Desarrollan un modelo para estudiar la propagación de rumores e información entre amigos

Escuche Este desarrollo se basó en análisis de diversos servicios en línea y de geo-localización, y con ello estudiar cómo se propagan las informaciones y los rumores por la red.

Basado en la lógica de que uno pasa más tiempo con los amigos, y que nos hacemos amigos de aquellas personas con las que compartimos más tiempo, expertos en sistemas complejos analizaron la dinámica de tres redes sociales para crear un modelo sobre la amistad. Explorando la combinación entre las conexiones sociales y la movilidad se logró examinar mejor la dinámica de las relaciones entre las personas, con quienes se hacen amigos y cómo se concreta este lazo amistoso. Este modelo podría servir para anticipar la propagación de la información, rumores, y en menor medida, patrones para entablar nuevas relaciones de amistad.

El estudio de las redes sociales humanas, en general, se ha visto favorecido gracias al estallido de las redes sociales en línea. Facebook, Twitter, Flickr o Instagram, entre otras, se convirtieron en poderosos aliados de los investigadores de problemáticas sociales otorgando datos para entender cómo se forman y cómo son en definitiva las relaciones entre las personas. Otro de los elementos que ayuda de manera extraordinaria a este tipo de investigación es la movilidad, clave para diseñar sistemas de transporte, comprender el desarrollo urbano, la asignación de recursos entre otras cosas. Sin embargo, hasta hoy solo existían algunos modelos que combinaban el espacio y el tiempo.

Investigadores del Instituto de Física Interdisciplinaria y sistemas complejos de la Universidad de las Islas Baleares, y el Consejo Superior de Investigaciones científicas se pusieron manos a la obra, y utilizando uno de los recursos de moda, la “Big Data” analizaron una cantidad extraordinaria de datos de tres redes sociales y así, husmearon en las conductas humanas y particularmente en las relaciones de amistad.

A partir de Twitter analizaron la información de más de 700 mil usuarios y más de 15 millones de conexiones en forma de respuestas a mensajes. Como uno de los pilares de la investigación fue la movilidad, solo tomaron en cuenta los datos a partir de mensajes geo-localizados. También utilizaron dos redes sociales ya desaparecidas del mercado que funcionaban de la misma manera que Foursquare, donde los usuarios hacían un “chek-in” al llegar a algún sitio develando su posición y conociendo también la de sus contactos.

Cuando los investigadores pusieron en funcionamiento el algoritmo, detectaron que los usuarios tienden a permanecer cerca de sus ubicaciones originales y también comprobaron que había saltos en el espacio ocasionales que se correspondían con la visita de algún amigo de otro punto del país. Y es ahí donde pueden aparecer nuevas conexiones.

José Ramasco, científico del IFISC y coautor del estudio explica que uno de los aspectos que más llaman la atención es el de los triángulos, una figura muy relevante para la sociología. Las conexiones entre los usuarios permiten crear esta figura geométrica en las relaciones sociales. Por un lado, se generaban triángulos equiláteros donde la misma longitud en cada lado indicaba que eran conexiones a corta distancia. Sin embargo, también había un segundo pico con triángulos con uno de sus lados muy alargados. Aquí, uno de los miembros de la conexión es un amigo que está muy lejos.

Ramasco dio a entender que este tipo de fenómeno se da especialmente en Estados Unidos, con conexiones pronunciadas de este a oeste, y la mayor parte de las conexiones son dentro del mismo país. En el Reino Unido y especialmente en Alemania, las amistades transfronterizas son mucho más habituales. También encontraron que en Estados Unidos existe un mayor número de conexiones exclusivamente en línea, y en Europa, la tendencia es a generar triángulos equiláteros, es decir, conexiones a corta distancia.

En definitiva, a partir de este modelo, se podrían hacer simulaciones sobre como circula la información o como se propagan los rumores y también, pero en menor medida, estudiar el desarrollo y evolución de enfermedades contagiosas, como ya lo realizó Google con el análisis de las búsquedas sobre la gripe. En este caso, este tipo de análisis de “Big Data” sería más eficiente quizás, pues está generado por patrones basados en relaciones de amistad.

Fuente: esmateria.com/