Redes de filósofos

Visualización de la Historia de la Filosofía como una red social: El problema con Hegel

publicado por adam
Design and Analytics

Introducción

Esta es la Parte I de una serie. Parte II está disponible aquí, y tiene un gráfico actualizado.

¿Qué tan importante es Hegel ?!

Me sorprendió que no había visto este gráfico a borrachos y Farolas hechas con Gephi hasta que un amigo lo publicó en facebook la semana pasada. El original está aquí, y aquí está mi versión:



Grafo Historia de la Filosofía

El uso de un roce de los datos detrás de la barra lateral de la wikipedia para los filósofos, Simon Rapier armó una fantástica visualización de las escuelas y las interconexiones entre los filósofos. Griffsgraphs siguieron ampliando el roce a toda la red de influyentes e influyeron en la wikipedia. Ambos son los estudios de humanidades interesantes en grafos y visualización --- a pesar de que el algoritmo no se le dijo que enlazan ideas comunes Hegel y Marx, se vio que eran lo suficientemente similares como para ser agrupados juntos (que se muestra al hacer ellos mismo color) , y que la manera de Hegel influyó, dicen, Husserl, era lo suficientemente diferentes como para justificar otra escuela, simplemente mediante la observación de un grupo diferente de personas los siguieron.

Esa es una agregación sólido de una gran cantidad de información humanidades. ¿Quién sabía chaqueta de tweed de Skynet tenía parches en los codos?

Sin embargo, mirando los grafos originales en D & L y Griffs, me llamó la atención que Hegel parece demasiado influyente en el dominio de los filósofos --- si alguna vez has tomado el curso de filosofía continental singular que ofrece su departamento universitario analítico local, 'sabrá lo que quiero decir, que eso simplemente no es su estatus en el campo. Aufhebung y El Fin de la Historia son grandes conceptos y eran las influencias históricas de gran alcance, pero es lo que realmente justifican siendo juzgados el único filósofo más influyente de todos los tiempos, incluso cuando la muestra también incluye los hombros de los filósofos se paró en las que pensar a través de esas ideas (es decir, la dialéctica socrática) - y el servicio post-tradiciones que le echan a un lado? Mi dinero habría sido sobre Platón, pero este grafo sugiere que, de hecho, incluso ahora, Hegel es el rey.

Así que, para explorar por qué este es el caso, me replicado este grafo basado en excelentes instrucciones de Simón. Lo escribí en un pequeño script R feo que le invitamos a tirar de ti mismo para cuidar de la copia y Excel-munging. Mi pregunta predominante aquí: lo que está causando esta influencia, y lo que se alternan las medidas de influencia autoridad espectáculo de Hegel más en línea con estos otros efectos de red?

Lo que realmente quiero hacer es directa

Mi primera suposición fue que cambiar esto de un no dirigido al grafo dirigido haría toda la diferencia. Es decir, sabiendo que de Morgan y Wittgenstein se conectan es menos informativo que saber que de Morgan influenciado Wittgenstein direccionalmente --- y nos gustaría ver que el cambio de no dirigido a dirigido significaría que De Morgan se convertiría en un nodo más grande y Wittgenstein una más pequeña . Mucho de esto, francamente, es simplemente va a reflejar el tiempo --- te será difícil influir Sócrates hoy. Mientras temporalmente injusto, refleja algo sobre el estado del mundo y podría resolver nuestro problema super-Hegel. Así que, cuando estaba a punto de hacer el cambio, anticipé que si añadimos flechas a las líneas, podríamos ver algo muy dramático, tal vez tan grande como ver a todos en sí brecha pensamiento occidental entre Platón y Aristóteles, con todos los demás sólo periférica .

¿Qué pasó cuando me encontré con él?

dirigido


No dirigido

No veo mucha diferencia, así que diría que no mucho ha cambiado. Por desgracia, lo que hace que estos cambios no causó una reducción real del problema super-Hegel.

Dos notas técnicas:

• Se dará cuenta de los colores han cambiado --- eso es sólo una reliquia de la importación de los datos establecidos por segunda vez. Siguen siendo los mismos grupos, sólo colores aleatorios.
• Para obtener el en-link y fuera vínculo positivo y negativos adecuados, necesita frase de origen y de destino como la influencia que fluye counterintuitively de influencia para influyente. Así puntos Aristóteles a Platón para demostrar la influencia de Platón a Aristóteles.

El hombre es la medida de ... Hombre?

En segundo lugar, supuse Simon utiliza por defecto medida Dirección de Protección de Gephi para el nodo de tamaño en lugar de PageRank. PageRank es el núcleo del algoritmo de google para decidir quién es importante en Internet. Es una medida recursiva que pide más o menos si las personas más importantes se refieren a usted y cuánto, que es tal vez más en línea con nuestra intuición de lo que significa "influencia". Resulta que el algoritmo Gephi utiliza para medir la Autoridad tiene un error conocido, y sólo utiliza los enlaces con destino en. A-ha, esto tenía que ser la respuesta!

(Dirigida) Autoridad
autoridad

(Dirigida) PageRank
PageRank

El cambio de autoridad para PageRank ayudó a algunos, pero no eliminó el problema super-Hegel. Aristóteles y Descartes ganó algunos puntos, al igual que unos pocos filósofos presocráticos como Demócrito y Heráclito.

Sin embargo, no dio más peso a mi Aristóteles v Platón hipótesis. Hegel sigue siendo el número 1.

Haciéndolo incluso mejor

Las conjeturas anteriormente eran fruta madura. Cualquier cosa más requeriría una inmersión profunda en los datos y una buena cantidad de tiempo. Aquí están mis pensamientos sobre cómo hacerlo mejor si estaban interesados en la refinación que se trata de un recurso mejor:

1. Datos de Ontología: Parece que hay algunos problemas con la ontología en la base de datos detrás de las escenas. Así, por ejemplo, Aristóteles aparentemente tenía tantas personas catalogadas que en lugar de lista de ellos, hay una página completa dedicada a la "Lista de escritores influenciados por Aristóteles." Ellos no se presentan de forma individual en la consulta. Fui en esta página y les agregué a mano, lo que ayudó a algunos, pero sospecho que hay problemas similares en otros lugares con otras figuras principales.
2. La fiabilidad de los datos: Varios nombres abstractos fueron catalogados como filósofos. Entre ellos se encontraban:
   Filosofía Occidental
   Filosofía
   Naturalismo (filosofía)
   Filosofía China
   Filosofía de la Ciencia
   Filosofía de la Inteligencia Artificial
   Platonismo en el Renacimiento
   Consejo de Ulema de Indonesia
   Mayo de 1968 en Francia
   Solidaridad (Sindicato de Comercio Polaco)
   Unidad de los Hermanos
   Organización Mundial del Comercio Conferencia Ministerial de la actividad de protesta 1999
   
   Si bien estas entidades transmiten influencia agregada, que están aplicados inconsistentemente, que enturbia el grafo. Una mejor munger datos que me des-aggreggate estas abajo a los filósofos influidos por o que contribuyen a ellos. Esto puede ser posible con algo tan simple como la mejora de la consulta para devolver sólo los individuos, o tal vez un chico wikipedia fijación de la ontología en la base de datos.
3. La adecuación de la muestra: Puede haber algunos problemas de muestra de sesgo wikipedistas ': Teniendo en cuenta que la muestra que se obtuvieron no se limitaba a los filósofos convencionales, me pregunto también si el nivel general de la cobertura de las voces continentales en wikipedia es simplemente superior que analítico o antiguos, sólo un sesgo existente de los intereses de los participantes. Como punto de comparación, si usted lee cualquier artículo de wikipedia sobre la disciplina de la economía, es probable que llegar a la conclusión de que "Economía Escuela Austriaca" era a la par en el campo con las escuelas neo-keynesianas o neo-clásica, aunque es un no competidor en los departamentos de economía.
   
4. La precisión de la muestra: El examen de la consulta Simon desarrolló, el conjunto está elaborando aquí no es exclusivamente filósofos. Más bien contiene las personas que han sido influenciados por los filósofos --- ya sean artistas, músicos, escritores, lo que sea. Esto explica una gran parte de la inclinación continental post-hegeliana. Curiosamente, también se detiene unos figues políticos que tenían cargos como jefes administrativos de propaganda en los ex estados soviéticos. Sí, ellos fueron influenciados por Marx (y Hegel), pero sin duda no filósofos. Si el dominio de la filosofía es o debería ser restringido exclusivamente a los profesionales que hacen filosofía académica es un argumento justo --- que no es sólo la lente del campo estoy interesado en ver salir de esta excavación actual.
   Esto no es una línea fácil de dibujar, sin embargo. Tanto Leo Strauss y Allan Bloom están en la muestra. Como son Harold Bloom y Terry Eagleton. Yo diría que los cuatro, a la derecha oa la izquierda, son algo más como "filósofos textual aplicada" que están a la filosofía lo que la ingeniería es la ciencia en el ámbito literario. Saber cuáles son sus influencias podría ser útil para la comprensión de la influencia de los filósofos, es probable que no nos dice la influencia de los filósofos de la filosofía.
   Otro problema con el dibujo de esta línea es la departamentalización de las ideas que antes eran del todo la filosofía y se convirtieron en campos de silos de opinión de los suyos. Se puede ver un grupo de filósofos políticos (de Rousseau, Burke, una gran cantidad de los EE.UU. Constitución Forjadores) con bastante claridad, así como un grupo de utilitarios que tienen como sus descendientes la economía moderna, tanto como la ética filosófica o de distribución modernos. ¿Cómo hacen los herederos de las tradiciones filosóficas encajan en la determinación de la influencia de los filósofos de la filosofía? ¿Es justo para contar campos hija de la filosofía en todos? (¿Es justo que no ?!)
5. Quizás estoy equivocado. Tal vez Hegel es el rey, después de todo.

Resumen

De todos modos, en general, hay cuestiones en la muestra, algunos claros y algunos discutible, pero los borrachos y Farolas realmente ha ganado una victoria para munging datos. Todos estos datos y las herramientas para procesarla han estado disponibles desde hace algún tiempo. Pero fue Simon encontrar este Bricoleur mezcolanza de raspar, base de datos y técnicas de visualización a la moda juntos que hizo un grafo intuitivo. Y es por eso sin duda me apoyo la afirmación de que este tipo de "habilidades de hacker" están a la par con las estadísticas tradicionales, experiencia en la materia, y habilidades de visualización en la "Ciencia de datos" (odio esta frase, pero es útil en este caso) caja de herramientas --- todos estos últimos son tan buenos como nada si no se puede modelar la información en conjunto de manera útil. Creatividad cerebro derecho y el pensamiento narrativo son la clave.

Lecturas adicionales

• Lada Adamic's blog (@University of Michigan! Tome sus clases en Coursera y aprenda com se usa Gephi!)
• Of if you're in Chicago, come check out the R User Group Meetup on October 3 organized by Paul Teetor and Charles Carpenter. Nick Switanek and Mike Siciliano show off Social Network Analysis in R. **Update-- I'll be presenting at this event. Come join!**
• Philosophical Gourmet Report de Brian Leiter, el cual usa los resumenes de evaluaciones de las facultades de Filosofía de otros departmentos para rankear los programas de filosofía, algo similar..

Relaciones digitales: ¿Conectados pero aislados?

Sherry Turkle: Conectados, pero solitarios?



0:11
Hace solo un momento mi hija Rebecca me envió un mensaje de buena suerte, que decía: "Mamá, arrasarás." Me encantó. Recibir este mensaje fue como recibir un abrazo. Ahí lo tenemos. Yo personifico la gran paradoja. Soy una mujer que adora recibir mensajes y vengo a decirles que muchos de ellos pueden ser un problema.
0:44
En realidad este mensaje de mi hija me lleva al comienzo de mi historia. En 1996, cuando di mi primera charla en TED, Rebecca tenía cinco años y estaba sentada ahí en la primera fila. Yo acababa de escribir un libro que celebraba nuestra vida en Internet y yo estaba por aparecer en la portada de la revista Wired. En esos días tan emocionantes experimentábamos con salas de chat y comunidades virtuales, explorábamos diferentes aspectos de nuestro ser y luego nos desconectábamos. Yo estaba emocionada. Y, como psicóloga, lo que más me maravillaba era la idea de que usaríamos nuestro aprendizaje en el mundo virtual sobre nosotros, sobre nuestra identidad, para vivir mejor en el mundo real.
1:38
Avancemos hasta 2012. Aquí estoy de nuevo en el escenario de TED. Mi hija tiene 20 y está en la universidad. Duerme con su celular como yo. Y acabo de escribir un nuevo libro, pero esta vez, éste no me pondrá en la portada de la revista Wired. ¿Entonces qué pasó? La tecnología me sigue emocionando, pero pienso, y vine hoy a plantear el caso, que estamos permitiendo que nos lleve por donde no queremos ir.
2:17
En los últimos 15 años, he estudiado las tecnologías de la comunicación móvil y he entrevistado a cientos y cientos de personas, jóvenes y mayores sobre sus vidas en línea. Y lo que he descubierto es que los dispositivos, que todos llevamos en el bolsillo, tienen tanta fuerza psicológica que no solo cambian lo que hacemos, sino que cambian lo que somos. Algunas de las cosas que hacemos ahora con estos dispositivos, son cosas que solo hace unos años, nos habrían parecido raras o perturbadoras, pero rápidamente nos hemos acostumbrado, por la manera en que hacemos las cosas.
2:59
Veamos algunos ejemplos rápidos: la gente envía SMS o correos durante reuniones corporativas. Envían SMS, compran y entran en Facebook en medio de clases, conferencias y en todas las reuniones. Me hablan de la nueva e importante habilidad de hacer contacto visual mientras se manda un SMS. (Risas) Me explican que es difícil, pero que es posible. Los padres mandan SMS o correos en el desayuno y la cena, mientras que sus hijos se quejan por no tener la completa atención de sus papás. Pero también estos mismos chicos se niegan mutuamente la completa atención. Esta es una foto reciente de mi hija y sus amigos juntos, pero sin estar juntos. Y chateamos hasta en los funerales. Sobre esto investigo. Nos apartamos de nuestro duelo o nuestra fantasía para meternos en nuestros teléfonos.
4:04
¿Por qué es importante? A mí me importa porque creo que nos estamos metiendo en un problema, en un verdadero problema, tanto en la manera de relacionarnos con los demás, como en la forma de relacionarnos con nosotros mismos y en nuestra capacidad de autoreflexión. Nos estamos acostumbrando a una nueva forma de estar juntos en solitario. La gente quiere estar con los demás, pero también en otros lugares; conectada a todos los sitios que quiere estar. Quieren personalizar sus vidas. Quieren entrar y salir de todos los lugares donde están porque lo que más les interesa es controlar el foco de su atención. Quieren ir a la reunión de la junta, pero solo para poner atención a las partes que les interesa. Algunos creen que eso es bueno, pero así pueden terminar escondiéndose unos de otros, aunque estén permanentemente conectados entre sí.
5:04
Un empresario de 50 años se quejaba de que siente que ya no tiene colegas en el trabajo. Cuando va a su oficina, no se detiene a hablar con nadie, no llama. Dice que no quiere interrumpir a sus colegas porque piensa, "están muy ocupados con sus correos". Pero luego se detiene para decir: "sabes, no te estoy diciendo la verdad, yo soy el que no quiere ser interrumpido; creo que sí lo desearía, pero en realidad prefiero estar con mi Blackberry."
5:35
Entre las generaciones, veo que la gente no se cansa de los demás, si, y sólo si, pueden mantener la distancia entre ellos, que puedan controlar. Lo llamo el efecto de Ricitos de Oro: ni muy cerca, ni muy lejos, solo lo justo. Pero lo que puede parecer justo para un ejecutivo de mediana edad puede ser un problema para un adolescente que necesita desarrollar relaciones cara a cara. Un adolescente de 18 años que usa mensajes para casi para todo, me decía con nostalgia: "Algún día, algún día, que ciertamente no será hoy, me gustaría aprender a mantener una conversación."
6:22
Cuando pregunto a la gente: "¿Qué hay de malo en mantener una conversación?" Me responden: "Te diré lo malo de mantener una conversación, sucede en tiempo real y no puedes controlar lo que vas a decir." Esa es la esencia. Enviar mensajes, correos, publicar, todas estas cosas nos permiten presentarnos como queremos ser. Podemos editar, o sea, que podemos borrar, que podemos retocar la cara, la voz, la piel, el cuerpo; ni poco, ni mucho, sino lo justo.
7:05
Las relaciones humanas son vivas, complicadas y exigentes. Las limpiamos con tecnología y al hacerlo, algo de lo que puede suceder es que se sacrifica la conversación por la simple conexión. Nos defraudamos . y con el tiempo, parece que lo olvidamos o parece que deja de importarnos.
7:32
Me tomó por sorpresa Stephen Colbert cuando me hizo una pregunta muy seria, una pregunta muy seria. Me dijo: "¿No es cierto que todos esos tweets, todos esos pequeños sorbos de comunicación en línea, equivalen a un gran bocado de conversación real?" Mi respuesta fue negativa, no suman. Estar conectados en sorbos para obtener porciones de información puede funcionar para decir: "Estoy pensando en ti." o para decir: "Te quiero." Vean cómo me sentí al recibir ese mensaje de mi hija; pero no funcionan bien para aprender unos de otros, para llegarnos a conocer y entendernos. Utilizamos conversaciones entre nosotros para aprender a tener conversaciones con nosotros mismos. Así, huir de la conversación en realidad puede afectar, porque pone en riesgo nuestra capacidad de autoreflexión. Cuando los pequeños crecen, esta habilidad es la base de su desarrollo.
8:57
Con frecuencia oigo decir: "Prefiero mandar mensajes que hablar." Y veo que la gente está tan acostumbrada a ser defraudada en las conversaciones reales, tan acostumbrada a pasarla con poco, que llegan casi a estar dispuestos a prescindir de toda la gente. Así, por ejemplo, muchas personas comparten conmigo el deseo de que algún día, una versión avanzada de Siri, el asistente digital del iPhone de Apple, llegue a ser como un buen amigo, alguien que escucha cuando otros no lo hacen. Creo que este deseo refleja una dolorosa verdad que hemos aprendido en los últimos 15 años. Esa sensación de que nadie me escucha es muy importante en nuestra relación con la tecnología. Por eso es tan atractivo tener una página en Facebook o una cuenta en Twitter... tantos oyentes automáticos. La sensación de que nadie me escucha nos lleva a querer emplear el tiempo con máquinas que parecen interesarse en nosotros.
10:03
Estamos desarrollando robots, llamados robots sociales, diseñados específicamente para acompañar a los mayores, a nuestros niños, a nosotros. ¿Acaso hemos perdido la confianza de estar ahí para los demás? En mi investigación trabajé en residencias de ancianos y llevé estos robots sociales diseñados para dar a los mayores la sensación de que eran comprendidos. Un día llegué y vi a una mujer que había perdido un hijo, hablando con un robot que tenía la forma de un bebé foca. Parecía mirarle a los ojos, parecía seguirle la conversación, la consolaba. Mucha gente piensa que es asombroso,
10:56
pero esa mujer estaba tratando de darle sentido a su vida con una máquina que no sabe del ciclo de la vida humana. El robot estaba dando una gran función. Somos vulnerables. La gente siente empatía fingida como si fuera algo real. Entonces en ese momento, cuando la mujer estaba viviendo esa empatía fingida, yo pensaba: "Ese robot no puede sentir, no se enfrenta a la muerte, ni siquiera conoce la vida."
11:33
Y mientras la mujer se consolaba con su robot de compañía, no lo encontré extraordinario, más bien fue uno de los momentos más desgarradores y complicados de mis 15 años de trabajo. Entonces al dar un paso atrás, me sentí en el centro duro y frío de una verdadera tormenta. Esperamos más de la tecnología y menos de los demás. Y me pregunto: "¿Por qué hemos llegado a esto?"
12:07
Pienso que es porque la tecnología nos llega donde somos más vulnerables. Y, sí, somos vulnerables. Estamos solos, pero tenemos miedo a la intimidad. Desde las redes sociales hasta los robots sociales, estamos desarrollando tecnologías que nos dan la ilusión de compañía sin las exigencias de la amistad. Recurrimos a la tecnología para sentirnos conectados de maneras que podamos tener un cómodo control. Pero no nos sentimos tan cómodos, no tenemos tanto control.
12:41
Hoy, esos teléfonos de bolsillo están cambiando nuestras mentes y corazones porque nos ofrecen tres gratificantes fantasías. La primera es que podemos poner la atención donde queremos tenerla; la segunda, que siempre seremos escuchados; y la tercera, que nunca estaremos solos. Esta última idea, que nunca estaremos solos, es clave para cambiar nuestra psique. Porque en el momento que alguien se queda solo, incluso por unos segundos, se pone ansioso, se aterra, se inquieta, busca un dispositivo. Piensen en la gente haciendo fila para pagar o en un semáforo en rojo. Estar solos es como tener un problema que hay que resolver y la gente lo soluciona conectándose. Pero en este caso, conectarse es más un síntoma que un remedio. Expresa pero no resuelve un problema subyacente. Más que un síntoma, la conexión permanente está cambiando la forma que la gente piensa de sí misma. Está conformando un nuevo modo de ser.
13:47
La mejor forma de describirlo es: Comparto luego existo. Usamos la tecnología para definirnos, compartiendo pensamientos y sentimientos, inclusio cuando los estamos teniendo. Antes era: tengo una sensación, quiero hacer una llamada. Ahora es: quiero tener una sensación, tengo que enviar un mensaje. El problema con este nuevo esquema de "comparto luego existo" es que si no tenemos conexión, no nos hallamos con nosotros mismos. Casi no nos sentimos. Entonces, ¿qué hacemos? Nos conectamos más y más. Pero en el proceso nos disponemos a estar aislados.
14:29
¿Cómo se pasa de la conexión al aislamiento? Se termina aislado si no se cultiva la capacidad de estar solos, la habilidad de estar separados, de estar con uno mismo. La soledad es donde uno se encuentra a sí mismo de modo que uno pueda llegar a los otros y formar afectos reales. Si no tenemos la capacidad de estar solos, acudimos a otros para sentir menos ansiedad o para sentirnos vivos. Cuando esto sucede, no podemos apreciar quiénes son. Es como si los estuviéramos usando como piezas de repuesto para apoyar nuestra frágil autoestima. Incurrimos en creer que estar siempre conectados nos hace sentir menos solos. Pero corremos peligro, porque en realidad es todo lo contrario. Si no podemos estar solos, estaremos más solos. Y si no enseñamos a nuestros hijos a estar solos, sólo van a saber cómo estar aislados.
15:33
Cuando hablé en TED en 1996, informando sobre mis estudios de las primeras comunidades virtuales, decía: "Aquellos que logran el máximo de sus vidas en la pantalla, llegan con un espíritu de autoreflexión." Y ahora este es mi llamado: reflexión y más que eso, un diálogo sobre el destino al que el uso actual de la tecnología puede llevarnos, lo que nos podría costar. Estamos fascinados con la tecnología y como los jóvenes amantes, tenemos miedo que hablar mucho pueda arruinar el romance. Pero es el momento de hablar. Crecimos con la tecnología digital y la vemos como madura. Pero no es así, está en sus comienzos. Tenemos tiempo suficiente para que reconsideremos cómo usarla, cómo construirla. No estoy proponiendo que nos alejemos de nuestros dispositivos, sino que desarrollemos una relación más consciente con ellos, con los otros, con nosotros mismos.
16:38
Veo algunos primeros pasos. Empecemos pensando que la soledad es buena. Démosle espacio. Encontremos maneras de enseñarla como un valor para sus hijos. Creen espacios sagrados en casa, la cocina, el comedor, y recupérenlos para conversar. Hagan lo mismo en el trabajo. En el trabajo estamos tan ocupados comunicándonos que a menudo no tenemos tiempo para pensar, ni para hablar de las cosas que realmente importan. Cambien eso. Aún más importante, todos necesitamos escucharnos mutuamente, hasta en las partes aburridas. Porque cuando vacilamos, o titubeamos o no encontramos las palabras, es cuando nos mostramos a los demás.
17:29
La tecnología ofrece redefinir las conexiones humanas; cómo cuidamos de los demás, cómo cuidamos de nosotros mismos, pero también nos da la oportunidad de reafirmar nuestros valores y nuestra orientación. Soy optimista. Tenemos todo lo necesario para comenzar. Nos tenemos el uno al otro, y tenemos la mejor oportunidad para triunfar si reconocemos nuestra vulnerabilidad. Que escuchemos cuando la tecnología nos dice que puede eliminar algo complicado y promete algo más sencillo.
18:07
En mi trabajo oigo decir que la vida es difícil, que las relaciones son arriesgadas. Y ahí está la tecnología, más sencilla, esperanzadora, optimista, siempre joven. Es como llamar a la caballería. Una campaña de publicidad promete que en línea y con avatares, podrás "finalmente amar a tus amigos, amar tu cuerpo, amar tu vida, en línea y con avatares." Nos atraen los romances virtuales, los vídeo juegos que parecen mundos, la idea de que los robots podrán algún día ser verdaderos compañeros. Pasamos la tarde en las redes sociales en lugar de ir al bar con los amigos.
18:55
Nuestras fantasías de sustitución tienen un costo. Ahora tenemos que concentrarnos en las muchas, muchas formas en que la tecnología nos puede regresar a nuestras vidas reales, a nuestros propios cuerpos, a nuestras comunidades, a nuestra política, a nuestro planeta. Estos nos necesitan. Hablemos de eso, de cómo usar la tecnología digital, la de nuestros sueños, para hacer de esta vida, la vida que podemos amar.
19:30
Gracias.
19:32
(Aplausos)

TED Talks

Detrás de las redes, hay individuos: El inicio de la Primavera Árabe

Un vendedor de frutas cuya muerte llevó a una revolución
Por ADEEL HASSAN - New York Times


La madre de Mohamed Bouazizi sostiene una foto de él. Su muerte hace cuatro años llevó a las protestas de la Primavera Árabe. Crédito Giorgos Moutafis / Associated Press


Hace cuatro años en la actualidad, un graduado universitario de 26 años de edad, se fue a trabajar en una pequeña ciudad de Túnez.

Él estaba ganándose la vida de la única manera que pudo encontrar: como vendedor de frutas y verduras para mantener a su madre, su tío y cinco hermanos y hermanas en el hogar. Pero él era acosado continuamente por funcionarios del gobierno.

Después de que las autoridades confiscaran sus mercancías, lo golpearan y se negaran a devolver su propiedad, se roció con diluyente de pintura y encendió un fósforo en frente de la oficina del gobernador local.

La desesperación y la muerte del joven Mohamed Bouazizi, causaron protestas antigubernamentales. En un mes, el líder de Túnez huyó, poniendo fin a 23 años de gobierno autoritario.

El señor Bouazizi también encendió el fósforo de un mecha en la región. Una ola de protestas golpeó Argelia, Bahrein, Egipto, Libia, Yemen, Siria y Jordania, e incluso se extendió a Turquía. Líderes han sido derribados y sangre ha sido derramada en la Primavera Árabe.

ARS 101: Método de percolación de cliques

Método de percolación de cliques


Wikipedia

El método de percolación de clique [1] es un método popular para analizar la estructura de comunidades superpuestas de redes. El término comunidad de redes (también llamado módulo, clúster o grupo cohesivo) ha sido ampliamente aceptado como definición única y por lo general se define como un grupo de nodos que están más densamente conectada entre sí que a otros nodos de la red. Existen numerosos métodos alternativos para la detección de las comunidades en las redes, [2], por ejemplo, el algoritmo Girvan-Newman, la agrupación jerárquica y la maximización de modularidad.


Evolución temporal de las comunidades superpuestas. La estructura (parte) y la dinámica esquemáticas de la red de co-autoría de ~ 30.000 autores cond-mat y la red de comunicación de más de 4 millones de suscriptores de telefonía. De Palla et. al., Nature 446, 664 (2007).

Definiciones

Clique Percolation Method (CPM)

El método de percolación de cliques acumula las comunidades de k-cliques, que corresponden a un grafo completo (totalmente conectados) de sub-grafos de k nodos. (Por ejemplo, una k-clique en k = 3 es equivalente a un triángulo). Dos k-cliques se consideran adyacentes si comparten k - 1 nodos. Una comunidad se define como la unión máxima de k-cliques que se puede alcanzar una de la otra a través de una serie de k-cliques adyacentes. Tales comunidades pueden interpretarse mejor con la ayuda de una plantilla k-clique (un objeto isomorfo a un grafo completo de nodos k). Una plantilla de este tipo puede ser colocado en cualquier k-clique en el gráfico, y rodó a un k-clique adyacente mediante la reubicación de uno de sus nodos y mantener su otro k - 1 nodos fijos. Por lo tanto, las comunidades k-clique de una red son todas aquellas sub-gráficos que se pueden explorar plenamente haciendo rodar una plantilla-k clique en ellos, pero no pueden ser dejados por esta plantilla.

Esta definición permite solapamientos entre las comunidades de una manera natural, como se ilustra en la Figura 1, que muestra cuatro comunidades k-clique en k = 4. Las comunidades están codificados por color y la superposición entre ellas se destacan en rojo. La definición anterior también es local: si un determinado sub-gráfico cumple los criterios para ser considerado como una comunidad, entonces seguirá siendo una comunidad independiente de lo que sucede a otra parte de la red lejos. Por el contrario, en la búsqueda de las comunidades mediante la optimización con respecto a una cantidad global, un cambio muy lejos, en la red se puede formar de nuevo las comunidades de las regiones perturbadas también. Además, se ha demostrado que los métodos globales pueden sufrir de un problema de límite de resolución, [3], donde el tamaño de la comunidad más pequeña que se puede extraer es dependiente del tamaño del sistema. Una definición de la comunidad local, como aquí evita este problema de forma automática.

Puesto que incluso las redes pequeñas pueden contener un gran número de k-cliques, la aplicación de este enfoque se basa en la localización de las cliques máxima en lugar de los k-cliques individuales. [1] Por lo tanto, la complejidad de este enfoque en la práctica es equivalente a la del hallazgo NP-completo máxima de clique, (a pesar de que la búsqueda de k-cliques es polinómica). Esto significa que aunque las redes con pocos millones de nodos ya se han analizado con éxito con este enfoque, [4] ninguna estimación previa se puede dar para el tiempo de ejecución del algoritmo basado simplemente en el tamaño del sistema.


Fig.1. Ilustración de las comunidades k-clique en k = 4.

Método de percolación de cliques dirigidos (CPMD)

En una red con enlaces dirigidos a k-clique dirigida es un subgrafo completo con nodos k cumplir la siguiente condición. Los nodos k pueden ser ordenados de tal manera que entre un par arbitrario de ellos existe un enlace apuntando dirigida desde el nodo con el rango más alto hacia el nodo con el rango inferior. The Clique Método percolación dirigida define dirigida comunidades en red como los clusters de percolación de k-cliques dirigidos.

Método de percolación de cliques ponderado (CPMw)

En una red con enlaces ponderados una k-clique ponderada es un subgrafo completo con k nodos tales que la media geométrica de la k (k - 1) / 2 de enlace de pesos dentro de la k-clique es mayor que un valor umbral seleccionado, I. The Clique ponderado Método percolación define comunidades red ponderados como los clusters de percolación de k-cliques ponderados. Tenga en cuenta que la media geométrica de los pesos de enlace dentro de un subgrafo se llama la intensidad de ese subgrafo. [5]

Generalizaciones de grafos de clique

Los métodos de percolación de clique pueden generalizarse mediante el registro de diferentes cantidades de solapamiento entre las distintas k-cliques. Esto define entonces un nuevo tipo de gráfico, un grafo clique, [6], donde cada k-clique en el gráfico original se representa por un vértice en el nuevo grafo clique. Los enlaces en el grafo de clique se utilizan para registrar la fuerza de la superposición de cliques en el gráfico original. Entonces, uno puede aplicar cualquier método de detección de la comunidad a este grafo clique para identificar los grupos en la gráfica original a través de la estructura de k-clique.

Por ejemplo, en un gráfico simple, podemos definir la superposición entre dos k-cliques ser el número de vértices comunes a los dos k-cliques. El método de percolación de cliques es entonces equivalente a thresholding este grafo clique, cayendo todos los enlaces de peso menor que (k-1), con los componentes conectados restantes que forman las comunidades de cliques que se encuentran en la RPC. Para k = 2 las cliques son los enlaces del grafo original y la grafo de clique en este caso es el grafo de líneas de la red original.

En la práctica, utilizando el número de vértices comunes como una medida de la fuerza de solapamiento clique puede dar resultados pobres como grandes clique en el gráfico original, los que tienen muchos más de k vértices, dominarán el grafo de clique. El problema surge porque si un vértice está en n diferentes k-cliques que contribuirá a n (n-1) / 2 enlaces en un gráfico como clique. Una solución sencilla es dejar que cada vértice común a dos kcliques superpuestas para contribuir un peso igual a 1 / n en la medición de la fuerza de la superposición de los dos k-cliques.

En general, el punto de vista del grafo clique es una manera útil de encontrar generalizaciones de métodos de percolación de cliques estándar para obtener algún problema redondas encontradas. Incluso muestra cómo describir las extensiones de estos métodos basados en otros motivos, subgrafos distinta k-cliques. En este caso un gráfico clique es mejor pensamiento de un ejemplo particular de un hipergrafo.

Transición de percolación en el CPM

El modelo Erdös-Rényi muestra una serie de transiciones interesantes cuando se aumenta la probabilidad p de dos nodos están conectados. Para cada k uno puede encontrar un cierto pc probabilidad umbral por encima del cual los k-cliques se organizan en una comunidad gigante. [7] [8] (El tamaño de la comunidad gigante es comparable con el tamaño del sistema, en palabras oder la comunidad gigante ocupa una parte finita del sistema incluso en el límite termodinámico.) Esta transición es análoga a la transición de percolación en la física estadística. Un fenómeno similar se observa en muchas redes reales, así: si k es grande, sólo las partes más densamente vinculados son aceptadas como las comunidades, por lo tanto, por lo general permanecen pequeñas y dispersas. Cuando se baja k, tanto el número como el tamaño de las comunidades comienzan a crecer. Sin embargo, en la mayoría de los casos un valor crítico k puede ser alcanzado, por debajo del cual una comunidad gigante emerge, manchando los detalles de la estructura de la comunidad mediante la fusión (y haciendo invisibles) muchas comunidades más pequeñas.

Aplicaciones

El método de percolación clique había sido utilizada para detectar las comunidades de los estudios de la metástasis del cáncer [9] [10] a través de diversas redes sociales [4] [11] [12] [13] [14] para documentar la agrupación [15] y las redes económicas . [16]

Algoritmos y Software

Hay un número de implementaciones de percolación clique. El método de percolación de clique se implementó y popularizado por CFinder [1] (freeware para uso no comercial) de software para detectar y visualizar comunidades superpuestas en las redes de primera. El programa permite la visualización personalizable y permite un fácil paseo a través de las comunidades que se encuentran. El paquete contiene una versión de línea de comandos del programa, así, que es adecuado para scripting.

Una implementación más rápida (disponible bajo la licencia GPL) ha sido implementado por otro grupo. [17] Otro ejemplo, que también es muy rápido en ciertos contextos, es el algoritmo SCP. [18]

Algoritmos Paralelos

Una versión paralela del método de percolación cliques fue diseñado y desarrollado por S. Mainardi et al .. [19] Mediante la explotación de multi-core / multi-procesador arquitecturas de computación de hoy en día, el método permite la extracción de las comunidades k-cliques de redes muy grandes tales como Internet. [20] los autores lanzaron el código fuente del método bajo la GPL y lo hizo libremente disponible para la comunidad.

Referencias

• Uncovering the overlapping community structure of complex networks in nature and society G. Palla, I. Derényi, I. Farkas, and T. Vicsek: Nature 435, 814–818 (2005)
• Community detection in graphs by S. Fortunato, Physics Reports 486, 75-174 (2010)
• Resolution limit in community detection S. Fortunato and M. Barthelemy: Proc. Natl. Acad. Sci. USA 104 (1), 36–41 (2007)
• Quantifying social group evolution G. Palla, A.-L. Barabási and T. Vicsek: Nature 446, 664–667(2007)
• Intensity and coherence of motifs in weighted complex networks J.-P. Onnela, J. Saramäki, J. Kertész, and K. Kaski: Phys. Rev. E 71, 065103 (2005)
• Clique Graphs and Overlapping Communities T.S. Evans: J. Stat. Mech. P12037 (2010) doi:10.1088/1742-5468/2010/12/P12037
• Clique percolation in random networks I. Derényi, G. Palla, and T. Vicsek: Phys. Rev. Lett. 94, 160202 (2005)
• The critical point of k-clique percolation in the Erdos–Renyi graph G. Palla, I. Derényi, and T. Vicsek: J. Stat. Phys. 128, 219–227 (2007)
• Global topological features of cancer proteins in the human interactome P.F. Jonsson and P.A. Bates: Bioinformatics 22(18):2291–2297 (2006)
• Cluster analysis of networks generated through homology: automatic identification of important protein communities involved in cancer metastasis P.F. Jonsson, T. Cavanna, D. Zicha and P. A. Bates: BMC Bioinformatics 7, 2 (2006)
• A system of mobile agents to model social networks M.C. Gonzalez, P.G. Lind and H.J. Herrmann: Phys. Rev. Lett. 96, 088702 (2006)
• Emergence of communities in weighted networks J.M. Kumpula, J.-P. Onnela, J. Saramaki, K. Kaski and J. Kertész: Phys. Rev. Lett. 99, 228701 (2007)
• A Model for Social Networks R. Toivonen, J.-P. Onnela, J. Saramäki, J. Hyvönen and K. Kaski: Physica A-Statistical Mechanics and its Applications 370, 851–860 (2006)
• Community structure and ethnic preferences in school friendship networks M. C. Gonzalez, H. J. Herrmann, J. Kertesz and T. Vicsek: Physica A-Statistical Mechenics and its Applications 379, 307–316 (2007)
• Natural Document Clustering by Clique Percolation in Random Graphs W. Gao and K.-F. Wong: Lect. Notes in Comp. Sci. 4182, 119–131, (2006)
• Spectral and network methods in the analysis of correlation matrices of stock returns T. Heimo, J. Saramaki, J.-P. Onnela and K. Kaski: Physica A-Statistical Mechenics and its Applications 383, 147–151 (2007)
• Percolation Computation in Complex Networks Fergal Reid, Aaron McDaid, Neil Hurley: ASONAM 2012, (2012)
• Sequential algorithm for fast clique percolation Jussi M. Kumpula, Mikko Kivelä, Kimmo Kaski, and Jari Saramäki: Phys. Rev. E 78, 026109 (2008) (2008)
• Parallel k-Clique Community Detection on Large-Scale Networks Enrico Gregori, Luciano Lenzini and Simone Mainardi: IEEE Transactions on Parallel and Distributed Systems, 31 Aug. 2012.
• k-clique Communities in the Internet AS-level Topology Graph Enrico Gregori, Luciano Lenzini and Chiara Orsini: International Conference on Distributed Computing Systems Workshops (ICDCSW), 2011.

Fallas en redes analizadas a través de redes neuronales

Descubren cómo evitar fallas en redes a partir de analizar conexiones cerebrales
Científicos del CONICET formulan una teoría que predice la robustez de las redes naturales y que podría ayudar al armado de redes artificiales.



Andrés Babino, becario doctoral en FCEN, UBA-CONICET. Foto: CONICET FOTOGRAFÍA

Mariano Sigman y Andrés Babino, investigador independiente y becario doctoral, respectivamente, del Departamento de Física de la Facultad de Ciencias Exactas y Naturales de la Universidad de Buenos Aires (UBA-CONICET) lograron, a partir de analizar conexiones cerebrales, determinar de qué manera deberían estructurarse las redes artificiales para prevenir fallas catastróficas.

El trabajo, realizado en conjunto con investigadores de Brasil, Estados Unidos y España y publicado en la revista Nature Physics, logró demostrar por qué las redes naturales conservan su robustez, algo que la teoría fallaba en predecir.

Hasta el momento la teoría de red de redes pronosticaba errores catastróficos en las redes naturales que no se evidencian en la práctica. Desde las redes neuronales hasta las interacciones ecológicas, todas mantienen su robustez por selección natural, explica Babino.

Las claves principales de esta robustez son, como grafica Sigman, por un lado que la comunicación de las redes es mediada por nodos centrales - hubs – y que al conectarse se da el fenómeno de redundancia, es decir una duplicación de los datos y elementos que utiliza la red para que la falla de una no implique la caída del conjunto. “Esto produce redes de menos rango –mismo numero de cables con menos nodos conectados-, pero representa mayor robustez en cada conexión”, agrega.

Cuando conectan dos redes que aisladas son robustas, las debilidades de una red pueden propagarse a las zonas fundamentales de la otra y lograr penetrar en sitios que estaban protegidos, por ejemplo indica Sigman, “la red de datos y la red eléctrica que dependen una de otra y si se cortan los datos, la distribución de energía se interrumpe”, agrega.



Para llegar a estas conclusiones, el grupo de trabajo analizó conexiones cerebrales de una base de datos públicos, recabados de distintos estudios neurológicos –set de datos-. Uno es el de Resting State -estado de reposo- en el que los sujetos son sometidos a resonancia magnética funcional con los ojos cerrados y se les pide que no piensen en nada. “En ese estado mental presentan un patrón de activación cerebral estereotipado y comprobamos que tiene las propiedades predichas por esta nueva teoría”, dice Babino.

“También se verifica en otro set de datos, llamado de tarea dual -dual task-, en el que el sujeto tiene que hacer dos cosas al mismo tiempo, con imágenes y sonidos, eso genera una red atencional distinta, un patrón de activación distinta. Y esta nueva red, también satisface la predicción de la teoría”, concluye.

Este nuevo modelo que analizó conexiones cerebrales puede permitir estudiar nuevos set de datos de otras redes neuronales, o de redes de ecología –redes tróficas-, y utilizarse para el armado de redes robustas humanas que alejen la posibilidad de las fallas catastróficas.

Por María Bocconi
Sobre investigación:
 • Saulo Reis, City College of New York y Universidade Federal do Ceará.
• Yanqing Hu, City College of New York.
• Andrés Babino, Becario post-doctoral, UBA.
• José Andrade, Universidade Federal do Ceará.
• Santiago Canals, Instituto de Neurociencias de Alicante, España.
• Mariano Sigman, Investigador independiente. UBA.
• Hernám A. Makse, City College of New York.

Conicet

Redes de difusión por idioma

Muchos libros están traducidos dentro y fuera de idiomas Comentarios tales como Inglés, alemán y ruso, árabe, pero tiene menos traslaciones relativas a sus múltiples altavoces. (Las flechas entre círculos representan traducciones; el tamaño del círculo de una lengua es proporcional a la cantidad de personas que lo hablan.)

¿Quieres influir en el mundo? Mapa revela los mejores lenguajes para hablar

Por Michael Erard - Science Magazine


Hable o escriba en Inglés, y el mundo lo va a escuchar. Hable o escriba en Tamil o portugués, y usted puede tener más dificultades para hacer llegar su mensaje. Ahora, un nuevo método para la cartografía de cómo fluye la información en todo el mundo Identifica los mejores lenguajes de difundir sus ideas a lo largo y ancho. Un consejo: Si usted está pensando en una segunda lengua, intente español en lugar del chino.

El estudio fue impulsado por una conversación acerca de un libro no traducida, dice Shahar Ronen, un administrador de programas Microsoft quién Massachusetts Institute of Technology (MIT) tesis de maestría fue la base de la nueva obra. A bilingües altavoces Hebreo-Inglés de Israel, de la cifra de su asesor MIT, César Hidalgo (sí un altavoces español-inglés), sobre un libro escrito en hebreo quién la traducción en Inglés de la que aún no era consciente. "Tuve la oportunidad de cubrir un espacio de cierta cultura Porque yo era multilingüe", afirma Ronen. Empezó a pensar acerca de cómo crear un mapas de todo el mundo de cómo las personas multilingües transmiten información e ideas.

Ronen y co-autores del MIT, la Universidad de Harvard, la Universidad del Noreste y Universidad de Aix-Marsella abordar el problema mediante la descripción de las tres redes globales basadas en tweeters bilingües de idiomas, traducciones de libros y ediciones de Wikipedia multilingües. El libro traza la traducción de la red cuántos libros han sido traducidos a otros idiomas. Por ejemplo, el libro hebreo, traducido del hebreo al Inglés y alemán, estaría representada en líneas apuntando desde un nodo del hebreo a los nodos de Inglés y Alemán. Esa red se basa en 2,2 millones de traducciones de libros impresos publicados en más de 1.000 lenguas. Como en todas las redes, el espesor de las líneas representa el número de conexiones entre nodos. Para tweets, los investigadores utilizaron 550 millones de tweets por 17 millones de usuarios en 73 idiomas. En esa red, si un usuario tweets en, digamos, el hindi, así como en Inglés, los dos idiomas están conectados. Para construir la red Wikipedia, los investigadores siguieron ediciones en hasta cinco idiomas realizados por los editores, se excluyen cuidadosamente bots.

En las tres redes, Inglés tiene la mayoría de las transmisiones desde y hacia otras lenguas y es el centro más céntrico, informó el equipo en línea hoy en las Actas de la Academia Nacional de Ciencias. Pero los mapas revelan también "un halo de centros intermedios," De acuerdo con el documento, comentarios como el francés, alemán y ruso, la que sirven la misma función en una escala diferente.

Por el contrario, algunas lenguas con grandes poblaciones de altavoces, Comentarios como el mandarín, el hindi y árabe, se encuentran en estas redes son relativamente aislado. Esto significa que un menor número de comunicaciones en Comentarios esos idiomas alcanzan los hablantes de otras lenguas. Mientras tanto, un idioma como el holandés hablado por 27 millones de personas, puede ser una parte desproporcionadamente grande de conducto, en comparación con un idioma como el árabe, el cual cuenta con la friolera de 530 millones de hablantes de lengua materna y segunda. Esto es porque los holandeses son muy multilingüe y muy en línea.

  Los mapas de la red muestran lo que ya se sabe, la confirmación instantánea: Si usted desea conseguir sus ideas a cabo, se puede llegar a una gran cantidad de personas a través del idioma Inglés. Sin embargo, los mapas muestran cómo los hablantes También en idiomas dispares benefician de ser indirectamente vinculados a través de lenguas grandes y pequeños cubos. En Twitter, por ejemplo, las ideas en Filipino pueden teóricamente se mueven a la esfera de habla coreana a través malayo, mientras que el camino más probable para las ideas para ir de turco para malayalam (hablado en la India por 35 millones de personas) es a través de Inglés. Comentarios Estas redes se revelan en detalle en la página web del estudio.

Los autores señalan que los usuarios que estudiaron, a quienes consideran elite Porque, a diferencia de la mayoría de la gente en el mundo que saben leer y escribir y en línea, no representan a todos los hablantes de una lengua. Sin embargo, "las élites de idiomas globales tienen una cantidad desproporcionada de poder y responsabilidad, Debido a que están dando forma tácita la forma en la que las culturas distantes ver otra llamada ahora, incluso si ésta no es su objetivo", dice Hidalgo. Cuando el conflicto en Ucrania estalló el verano pasado, la mayoría de personas en el mundo conocieron a través de nuevas historias escritas originalmente en Inglés y luego traducidas a otros idiomas. En este caso, "sesgos implícitos o ángulo tomada por los medios ingleses aportan color a la información sobre el conflicto que está disponible para muchas personas que no hablan inglés", dice Hidalgo.

Las redes ofrecen potencialmente orientación a los gobiernos y otras comunidades lingüísticas que quieren cambiar Críticas su papel internacional. "Si yo quiero que mi lengua nacional sea más prominente, entonces yo debería invertir más en la traducción de documentos, alentar a más gente a twittear en Reviews su idioma nacional", afirma Ronen. "Por otro lado, si quiero nuestras ideas a difundir, debemos elegir una segunda lengua que está muy bien conectado."

Para quienes no hablan inglés, la elección del Inglés como segunda o tercera lengua es obvia. Para personas de habla inglesa, el análisis sugiere que sería más ventajoso elegir españoles sobre China, al menos si están extendiendo Comentarios sus ideas a través de la escritura.

El problema de medir la situación relativa de las lenguas del mundo "es muy difícil, ya menudo muy difícil conseguir buenos datos está a punto", dice Mark Davis, presidente y co-fundador del Consorcio Unicode en Mountain View, California, roomates hace la codificación de caracteres para las computadoras del mundo y dispositivos móviles. "Su punto de vista sobre el problema es interesante y útil."

La transmisión cultural que ocurre en el lenguaje hablado demasiado, señala William Rivers, el director ejecutivo del Comité Nacional Conjunto sin fines de lucro para las Lenguas y el Consejo Nacional de Lenguas y Estudios Internacionales en Garrett Park, Maryland. Los datos sobre las interacciones en, digamos, los zocos de Marrakech, donde se habla árabe, Hassaniya, el árabe marroquí, francesa, Tashelhit y otros idiomas, son imposibles de conseguir, pero importante en la transmisión cultural, dice. Y agrega que "a medida que Internet se ha vuelto más accesible a más personas en todo el mundo, se conectan a Internet en Reviews su propio idioma." Cuando lo hacen, ahora saben cómo conectarse a otros idiomas y se mueve Comentarios sus ideas también.

Pnas 2014 Ronen 1410931111

Leer más publicaciones en Calaméo

De qué habla cada ciudad en Twitter (video)

Mapas más fascinantes sobre lo que las personas twitean en Estambul, Baltimore, Barcelona y más
David Troy - TED


¿Qué aspecto tienen las redes sociales en su ciudad o país? David Troy (TED Talk: Social maps that reveal a city’s intersections — and separations) crujidos datos para ver lugares no como barrios, pero a medida que las relaciones entre las personas. Con su proyecto Gente Maps, él grupos de personas por quienes siguen y hablan en Twitter, luego trabaja con colaboradores locales para analizar lo que esas personas hablan de más. ¡El resultado? Mapas no geográficos de fascinantes de interés, y las comunidades de una región.


RIO DE JANEIRO: Rio de Janeiro aparece como una grande, complicada ciudad. Si bien existe una brecha entre lo que podríamos llamar las comunidades ricas y más pobres, hay una gran cantidad de la mezcla en el medio. También hay muchas comunidades diferentes de interés en torno a determinados tipos de música. Con el tiempo, debemos ser capaces de identificar aún más las comunidades y ver dónde están puente y no salvar. Pero, en general, Rio parece que es muy diversa y se mezclan, especialmente entre los jóvenes.




ARABIA SAUDITA: A medida que Arabia Saudita endurece las medidas contra la libertad de prensa, la gente ha estado recurriendo a las redes sociales para comunicarse y organizarse. Este es un mapa temprano de un lugar complicado; podemos ver que las comunidades están dispuestas en un eje de liberal a conservador, con el fútbol en el medio. También podemos ver una subred para el sexo y porno gay, que vemos también en Estambul, otro lugar con la censura en Internet.




SAN FRANCISCO: Ha sido bien informado, que hay tensiones en San Francisco que rodean la afluencia de inversión de capital de riesgo y empresas de tecnología. Este mapa muestra esta brecha. Incluso hay una comunidad que es tan distinta que es claramente identificable como empleados de Twitter - comprensibles, ya que este se muestra las relaciones de Twitter. Este mapa también nos recuerda que estos mapas no son geográficos - que son los mapas de las comunidades de las relaciones, y no están correlacionados geográficamente de cualquier manera, a pesar de la similitud con la forma de la península de San Francisco.




MUNICH: El uso de Twitter en Munich es de aproximadamente 10 a 12 veces menor que la observada en Barcelona o Estambul. Esto puede ser debido a la actitud de Alemania alrededor de la privacidad y de compartir, o puede ser debido a un relativamente alto nivel de vida, la libertad de prensa, y la falta de una comunidad minoritaria que siente la necesidad de trabajar en red entre sí. La mayoría de los usuarios parece ser la promoción de productos, servicios, medios de comunicación, eventos - y FC Bayern.




ESTAMBUL: Estambul tiene una gran población de jóvenes de sexo masculino "poetas" - la mayor cohorte identifiqué en la ciudad. Están hablando de conseguir chicas y la música y ser un chico en este momento, pero pronto van a empezar a querer trabajos reales y comenzar a votar. La gran pregunta para Turquía es donde esos jóvenes se convertirán su energía - con los valores democráticos o puntos de vista fundamentalistas. También tenga en cuenta la clara presencia de una subred "porno gay", que es algo que hemos observado en otros lugares donde se censuran contenidos de Internet. También hay que destacar una subred de "trolls" que parecen existir principalmente a repetir el contenido de otros. Esto puede ser parte de una campaña astroturfing para amplificar ciertos mensajes políticos.



BARCELONA: Barcelona presenta como una pelota de playa de colores, y es quizás la ciudad más "bien redondeado" que hemos trazado. Independencia Catalunyan es un tema candente, por supuesto, al igual que el equipo de fútbol del FCB famoso. Comunidades de Barcelona envuelven cuidadosamente alrededor de lo que parece ser una variada gama de medios de comunicación mayoritarios. Los ratones de biblioteca y los fans de la biblioteca son aún claramente identificable (frente a los aficionados FCB, siento decirlo). Uso de Twitter es bastante alto en Barcelona, tal vez atribuible a la reciente combinación de los cambios económicos y políticos.



BALTIMORE: El mapa Baltimore muestra un patrón de segregación racial bastante extrema. El mapa es en su mayor parte dividida: a la izquierda, sobre todo los afroamericanos y otras personas no blancas, y en la derecha, en su mayoría blancos. Refleja la ciudad dividida que observo todos los días como residente. Debemos tratar de tender un puente mejor estas divisiones.

El más precioso mapa de los tweets

Crean un mapa con cada tuit enviado en los últimos tres años en el mundo

Eric Fischer, responsable de Mapbox, un servicio de creación y publicación cartográfico, ha elaborado un mapa con cada tuit enviado en los últimos tres años y medio en todo el planeta.





Mapbox

Mas evidencia experimental del poder del efecto de pares

La gente alrededor que controlan tu mente: La evidencia más reciente
Es difícil medir la presión de grupo, pero sus efectos son tal vez más poderosa de lo que pensábamos.


Por Jeff Guo - The Washington Post

Así que usted está sentado en un avión, en algún lugar de la parte de atrás. El sudor está aumentando en este guiso humana, y con horror ves que se condensa, recorriendo las gotitas por el cristal de la ventana. Cierras la persiana ciega. Agh!.


Por supuesto, el sentimiento es irracional -estás volando, por en el cielo! -pero todo lo que pasa ahora mismo lo aborreces. La aerolínea, por su tacañería. El asistente de vuelo, para verter que media una lata de Coca-Cola, a continuación, sacando la lata de nuevo. Pero más que nada, te odio sus compañeros de viaje. ¡Odias la humanidad!.

Alguien a tu lado birla su tarjeta de crédito para comprar una película en el vuelo, que a su vez le recuerda el insulto, los preocupados por la guita, de los viajes aéreos.

Y, sin embargo. Después de analizar una base de datos confidencial de pasajeros y de los registros de compra con fecha y hora, un profesor de Stanford descubrió que si a alguien a tu lado compra algo en el avión, que está 30 por ciento más propensos a comprar algo tu también.

Ese es el poder de presión de los compañeros.

En un documento de trabajo reciente, Pedro Gardete miró 65.525 transacciones a través de 1.966 vuelos y más de 257.000 pasajeros. Él analiza los datos en miles de mini-experimentos como este:



Si alguien a tu lado ordenó un aperitivo o una película, Gardete era capaz de ver si más tarde lo hizo, también. En este experimento natural, la persona que se sienta directamente en frente de usted fue objeto de control. Las compras se hicieron sobre una pantalla táctil; esa persona no hubiera sido capaz de ver nada. Si usted compró algo, y la persona delante de usted no lo hizo, la presión de grupo puede haber sido la razón.

Debido a que tenía datos de la reserva, Gardete podría excluir a las personas volando juntos, y controlado para todo tipo de otros factores tales como la elección de asiento. Esto es puramente el efecto de la elección de un extraño - no sólo eso, sino que un extraño al que usted podría estar resentido porque él está sentado a tu lado, y esto es un avión.

Mediante la adición de miles de estos pequeños experimentos, Gardete, profesor asistente de marketing de Stanford, se acercó con una estimación. En promedio, la gente compraba cosas 15 a 16 por ciento de las veces. Pero si usted vio a alguien a tu lado pide algo, sus posibilidades de comprar algo, también, subieron un 30 por ciento, o cerca de cuatro puntos porcentuales.

"Esa magnitud que realmente no esperaba", dice Gardete. "Es una locura, una locura."

La belleza de este trabajo es que se ve en las influencias sociales en una situación controlada. (Lo que es más de una trampa de un asiento de avión?) Estos experimentos naturales son difíciles de conseguir.

Los economistas y los científicos sociales han preguntado durante mucho tiempo sobre el poder de presión de los compañeros, pero es uno de los más difíciles problemas de investigación.

"Efectos sociales en el consumo son muy difíciles de medir", dice Gardete. "Sólo piensa en un supermercado. El número de cosas que suceden en un supermercado son tan grandes que es muy difícil de medir cualquier cosa ".

La investigación educativa ha sido particularmente perseguido por la cuestión de los efectos de pares. Sabemos de primera mano, por supuesto, la influencia que los amigos son. Pero, ¿la composición de un aula a hacer o deshacer el plan de la lección? Son más importantes que sus profesores tus compañeros?

Algunas de las medidas más claras provienen de los dormitorios de la universidad. Si su compañero de cuarto asignado al azar es un ratón de biblioteca, es probable que estudie más. Si son negro y usted es blanco, es probable que se convierte en más de apoyo de la acción afirmativa. Si bebiste tanto en la escuela secundaria, entonces es probable que habilita entre sí y se metan en problemas.

Los efectos de pares son mucho más difíciles de detectar en las aulas, en los que un millón de cosas están sucediendo a la vez. Recientemente, sin embargo, dos investigadores tuvieron una idea inteligente.

Leonardo Bursztyn, profesor asistente en la UCLA, y Robert Jensen profesor de la Universidad de Pennsylvania, repartieron volantes alentando a los chicos del 11º grado a inscribirse a una clase gratuita SAT. El truco: Algunos de los volantes, decía que todos en la clase sabrían quien se había registrado. Algunos de los volantes decían que estas decisiones se mantenían en privado.

En las aulas con altas calificaciones (honours), los niños fueron 25 por ciento más propensos a inscribirse si sabían que sus compañeros los estarían juzgando. En salones de clases sin honores, los niños fueron un 25 por ciento menos propensos a inscribirse.



Los niños en las clases no-honores estaban preocupados por lo que sus amigos pensarían. Así que eran niños en las clases de honor.

Todo esto debe ser un recordatorio de que todas las personas en su vida que la influencia - incluso si es el chico que le dio un codazo sneezy fuera el reposabrazos en su vuelo de regreso de Acción de Gracias.

Social Effects Oct 14

ARS: Cómo detectar comunidades

Cómo detectar comunidades usando Análisis de Redes Sociales


Rob Parkin - Face Group

Introducción

La investigación de medios sociales no es sólo la investigación de mercado cualitativo o cuantitativo traducido en un conjunto de datos diferentes - que tiene sus propios métodos. En este blog somos grandes creyentes en el uso de las propiedades únicas de datos de medios sociales para responder a las preguntas que otros métodos de investigación no pueden conseguir en.

Y lo que es especial acerca de los datos sociales, especialmente en Twitter, es que con las plataformas de análisis suficientemente avanzados (Pulsar!) Que no sólo recoge el mensaje, sino también los metadatos de ese mensaje y su autor. Esto proporciona la información necesaria para analizar cómo se comparte ese mensaje a través de las redes sociales - o, alternativamente, la red de quién sigue a quién. El resultado: la investigación social adecuada que parte de la premisa de que las personas se conectan, no los individuos sólo atomizadas.

En la primera parte de esta serie de blogs presentamos algunas de las posibles aplicaciones para el análisis de redes de investigación de mercado, que revela cómo la visualización de datos de red puede permitir a usted para identificar factores de influencia que tienen en el mundo real que significa en el contexto de los grupos sociales en los que pertenecen .

También hablé de cómo existe influencia en diferentes "subredes" o "grupos sociales", y si hemos de comprender verdaderamente la estructura de estas relaciones entonces es esencial para tomar esto en consideración. Es este punto que el segundo blog en la serie será ampliar. Aquí Voy a mirar a las comunidades: todos sabemos cuáles son, pero ¿qué significan en términos de análisis de redes sociales? ¿Y qué se puede aprender de la identificación de ellos?

¿Por qué buscar comunidades?

Al investigar el papel de los factores de influencia destacamos investigaciones previas llevadas a cabo a la cara de Francesco D'Orazio y Jess Owens: el proyecto How Stuff Spreads. En esta investigación hemos descubierto cómo las comunidades son vitales para impulsar la difusión de la información. Los más comunidades existen en la audiencia, los diferenciales de contenidos virales más lenta, ya que toma tiempo para difundir entre los diferentes grupos.

Así que esa es una de las razones para entender las comunidades de medios sociales - si usted está tratando de difundir una campaña de marca o de un fragmento de contenido, es necesario comprender las audiencias que viaja a través. Diferentes grupos bien pueden beneficiarse de diferentes mensajes dirigidos específicamente a sus necesidades e intereses - no una talla para todos.

La comprensión de las comunidades también es importante para asegurar que su influyente programa es integral: ¿tiene influencia en todos los grupos sociales que usted desea apuntar?

¿Cómo estamos definiendo las comunidades?

Una comunidad es más a menudo se define como un grupo de individuos que viven en la misma ubicación geográfica. También puede ser usado para describir un grupo de personas con una característica común o interés compartido: la comunidad de investigación, por ejemplo dentro de las ciencias sociales, también existe el enfoque que considera a las comunidades como algo socialmente construido y simbólicamente, que descansa sobre una comprensión compartida "Yo soy parte de esta comunidad junto a estas otras personas". El politólogo Prof. Benedict Anderson definió el Estado-nación como una "comunidad imaginada" (1983).

Utilizando el análisis de redes sociales que definimos las comunidades de manera diferente - al ver cómo las personas se conectan entre sí, y la agrupación de éstos en grupos similares.

Por lo tanto, es una medida estadística de la conexión, y no se basa directamente en si estas personas reconocerían a sí mismos como parte de la misma comunidad. Sin embargo, lo que es tan fascinante de detección comunidad en red es que las comunidades que identifica muy a menudo lo hacen tienen significado importante en el mundo real, y pueden ayudarnos a explorar qué es lo que es la definición de las comunidades.

¿Cómo identificar a las comunidades? El uso de un programa de análisis de redes sociales tales como Gephi, podemos utilizar un algoritmo de agrupamiento llamado "modularidad" para detectar patrones ocultos en la red. La modularidad busca grupos de personas que están más densamente conectadas entre sí que sería de esperar si estuvieran conectados por casualidad. . Una red con alta modularidad tiene conexiones densas entre nodos dentro de los grupos, pero las conexiones entre los nodos dispersos en diferentes grupos. Como resultado todos los nodos individuales (personas) en una red pueden ser atribuidos a un grupo específico, como se determina por el algoritmo de la modularidad.

Un ejemplo del mundo real: mi gráfico social Facebook

Vamos a empezar por revisar la red ego de mi gráfico de Facebook que hemos investigado en el blog anterior. En la identificación de personas influyentes en el gráfico que he mencionado que es vital para las personas puntiformes que los conectores clave entre diferentes subredes en el gráfico. Tuve la oportunidad de proporcionar un contexto del mundo real a los datos debido a mi conocimiento personal de todos los individuos en la red. Pero incluso en un pequeño conjunto de datos como este, modularidad nos permite desarrollar una comprensión aún más granular de las relaciones.



Aquí nodos se reparten por la modularidad, con cada nodo que pertenece a un grupo aparte o en la comunidad, y se colorean en consecuencia. Para muchos de los grupos separados y muy distintos en los bordes de la red, no debería ser una sorpresa que estas personas pertenecen a su propia comunidad.

Lo que es interesante es en el componente principal, donde sin el color de codificación que es difícil ver cualquier partición claramente divididas. Pero ahora, ahora tenemos cuatro comunidades diferentes (azul, marrón, púrpura y marrón-ish). Así que la pregunta es, ¿estos 4 grupos diferentes sólo ficciones estadísticas de la estructura de la red? ¿O es que se refieren a nada real sobre las relaciones entre las personas involucradas?

• La comunidad azul se compone de personas que conocí en la escuela, todo alrededor de mi edad (17% de la red).
• La comunidad marrón es gente con la que fui a la escuela, sino que también vivía cerca de donde crecí (9% de la red).
• La comunidad granate también fue a la escuela conmigo, pero todos, al menos, un año mayor que yo (7% de la red).
• La comunidad púrpura es la gente que asistió a la universidad con directamente después de terminar la escuela (también el 17% de la red).

Este es un gran ejemplo de cómo podemos físicas de los segmentos por diferencias muy sutiles, simplemente mediante el análisis de la estructura de las conexiones que compartir.

Pero, ¿cómo podría una red de "conocer" estas cosas acerca de mis amigos? Bueno, todo está basado en las conexiones que tienen entre sí. Las personas que estaban en la misma yeargroup en la escuela son más propensos a conocer unos a otros, y por lo tanto ser amigos en Facebook - así que eso es lo que conecta el mundo real a la relación de la red.

Análisis de redes a gran escala

En rigor que podría haber analizado mi gráfico social Facebook manualmente - Sé que mis amigos son amigos de, después de todo, así que podría haber llegado a la red de forma manual (aunque habría llevado mucho tiempo).

Pero el análisis de redes se hace aún más potente cuando el análisis se escala hasta un nivel en el que el análisis manual es imposible. Utilizando Pulsar para reunir nuestros datos significa que podemos utilizar el análisis de redes para investigar las relaciones en las redes de miles o incluso millones de personas, donde la obtención de una comprensión de las relaciones del mundo real que conforman las comunidades no es ni de lejos tan sencillo.



Volviendo de nuevo a la investigación anterior de FACE en Cómo Videos Go Viral, se puede ver que la modularidad y la partición se ha aplicado en las audiencias de la misma forma en que se aplicó a mi gráfico de Facebook. A continuación se aplica el modelado estadístico de los datos demográficos de cada grupo a entender que estaba en cada uno.

Así que para la paloma real belleza Bocetos vídeo (arriba a la derecha), podemos ver que hay una comunidad con un promedio de 32 años de edad, las mujeres blancas, en los EE.UU. / Nueva York, trabajando en marketing - y otro de chicas adolescentes en Los Ángeles que pueden ser blanco o hispanos, y que estamos en la música pop y la telerrealidad. Y, en efecto, es que la apelación a un público diverso que hizo el anuncio de la paloma tan exitoso y el más visto-en YouTube.

¿Cómo le puede servir esto?

Piense en las comunidades como muy similar a los segmentos identificados en el modelo de segmentación de clientes de la marca. (Con el análisis de los datos demográficos en capas sobre, incluso se podría encontrar que son lo mismo.)

Mientras que las comunicaciones de marketing directo es a menudo personalizados por segmento, históricamente no ha sido algo marcas han hecho en la vida social. Pero, utilizando análisis de redes sociales y también Twitter y Facebook orientación de los anuncios, es posible enviar mensajes específicos a grupos específicos de personas.

Desarrollado por Pulsar TRAC éstas podrían ser las personas que participan en una conversación específica, las personas que comparten una pieza de contenido en línea, o los seguidores de una cuenta en Twitter. Cualquier grupo de personas, en esencia, siempre que podemos definir que la audiencia a través de alguna propiedad de su comportamiento en los medios sociales - como palabra clave, bio usuario, o la ubicación.

Análisis de la comunidad permite a las marcas a entender realmente el comportamiento de su público de una manera que no pueden replicar con fuera de línea, los datos no sociales.

Se permite a las marcas para obtener el máximo beneficio de su alcance influyente y siembra contenido, asegurando que tienen contactos en cada sub-comunidad de su audiencia.

Y una vez que se han identificado las comunidades, no hay margen para un análisis más profundo de cómo cada comunidad interactúa con marcas, el lenguaje que utilizan, y el tema. Esto puede permitir la comercialización totalmente personalizada, permitiendo que las marcas a entender el comportamiento de los medios de comunicación social de cada grupo, y la mejor manera de comunicarse con ellos.

Análisis de red son también grandes herramientas de comunicación - cada vez que ponemos una en la pantalla en una conferencia, las cámaras salen y la gente comienza a tomar fotos. Nos encantaría ver a más empresas a bolsa en su análisis de la red, y que ilustra su público a sus seguidores. Como dijimos antes, la comunidad no es sólo acerca de los intereses compartidos sino un imaginario, un reconocimiento compartido compartida de que "Somos parte de un mismo grupo." Compartiendo las visualizaciones de la comunidad podría ser una herramienta para una marca para crear una verdadera "comunidad de clientes" - ir más allá de los compradores individuales hacia el posicionamiento de su marca como una fuente de sentido e identidad.

Relaciones y educación en una emotiva charla

ARS 101: Modelos de bloques (Blockmodelling)

6 Block Modeling from Maksim Tsvetovat

ARS con R

Social Network Analysis With R from David Chiu

Muchedumbres políticamente polarizadas en Twitter por el caso Ferguson

Vea cómo twitteros azules y rojos se ignoran mutuamente sobre el caso Ferguson


Por Emma Pierson
Statistician, blogger at Obsession with Regression.
Reproducido por Quartz

Después el fiscal Robert McCulloch anunció la decisión el Ferguson gran jurado no procesar Oficial Darren Wilson para el rodaje de Michael Brown, una noche de enfrentamientos entre la policía y los manifestantes produjeron la quema de coches de policía, bloquearon carreteras y se dispararon armas automáticas. En medio de toda la agitación, ¿es posible obtener un panorama claro sobre algunas de las tensiones raciales y políticas que subyacen al conflicto Ferguson?

Estudié esta pregunta utilizando una plataforma que ha ha jugado un papel importante a lo largo de los acontecimientos en Ferguson: Twitter. Twitter se ha utilizado para difundir información en vivo (ya veces inexacta) sobre Ferguson, organizar protestas, e incluso a los ciberataques el KKK. En los días previos a la decisión de no acusación (inocencia presunta), he recogido una muestra de más de 200 mil tuits relacionados con Ferguson, y pintó un cuadro sombrío de cómo las personas estaban divididas.

En la imagen en la parte superior, cada punto es uno de los tuiteros más habladores, y dos puntos están conectados si uno menciona la otra: en esencia, la imagen representa la red social de quién habla con quién. Muestra dos grupos claramente divididos [1].



¿Quiénes son estos grupos? La pertenencia al grupo está fuertemente conectado con el partido político: tweeters que se describen como "conservador" (o el uso de adjetivos similares) son desproporcionadamente probable que sea en el grupo rojo, y tweeters que se describen como "liberal" son desproporcionadamente probable que sea en el azul grupo. La pertenencia a grupos también está conectado con la raza: tweeters cuyos perfiles contener adjetivos "afroamericanos", o similares, son mucho más propensos a estar en el grupo azul.
Así que, cuando se trata de Ferguson, dos grupos con muy diferentes orígenes políticos y raciales se ignoran mutuamente. Esto parece probable que cause problemas, y de hecho lo hace. Por un lado, los dos grupos piensan drásticamente diferentes cosas. Estas son las cosas más comunes retweeted por cada grupo:

Lo más común en el grupo Rojo	N
#Ferguson I would feel safer, any day, to encounter #DarrenWilson on the street, than to meet #MichaelBrown or half of those now protesting!	25
Yeah I posted it #ferguson I am not into mob justice on media lies #justsaying http://t.co/Fk9EsPtV1P	24
Autopsy report:Not only did Brown not have his hands up he was going4 Gun:http://t.co/6pdv9UL0gx #Fergusonhttp://t.co/pFsa6GfGOJ @MaydnUSA	24
#Ferguson in case you were wondering, police officers are also citizens, with full constitutional rights. Rights aren’t just for criminals!	22
If #Ferguson isn’t race baiting, why are THEY there?http://t.co/9ZznN1FsBT	19
Hard to blame Governor Jay Nixon for declaring a state of emergency when the president himself dumps gasoline on the #Ferguson fire. Smh	19
Officer #DarrenWilson Supporters Crowdfund “Pants Up, Don’t Loot” Billboard http://t.co/5Bb7VkCeMh #Fergusonhttp://t.co/xxHOCnX7E5	19

Los más común en el grupo Azul	N
Governor calls State Of Emergency. National Guard waiting. FBI giving warnings. KKK issuing threats. What ‘effing year is this? #ferguson	122
My mom in ’63, while the police were “just doing their job.” Break the internet? Break the system. #Fergusonhttp://t.co/qXd6sZoo2U	111
State of emergency in #Ferguson must not be used to violate human rights, including the right to peaceful protest. @GovJayNixon	104
Despite a State of Emergency remember the #Ferguson cop is innocent until proven guilty. As opposed to, say, an unarmed guy he shot 6 times.	72
Please understand the legal ramifications of a State of Emergency. Individual rights can be taken away. This is his “heads up”. #Ferguson	70
Please notice that even though this #Ferguson police officer was arrested for rape 5 days ago, the St. Louis Post Dispatch said NOTHING.	63
America: Where just the fear of Negro anger, not actions, can lead to a State of Emergency. And you wonder why cops shoot so fast. #Ferguson	60

El grupo rojo dice que se sentirían más seguros juntándose con Darren Wilson (el policíaa agresor) que con Michael Brown (el agredido que terminó asesinado), y dice que Brown estaba armado cuando le dispararon; el grupo azul contrasta con sarcasmo a Darren Wilson con el desarmado Michael Brown. El grupo rojo habla de la justicia popular y el cebo racial; el grupo azul habla de romper el sistema. El grupo rojo culpa a Obama de exacerbar las tensiones y obligando al gobernador de Missouri en la que se declara el estado de emergencia; el grupo azul dice que el estado de emergencia no debe ser utilizado para violar los derechos humanos.

Así que tal vez si todo el mundo acaba de hablar el uno al otro que se llevarían bien? No necesariamente: cuando el grupo rojo y azul hizo hablar, a menudo no era bastante. Tenga en cuenta las cosas dichas por los miembros del grupo rojo a uno de los miembros más influyentes del grupo azul - DeRay Mckesson, un administrador de la escuela que ha jugado un papel central en la organización de protestas. Lo describieron como un "muchacho comunista" que difunden el odio (como los "demócratas, los negros, y la izquierda ... el nuevo Ku Klux Klan"), vio "valor en tonterías racistas", estaba armado con "armas y bombas molotov", y deben recibir sus "medicamentos ajustados".

Así que tenemos dos grupos de personas que raramente se comunican, tienen orígenes muy diferentes, pensar drásticamente diferentes cosas, ya menudo rociar vitriolo el uno al otro cuando ellos hablan. Estudios anteriores de Twitter han encontrado cámaras de eco similares, el conflicto Israel-Palestina ofreciendo un ejemplo representativo. No está claro en qué medida Twitter simplemente refleja las divisiones sociales en oposición a causa de ellos; Me parece poco probable que Mckesson y los tweeters rojos serían amigos si cumplen más de cervezas. Pero incluso este análisis preliminar no augura nada bueno para la posibilidad de la reconciliación.

[1] Cabe señalar que uno pueda grupos abajo siempre dividir aún más y el número apropiado de grupos a menudo se debate. En este caso, cuando nos separamos más grupos, el grupo rojo sigue siendo un solo grupo pero el grupo azul, que es más grande, se divide en varios grupos.