Centralidad de redes en una comunidad de pacientes

La dinámica de una comunidad de pacientes de Twitter - Análisis de Centralidad de Red
Audun Utengen, MBA
Symplur




En nuestro post anterior vimos el crecimiento de conversaciones centradas en el paciente en Twitter identificadas visualmente en nuestra base de datos de atención médica como los nodos verdes. Esta vez, vamos a hacer un zoom sobre una de estos nodos verdes para tomar una mirada más cercana a la naturaleza dinámica de estas comunidades.

Lo que va a ver en el vídeo a continuación es un análisis de centralidad red dinámica de las conversaciones dentro de la comunidad #rheum durante el mes de agosto de este año. Durante los primeros segundos podrás ver las conversaciones de toda la mes todos juntos, que le da una visión rápida de lo vasto, complejo y hermoso estas comunidades son.

Después de este vistazo podrás ver todas las conversaciones de forma dinámica con el tiempo a medida que ocurren. En el video, uno segundo representa alrededor de seis horas. Un nodo de color rosa representa un miembro de esta comunidad, ya que están participando en las conversaciones o los arrastran al las conversaciones por que se hace referencia o mencionadas. Cuanto mayor sea el nodo, el que el miembro más central o influyente es a esta comunidad. Un vínculo verde entre dos nodos de color rosa significa una conversación, una interacción directa entre los dos a medida que ocurren. Cuanto más grueso es el enlace, más fuerte es la conversación o la interacción entre ellos está.

Una comunidad, muchas conversaciones - aprender de análisis centralidad red

Al igual que muchas otras comunidades de la vida real, no puede haber muchos miembros y participantes, pero en un período de tiempo dado, algunos son más centrales que otros. Usted puede llamar influyentes, instigadores, líderes pensado tal vez incluso, o simplemente pasar a ser parte del tema para el día.

Varias de estas personas se pueden identificar en este visual, y uno de los principales individuos de esta duración es claramenterawarrior (Kelly Young). Kelly es una persona increíble, un ePatient, y un moderador de la maravillosa artritis reumatoide / enfermedad autoinmune reumatoide pío #rheum semanal de chat.

Otro nombre familiar se presenta con una gran intensidad, pero sólo por un corto tiempo. Como sucedió,mayoclinic (Clínica Mayo) publicó los resultados de un estudio de investigación relevantes para la comunidad #rheum durante este mes. A partir del análisis centralidad red se puede ver cómomayoclinic se tira en la conversación por un gran número de personas. Curiosamente, se puede observar que esas mismas personas no son los "regulares" de la comunidad #rheum. Un simple análisis de clúster probablemente identificar varias subculturas dentro de esta comunidad, el "mayo" -grupo es uno de ellos.

La creación de significado y estructura dentro del ruido

Hemos planteado la cuestión en nuestro post anterior: ¿por qué los pacientes quieren usar Twitter - una red social carente de privacidad? Aunque el análisis de centralidad de la red registrada en este video es pura matemática y los números, todavía podemos observar como dinámica, orgánica y real de las interacciones estamos en esta comunidad.

De todas las diferentes opciones en la comunidad de pacientes en línea, no tiene Twitter ciertos atributos que mejor se asemejan a algunas comunidades del mundo real? Tal vez se podría sugerir que muchos se sienten atraídos por el "-timeness real" de Twitter como una plataforma de publicación y comunicación (libro <Diario <Article <Blog <Tweet). También podríamos sugerir que Twitter tiene rasgos fuertes "orgánicos". Twitter es en cierto sentido una locura no estructurada. Pero al igual que en el caos de la vida real, la gente crea significado y estructura dentro del ruido. Las reglas son pocas y están hechas a medida que avanza. Comunidades se crean en un impulso del momento. Algunos último, otros se desvanecen.

¿Qué más podemos aprender acerca de los miembros de estas comunidades? En nuestro próximo post, vamos a ver más de cerca a los participantes de una de estas Twitter comunidades centradas en el paciente, tratando de reducir parte de la complejidad de este análisis centralidad de la red con una mayor segmentación.