Viralidad: Gangnam Style se parece a la peste negra

En qué se parecen Gangnam Style y la peste negra

Un estudio científico analizó la viralización del videoclip del surcoreano Psy en todo el mundo en cuestión de meses. Cómo se establecieron similitudes con la enfermedad que se propagó en el siglo XIV
Infobae



Un estudio comparó la viralidad del video con la enfermedad

En algún momento, no hace tanto, después de la irrupción de las redes sociales, surgieron los fenómenos virales. Videos de gatitos, memes de Chuck Norris, bloopers, errores inolvidables y un largo etcétera. No obstante, la viralidad explotó el 15 de julio de 2012 con el lanzamiento del videoclip de Gangnam Style, de Psy, un músico anónimo salvo para un nicho surcoreano.

El video traspasó cualquier frontera imaginada. Para el 21 de diciembre de 2012, ya se había convertido en el más visto en la historia de Youtube con mil millones de reproducciones en todo el mundo. "En 2012, el récord de Gangnam Style marcó la aparición de un nuevo tipo de meme online. Alcanzó un nivel sin precedentes de fama a pesar de su pequeña audiencia original", dijo Zsofia Kallus, líder del estudio que buscó comprender el fenómeno.

El equipo, procedente de la Universidad Eotvos de Budapest, Hungría, se propuso averiguar cómo se generó el boom imparable. Para ello, se valieron de distintas herramientas como Google Trends y el archivo de tweets geolocalizados. Así podrían conocer el momento de la recepción del video.

Los resultados, publicados en arXiv, son llamativos. Al contrario de lo esperado, Corea del Sur no desató el fenómeno. Sí manifestó su primer brote, pero la viralidad inició cuando llegó a Filipinas. De allí se esparció hacia el resto del mundo. "Eso es probablemente porque Filipinas está relativamente cerca de Corea del Sur, pero tiene vínculos más fuertes con el resto del mundo. Además, también tiene enlaces más fuertes con la lengua inglesa", explicó

Los investigadores no dudaron en comparar al efecto de contagio de Gangnam Style con la peste negra que, durante el siglo XIV, se propagó con una dinámica "con forma de ola". A partir de varios casos que confluían, de acuerdo a las redes comerciales, el virus se expandía en forma rápida y multidireccional, a razón de dos kilómetros por día.


El fenómeno viral se inició en Filipinas

Como la peste bubónica, Gangnam Style siguió un esquema de "cercanía sociodigital", en la que la distancia geográfica no funcionó como un factor clave, sino que se detectaron ciertas áreas de influencia que enlazaba a otras, y esas áreas a otras hasta ocupar todo el globo.

La velocidad de los comunicaciones permitieron una propagación incluso más rápida que la de la enfermedad. Mientras más lazos de influencia tenía un territorio, más posibilidades de crear un efecto amplificado. En cuestión de meses, Gangnam Style se entronizó como el fenómeno viral paradigmático.

1707 04460

Lire plus de publications sur Calaméo

Herramientas de recolección de datos de Twitter (y otras)

El uso de Twitter como fuente de datos: Una visión general de las herramientas actuales de investigación de medios sociales

Wasim Ahmed - London School of Economics


La popularidad de los sitios de medios sociales y la facilidad con que sus datos está disponible significa que estas plataformas son cada vez más las fuentes primarias para la investigación social. Wasim Ahmed presenta un rápido vistazo a algunas de las herramientas disponibles para los científicos sociales para analizar los datos de los medios de comunicación social y también reflexiona sobre las limitaciones de las plataformas y los métodos utilizados para este tipo de investigación.

Tengo un blog de investigación de medios sociales donde encuentro y escribo acerca de las herramientas que se pueden utilizar para capturar y analizar los datos de las plataformas de medios sociales. Mi doctorado analiza datos de Twitter para la salud, como el brote de Ébola en África Occidental. Me preguntan por qué cada vez que estoy mirando Twitter, y qué herramientas y métodos que hay de capturar y analizar los datos de otras plataformas como Facebook, o plataformas aún menos tradicionales como Amazon reseñas de libros. Lluvia de ideas de un par de respuestas a esta pregunta hablando con miembros de la red de medios de Nueva Ciencias Sociales de Nueva Social, hay por lo menos seis razones:

1. Twitter es una plataforma popular en términos de la atención mediática que recibe y por lo tanto atrae a más investigaciones debido a su estatus cultural
2. Twitter hace que sea más fácil encontrar y seguir conversaciones (es decir, tanto por su función de búsqueda y los tweets que aparecen en los resultados de búsqueda de Google)
3. Twitter tiene normas hashtag que lo hacen más fácil la recolección, clasificación, y la ampliación de la recogida de datos búsquedas
4. Los datos de Twitter son fáciles de recuperar como los principales incidentes, noticias y eventos en Twitter se tienden a estar centrado en torno a un hashtag
5. La API de Twitter es más abierta y accesible en comparación con otras plataformas de medios sociales, lo que hace Twitter más favorable a los desarrolladores la creación de herramientas para acceder a los datos. En consecuencia, esto aumenta la disponibilidad de herramientas para los investigadores.
6. Muchos investigadores sí están utilizando Twitter y debido a sus experiencias personales favorables, se sienten más cómodos con la investigación de una plataforma familiar.

Es probable que una combinación de respuesta de 1 a 6 han dado lugar a más investigaciones en Twitter. Sin embargo, esto plantea otra cuestión distinta pero estrechamente relacionados: cuando la investigación se centra tan fuertemente en Twitter, lo que (si los hay) son las implicaciones de esto en nuestros métodos?



En cuanto a los métodos que se utilizan actualmente en el análisis es decir Twitter de datos, análisis de los sentimientos, el análisis de series de tiempo (el examen de los picos en los tweets), análisis de redes, etc., pueden éstos ser aplicados a otras plataformas o son diferentes herramientas, métodos y técnicas necesarias? Además de los métodos cualitativos, como el análisis de contenido, he utilizado los cuatro métodos siguientes en el análisis de datos de Twitter a los efectos de mi doctorado, a continuación considero si éstos trabajarían para otras plataformas de medios sociales:

1. El análisis de sentimientos funciona bien con datos de Twitter, como tweets que son consistentes en longitud (es decir, <= 140) haría bien con el trabajo de análisis sentimiento, por ejemplo, los datos de Facebook, donde los mensajes pueden ser más largos?
2. Los análisis de series de tiempo se utilizan normalmente cuando se examinan los tweets tiempo extra para ver si se puede producir un pico de tweets, que el examen de las marcas de tiempo en los mensajes de Facebook, o mensajes Instagram, por ejemplo, produce los mismos resultados? ¿O es solamente un método viable debido a la naturaleza en tiempo real de los datos de Twitter?
3. El análisis de redes se utiliza para visualizar las conexiones entre las personas y para comprender mejor la estructura de la conversación. Que este trabajo tan bien en otras plataformas mediante el cual los usuarios no pueden conectarse entre sí, es decir, las páginas públicas de Facebook?
4. Los métodos de aprendizaje de máquina (machine learning) puede trabajar bien con los datos de Twitter debido a la longitud de tweets (es decir, <= 140) sino que éstos trabajan para mensajes más largos y para las plataformas que no son de texto, es decir basada, Instagram?

Bien puede ser que al menos algunos de estos métodos se pueden aplicar a otras plataformas, sin embargo, pueden no ser los mejores métodos, y pueden requerir la formulación de nuevos métodos, técnicas y herramientas.

Así que, ¿cuáles son algunas de las herramientas disponibles para los científicos sociales para los datos de medios sociales? En la tabla de abajo proporciono una visión general de algunas de las herramientas que he estado usando (que no requieren conocimientos de programación y pueden ser utilizados por los científicos sociales):

Herramienta	SO	Descargable desde	Plataformas*
Mozdeh	Windows (recomendable PC)	http://mozdeh.wlv.ac.uk/installation.html	Twitter
Webometric Analyst	Windows	http://lexiurl.wlv.ac.uk/	Twitter (con capacidades de extracción de imagen) YouTube Flickr Mendeley Otros recursos web
NodeXL	Windows	http://nodexl.codeplex.com/	Twitter YouTube Flicker
Netlytic	Web based	https://netlytic.org/	Twitter Facebook YouTube Instagram
Twitter Arching Google Spreadsheet (TAGS)	Web based	https://tags.hawksey.info/	Twitter
Chorus	Windows (Desktop advisable)	http://chorusanalytics.co.uk/chorus/request_download.php	Twitter
DiscoverText (Gratis prueba de 30 días)**	Web based	http://discovertext.com/	Twitter Facebook Blogs Forums Plataformas de Noticias online
COSMOS Project	Windows MAC OS X	http://www.cosmosproject.net/	Twitter

* Es recomendable comprobar si una herramienta puede apoyar a otras plataformas como puede ser posible importar datos obtenidos en otros lugares.
** Gané un premio de datos históricos de DiscoverText con hasta 3 meses de acceso gratis, y también he recibido 3 días el valor de los datos Firehose través de tamiz, y esto me ha permitido realizar investigaciones que de otro modo no hubiera sido posible, como la comparación de Twitter API de búsqueda a la API de Firehose. DiscoverText se utiliza ampliamente en la investigación académica, con más de 40 menciones académica y contiene características como la capacidad de filtración de datos y aprendizaje automático avanzados.

También me gustaría mencionar:

• Gran lista de comisariado de Deen Freelon de herramientas de medios sociales aquí en: http://bit.ly/10NjJYK
• La iniciativa digital de métodos (herramientas DMI) aquí en: https://wiki.digitalmethods.net/Dmi/ToolDatabase
• Mi Blog investigación (Wasim Ahmed, un blog sobre mi investigación) aquí en: https://wasimahmed1.wordpress.com/

Mediante la búsqueda de software correspondiente (tal como se documenta en la tabla), me he dado cuenta de que hay muy pocas herramientas que se pueden utilizar para obtener datos de otras plataformas de medios sociales tales como, Pinterest, Goolge +, Tumblr, Instagram, Flickr, Parra, LinkedIn , y Amazon, entre otros. En este sentido, me gustaría ver más programas para los de las ciencias sociales para obtener datos para una amplia gama de plataformas y que incluye una serie de datos, es decir, enlaces web, imágenes y vídeo. En el Masters y el nivel de doctorado debe haber más énfasis en la formación de los estudiantes de ciencias sociales en la utilización eficaz de software existente que se puede utilizar para capturar datos de analizar los datos de las plataformas de medios sociales.

Redes sociales y fans

Ways to understand fans - social network analysis from Josef Šlerka

Importando datos de redes sociales en NodeXL

Cómo importar datos en NodeXL

NodeXL ofrece múltiples formas de importar datos para el análisis. De hecho, puede ser la única herramienta que ofrece tan vastas opciones para un usuario final. Cuando se presiona el botón de importación que se encuentra en la esquina izquierda de la cinta NodeXL, se le presentará con varias opciones (como se da en la figura a continuación) que se describirá más adelante en el tutorial.

 

Fig: Importando datos en Node XL

Las formas de importar datos se ha dividido en cinco categorías principales que se explicarán más adelante

1)    Importación desde otras herramientas de Análisis de Redes Sociales

Puede importar un archivo guardado de herramientas de análisis de redes sociales como Pajek o UCINET.

2)    Importación de un libro ya existente

Si usted tiene un libro ya existente con la lista de amigos y su relación entre sí, es posible importar el libro y lo utilizan a visualizar su red.

3)    Importación desde redes de Emails

Usted puede importar directamente la red de correo electrónico si utiliza un cliente de correo electrónico como Outloook, Thunderbird, etc, que tienen la indización habilitado en Microsoft Windows.

4)    Importar desde Twitter o YouTube / Flickr

El plugin te da opción de importar a la red de su página y el canal en sitios de redes sociales.

5)    Importar usando los importadores de terceros

Estos importadores como Net Social Importer, VOSON te dan muchas opciones sobre cómo importar datos y hasta qué nivel.

Para saber más sobre "Cómo importar datos a NodeXL", pasar por el siguiente vídeo:

Análisis de comunidades online en el conflicto sirio

El análisis de medios sociales revela las complejidades de conflicto sirio
Los científicos en computación han utilizado el modelo de comunicación de las redes sociales en Siria para revelar la estructura de las fuerzas de oposición en la guerra civil.




Los medios sociales se ha convertido en una herramienta fundamental del cambio social en todo el mundo. En ninguna parte es esto más evidente que en el Medio Oriente. Plataformas como Twitter y Youtube jugaron un papel importante en la Primavera Árabe, las revueltas civiles en 2010 que se propagaron desde Túnez a Egipto a Libia a Yemen y más allá.

Pero el evento más fuertemente cubierto por los medios de comunicación social es la guerra civil en Siria, que ahora se ha prolongado durante casi tres años. El conflicto se ha registrado en gran medida en los videos que se suben regularmente a YouTube y luego twittean en todo el mundo. Todas las partes del conflicto parecen estar comprometidos con numerosas cuentas de redes sociales.

Así que una pregunta interesante es ¿en qué medida la actividad de medios de comunicación social reflejan la situación sobre el terreno? Ese es exactamente el problema abordado hoy por Derek O'Callaghan en el University College de Dublín y algunos amigos. Su conclusión es que "la actividad en medios sociales en Siria es mucho más complicada de lo reportado en muchos otros estudios de activismo político en línea que encuentran un efecto de polarización directa."

Estos chicos estudiaron más de 600 cuentas de Twitter y YouTube que publican o enlazar contenidos relacionados con el conflicto sirio. Dado que muchos de estos relatos se señalan entre sí o a similar contenido, forman comunidades entre sí. Así O'Callaghan y compañía utilizaron un algoritmo estándar de detección de la comunidad para desmenuzar cómo se alinean las cuentas.

Los resultados revelan 16 comunidades separadas que juntas forman cuatro grupos claramente alineados. Los primeros son yihadistas, compuesto por tres comunidades y entre ellos las cuentas asociadas con Al- Qaeda.

Los segundos son kurdos, que consiste en una comunidad de los partidos políticos y otro de las organizaciones juveniles.

El tercero es el Pro-Assad y consiste esencialmente una comunidad de seguidores del régimen sirio actual.

El último grupo está formado por diez comunidades que se caracterizan por la oposición secular o moderadas. Esto incluye las cuentas que apoyan al Ejército Libre de Siria y la Coalición Nacional de Siria.

O'Callaghan y sus colegas van a analizar una comunidad representativa de cada grupo. Por ejemplo, una comunidad de apoyo al Ejército Sirio Libre se compone de 105 cuentas de redes sociales, incluyendo uno con 73.000 seguidores que suministra fotografías de cadáveres no identificados de manera que las personas pueden ayudar a identificarlos.

Por el contrario, una de las comunidades yihadistas lleva contenido muy diferente. "Las fotos tweeteadas por estas cuentas se incluyen muchas de las armas y ataques, también primeros planos de los combatientes 'mártires' y un pequeño número de individuos sosteniendo cabezas humanas decapitadas," informe O'Callaghan y co.

La comunidad moderada/secular de estos chicos se centran en es el mayor de todos con 137 cuentas. A diferencia de los otros grupos, una proporción significativa de los tweets son en inglés, lo que refleja el hecho de que estas cuentas están a menudo dirigidas por la diáspora siria en otros países. Las usuarias también son más prominentes en esta comunidad /

Una observación interesante es la diferencia en la forma en que estas comunidades reaccionan a los acontecimientos sobre el terreno. En particular, O'Callaghan y su coautor estudian el ataque con armas químicas de Ghouta, el 21 de agosto de 2013. Señalan que mientras la comunidad moderada/secular reaccionó de inmediato mediante la publicación de los vídeos del atentado en You Tube, la comunidad yihadista tomó dos días para responder.

Y el volumen de la respuesta fue diferente también. La comunidad moderada/secular subió 440 vídeos sobre el día del ataque, y más aún en los días que siguieron. Por el contrario, el comité yihadista subido sólo 37 vídeos dos días después del ataque y menos de esto en los días que siguieron.

O'Callaghan y coautor no extraen conclusiones a partir de esto, pero seguramente debe reflejar algún aspecto de la participación en el suelo.

Lo que es interesante aquí es que otros estudios de la relación entre las redes sociales y las actividades políticas muestran claramente un efecto de polarización en la que las personas se dividen en dos comunidades en general opuestos. Pero la situación en Siria es mucho más compleja.

Las implicaciones de esto para un futuro acuerdo de paz están lejos de ser clara. Pero O'Callaghan y coautor tienen planes para continuar el seguimiento de la actividad en línea de Siria y cómo la estructura de los grupos que han encontrado varía con el tiempo. Tal vez que ofrecerá una idea de cómo esta cada vez más amargo conflicto podría ser un éxito.

Ref: http://arxiv.org/abs/1401.7535 Online Social Media in the Syria Conflict: Encompassing the Extremes and the In-Betweens

MIT Technology Review

Las 24 mayores sitios de medios sociales y como crecerán

The Planet's 24 Largest Social Media Sites, And Where Their Next Wave Of Growth Will Come From

COOPER SMITH

Social media transcends geography, and the sheer scale and diversity of audiences on the sites makes them tremendously important.

It's no longer all about Facebook. Instead, users in some of the biggest countries are gravitating to regional sites. Others are heading en masse to U.S.-based networks, meaning that some of the largest social sites are global communities first and foremost.

In a new report from BI Intelligence, we compare the world's largest social networks in two ways. First, we evaluate the biggest properties side-by-side in terms of total audience size. Then we analyze the markets where each has the most growth potential, and their demographics in terms of country-of-origin.

Here are 10 of the most surprising facts from our first annual global media census: 

• Facebook still has the largest user population at 1.16 billion monthly active users. But it's seldom-discussed that YouTube is close behind with 1 billion MAUs.
• China's giant social media network, Qzone, is running in third place at 712 million total users. It's twice as large as global social messaging app WhatsApp, and nearly three times as large as Twitter.
• Three of the world's top 10 social properties are messaging platforms: WhatsApp, LINE, and WeChat.
• IPO-bound Twitter is smaller than many of its less-known rivals, including Tumblr, WhatsApp, and LINE.
• Eighty-six percent of Facebook's users are outside the United States.
• Facebook has 95 million users in China (despite the fact that it's officially blocked), 68 million in India, 42 million in Brazil. Taking these population together, they're twice as large as Facebook's U.S. population of 100 million.
• Nearly 25% of LinkedIn's users are in India. In fact, there are more Indians than Americans on LinkedIn and Google+.
• Despite being blocked in China, the major social networks still have many millions of Chinese active users who use various stratagems to access these services. Google+ has 100 million users in China, Twitter has 80 million, and YouTube has 60 million.
• LinkedIn, the only major social network that is not blocked in China, has over 20 million users in the country.
• Asia-Pacific overall has more active social media users than any region, and Southeast Asian markets are off the charts when it comes to mobile social media usage. Eighty-two percent of Thai smartphone owners access social media daily on their phones.

Business Insider