martes, 13 de febrero de 2018

Facebook es un campo de estudio de la conducta humana

Facebook: un telescopio de la conducta humana

El líder de los intentos de la red social por explotar su enorme cantidad de datos afirma que este esfuerzo puede ayudar a explicar el comportamiento de las personas.

por Tom Simonite | traducido por Francisco Reyes (Opinno)
MIT Technology Review




Facebook podría definirse como el conjunto de datos más extenso jamás creado sobre el comportamiento social humano. Cada mes más de 845 millones de personas registran y comparten en línea trazos de su vida cotidiana, relaciones y actividades a través de sus conexiones de amigos, mensajes, fotos, clics y registros en lugares. La riqueza de esa información en cierto modo explica por qué la empresa espera alcanzar un valor de más de 80.000 millones de dólares (60.000 millones de euros) cuando salga al mercado de valores a finales de este año.

Un grupo de investigación dentro de Facebook, conocido como el Equipo de Datos (Data Team), tiene el reto de filtrar matemáticamente la información para buscar patrones que expliquen el cómo y el por qué de las interacciones sociales humanas. La gente dedicada a ello, en su mayoría doctores con experiencia investigadora en ciencias informáticas y sociales, buscan ideas que ayuden a Facebook a mejorar sus productos, pero también han comenzado a publicar sus hallazgos en la comunidad científica.

El líder del Equipo de Datos, Cameron Marlow, compara lo que hacen con la construcción de un telescopio, y señala que las técnicas que desarrollan transformarán el conocimiento científico del comportamiento humano de la misma manera que la astronomía ha transformado nuestra comprensión del cosmos. Technology Review se reunió con Marlow en las oficinas de Facebook para saber qué es lo que puede revelar la ciencia de datos de la compañía.

TR: ¿Por qué necesita Facebook un equipo de investigadores con formación académica como el suyo?

Marlow: Llevamos a cabo investigaciones científicas para responder a las preguntas más apremiantes sobre los productos. ¿Qué valor le da la gente a Facebook? ¿Qué motiva las interacciones? ¿Cómo cambian con el tiempo? La ciencia de Facebook es la ciencia de la interacción social, por lo que nuestro trabajo se centra en cuestiones fundamentales sobre la dinámica humana, tales como la influencia personal, la fuerza de los vínculos, la difusión de la información y el apoyo social.

Facebook ha replanteado el modo en que la investigación es capaz de tener un mayor impacto en un entorno industrial, utilizándola para ayudar a tomar decisiones y hacer evolucionar nuestros productos. Laboratorios de investigación tradicionales, como el Bell Labs o el Xerox Park, han demostrado que la investigación empresarial puede tener un profundo impacto en la cultura y la tecnología y desarrollar invenciones innumerables.

¿Por qué una parte de su investigación es esencialmente académica, y se publica para que otros puedan usarla?

Seguimos la filosofía de la empresa, centrada en la apertura de nuestra comunicación con el resto del mundo académico. Nuestra investigación académica nos proporciona la oportunidad de hacer que algunas de las personas más inteligentes se dediquen a investigar las cuestiones a las que nos enfrentamos, diferentes a las que los investigadores han tenido que responder con anterioridad.

El mundo de las ciencias sociales se está transformando gracias al aumento de la escala, la fragmentación y a la precisión de los datos sociales y de comportamiento que están disponibles en línea. Creemos que las futuras generaciones de académicos se adaptarán a este nuevo flujo de datos y nos gustaría ser parte del desarrollo de esta nueva ciencia.

La nueva Línea de Tiempo de Facebook y las aplicaciones que se conectan con ella parecen animar a la gente a proporcionar datos aún más detallados.

Uno de los retos a la hora de entender a las personas es el horizonte de eventos de Facebook. Tenemos un compromiso relativamente profundo con las personas que se inició con la creación de Facebook en 2004, pero no hay nada con anterioridad a esa fecha. La Línea de Tiempo nos traslada a un mundo en el que sabemos más acerca de los acontecimientos importantes que ocurrieron en la vida de las personas, independientemente de cuándo se produjeron. Por ejemplo, puedes ver en mi Línea de Tiempo que he estudiado en el extranjero, en Japón, durante la época del instituto en la década de los 90, algo que no podía expresar antes. Esto nos permite estudiar fenómenos a través del tiempo. Por ejemplo, la cantidad de estudiantes que viajan al extranjero y si esta tasa ha cambiado con los diferentes periodos de gobierno.

¿La forma en que se comportan las personas en Facebook tiene alguna relación con el comportamiento social en el mundo real?

Cada vez que se crea un nuevo medio de comunicación, existe un debate acerca de si destruye la amistad o la sociedad en general. Facebook ha trabajado para crear una red que modela estrechamente esas relaciones del mundo real. De hecho, un reciente estudio de Pew sobre Internet y la vida de los usuarios de Facebook en Estados Unidos reveló que más del 93 por ciento de sus amigos de Facebook son personas a las que habían conocido previamente fuera de Internet. Al mismo tiempo, a medida que Facebook se convierte en una parte más integral de la comunicación de la gente, se hace difícil separar lo que significa "el comportamiento social en el mundo real" independientemente de Facebook.

¿Puedes darme un ejemplo de un hallazgo 'científico' reciente hecho por tu equipo?

Un estudio que acabamos de publicar en Proceedings of the National Academy of Sciences proporciona una nueva visión sobre el modo en que la gente adopta productos y se relaciona con ellos. Las teorías predominantes sobre este proceso sugerían que lo que influye a una persona para adoptar tecnologías es el número o porcentaje de amigos que ya han adoptado la misma tecnología, junto con el umbral de una persona para la adopción de dichas tecnologías. Nuestro estudio muestra que no se trata tanto sobre el número de amigos que estén utilizando la tecnología, sino más bien de su diversidad. Hemos descubierto que las personas son mucho más propensas a unirse a Facebook y participar activamente cuando amigos de diferentes entornos de su vida ya se han unido y están activos.

¿Trabajas en la comprensión del modo en que las personas se relacionan con los anuncios de Facebook?

Parte del trabajo en el que estamos interesados ​​consiste en entender cómo tus amigos influyen en tus decisiones de comprometerte con la publicidad y con las marcas. Por un lado, elegimos a nuestros amigos sobre la base de intereses similares, y por lo tanto es probable que tengamos gustos parecidos. Al mismo tiempo, ver los intereses de nuestros amigos junto con publicidad en Facebook puede influir en nuestra decisión de hacer algo. Una cuestión importante en este ámbito es si nuestra similitud con los amigos o las acciones de dichos amigos es la responsable de la interacción con el anuncio, y estamos estudiándolo.

domingo, 11 de febrero de 2018

Usando ARS para búsquedas de estructura en textos

Usando métodos de búsqueda eficientes para la estructuración del contenido





Esta charla fue preparada para la presentación de un libro en Motto Art Bookstore en Berlín. El libro, Way to Russia Guidance, es una guía de viajes a Rusia realizada por Nodus Labs en colaboración con el recurso en línea más popular sobre Rusia waytorussia.net, que utiliza polysingularity como metodología para estructurar el contenido del libro.

Nodus Lab


El problema de la búsqueda y la recuperación de contenido

Considere que estás buscando algo en un libro. ¿Cuáles son las diferentes estrategias que podrías usar?

Una opción sería leerlo desde el principio hasta el final, pero eso llevaría mucho tiempo y no es el método más eficiente. Usar una computadora ayudaría, pero básicamente hace lo mismo y solo funciona porque puede realizar millones de operaciones por segundo. Preguntar a alguien que sabe es otra opción, pero es posible que no estén disponibles o que quizás no lo recuerden.

Otra tarea más complicada es obtener una visión general rápida del contenido del libro.
Es comparable a la primera tarea, excepto que no sabes lo que estás buscando.

De hecho, este es un problema muy serio, especialmente en los momentos de sobrecarga de información.

Entonces, ¿cómo podría resolverse de la manera más eficiente?


Inspiración # 1: Estrategias de búsqueda de ADN

Cada célula de nuestro cuerpo se enfrenta al mismo problema. Cualquier proceso que implique leer información genética tiene que leer primero esa información de la molécula de ADN larga. Las proteínas de unión podrían simplemente deslizarse a lo largo de la longitud completa del ADN, pero tomaría mucho tiempo y no sería eficiente (también podrían encontrar obstáculos).

La forma en que la evolución resolvió este problema es una búsqueda 1D / 3D (Marcovitz & Levy 2013).



Para encontrar el lugar correcto para unirse a lo largo de la molécula de ADN, una proteína se desliza a través de su longitud por un período de tiempo (esto se denomina búsqueda 1D). Luego, ya sea a intervalos o porque encuentra un obstáculo, realiza un "salto" de un lugar de la molécula a otro (esto se denomina búsqueda 3D).

La combinación de deslizamiento y saltos produce una estrategia de búsqueda muy eficiente donde la proteína se une rápidamente a las partes de la molécula que está buscando.

Inspiración # 2: narrativas adivinatorias

Otro ejemplo proviene de un área, que es diferente, pero todavía está relacionada con el estudio de la vida.

Las narrativas de la Divinidad, como el Tarot y el I Ching, se han usado durante mucho tiempo para proporcionar orientación y ayudar a encontrar la información correcta para actuar.

Tanto el Tarot como el I Ching están estructurados de forma modular. Hay 22 cartas (arcanos mayores) en el Tarot, cada una de las cuales representa un concepto y cuenta una historia (lea nuestro estudio sobre la estructura de la red del Tarot para obtener más información). I Ching tiene 64 hexagramas, cada hexagrama también representa un cierto concepto o una historia.

La lectura divinacional avanza a través de una serie de iteraciones aleatorias donde el lector elige uno o varios puntos de partida para leer. Las cartas (o hexagramas) luego conducen a las otras cartas (o hexagramas), por lo que al final el lector obtiene una muy buena visión general de todo el contenido sin tener que leer todo el libro.

De esta forma, tanto el Tarot como el I Ching son estructuras narrativas muy eficientes en el sentido de que le permiten al lector obtener la esencia del contenido en solo una fracción del tiempo que llevaría revisarlo todo.

Las conexiones entre los elementos no son aleatorias. De hecho, hay una estructura muy precisa en juego, que permite al lector obtener la representación más completa de las diferentes partes de la narración.

Por ejemplo, cada carta en Tarot está conectada a la carta antes y después (simplemente por orden cronológico). Es como abrir una página al azar en un libro y leer un poco antes y después para obtener el contexto correcto.
Luego, hay dos ciclos en arcanos mayores del Tarot, un ciclo procede de la tarjeta n. ° 1 a la n. ° 10, el otro ciclo procede de la n. ° 11 a la n. ° 20. Cada tarjeta en el primer ciclo se conecta a la tarjeta en el ciclo paralelo "paralelo". Este ciclo paralelo es simplemente una línea argumental paralela que comienza en el medio del "libro" del Tarot y pasa por un desarrollo similar a la primera línea argumental, pero con algunas alternancias. Una historia que es más madura, en cierto sentido. Por ejemplo, una tarjeta n. ° 2 está conectada a la tarjeta n. ° 12, n. ° 5 a n. ° 15, y así sucesivamente.
Finalmente, el último enlace es desde el comienzo del primer ciclo hasta el final del ciclo alternativo. Es como abrir un libro de 22 páginas en la página 3 y también leer la página 19, para que pueda hacerse una idea sobre el comienzo y el final de la historia.

Si todas las conexiones que existen entre las diferentes tarjetas se representan como una red, obtendremos una estructura que se ve así:

Conexiones entre cartas del Tarot


Curiosamente, tiene forma de hélice, una estructura que a menudo se encuentra en la biología.

Como podemos ver, este tipo de estructura de red es un mecanismo eficiente para estructurar la narrativa en el sentido de que si comienzas a "leer" esa estructura desde cualquier punto del gráfico, cubrirás toda la forma con solo unos pocos movimientos a lo largo de los vértices .

De esta manera, la estructura de la narrativa del Tarot logra el mismo objetivo que la búsqueda de ADN 1D / 3D: combina los movimientos a lo largo de la línea (cronología) con saltos en 3D a través de la estructura para obtener una visión más completa de una manera más eficiente.

Aún más interesante, este tipo de estructura de hélice se relaciona con la forma en que los cromosomas humanos están conectados entre sí. Si representamos 22 cromosomas como un gráfico (omitimos el 23 porque es un interruptor X / Y masculino / femenino) sus interacciones son muy similares a la hélice del Tarot, que es otra evidencia visual de que este tipo de estructura puede ser muy eficiente para la recuperación de información. (Ver el trabajo de Lieberman-Aiden para los antecedentes científicos detrás de este enfoque)

Análisis de la red de conexiones cromosómicas basado en el método hi-c


De la teoría a la práctica: construcción de la narrativa de un libro

Decidimos aplicar las dos metodologías anteriores para una tarea práctica de estructurar el contenido de un libro.

El tema seleccionado fue la guía de viaje porque ya implica algún tipo de eficiencia en la estructuración y también porque la gente suele leer la guía de viaje de forma rizomática.

En aras de la simplicidad, nos referimos a los métodos anteriores (búsqueda 1D / 3D y estructura narrativa similar a hélice) como Polysingularity. La razón es que ambos métodos combinan movimientos locales dentro de un determinado grupo (página) con saltos de largo recorrido a través de los grupos (de una página a otra). Entonces, si tuviéramos que representar el contenido de un libro como una red, donde los distintos temas son los nodos y sus conexiones son las relaciones entre ellos, obtendríamos una estructura que parece una combinación de singularidades que son lo suficientemente distintas pero que están conectados el uno con el otro.



Siguiendo esta metodología para la estructuración del libro, identificamos varios temas y las relaciones entre ellos.

Por ejemplo, como la guía de viaje es para Rusia, una página trata del Sputnik (el famoso satélite ruso) y la siguiente página sobre el arma Kalashnikov (otro tipo de tecnología militar rusa conocida). Sin embargo, la página del Sputnik también enlaza con el museo de Cosmonáutica en Moscú pero también con un hermoso lago en las montañas Altay donde las partes de los cohetes de la estación de lanzamiento espacial Baikonur caen para producir efectos de iluminación sorprendentes y contaminar la naturaleza circundante.



Una página con consejos de seguridad para los viajeros les aconseja disipar cualquier tensión que pueda surgir durante su viaje a Rusia a través de la disipación, lo que se puede lograr utilizando prácticas físicas (como Systema), pero también, si salen a bailar a música techno o para disparar en el campo de tiro en Moscú. Por lo tanto, la narrativa original se ramifica en muchas direcciones diferentes y permite al lector obtener una gama completa de experiencias contrastantes.



Este tipo de estructura es similar a la estructura de enlace de los documentos de Internet, excepto que conscientemente intenta enfocarse no solo en el contenido que es similar y relacionado, sino también en el contenido que puede estar en el lado opuesto del espectro, enriqueciendo así la experiencia de los viajeros y también proporcionar una especie de narrativa meta-guía a través de la guía en sí.

Referencias

Marcovitz & Levy (2013). Obstacles May Facilitate and Direct DNA Search by Proteins. Biophysics Journal
Lieberman-Aiden et al (2010). Comprehensive mapping of long range interactions reveals folding principles of the human genome. Science Magazine.

miércoles, 7 de febrero de 2018

Detectando cascadas en Facebook

Detectando cascadas de gran tamaño para compartir en redes sociales

International Conference on World Wide Web
Por: Karthik Subbian, B. Aditya Prakash, Lada Adamic
Facebook Research


Resumen

La detección de grandes cascadas de compartición es un problema importante en las redes sociales en línea. Hay una variedad de intentos para modelar este problema, desde el uso de métodos de análisis de series de tiempo hasta procesos estocásticos. La mayoría de estos enfoques dependen en gran medida de las características de la red subyacente y utilizan la información de la red para detectar la viralidad de las cascadas. En la mayoría de los casos, sin embargo, obtener información de red tan detallada puede ser difícil o incluso imposible.

Por el contrario, en este trabajo, proponemos SansNet, un enfoque de red independiente. Nuestro método se puede utilizar para responder dos preguntas importantes: (1) ¿Será una cascada viral? y (2) ¿Qué tan temprano podemos predecirlo? Usamos técnicas del análisis de supervivencia para construir un clasificador supervisado en el espacio de probabilidades de supervivencia y mostramos que el límite de decisión óptimo es una función de supervivencia. Una característica notable de nuestro enfoque es que no utiliza ninguna función basada en la red para las tareas de predicción, por lo que es muy barato de implementar. Finalmente, evaluamos nuestro enfoque en varios conjuntos de datos de la vida real, incluidas redes sociales populares como Facebook y Twitter, sobre métricas como recuperación, medición F y cobertura de apertura. Encontramos que el clasificador SansNet agnóstico de red supera a varios competidores no triviales y líneas base que utilizan información de red.



lunes, 5 de febrero de 2018

Análisis de perfiles de contenido de una conferencia usando ARS

Perfiles de contenido de discusiones de una conferencia usando el análisis de red de texto




Nodus Lab

Cualquier conferencia consiste en conversaciones múltiples. A veces es difícil hacer un seguimiento de todos los temas tratados, ya que la mayoría de las conferencias solo ofrecen descripciones breves de cada sesión por separado. Además, la mayoría de las charlas se clasifican en hilos temáticos, pero rara vez se intenta mostrar cómo las diferentes conversaciones se relacionan entre sí, cuáles son los temas más destacados que las unifican a todas, cuáles son las diferencias entre ellas.

El análisis de red de texto puede ser muy útil para resolver estos problemas.
Ofrece una forma de mostrar las palabras clave más importantes de cada sesión al enfatizar los conceptos centrales y sus relaciones (por lo tanto, no solo las palabras clave más importantes, sino también cómo se relacionan entre sí, es decir, el contexto).
Además, también se puede usar para mostrar las relaciones entre las diferentes sesiones y charlas, demostrando cómo se relacionan entre sí.

Hicimos un estudio de caso en la Durational Conference que tuvo lugar en Berlín en junio de 2015.

1. Identificación de los temas principales de las charlas de la conferencia

Durante la conferencia, solicitamos a los participantes que escriban las palabras clave relevantes para cada charla mediante un libro electrónico colaborativo de pizarra portátil. Luego hicimos una captura de pantalla de cada resumen de conversación y lo pusimos en el software de visualización de red de texto de InfraNodus para tener una idea general de cómo se conectaban las conversaciones y cuáles eran los principales grupos temáticos percibidos por el público.

Se podría hacer un proceso similar usando canales de Twitter establecidos con un hashtag para cada conferencia o charla; esos Tweets también podrían importarse a InfraNodus para visualizar una imagen más amplia.

A los efectos del análisis de red de texto, las palabras (etiquetas, palabras clave) enviadas se representan como nodos y sus co-ocurrencias se representan como las conexiones entre ellos. Las palabras que tienden a coincidir más a menudo juntas se organizan en grupos, las palabras clave que aparecen con más frecuencia se muestran más grandes en el gráfico. Cuanto más céntricos estén los nodos, más integrados estarán en relación con el resto de la red (ver más sobre técnicas de interpretación de grafos).
Como resultado, la visualización de la red de texto de todas las conferencias habla de esta manera:



Como se puede ver en la visualización anterior, según los participantes, los principales temas tratados durante la conferencia tenían que ver con

- público
- Mecanismos de exclusión / inclusión del poder
- régimen

Estos fueron los temas que fueron los más centrales de la conferencia, lo que significa que varias sesiones trataron con ellos)

Dinero
- máscara y fama
- saturación, espacio, reflexión
- representación y memoria
- política
- exceso

Los anteriores son los temas que fueron más específicos para sesiones particulares.

También es interesante observar que la estructura del gráfico está bastante interconectada, lo que significa que la mayoría de las conversaciones se relacionaron a través de los temas principales. Sin embargo, esta estructura de gráficos también tiene grupos temáticos distintos, lo que significa que algunas charlas abordaron diferentes cuestiones que el resto, lo que hizo que la diversidad fuera más interdisciplinaria.

2. Encontrando qué conferencias habladas están relacionadas

El análisis de red de texto no solo ayuda a descubrir los temas principales de las charlas de la conferencia. También puede demostrar qué conversaciones están estrechamente relacionadas entre sí.

La naturaleza del algoritmo de diseño de gráficos alinea los nodos que están estrechamente relacionados o que están conectados a través de otros nodos cercanos entre sí. Por lo tanto, si agregamos las sesiones reales de la conferencia en el gráfico anterior, podemos ver cuáles de las sesiones estuvieron más relacionadas y, también, con qué temas se trataron esas sesiones:



Como se puede ver arriba, las dos sesiones sobre "culpabilidad" y "financiación pública" estuvieron estrechamente relacionadas (principalmente porque suscitaron pensamientos similares en la audiencia, probablemente porque sucedieron uno tras otro).

Además, las sesiones sobre "acertijos" y "régimen de arte" se conectaron a través de su interés común en los procesos de inclusión / exclusión en relación con el poder (a pesar de que trataban temas muy diferentes).

La sesión sobre "acertijos" también se conectó a la sesión sobre "oficina sin pantalla" a través de las nociones de memoria y representación.

Las sesiones sobre "cinismo" y "blancura" están en la periferia del gráfico, lo que significa que propusieron algunos temas que eran exclusivos del discurso general de esa conferencia. Un hecho interesante es que esas dos conversaciones también están conectadas a través de la noción de "exceso", lo que sugiere un punto potencialmente interesante de discusión adicional entre esos dos oradores.

La sesión sobre el "colonialismo" fue bastante central en todo el discurso, principalmente porque tocaba diferentes temas presentes en otras charlas.

La sesión sobre "conflicto" pertenece a su propio clúster y no está muy bien integrada en el resto del discurso de la conferencia.

Puede navegar a través del gráfico interactivo de la conferencia usando el widget a continuación. Al hacer clic en los nodos, se mostrarán las partes de las charlas de la conferencia que mencionan esos conceptos. Al hacer clic en los nodos de "contexto" se mostrará la visualización del gráfico de la conversación real:

3. Colaboraciones sugeridas

La visualización de la red de texto también puede mostrar qué hablantes podrían beneficiarse de la colaboración.

La estrategia más obvia sería conectar las sesiones en función de su proximidad y similitud tópica. Las sesiones sobre "culpabilidad" y "financiación pública" parecen estar muy relacionadas anteriormente. Tanto los conferenciantes como los participantes podrían encontrar interesante explorar esos dos temas juntos.

Una estrategia menos obvia sería identificar las conversaciones que tienen la centralidad de intermediación más alta: conectando los diferentes conglomerados. Por ejemplo, la charla sobre "acertijos" estuvo relacionada con las conversaciones sobre "régimen de arte" y sobre "oficina sin pantalla", pero esas dos no están relacionadas directamente. Así que potencialmente la persona que pronunció la charla sobre "acertijos" podría ser un enlace interesante para conectar el "régimen de arte" y la "oficina sin pantalla" (¿estrategia de resistencia?).

Finalmente, una estrategia menos común pero muy ingeniosa es identificar las brechas estructurales en el gráfico: las áreas entre los conglomerados que están escasamente conectados o que no están conectados en absoluto. Estos indican un alto potencial para nuevas ideas y descubrimientos (lea más en nuestro artículo sobre el uso de las brechas estructurales para generar ideas).
En el gráfico anterior, es claramente el área entre "blancura" y "cinismo". Esas dos sesiones solo están conectadas a través de la noción de exceso, pero potencialmente podrían conectarse a través de muchas más nociones, tales como profesionalismo, cinismo, contexto artístico, galerías, etc.
Otra, la sesión sobre "conflicto" no está muy bien integrada con el resto de las sesiones de la conferencia, lo que significa que hay un encuentro potencialmente interesante con cada una de ellas.

sábado, 3 de febrero de 2018

Los lazos sociales de las comunidades de inmigrantes en USA

Los lazos sociales de las comunidades inmigrantes en los Estados Unidos

WEBSCI
Por: Amaç Herdağdelen, Estado Bogdan, Lada Adamic, Winter Mason
Facebook Research




Cuando las personas se mudan a un nuevo país, un aspecto importante de su integración en el nuevo entorno son los contactos y las amistades que hacen allí. En este trabajo, estudiamos la composición de las redes sociales de Facebook de personas que se han trasladado de un país a otro. Un inmigrante puede formar amistades con nativos en su nuevo país, con compatriotas de su país de origen que también han emigrado, o con inmigrantes de otros países. A través de la estructura de los vínculos de amistad, comparamos la integración de las poblaciones inmigrantes con los locales en su país actual, con la afinidad entre los grupos de inmigrantes y con la densidad espacial de las comunidades de inmigrantes. Encontramos que las poblaciones culturalmente similares tienden a tener una mayor afinidad de co-inmigrantes cuando residen en un tercer país, y que esto a su vez se correlaciona con la facilidad con la que los inmigrantes de un país se integran socialmente en el otro.





jueves, 1 de febrero de 2018

Influencia de las redes sociales en el precio de las viviendas

Redes sociales y mercados de vivienda

Michael Bailey, Ruiqing Cao, Theresa Kuchler, Johannes Stroebel
Documento de trabajo NBER No. 22258
Emitido en mayo de 2016



Documentamos que las experiencias recientes de precios de la vivienda dentro de la red social de un individuo afectan sus percepciones sobre el atractivo de las inversiones inmobiliarias y, a través de este canal, tienen grandes efectos en su actividad en el mercado de la vivienda. Nuestros datos combinan información de redes sociales anónima de Facebook con datos de transacciones de vivienda y una encuesta. Primero mostramos que en la encuesta, las personas cuyos amigos geográficamente distantes experimentaron mayores aumentos recientes en el precio de la vivienda consideran que la propiedad local es una inversión más atractiva, con mayores efectos para las personas que regularmente discuten dichas inversiones con sus amigos. Con base en estos hallazgos, presentamos una nueva metodología para documentar los grandes efectos de las expectativas del mercado de la vivienda en las decisiones de inversión de vivienda individual y los resultados agregados del mercado de la vivienda. Nuestro enfoque explota de manera plausible la variación exógena en las experiencias recientes de precios de la vivienda de amigos geográficamente distantes de individuos como cambiantes de las expectativas del mercado de vivienda local de esos individuos. Las personas cuyos amigos experimentaron un incremento de 5 puntos porcentuales en el precio de la vivienda en los últimos 24 meses (i) tienen 3.1 puntos porcentuales más de probabilidades de pasar de alquilar a ser propietarios en un período de dos años, (ii) comprar una casa 1.7 por ciento más grande, ( iii) pagar un 3,3 por ciento más por una casa determinada, y (iv) hacer un pago inicial un 7% más grande. De manera similar, cuando los amigos de los propietarios experimentan cambios de precios de la vivienda menos positivos, es más probable que estos propietarios se vuelvan inquilinos y más propensos a vender sus propiedades a un precio menor. También encontramos que cuando las personas observan una mayor dispersión de las experiencias de precios de la vivienda entre sus amigos, esto tiene un efecto negativo en sus inversiones de vivienda. Finalmente, mostramos que estas respuestas a nivel individual se agregan para afectar los precios de la vivienda a nivel del condado y el volumen de negociación. Nuestros hallazgos sugieren que las experiencias de precios de la vivienda de amigos distantes geográficamente podrían proporcionar un instrumento válido para el crecimiento del precio de la vivienda local.