COVid19: Caracterizando influyentes en Twitter

Caracterización de líderes de información en Twitter durante la crisis COVID-19

David Pastor-Escudero, Carlota Tarazona
ARXiv

La información es clave durante una crisis como la actual pandemia de COVID-19, ya que da forma a la opinión, el comportamiento e incluso su estado psicológico. El Secretario General de las Naciones Unidas ha reconocido que la infodemia de desinformación es una importante crisis secundaria producida por la pandemia. La infodemia puede amplificar las verdaderas consecuencias negativas de la pandemia en diferentes dimensiones: social, económica e incluso sanitaria. Por ejemplo, la infodemia puede generar odio entre los grupos de población que fragmentan la sociedad que influye en su respuesta o dan como resultado hábitos negativos que ayudan a propagar la pandemia. Por el contrario, se puede utilizar información confiable y confiable junto con mensajes de esperanza y solidaridad para controlar la pandemia, construir redes de seguridad y ayudar a promover la resiliencia y la antifragilidad. Proponemos un marco para caracterizar a los líderes en Twitter basado en el análisis del gráfico social derivado de la actividad en esta red social. Las métricas de centralidad se utilizan para identificar nodos relevantes que se caracterizan aún más en términos de parámetros de usuarios administrados por Twitter. Luego evaluamos la topología resultante de grupos de líderes. Aunque esta herramienta puede usarse para la vigilancia de individuos, la proponemos como la base para una aplicación constructiva para empoderar a los usuarios con una influencia positiva en el comportamiento colectivo de la red y la propagación de información.

2005 07266

Leer más publicaciones en Calaméo

Guerra de bots en el FC Barcelona

‘Barçagate’: Así actúan los ejércitos de bots maliciosos

Los algoritmos que dirigen a los bots se han convertido en un medio poderoso de comunicación política y es muy difícil llegar a descubrir quiénes son los creadores que están detrás
La Vanguardia

Por Patricia Plaza



Los usuarios que aparecen como destacados, son los más centrales (los que catalizan las conversaciones recibiendo más respuestas, retuits o menciones) en la conversación sobre el hashtag #bartomeuOUT (Social Elephants y Gephi)


Muchos políticos, famosos e influencers se jactan de tener muchos seguidores en las redes sociales. Sin embargo, gran parte de ellos no son de carne y hueso. A estas alturas, la compra de seguidores es un secreto a voces. Algunas empresas ofertan paquetes de 1.000 seguidores falsos en Twitter, Facebook, Instagram o YouTube por el módico precio de 0,89€ (‘Me gustas’ y retuits van aparte).

Pero más allá de engrosar las listas de seguidores, likes y retuits, en los últimos años los bots se han convertido en una forma de manipular a los ciudadanos, siendo también generadores de opinión. Programas informáticos diseñados que actúan como ejércitos para crear comentarios y reforzar la imagen de su amo. Usados por empresas para brindar servicio de atención a sus clientes, o potenciales clientes, para dar una buena experiencia de compra o información. Por ejemplo, un estudio publicado por FakeSpot, denunciaba que el 61% de las reseñas de productos electrónicos de Amazon eran falsas.

La Cadena Ser destapaba esta semana la caja de los truenos, según este medio el FC Barcelona habría contratado una empresa que utilizaba cuentas falsas en las redes para criticar a jugadores y opositores. Un contrato de un millón de euros repartidos en seis cuentas falsas de Facebook distintas. Esa empresa es I3 Ventures, la misma que en junio presentaba un estudio encargado por el FC Barcelona en el que alertaba sobre la presencia de bots. El análisis detectaba que el 30% de los usuarios que hablaban sobre el Barça eran cuentas automatizadas. El propio FC Barcelona presentaba ese estudio y lo publicaba íntegramente en su página web con la voluntad de conocer la percepción de la marca Barça en las redes sociales. Titulado como Análisis del comportamiento de la conversación global digital en torno al FC Barcelona, el informe analizaba la actividad de enero de 2018 a junio de 2019.

Los bots pueden desempeñar actividades maliciosas, como enviar spam, acosar o promover discursos de odio

En un estudio de la Universidad de Oxford sobre las campañas de Trump y Clinton en Twitter en 2016, Phil Howard, profesor de estudios de internet, explicaba que cada vez más políticos y gobiernos de todo el mundo “emplean” tanto bots como personas para gestionar sus conversaciones políticas en las redes sociales. Los bots “pueden desempeñar tareas como suministrar noticias e información”. Y también “actividades maliciosas, como enviar spam, acosar o promover discursos de odio”.

Los algoritmos que dirigen a los bots se han convertido en un medio poderoso de comunicación política y es muy difícil llegar a descubrir quiénes son los creadores que están detrás. Auténticas campañas de marketing diseñadas desde distintas cuentas falsas para llegar a un objetivo común. Es lo que en la jerga marketiniana se denomina astroturfing . Una técnica de propaganda que pretende dar impresión de espontaneidad y popularidad, ocultando al verdadero emisor del mensaje.
Cómo identificar un bot

Los bots intentan actuar como si fueran humanos, pero su intensa actividad les delata. Además de una imagen de perfil y nombre de usuario sospechoso, suele seguir a muchas más cuentas de las que le siguen. Pero lo más relevante es la monotemática de sus publicaciones y su ritmo de publicación constante en el que no parece tener prisa por irse a dormir. Y su velocidad de respuesta sin apenas tiempo para leer los comentarios. Si la cuenta es de muy reciente creación o si descubrimos que usa una App para publicar, también son datos que nos pueden llevar a sospechar.

Si se detectan desviaciones la probabilidad que se trate de un bot es mayor”
Alessandro Bernardi Analista de redes sociales y cofundador de ‘Social Elephants’

Al igual que los virus de ordenador, los criadores de “granjas de bots” han ido perfeccionándolos con el tiempo, emulando cada vez mejor el comportamiento humano. Algunas herramientas como Botometer tratan de detectar bots de Twitter, monitorizando datos públicos de la cuenta y comparándolos con los patrones típicos de cuentas reales. “Si se detectan desviaciones la probabilidad que se trate de un bot es mayor”, explica Alessandro Bernardi, analista de redes sociales y cofundador de Social Elephants.

Por ejemplo, si analizamos la actividad del perfil oficial del FC Barcelona en Twitter (@FCBarcelona_es), Botometer nos indica que tiene 0.1/5 probabilidades de ser un bot, es decir que tiene un comportamiento muy humano:

Botometer establece que la cuenta de Twitter @FCBarcelona_es solo tiene 0.1/5 probabilidades de ser un bot (Botometer)

En el caso del Barçagate las supuestas cuentas falsas son páginas de Facebook, una red social que ofrece muy pocos datos públicos, lo que limita mucho poder identificar si se trata de bots o no. Un estudio de la israelí Reblaze llamado El Estado de la Protección de los Bots 2019 muestra que 62% de los usuarios de internet, donde se incluyen las redes sociales, son bots. Y de esos, el 38% son denominados “malos”, es decir, que atentan contra la integridad de las personas, de las empresas o son usadas en favor de un gobierno o partido político. “Según un reportaje de Wired con datos de Robhat Labs se ha estimado que en el caso de ciertos eventos de debate político los bots pueden llegar a contribuir hasta un 60% de toda la actividad”, afirma Bernardi.

Bots de guerrilla usados para destruir, acosar y promover discursos de odio. Una sutileza y hostilidad que preocupa tanto a autoridades como a empresarios y a usuarios de las redes.

Aunque en realidad, según Bernardi, en el caso del Barçagate no haría falta usar bots para realizar una acción en redes sociales: “Con un presupuesto de un millón de euros sería más fácil poner un equipo humano a gestionar personalmente ciertas cuentas distribuyendo ciertos contenidos estratégicamente preparados”.

Sean humanos o bots los que estén detrás de estos perfiles de Facebook, la verdad es que es muy difícil descubrir quién es el verdadero emisor de los mensajes y quién está detrás de todas las publicaciones que difaman a jugadores. Y aquí está el quid de la cuestión: si es el FC Barcelona el que desarrolla su propia campaña o si se trata de una fuente externa. Las dudas son muy amplias y la incertidumbre se ciñe sobre la sombra del propio Bartomeu. El Barça rompía su contrato con I3 Ventures, al mismo tiempo que I3 Ventures negaba haber cobrado un millón de euros del Barça para monitorizar las redes.

¿Las redes sociales están haciendo algo para frenar la presencia de bots?

Twitter lleva tiempo diciendo que está trabajando en un “sello” (similar al de las cuentas verificadas) para poder distinguir entre cuentas de humanos y de bots. “Tanta tiene que ser la desesperación de esta red social que recientemente su fundador (Jack Dorsey) le llegó a preguntar a Elon Musk si se les ocurría una manera de ‘arreglar Twitter’”, explica Bernardi.

De todas formas Twitter ya ha bloqueado unas cuantas de las cuentas implicadas en el reciente Barçagate. A lo mejor por denuncia de alguien o porque la misma red social ha detectado un comportamiento anómalo que incumple sus normas, no necesariamente de bot:


Twitter ha bloqueado alguna de las cuentas en Twitter vinculadas al 'Barçagate' (Twitter)

Alessandro Bernardi ha analizado en Botometer las distintas cuentas que en la información de la Cadena Ser se citan como bots y que no aparecen como bloqueadas. “En dos casos detectamos algo de probabilidad que realmente sea un bot, pero por ejemplo la cuenta de ‘Mes Que un Club’, sale un comportamiento prácticamente humano. Así que quizás tendríamos que dejar de pensar si hablamos de bots o no, y poner el foco en si hubo o no una estrategia maliciosa y un intento de manipulación, aunque sea que fuera operado por humanos”.

Según la actividad de la cuenta en Twitter de @AlterSports, Botometer detecta que tiene 2,1/5 probabilidades de ser un bot (Botometer) Según la actividad de la cuenta @SportsLeaksCom en Twitter, Botometer detecta que tiene 1,4/5 probabilidades de ser un bot (Botometer) Según la actividad de la cuenta @MésQueUnClub en Twitter, Botometer detecta que tiene 0,2/5 probabilidades de ser un bot (Botometer)

A modo de ejemplo, el analista de redes sociales y cofundador de Social Elephants ha elaborado para La Vanguardia una monitorización del hashtag #bartomeuOUT durante esta semana, antes y después que saliera a la luz la información de la Cadena Ser sobre las supuestas cuentas falsas de Facebook.

Social Elephants ha contabilizado más de 90.000 tuits esta semana con el hahstag #bartomeuOut:
Este gráfico muestra la actividad de unos 90.000 tuits que usaron el hashtag #bartmeuOUT en Twitter entre el 12 y el 20 de febrero. (Social Elephants)

Los autores de los tuits son sobre todo hombres y medios de comunicación:
Los autores de los tuits que han usado el hashtag #BartomeuOUT entre el 12 y el 20 de febrero son sobre todo hombres y medios (Social Elephants)

Los usuarios son en su mayoría de Barcelona: Los usuarios que han usado el hashtag #bartomeuOUT entre el 12 y el 20 de febrero son en su mayoría de Barcelona (Social Elephants)

Analizando las conversaciones, este mapa identifica quién habla con quién y cuáles son los diferentes grupos de usuarios que hablan de temas en común (identificados por colores diferentes). Los usuarios que aparecen como destacados son los usuarios mas centrales (los que catalizan las conversaciones recibiendo más respuestas, retuits o menciones) en la conversación sobre el hashtag #bartomeuOUT:

  Los usuarios que aparecen como destacados, son los más centrales (los que catalizan las conversaciones recibiendo más respuestas, retuits o menciones) en la conversación sobre el hashtag #bartomeuOUT (Social Elephants y Gephi)

También puede ser interesante tratar de identificar bots que hayan usado el hashtag #bartomeuOUT, por ejemplo buscando entre los usuarios que sospechosamente hacen muchos retuits a los demás: Estos son los usuarios que sospechosamente hacen muchos RTs a los demás con el hashtag #bartomeuOUT (Social Elephants)

Entre estos destaca el caso de @BartomeuVerdugo. Esta cuenta tiene solo seis seguidores y más de 300 retuits tan solo a tuits que contienen el hashtag #bartomeuOUT:
Curioso el caso de @BartmoeuVerdugo con tan solo 6 followers y mas de 300 Retweets tan solo a tweets que contengan el hashtag #bartmeuOUT (Twitter)

Irónico que en su perfil, este usuario se defina como “no soy un robot”. Sin embargo, como siempre hay bots que saben disimular peor o mejor, Botometer es bastante claro en identificarlo como bot con un 3.9/5 de probabilidad:
Según la actividad de la cuenta @BartmoeuVerdugo en Twitter, Botometer detecta que tiene 3,9/5 probabilidades de ser un bot (Botometer)

Tras este análisis, podemos concluir que la guerra de bots no solo la juega una parte. Sea o no sea el FC Barcelona quien está detrás de las cuentas falsas que refuerzan la imagen de Bartomeu y atacan a los jugadores, lo que sí es cierto es que, como en todos los ámbitos de la vida, la guerra también se lucha desde el otro lado. Todo es un tira y afloja en el que existen bots para todos los gustos.

Usando aprendizaje automático para detectar a ISIS

Cómo el aprendizaje automático puede encontrar extremistas en las redes sociales

Tauhid Zaman ||Lea el estudio completo: “Finding extremists in online social networks”

Los grupos extremistas a menudo usan las redes sociales en línea para reclutar miembros y difundir propaganda. Tauhid Zaman, profesor asociado de gestión de operaciones en Yale SOM, y sus colegas investigaron recientemente cómo la inteligencia artificial podría ayudar a los esfuerzos para detectar y suspender dichas cuentas, antes de que el usuario publique contenido dañino. Los hallazgos del equipo podrían ayudar a las agencias de aplicación de la ley a rastrear a los partidarios de ISIS o los supremacistas blancos.

Liderazgo de operaciones de tecnología de datos

Por Roberta Kwok || Yale Insights

En octubre de 2015, un partidario británico del ISIS llamado Sally Jones publicó un tweet con el hashtag #RunRobertRun. El tuit incluía un enlace a otro mensaje que contenía la supuesta dirección de Robert O’Neill, el ex SEAL de la Marina que afirma haber matado a Osama bin Laden. Cuando Twitter suspendió la cuenta de Jones, la información se había extendido a otros partidarios de ISIS.

O'Neill no vivía en esa dirección y permaneció ileso. Pero el tuit de Jones es un ejemplo preocupante de cómo los grupos extremistas explotan las redes sociales para atraer a otros a su causa e incitar a la violencia. "Twitter solía ser una broma, algo divertido para los niños", dice Tauhid Zaman, profesor asociado de gestión de operaciones en Yale SOM. "Ahora es un problema de seguridad nacional".

En un estudio reciente, el equipo de Zaman investigó cómo identificar afiliados de ISIS en Twitter para que sus cuentas puedan cerrarse rápidamente. Los investigadores utilizaron el aprendizaje automático para predecir qué usuarios tenían más probabilidades de ser extremistas, en función de características tales como a quién seguía la persona. Los usuarios suspendidos a menudo se registran nuevamente con un nombre ligeramente diferente, por lo que el equipo también desarrolló estrategias para detectar estas nuevas cuentas.

Si bien el estudio se centró en Twitter, Zaman dice que el método es lo suficientemente general como para aplicarlo a otras redes sociales en línea. Y cree que las estrategias deberían funcionar para otros grupos extremistas, como los supremacistas blancos, que exhiben un comportamiento similar, como la creación de cuentas duplicadas. "Juegan el mismo juego", dice Zaman.

En 2014, Christopher Marks, un teniente coronel del ejército de EE. UU., era estudiante de doctorado en el laboratorio de Zaman y quería estudiar redes sociales. En ese momento, ISIS tenía una presencia creciente en Twitter.

Zaman y Marks decidieron intentar detectar cuentas de ISIS incluso antes de que el usuario publicara algún mensaje. Para cuando la persona tuiteó contenido dañino, Zaman dice que "podría ser demasiado tarde".

Para investigar, colaboraron con Jytte Klausen, investigadora de la Universidad de Brandeis que estudia el yihadismo occidental. Klausen proporcionó una lista de alrededor de 100 usuarios de Twitter conocidos por estar afiliados a ISIS. Luego, el equipo identificó a los seguidores de esas personas, las personas que siguieron, las personas conectadas con los seguidores, y así sucesivamente, lo que arrojó más de 1.3 millones de cuentas. Sin embargo, no todos esos usuarios eran extremistas; Por ejemplo, algunos eran investigadores que estudiaban ISIS.
"Cuando matas una cuenta de ISIS, vuelve".

El equipo de Zaman luego rastreó alrededor de 647,000 de las cuentas durante varios meses, y en septiembre de 2015, Twitter había suspendido aproximadamente 35,000 de ellas, presumiblemente porque esos usuarios habían publicado contenido extremista. Entonces, los investigadores utilizaron IA para identificar las características típicas de las cuentas suspendidas. Por ejemplo, seguir a ciertos usuarios u ocultar la ubicación de uno estaba vinculado a una mayor probabilidad de extremismo.

Sobre la base de esas medidas, los investigadores pudieron identificar automáticamente alrededor del 60% de las cuentas que luego se suspendieron. Alrededor del 10% de los usuarios marcados eran falsos positivos. (El software se puede ajustar para establecer un umbral más estricto, dice Zaman, en cuyo caso identificaría más afiliados de ISIS y produciría más falsos positivos).

Luego, el equipo quería detectar nuevas cuentas creadas por usuarios suspendidos. A menudo, "cuando matas una cuenta de ISIS, vuelve", dice Zaman.

El software que simplemente buscaba similitudes en nombres y fotos funcionó bastante bien. Los usuarios suspendidos a menudo eligen un nombre de pantalla e imagen similares para su nueva cuenta porque quieren que los seguidores anteriores los encuentren, dice.

Pero los investigadores finalmente desarrollaron una estrategia de búsqueda más eficiente. Cuando un usuario suspendido creó una nueva cuenta, esa persona probablemente volvería a seguir a muchas de las mismas personas que habían seguido anteriormente. Entonces, una forma de encontrar a ese usuario era buscar en las redes de cuentas seguidas previamente por la cuenta suspendida.

Utilizando el aprendizaje automático, el equipo asignó a cada cuenta un puntaje, que capturó la probabilidad de que un usuario suspendido los volviera a seguir. El mejor enfoque, dice Zaman, era priorizar la búsqueda en las redes de cuentas con un puntaje alto y relativamente pocos seguidores. Después de buscar en la red de una cuenta un seguidor similar a la cuenta suspendida, el software pasó al siguiente amigo de la lista y repitió el proceso. "Eso te da la forma más rápida de encontrar estas cuentas", dice Zaman.

Zaman señala que si bien las agencias de aplicación de la ley podrían usar el software para erradicar a los extremistas, los gobiernos autoritarios podrían hacer lo mismo para sofocar la resistencia. "Si lo usa incorrectamente, es la supresión de la disidencia", dice.

Y una persona siempre debe revisar el resultado para confirmar si el software realizó la llamada correcta. "Quieres que un humano sea el último punto de control", dice Zaman.

Es probable que el software no supere los métodos internos de Twitter para señalar a los extremistas porque la empresa tiene acceso a más datos, como las direcciones IP. Pero Zaman dice que el método del equipo ayudará a cualquier red social a combatir grupos peligrosos.

"Nuevos tipos de grupos extremistas continuarán apareciendo en diferentes redes sociales y los usarán para propaganda y reclutamiento", dice. "Nuestra investigación proporciona un conjunto de herramientas que pueden detectar y monitorear estos grupos sin importar en qué red se encuentren y qué mensaje peligroso defiendan".

Cómo las OSN moldean nuestra identidad

Cómo las redes sociales dan forma a nuestra identidad

Internet nos confronta constantemente con evidencia de nuestro pasado. ¿Estamos perdiendo la oportunidad de rehacernos?
Por Nausicaa Renner || The New Yorker



En "The End of Forgetting: Growing with Social Media", a Kate Eichhorn le preocupa que la mayoría de edad en línea pueda obstaculizar nuestra capacidad de editar recuerdos, eliminar lo que necesita ser eliminado y seguir adelante.


El año pasado tuve un sueño extraño. Mi padre y yo estábamos vadeando en un canal industrial, que recordaba a un metro, cuando miles de peces criados en criaderos fueron liberados. El pez se amontonó, viscoso, alrededor de nuestras piernas, y supe (en la forma en que uno sabe en un sueño) que, al golpear el agua, pensaron que se estaban ahogando, que tenían que experimentar la muerte antes de entrar en la edad adulta. Al día siguiente, le conté a mi padre sobre el sueño. Él reveló que, cuando tenía tres años, cuando vivíamos en Pittsburgh, me llevó a ver un camión lleno de bagre que se bombea a un estanque artificial. Era demasiado joven para recordar esto. Pero en algún lugar de mi mente, la visión de los peces arrojados al agua se había alojado, resurgiendo más de veinticinco años después.

En estos días, es común encontrar una imagen emergente, sin llamar, del reservorio del pasado. Pasamos horas vadeando a través de secuencias de fotos, muchas de las cuales documentan, de manera sin precedentes, nuestra vida cotidiana. Facebook se inventó en 2004. En 2015, Kate Eichhorn escribe en "El fin del olvido: crecer con las redes sociales", la gente compartía treinta millones de imágenes por hora en Snapchat, y los padres británicos "publicaron, en promedio, casi doscientas fotografías de sus hijos en línea cada año ”. Para aquellos que han crecido con las redes sociales, un grupo que incluye a casi todos los menores de veinticinco años, la infancia, una era que fue fructíferamente misteriosa para el resto de nosotros, es sorprendentemente accesible. Según Eichhorn, un historiador de los medios de comunicación en la New School, esto seguramente tendrá algún tipo de efecto profundo en el desarrollo de la identidad. ¿Cuál será ese efecto? No estamos muy seguros.

Eichhorn ve las dos caras de la moneda. Por un lado, dice, los niños y adolescentes han ganado un nivel de control que no tenían antes. En el pasado, los adultos se negaron a reconocer la agencia de los niños o les impusieron una noción idealizada de inocencia y pureza. Los adultos fueron los que escribieron libros, tomaron fotos con cámaras caras y comisionaron pinturas, todo lo cual tendía a conmemorar la infancia, a mirar hacia atrás, en lugar de participar en ella. La llegada de fotos instantáneas a bajo precio, en los años sesenta, permitió a los niños tomar un medio de producción, y la llegada de Internet les dio un grado de autodeterminación sin precedentes. "Si la infancia alguna vez fue construida y grabada por adultos y reflejada en los niños (por ejemplo, en un álbum de fotos familiares cuidadosamente seleccionado o una serie de videoclips caseros), este ya no es el caso", escribe Eichhorn. "Hoy, los jóvenes crean imágenes y las ponen en circulación sin la interferencia de los adultos".

Esta práctica puede ser muy beneficiosa. La nueva tecnología, especialmente el teléfono inteligente, nos permite producir una narración de nuestras vidas, elegir qué recordar y qué contribuir a nuestro propio mito. Para Eichhorn, esta es la última instancia de una práctica de larga data, aunque misteriosa. "Mucho antes de que los niños pudieran crear, editar y seleccionar imágenes de sus vidas", escribe, "ya lo estaban haciendo en un nivel psíquico". Freud llamó a estas imágenes "recuerdos de pantalla", sin intención de juego de palabras, y pensó que los usamos para suavizar u oscurecer experiencias dolorosas. Los humanos siempre han tratado de hacer frente a la dificultad de la memoria, para convertirla "de un horror intolerable a algo que sea tranquilizadoramente inocuo y familiar". Las redes sociales simplemente nos hacen más expertos en ello.

Por otro lado, escribe Eichhorn, tales medios pueden evitar que aquellos que desean romper con su pasado lo hagan de manera limpia. No somos los únicos que publicamos; nuestros amigos y familiares narran nuestras vidas, generalmente sin nuestro consentimiento. Al crecer en línea, las preocupaciones de Eichhorn podrían obstaculizar nuestra capacidad de editar recuerdos, eliminar lo que necesita ser eliminado y seguir adelante. "El peligro potencial ya no es la desaparición de la infancia, sino más bien la posibilidad de una infancia perpetua", escribe. En resumen, es posible que hayamos intercambiado "memorias de pantalla por pantallas".

Esto es de particular importancia para aquellos que anhelan establecer nuevas identidades. Las personas que hacen la transición, por ejemplo, a menudo confían en tener un descanso limpio, visualmente, con sus apariencias anteriores; Como señala Eichhorn, una de las primeras promesas de Internet, cuando solo se trataba de "textos y imágenes prediseñadas", era que "se presentaba como un lugar seguro [para los jóvenes transgénero] para probar un aspecto de sus identidades que pudieran no explorar en sus vidas materiales ”. Ahora que Internet es más permanente y más penetrante, es difícil evitar las reliquias de identidades pasadas. Eichhorn cita a uno de sus estudiantes, Kevin, un aspirante a crítico de cine de un pequeño pueblo en el norte del estado de Nueva York. Para su segundo año de universidad, dice Kevin, su transmisión de Facebook "se estaba volviendo realmente extraña. Tenía a mis nuevos amigos de Nueva York publicando sobre arte de rendimiento queer y estos chicos de mi escuela secundaria publicando sobre ciclismo de tierra en un pozo de grava y etiquetándome en fotografías de la escuela secundaria. Necesitaba seguir adelante ”. Aunque desactivó sus cuentas de redes sociales y creó otras nuevas bajo un seudónimo, continuó etiquetado en fotos antiguas. "Creo que Kevin está ahí afuera para siempre", dice. "Solo tengo que vivir con él y todas esas personas de las que estaba tratando de escapar".

La persistencia de ciertas imágenes es más un problema para algunos que para otros. Hay momentos, elevados no por el hecho de ser grabados sino por la imposibilidad de ser borrados, que se vuelven traumáticos. Estas situaciones, en las que una foto desnuda o un tweet ofensivo destruyen la vida pública de una persona, son desafortunados y están ampliamente cubiertos (por ejemplo, en "So You’'d Publicly Shamed" de Jon Ronson). Eichhorn detalla el caso de Ghyslain Raza, un adolescente canadiense que, en 2002, se grabó empuñando un perro perdiguero de pelota de golf como si fuera un sable de luz. El video, que fue encontrado por un compañero de clase, titulado "Star Wars Kid" y subido a Internet, fue visto por millones de personas; Como señala Eichhorn, todo esto sucedió en un momento en que la viralidad, como fenómeno, no era realmente una cosa. Raza fue intimidado en la escuela y terminó en una sala psiquiátrica. En 2013, aún incapaz de escapar del video, a pesar de las acciones legales, habló públicamente sobre su experiencia, describiendo su contemplación del suicidio.

Todos, escribe Eichhorn, se benefician de la experimentación en la adolescencia. Durante ese tiempo, existimos en lo que el psicoanalista Erik Erikson llamó una "moratoria" psicosocial, una etapa en la que pasamos "entre la moralidad aprendida por el niño y la ética que desarrollará el adulto". La moratoria es un período de prueba y error que la sociedad permite a los adolescentes, a quienes se les permite correr riesgos sin temor a las consecuencias, con la esperanza de que al hacerlo se aclare un "yo central: un sentido personal de lo que da sentido a la vida". Internet interrumpe la privacidad de esta era; tiende a escalar los errores a proporciones monumentales y ponerlos en nuestros registros permanentes. Las universidades y los empleadores ahora buscan en las cuentas de las redes sociales evidencia de su carácter. Eichhorn pasa menos tiempo del que podría dedicar a cómo afecta esto a los adolescentes de hoy. ¿Cómo es vivir bajo amenaza? ¿Cuáles son las ramificaciones cuando una generación entera nunca tiene la oportunidad de experimentar libremente o rehacerse?

Eichhorn hace un leve gesto hacia un tipo de derecho humano universal, uno que va en contra de los caprichos de las empresas que usan datos. "Olvidar, ese recurso incorporado que antes se daba por sentado que todos los humanos poseían, ahora se enfrenta a los intereses de las empresas de tecnología", escribe, implicando, con un idealismo entrañable, que tenemos derecho a olvidar. (Para algunos, esta creencia podría reflejar un enfoque claramente estadounidense hacia el resto del mundo). Más plausiblemente, ella cita el derecho a ser olvidado, que es el apodo de las regulaciones de privacidad de datos en Europa y los movimientos contra el nombramiento de menores en los medios . De cualquier manera, la implicación es que la capacidad de desprenderse de uno mismo del pasado, para moverse lateralmente, como individuo, a un nuevo cuerpo o personalidad, es un ideal democrático. También tenemos derecho a quedarnos como estamos. En algunos casos, retener nuestro sentido de identidad a través de los abismos que podrían destruirlo es más importante que tener una fase rebelde. Tomemos, por ejemplo, el caso de los migrantes, que Eichhorn menciona brevemente: "Los miembros de la familia que quedan atrás ahora pueden mantenerse en contacto constante con sus hijos e hijas e incluso seguir sus pasos en toda Europa". Aquí, la memoria es casi una forma de política representación, habilitada por las redes sociales; los grupos pueden preservar su historia mientras viajan por los continentes.

¿Todas las fotos son documentales? En "The Social Photo", Nathan Jurgenson plantea la útil propuesta de que la mayoría de las fotos en línea tratan de compartir experiencias, no de crear recuerdos. En un pasaje, Jurgenson, fundador de la revista Real Life, escribe que los selfies son "una imagen menos precisa de mí en este momento y más. . . una representación visual de la idea de mí ". Son unidades de comunicación, más emojis o jeroglíficos que retratos; tienen poco contexto, no se ubican de manera perceptible en ningún lado y, por lo general, vienen en conjunto. En su mayor parte, realmente no importaría si existieran en veinte años. Esto explica la prevalencia de la desaparición de fotos, como las historias de Instagram y Snapchat. (Jurgenson también es sociólogo de Snap Inc., la empresa matriz de Snapchat). También explica fotos de alimentos, que rara vez son ingeniosos o vale la pena guardar.

Para Jurgenson, tomar fotos sociales cambia la forma en que funciona la visión, un proceso que comenzó con el advenimiento de las cámaras y que aún hoy evoluciona. Los adolescentes son cyborgs, y sus teléfonos son ojos mecánicos que los ayudan a interpretar su experiencia. "Documentar", escribe Jurgenson, "es estar involucrado con nuestra propia experiencia en lugar de dejarla flotar pasivamente". Sobre este tema, Jurgenson tiene todas las opiniones correctas, aunque un tanto obedientes: la nostalgia está sobrevalorada, pero no está interesado “Austeridad digital”. No deberíamos remontarnos a una era en la que estábamos menos apegados a la tecnología, principalmente porque esa era no existe. "Nuestra realidad siempre ha sido mediada, aumentada, documentada", escribe, "y no hay acceso a algún estado de pureza inmediata". No deberíamos preguntarnos si la fotografía social es buena, sino cómo puede ser buena.


A Jurgenson, a diferencia de Eichhorn, no le preocupa que Internet dificulte enterrar versiones anteriores de nosotros mismos. En todo caso, teme la prevalencia de la muerte. Las fotos, escribe, "embalsaman" a sus sujetos, encerrándolos en una "tristeza quieta que mata lo que intenta salvar por miedo a perderlo". Para él, el riesgo de documentación constante es alienación: una sensación de que nuestros cuerpos están generando momentos inmóviles en lugar de movimiento constante. Cita a Wolfgang Schivelbusch, un erudito alemán que escribió sobre el efecto del ferrocarril en la percepción humana. Con su velocidad y sus ventanas de vidrio, "el tren aplana la naturaleza en algo suave y predecible, no algo que viaja dentro, sino algo que se ve y se consume fácilmente", escribe Jurgenson. "A medida que se experimenta más vida a través de las pantallas de las cámaras, ¿ocurre en un lugar similar, donde el desorden de la experiencia vivida se convierte en algo simplemente observable?"

De hecho, sería sorprendente si pudiéramos ver momentos dolorosos del pasado, aquellos en los que meditamos durante años, como muertos y embalsamados. El problema es que los recuerdos más difíciles no son capturados por fotos, videos o tweets. Las pantallas, como los recuerdos de pantalla, son evitables; se apartan de lo doloroso. Hay pocos niños llorando en Instagram. Una amiga, cuya madre digitalizó todos los viejos videos caseros de su familia, me contó recientemente sobre una importante fiesta de cumpleaños en la pista de patinaje. Lo que recordaba era el drama de antemano: en ese momento, estaba obsesionada con los patines en línea, y cuando la pista solo tenía patines, su madre corrió a una tienda de deportes para obtener un par en línea, apenas salvando el día. Resultó que nada de esto fue capturado en el video. Todo lo que mostró fue el triunfo, un momento redentor después de las lágrimas, y un feliz círculo alrededor de la pista.

Barabási y colegas cuantifican y predicen el éxito en el arte

Cuantificando la reputación y el éxito en el arte

Samuel P. Fraiberger 1,2; , Roberta Sinatra 3,1,4,5; Magnus Resch 6,7; Christoph Riedl 1,2*, Albert -László Barabási 1,3,8,9* 
1. Instituto de Ciencias de la Red, Northeastern University, Boston, MA, EE. UU.2. Instituto Harvard de Ciencias Sociales Cuantitativas, Cambridge, MA, EE. UU.3. Departamento de Matemáticas y sus aplicaciones y Centro de Ciencia de Redes, Universidad de Europa Central, Budapest, Hungría.4. Complexity Science Hub, Viena, Austria.5. ISI Fundación, Turín, Italia.6. Universidad de St Gallen, St. Gallen, Suiza.7. Zagreb Escuela de Economía y Gestión, Zagreb, Croacia.8. División de Medicina de la Red, Departamento de Medicina, Harvard Medical School, Boston, MA, EE. UU.9. Departamento de Redes y Ciencia de Datos, Universidad de Europa Central, Budapest, Hungría. 
En áreas de actividad humana donde el rendimiento es difícil de cuantificar de manera objetiva, la reputación y las redes de influencia desempeñan un papel clave en la determinación del acceso a los recursos y las recompensas. Para comprender el papel de estos factores, reconstruimos la historia de la exposición de medio millón de artistas, trazando un mapa de la red de coexposición que captura el movimiento del arte entre instituciones. La centralidad dentro de esta red capturó el prestigio institucional, lo que nos permite explorar la trayectoria profesional de artistas individuales en términos de acceso a instituciones codiciadas. El acceso temprano a instituciones centrales de prestigio ofreció acceso de por vida a lugares de alto prestigio y una tasa de deserción reducida. Por el contrario, al comenzar en la periferia de la red se produjo una alta tasa de abandono, lo que limita el acceso a las instituciones centrales. Un modelo de Markov predice la trayectoria profesional de artistas individuales y documenta el sólido camino y la dependencia de la historia de la valoración en el arte.


   

972

Leer más publicaciones en Calaméo

Análisis de marcas en Twitter con NodeXL

Cómo realizar un análisis de marca de redes sociales de Twitter utilizando NodeXL

NodeXL


La ciencia de la red proporciona métodos poderosos para resolver problemas centrales en el espacio de marketing de redes sociales. Las visualizaciones y el análisis de las redes sociales son métodos útiles para identificar y evaluar rápidamente a personas influyentes y contrastar la forma de la conversación en torno a diferentes temas y marcas.



Hasta hace poco, estos métodos requerían habilidades avanzadas de desarrollo de software, pero las herramientas de análisis de redes están evolucionando y ahora están surgiendo soluciones de señalar y hacer clic que pueden identificar rápidamente subgrupos y segmentos de mercado y describir los temas y los recursos de alto valor en cada uno. Los conceptos clave de red como "betweenness" y "centrality" pueden proporcionar información que va más allá de los conteos de cosas como me gusta, seguidores o respuestas.

Una perspectiva de red mira a las redes sociales como una "colección de conexiones" y revela la forma emergente de la multitud. La investigación de Pew ha demostrado que hay un pequeño conjunto de estructuras de redes sociales que comúnmente aparecen en muchas formas de plataformas de medios sociales que permiten la "respuesta".

Los patrones de centro y rayo divididos, unificados, fragmentados, agrupados y entrantes y salientes son comunes en las redes sociales. Estas formas pueden informar las estrategias de las redes sociales al reconocer la forma actual y posiblemente deseada de la conversación al tiempo que proporcionan nuevos KPI para guiar la transición.

Esta es una guía paso a paso para crear un análisis de marca de redes sociales con NodeXL Pro.

Cada marca involucrada en las redes sociales necesita

• Identifica los jugadores clave en su ecosistema social.
• Realice análisis de la competencia e inteligencia de campaña.
• Generar identificación de campaña - [filtrando el ruido, luego identificando + analizando tweets con la mayor interacción, o mediante hashtag (s) específicos]
• Produzca información del contenido, para contenido / marketing social, para saber qué temas son de mayor interés para orientar la creación de contenido relacionado y relevante

NodeXL Pro (el complemento Network Discovery Discovery and Exploration para la conocida hoja de cálculo de Microsoft Office Excel ™) de la Social Media Research Foundation puede analizar sistemáticamente las redes sociales para revelar información procesable. En esta guía usaremos NodeXL Pro para mapear temas en Twitter, incluidas las discusiones sobre una marca, producto y problema.

NodeXL se puede utilizar para explorar tres mapas distintos de red de medios sociales que utilizan diferentes perspectivas de datos para obtener una variedad de valiosos conocimientos:

Red ego	Red de marca	Red de comunidades
Creado de tweets publicados por la cuenta de la marca.	Basado en todas las menciones de la marca en los tweets actuales.	Basado en los tweets actuales conteniendo el nombre de la cuenta de la marca.

Perspectivas de datos de red de Twitter

Tipo de red	Datos recolectados	Información de la red	Información de contenido
Ego red 1.0 grado	Tweets publciados en el cuenta de la marca o datos de seguidor	Usuarios altamente conectados por el pondedaro del enlace	Actividad de Tweet, estrategia de contenido, campañas de hashtag
Ego red 2.0 grado	Tweets publicados por usuarios/amigos altamente conectados	Posición en la red, densidad, influenciadores y agrupamientos	Tópicos relacionados, hashtags, URLs
Red de industria	Tweets publicados por una lista seleccionada de competidores	Métricas relacioandas con el análisis de redes ego	Tópicos relacionados con la industria, items mas mencionados
Red de comunidades	Tweets actuales conteniendo el nombre de la cuenta de la marca	Agrupamientos, influenciadores, spammers/bots	Sentimiento, top items, topicos relacionados
Red de marca	Tweets actuales mencionando el nombre de la marca	Agrupamientos, influenciadores, spammers/bots	Sentimiento, top items, topicos relacionados
Red discursiva	Tweets actuales acerca del tópico	Agrupamientos, influenciadores, spammers/bots	Sentimiento, top items, topicos relacionados

Egored

(NodeXL>Data>Import > From Twitter Users network)



Acerca de: explore una red basada en el material publicado por la cuenta de marca oficial con el importador de la "red de usuarios de Twitter". Los últimos 3.200 tweets (incluidos los retweets y las respuestas) están disponibles en la API pública de Twitter, que es suficiente para revelar contenido reciente y estrategias de red.

Información de la red: ¿Cuáles son las cuentas de usuario más importantes mencionadas en los tweets, retweets y respuestas de la cuenta de marca? ¿Qué tan fuertes son las conexiones hacia esos usuarios?

Información del contenido: ¿Cuáles son los hashtags, URL, palabras y pares de palabras más utilizados? ¿Cuál es el patrón de tiempo de los tweets? ¿Cuántos retweets y me gusta se ganaron?

Red comunitaria

(NodeXL>Data>Import > From Twitter Search network: e.g. @Tesla)



Acerca de: explore los tweets actuales y las conversaciones de los usuarios de Twitter que hablan directamente con la cuenta de marca con el importador de la "red de búsqueda de Twitter". Cada análisis de red es una instantánea única e histórica de las discusiones con la cuenta de marca. Los datos pueden contar historias interesantes sobre la marca, las campañas de marketing o la satisfacción del cliente.

Información de la red: ¿Qué usuarios de Twitter desempeñan un papel importante en las interacciones con la cuenta de marca? ¿Los grupos de usuarios forman grupos alrededor de ciertos temas o hashtags? ¿Cómo se ven estos clusters?

Información del contenido: ¿Cuáles son los hashtags, URL, palabras y pares de palabras más utilizados en toda la red y dentro de los clústeres detectados? ¿Cuál es el sentimiento?

Red de marca

(NodeXL>Data>Import > From Twitter Search network: e.g. Tesla)

Acerca de: explorar quién está hablando actualmente sobre la marca. Esta recopilación de datos amplía la red de la comunidad y mostrará la gama completa de menciones de la marca.

Información de la red: ¿Qué cuentas de usuario juegan un papel importante en las conversaciones sobre la cuenta de marca? ¿Los grupos de usuarios forman clusters? ¿Cómo se ven estos clusters?

Información del contenido: ¿Cuáles son los hashtags, URL, palabras y pares de palabras más utilizados en toda la red y dentro de los clústeres detectados? ¿Sentimiento? ¿Patrón de tiempo?

¿Qué hay en un libro de trabajo NodeXL Pro?

Una red social completa y un análisis de contenido pueden contener hasta 14 hojas de trabajo que se crean durante el proceso de análisis automatizado.



Los enlaces, vértices y hojas de trabajo del grupo están entrelazados entre sí y también con el panel de grafo.

Cada libro de trabajo contiene información importante sobre una faceta o dimensión de una red:

• La hoja de trabajo Edges muestra las conexiones entre usuarios de Twitter en base a tweets, menciones y respuestas. Además de los contenidos de los tweets, esta hoja de trabajo también proporciona metadatos como la cantidad de retweets, me gusta, fecha de tweet, idioma y dispositivo de origen. Además, se han creado columnas que muestran los resultados del análisis de sentimiento.
• La hoja de trabajo Vertices proporciona detalles sobre cada usuario mencionado en la hoja de trabajo de enlaces y se puede ordenar por varias métricas de red para llevar las cuentas más influyentes a la parte superior de la tabla. Twitter también proporciona métricas como Seguido, Seguidores, Tweets, Favoritos, Descripción, Ubicación, Sitio web y Fecha de incorporación en Twitter, que pueden ser útiles para un análisis posterior. Además, los conteos de sentimiento de la hoja de trabajo de enlaces se resumen para cada usuario.
• La hoja de trabajo de Groups contiene detalles sobre cada grupo o clúster en la red, como el número de usuarios y enlaces en un grupo, la densidad de la red del grupo, los elementos de contenido superior y la opinión del grupo.
• La hoja de trabajo de Overall metrics informa las medidas de resumen que definen las dimensiones principales de una red, como la cantidad de usuarios y las conexiones entre ellos.
• La hoja de trabajo Twitter Search Network Top Items contiene un resumen formateado del análisis de contenido que muestra las URL, los hashtags, las palabras, los pares de palabras y los usuarios que se mencionan con más frecuencia en cada grupo y la red en general.
• La hoja de trabajo Time Series contiene un gráfico que informa la actividad de tweets en la red durante minutos, horas, días o meses al analizar la columna de fecha de Tweet en la hoja de trabajo de enlaces.

Estudio de caso: Tesla

Todos los datos relacionados con este análisis se pueden encontrar en la Galería de grafos NodeXL en #nxltsl

Explore la egored

Con el importador de la red de usuarios de Twitter, exploraremos la red del ego de la cuenta de marca de Tesla en Twitter. Eso significa recopilar y analizar los tweets anteriores publicados por la cuenta de marca en sí.

La estructura de red out-hub-spoke resultante muestra todos los usuarios de Twitter conectados a través de tweets por la cuenta de marca Tesla.

Cómo crear un análisis de red de ego:

• Paso 1: abre NodeXL Pro. 
• Paso 2: descargue e importe este archivo de opciones de NodeXL Pro para utilizarlo en la automatización (¿cómo automatizar?) 
• Paso 3: Abra el importador de datos de la red de usuarios de Twitter: Import > From Twitter users network
• Paso 4: ingrese el controlador de Twitter que prefiera y seleccione las opciones como se muestra en la imagen.

• Paso 5: haz clic en Aceptar y espera a que termine la automatización. El libro resultante de NodeXL Pro se ve así:

Puede encontrar un resumen del informe y el archivo NodeXL Pro completo:

https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=141201

Antes de profundizar en los datos, es útil echar un vistazo a la hoja de cálculo de análisis de series de tiempo que muestra la actividad de tweets de la cuenta de marca:

Puede ver que los últimos 3.200 tweets se remontan a febrero de 2014: un cambio importante en la actividad de tweets puede observarse después de agosto de 2014. Y también la producción anual ha disminuido de un año a otro: de 541 tweets por año en 2015 a 174 en 2017.

Información de la red:

En los últimos 3.200 tweets, Tesla se ha conectado a 1.913 (= columna fuera de término en la hoja de cálculo de vértices) de otras cuentas de Twitter, lo que arroja una proporción de 0,60 usuarios conectados por tweet, este valor es 0,44 si solo se consideran los 500 tweets anteriores. Este valor se considera promedio en comparación con otras marcas, p. Toyota (0.88), Ford (0.78), Nissan (0.42), Volkswagen (0.01).

La columna de ponderación de enlace en la hoja de cálculo de enlaces muestra la clasificación de la red de los usuarios principales de Twitter conectados. Este ranking no es sorprendentemente dirigido por Elon Musk, seguido por otras cuentas de Tesla y cuentas relacionadas con la industria:




Estos usuarios conectados principales se consideran nodos importantes de la red circundante de la cuenta de marca.

Análisis de red extendido: la red circundante

Para obtener una visión más profunda de las redes que rodean una cuenta de marca, agregue los principales usuarios conectados al importador de la "Twitter Users Network". De esta forma podemos averiguar en qué medida se hace referencia a la marca por sus propias cuentas en red.

Asegúrese de limitar la cantidad de tweets que se recopilarán, más tiempo obtendrá su lista. Terminar con 10k tweets en general es siempre una buena medida para el manejo de datos. Puede usar el mismo archivo de opciones que antes.

Visite esta página para ver las 23 cuentas principales conectadas por Tesla: https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=141965

Información del contenido:

Todos los tweets y las estadísticas de tweets están disponibles en la hoja de cálculo de enlaces. P.ej. al ordenar los enlaces por conteo de retweets de columnas y conteo favorito, podemos identificar los tweets más o menos populares:

Tweet más favorito del 16 de noviembre de 2017: la mayoría de los tweets retuiteados a partir del 25 de abril de 2015:

Going into plaid pic.twitter.com/OUU9s7CUwI

— Tesla (@Tesla) 17 de noviembre de 2017

A new Model S coast-to-coast record of 58 hours, 55 min. Who’s next? http://t.co/2PqFDVfpOd pic.twitter.com/JvO8Nk1Gw4

— Tesla (@Tesla) 25 de abril de 2015

Varias clasificaciones de contenido están disponibles en la hoja de cálculo Elementos principales de la red, como hashtags incrustados superiores, URL, palabras y pares de palabras. Aquí está el ranking de hashtags usados con mayor frecuencia que reflejan las principales campañas de marketing de la compañía durante los últimos años:

Principales Hashtags in eweet en el grafo entero:

[60] goelectric
[32] modelx
[23] model3
[20] tesla
[14] drivefree
[12] meetmodelx
[10] wallpaperwednesday
[9] teslacharging
[7] supercharger100
[6] earthday

Análisis de red extendido: análisis de principales hashtag

Utilice el importador de "Twitter Search Network" para explorar las conversaciones actuales sobre estos hashtags principales. Aquí hay un análisis completo de la red NodeXL Pro en el hashtag # model3: https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=140941

Explore la red de la comunidad

La red comunitaria actual de una marca se explora con el importador de "Red de búsqueda de Twitter" al ingresar el nombre de la cuenta de marca (incluido el @) en la barra de búsqueda del importador.

Con una cuenta de marca popular en el centro de este análisis, los mapas de red resultantes suelen estar dominados por la estructura de red en el centro y el radio ya que las marcas no hablan mucho, pero al mismo tiempo se les habla mucho.

Cómo crear un análisis de red comunitaria:

Paso 1: descargue e importe este archivo de opciones de NodeXL Pro para utilizarlo en la automatización (¿cómo automatizar?)

Paso 2: abra el importador de datos de la red de búsqueda de Twitter: Import > From Twitter Search network

Paso 3: ingrese @Tesla en la barra de búsqueda y seleccione las opciones como se muestra en la imagen.




Paso 4: haz clic en Aceptar y espera a que se complete la automatización. El libro de trabajo NodeXL Pro resultante puede verse así y ahora está listo para una mayor exploración:



Puede echar un vistazo al informe y descargar el archivo de datos aquí: https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=141668

Información del contenido

El mapa de red creado arriba muestra la visualización de 9,481 tweets recogidos el 8 de febrero de 2018, dos días después del lanzamiento del SpaceX Falcon Heavy que llevaba un Tesla Roadster perteneciente al fundador de SpaceX, Elon Musk. La hoja de trabajo de los elementos principales de Twitter revela el impacto abrumador de este evento en este conjunto de datos cuando se buscan las palabras principales, los pares de palabras y los hashtags. Aquí están los hashtags principales en todo el grafo y dentro de los cuatro grupos principales:

Top Hashtags in Tweet in Entire Graph	Entire Graph Count	Top Hashtags in Tweet in G1	G1 Count	Top Hashtags in Tweet in G2	G2 Count	Top Hashtags in Tweet in G3	G3 Count	Top Hashtags in Tweet in G4	G4 Count
roadster	974	roadster	884	falconheavy	322	falconheavy	179	starman	9
falconheavy	867	falconheavy	299	spacex	192	spacex	128	spacex	6
spacex	467	space	148	falconheavylaunch	100	tesla	93	mars	5
tesla	263	crypto	140	starman	72	teslaroadster	88	roadster	4
starman	255	spacex	97	tesla	58	starman	57	falconheavy	4
space	214	starman	59	teslaroadster	40	roadster	45	tesla	3
teslaroadster	152	tesla	57	mars	40	teslainspace	33	usaf	3
crypto	143	mars	38	dontpanic	36	model3	24	falconheavycargo	2
falconheavylaunch	126	model3	31	elonmusk	29	space	23	aimhigh	2
model3	117	teslaroadster	17	roadster	28	elonmusk	22	space	2

Información de la red

Grandes grupos de usuarios de Twitter se reúnen en torno a cuatro cuentas centrales de Twitter en esta red: @Tesla (G1), @elonmusk (G2) y @spacex (G3). El Grupo 4 está formado alrededor de un tweet por el Comando Espacial de la Fuerza Aérea Twitter @afspace. Estas cuentas se identifican como las más influyentes al ordenar la hoja de cálculo de vértices por Betweenness Centrality (columna U).

Puede desplazarse hacia abajo para ver la lista completa de usuarios en esta red o desplazarse hacia la derecha para buscar más información sobre cada usuario, como descripción, sitio web, zona horaria, cantidad de tweets, cuentas de seguidores, etc.




Tenga en cuenta que una centralidad de intersección alta no significa automáticamente influencia en la red. Un Out-Degree alto emparejado con un In-Degree bajo puede ser un indicador para bots (re) tweet y por lo tanto no requieren mucha atención.

Puede eliminar estas cuentas de su análisis haciendo clic en Show/Hide > Workbook columns > Visual properties y pegando Skip en la columna Visibility (H). Actualice la ventana del grafo después de eso, o vuelva a ejecutar un análisis completo para ver si la forma de la red cambia después de filtrar el ruido de datos.

Análisis extendido: una serie de análisis de red

Las redes creadas con Twitter Search Network son altamente dinámicas, por eso las actualizaciones periódicas son necesarias, p. identifique líderes de opinión, grupos emergentes de usuarios sobre ciertos temas o monitoree los puntajes de opinión. A continuación, presentamos una serie de informes de NodeXL que contarán diferentes historias:

@Tesla Twitter Community Network 2018-04-30

https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=150028

Palabras positivas: 7.07%
Palabras negativas: 0.85%

El clúster @elonmusk (G1) supera al clúster @Tesla en este mapa y muestra una vez más el enorme impacto de Musk en la marca Tesla.

@Tesla Twitter Community Network 2018-05-07

https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=150922

Palabras positivas: 3.09%
Palabras negativas: 1.91%

Esta instantánea de discusión se tomó unos días después de la cambiante entrevista de Elon Musk sobre el informe financiero del primer trimestre ...

@Tesla Twitter Community Network 2018-05-23

https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=152874

Palabras positivas: 1.56%
Palabras negativas: 1.08%

Este análisis de red se creó dos días después de que Consumer Reports revelara preocupaciones de seguridad sobre el sistema de frenado de Tesla.

@Tesla Twitter Community Network 2018-06-01

https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=153997

Palabras positivas: 3.15%
Palabras negativas: 2.24%

Crear un análisis de red de marca

Al eliminar el @ de la consulta de búsqueda, los resultados de la búsqueda se ampliarán. Encontrará un poco de ruido de fondo en los datos ya que también hay menciones y conversaciones sobre Nikola Tesla. Sin embargo, hay muchas historias de autos de Tesla que se pueden encontrar.

Para crear un análisis de red de marca, siga todos los pasos del análisis de la red de comunicación y el mapa resultante de la red NodeXL Pro tendrá el siguiente aspecto:

Información de la red

La estructura de red dominante de este tipo de análisis es la "Red de marca". El grupo más grande de usuarios son los aislados que se encuentran en G1. El tamaño de este grupo y un gran número de pequeños grupos aislados es una buena medida para el conocimiento de la marca y el alcance de la marca.

El mapa de la red también muestra el alcance global de Tesla, ya que puede ver clusters de idiomas regionales que se pueden explorar más. Aquí hay una descripción general creada a partir de la columna de enlace AG (Idioma):

Análisis extendido: más análisis de red

Otra serie de análisis de Tesla que hemos creado con el importador de la red NodeXL Pro Search:
Tesla Twitter Brand Network 2018-03-26
https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=146166
Palabras positivas: 3.83%
Palabras negativas: 1.41%
El grupo más grande (G1) en esta red se centra en crypto marketplace @vestarin y su anuncio de asociarse con Tesla.


 
Tesla Twitter Brand Network 2018-05-24
https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=152963
Palabras positivas: 2.60%
Palabras negativas: 2.93%
Este análisis de red se creó tres días después de que Consumer Reports revelara preocupaciones de seguridad sobre el sistema de frenado de Tesla .


.
Tesla Twitter Brand Network 2018-06-01
https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=155439
Palabras positivas: 3.12%
Palabras negativas: 1.72%

Crear un análisis de red de la competencia

Hay diferentes formas de recopilar datos comparativos de red. Obviamente, puede comenzar desde el principio y realizar todos los análisis previos en cualquier marca de su elección. Aquí hay un análisis de red que abarca los tweets en torno al vehículo más popular en el mercado estadounidense: el Nissan Leaf:


https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=151748

Otro enfoque es crear una lista de cuentas de marca y utilizar el importador de la "red de usuarios de Twitter" para recolectar datos de la red. Aquí puede descargar un análisis completo de la red NodeXL Pro con datos comparativos de las 52 principales marcas de automóviles:



Una vista alternativa de los mismos datos:



https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=143291

Aquí se puede encontrar una vista más enfocada con solo cuatro competidores directos en el mercado de vehículos eléctricos: @Tesla @NissanElectric, @RenaultZE y @ ChevyElectric:



https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=155520

Un enfoque diferente para comparar marcas es poner varios nombres de cuenta de la competencia en una consulta del importador de la "red de búsqueda de Twitter": @NissanElectric OR @RenaultZE OR @ ChevyElectric OR @Tesla:


https://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=155525

También puede comparar las conversaciones en torno a los hashtags superiores de los vehículos eléctricos más populares: # model3 OR #nissanleaf O # MissionE: