Los experimentos de campo en zonas rurales de la India han revelado una forma barata y sencilla de encontrar a los individuos mejor conectados en cualquier red social- simplemente preguntarle a la gente.
MIT Technology Review
El estudio de las redes ha explotado en los últimos años. Los científicos de la red han medido, simulado, pateado y empujado casi todas las redes sociales bajo el sol.
Y al hacerlo, han descubierto todo tipo de propiedades fascinantes de estas redes, las propiedades que les permiten comprender mejor la información de propagación y el papel que las personas desempeñan en este proceso. En particular, los teóricos han sabido por mucho tiempo que las mejores personas conectadas juegan un papel más importante en una red, ya que permiten que la información se propague de forma más eficiente. Estos individuos son de particular interés cuando se trata de la difusión de chismes e incluso la propagación de la enfermedad.
Es fácil imaginar que los simples humanos han sido siempre muy poco estas redes, dada la complejidad de estas redes y las medidas complicadas necesarias para calcular la conexión de cada nodo dentro de ellos. Es por eso que los teóricos han dedicado mucho tiempo y esfuerzo en la elaboración de formas de encontrar a estas personas mejor conectadas. Esto normalmente implica el mapeo de toda la red, la medición de la conectividad de cada individuo y luego clasificándolos en consecuencia, un enfoque que requiere mucho tiempo y caro, especialmente para grandes redes.
Ahora Abhijit Banerjee en el MIT y algunos amigos dicen que hay una forma mejor de que es más rápido y más barato. Estos chicos han descubierto que si le preguntas a la gente para nombrar a las personas en su red social más capaz de difundir el chisme, que son muy buenos en la identificación de ellos. Eso es extraordinario porque la gente no tiene forma de conocer la estructura general de su red social.
Banerjee y co hicieron su descubrimiento mediante el estudio de la red de vínculos entre los individuos de 75 poblaciones rurales en el suroeste de la India. Midieron estas redes preguntando a las personas que visitaron, quienes los visitaban, que estaban relacionados con, a quienes pidió dinero prestado a, a quienes prestaron dinero para, y así sucesivamente.
A continuación, pidió a las personas en 35 aldeas de la siguiente pregunta: "Si queremos difundir la información acerca de un nuevo producto de crédito a todos en su pueblo, al que sugieres que hablamos?"
Los resultados proporcionan una visión fascinante de los conocimientos humanos se acumulan sobre sus redes sociales. Cuando las personas respondieron a esta pregunta (y un número considerable no lo hicieron), que infaliblemente identificaron individuos centrales dentro de su aldea.
Una posibilidad es que estas personas simplemente llamaron al jefe de la aldea o de la persona que vivía en el centro de la aldea. Pero debido a que Banerjee y co ya tenían un conocimiento detallado de la red, que fueron capaces de descartar esta posibilidad.
De hecho, los encuestados tendían a mencionar las personas que estaban más central en la red que sea el jefe de la aldea o de la persona más céntrica geográficamente. "Esto sugiere que las personas pueden utilizar protocolos sencillos de aprender cosas valiosas acerca de los sistemas complejos en los que están inmersos", dicen Banerjee y co.
Entonces, ¿cómo puede la gente conocer a los individuos más centrales en la red sin tener ningún conocimiento de la estructura de la red más amplia? Banerjee y co creen que saben.
Estos tipos simulan la red social y se imaginaron cómo un individuo dentro de ella podría averiguar quién era el más conectado. Los teóricos de la red suelen acercarse a este problema mediante la adición de información a la red en un determinado nodo y luego ver cómo se propaga a través del tiempo. El nodo desde el que se extiende más lejos es entonces la más conectada, el mejor difusor de chismes.
Pero en vez de mirar cómo se envía la información por la red, Banerjee y co simularon cómo un solo nodo dentro de ella podría recibir información. Entonces permitieron que la información se filtre a través de la red y vieron lo que pasó.
Un factor crucial es que se aseguraron de que la información era verdadera chismes-que se refería a la persona específica de la que procedía. Por ejemplo, "Chad tiene un coche nuevo" o "Fred tocó la lotería" y así sucesivamente.
Un individuo en la red, entonces recibe este chisme dependiendo de lo bien que se extienda. Debido a esto, la gente puede obtener una buena estimación de la conexión de otro individuo simplemente contando el número de veces que oyen chismes sobre ellos.
Cuanto más chismes, la persona más conectado debe estar. "Esto sugiere que los individuos pueden clasificar otros de acuerdo a su centralidad en las redes, aun sin conocer la red", dicen Banerjee y co.
Eso es un resultado importante. Hasta ahora, la única manera de determinar los individuos mejor conectados fue midiendo forma completa la estructura de la red y luego simular que averiguar cómo la información fluye a través de él.
El nuevo trabajo sugiere una manera mucho más simple y más barata de conseguir los mismos datos, simplemente preguntando a la gente. "Provocar centralidad a la red de otros simplemente por pedir a las personas puede ser una política de investigación y herramienta de bajo costo", dicen Banerjee y co.
En cierto modo, no es sorprendente que los seres humanos pueden llegar a una comprensión detallada de ciertas propiedades de su red social sin conocer la estructura detallada. Después de todo, hemos vivido y evolucionado en estas redes desde tiempos inmemoriales.
Banerjee y compañía han trabajado en cómo y aumentar la posibilidad de que podría haber otros atajos simples para la evaluación de las redes. Ahora va a ser hasta los responsables políticos, los epidemiólogos y los vendedores para encontrar la manera de explotar este descubrimiento.
Así que esperamos que se le pregunte acerca de la mayoría de chismes-sobre la persona en su red en una
encuesta en un futuro no muy lejano.
Ref: arxiv.org/abs/1406.2293 : Gossip: Identifying Central Individuals In A Social Network
No hay comentarios:
Publicar un comentario