo estudiado en la clase 4 de Matemáticas de la vida cotidiana a través de la teoría de grafos. Los individuos incluidos en el grupo control están menos relacionados que los del grupo sensor, es decir, son nodos con menos relaciones (aristas) que el resto. En el artículo se les identifica como individuos con un rango más central, que dentro de la teoría de los grafos se correlaciona con nodos más interconectados y que tendrían una valencia más alta. Si se detectan estos nodos hiperconectados, es más fácil predecir hacia dónde van los "humores" en la red Twitter ya que ellos reciben antes lo "último", son más activos y son capaces de difundirlo a más personas.
Victoria Salinas
Noviembre, 2023
Comentarios
Publicar un comentario