Las simulaciones revelan cómo se encuentra que la mentira de los blancos une a la sociedad mientras que las mentiras de los negros crean crean diversidad
Los biólogos evolutivos han pensado durante mucho tiempo que la mentira debe destruir las sociedades. Ahora antropólogos computacionales han demostrado que nada podría estar más lejos de la verdad.
MIT Technology Review
Todo el mundo aprende de niño que mentir es malo. Todos aprendemos algo más también-que algunos tipos de mentiras son peores que otros. Es más, ciertas clases de mentiras-los llamadas mentiras blancas-son en realidad bastante aceptables, incluso necesarias a veces.
En consecuencia, los seres humanos se convierten en mentirosos sofisticados. De hecho, diversos estudios han demostrado que mentimos todo el tiempo, tal vez hasta dos veces por día en promedio.
Es fácil ver cómo la mentira se reduce el nivel de confianza entre los individuos y por lo tanto pone en peligro la estabilidad de las sociedades. Entonces, ¿cómo las sociedades sobreviven a todas estas mentiras?
Eso es algo de un enigma para los biólogos evolutivos. El hecho mismo de que la mentira es tan frecuente en la sociedad humana sugiere que podría ofrecer algún tipo de ventaja evolutiva. En otras palabras, todos nos beneficiamos de la mentira, de alguna manera. Pero, ¿cómo?
Hoy en día, obtener una respuesta gracias a la obra de Gerardo Iñiguez en la Universidad de Aalto en Finlandia y unos amigos (incluyendo a Robin Dunbar, un antropólogo de la Universidad de Oxford del famoso número de Dunbar). Estos chicos han simulado los efectos de que se encuentra en la resistencia de las conexiones que existen dentro de una red social.
Pero han añadido fascinante giro. Estos chicos han hecho una distinción clara entre las mentiras que benefician a la persona que me mienten contra la mentira que benefician a la persona que realiza la mentira. En otras palabras, su modelo capta la diferencia entre las mentiras "blancas", que son pro-sociales, y mentiras "negras", que son antisociales.
Su método consiste en crear una red social en la que cada persona puede tener una opinión sobre un tema en particular que varía entre el total desacuerdo y acuerdo total. Esta opinión se ve influenciada de dos maneras: por la interacción con los vecinos y también por la opinión "promedio" de la red en su conjunto.
Los vínculos entre los individuos se pueden romper cuando sus opiniones difieren marcadamente y fortalecen cuando sus opiniones coinciden.
Pero aquí está la parte más inteligente de este modelo. Cuando se intercambia la información sobre las opiniones, las personas pueden ocultar su verdadera opinión por mentir al respecto a sus vecinos. Así que su opinión pública difiere de la privada.
Iñiguez considera este acto de mentir para ser antisocial cuando tiende a aumentar la diferencia de opinión entre dos individuos y así debilita sus lazos. Pero el equipo considera este acto sea prosocial, una mentira piadosa, cuando tiende a reducir la diferencia de opinión entre dos individuos y así refuerza sus lazos.
De esta manera, pueden captar el efecto de ambas mentiras blancas y mentiras antisociales en la sociedad en general.
Los resultados proporcionan una visión fascinante de la forma en que la mentira puede pegar la sociedad en conjunto. Cuando todo el mundo es un mentiroso antisocial, la sociedad simplemente porque fragmenta vínculos entre las personas se rompen constantemente. Nadie puede confiar en nadie más.
Pero el otro extremo es igualmente extraño. Cuando todo el mundo es honesto, la sociedad se convierte en una masa uniforme sin diferencias importantes de opinión.
La mayor diversidad se produce cuando hay una cierta cantidad de engaño. En ese caso, las mentiras blancas estrechan lazos mientras mentiras negras debilitan y esta tensión permite la diversidad florezca. "Los resultados de nuestro estudio sugieren que no todas las mentiras son malas ni necesariamente socialmente destructiva; de hecho, parece que algunas mentiras pueden incluso mejorar la cohesión de la sociedad en su conjunto y ayudar a crear vínculos con otras personas ", dicen Iñiguez y co.
Eso es un resultado interesante. Se sugiere que lejos de destruir la sociedad, se encuentra en realidad ayudar a asegurar su buen funcionamiento y el equilibrio entre pro y anti-sociales mentira parece ser crucial. "En efecto, algunos tipos de mentiras en realidad podría ser esencial para el buen funcionamiento de la sociedad", dice Iñiguez y colegas.
Esto plantea una serie de interesantes puzzles. Mentira prosocial sólo es posible en las especies socialmente complejas, pero una pregunta interesante es si es una característica exclusivamente humana. Iñiguez y colegas puntualizan a varios casos de engaño en el reino animal que podría calificarse como tales.
Dicen los ejemplos más plausibles son animales que dan alarmas falsas de depredadores cuando otra persona se mueve demasiado lejos del grupo, el comportamiento que se ha observado en el brío que los monos.
Más allá de eso está la cuestión de cómo evolucionó la mentira prosocial. ¿Es un precursor evolutivo de egoísta, antisocial engaño o un comportamiento que emerge una vez que el engaño se ha arraigado en el grupo, pida a decir Iñiguez y co.
Estos chicos han dirigido cuidadosamente lejos de esta cuestión en este estudio, señalando que hasta ahora ni siquiera ha estado claro si la mentira prosocial es beneficioso en absoluto. Ahora se han establecido el beneficio en este trabajo, el camino está abierto para que estudien la forma en que podría haber evolucionado en el primer lugar.
Eso debería ser el trabajo vale la pena mantener un ojo hacia fuera para.
Ref: arxiv.org/abs/1406.0673: Effects of Deception in Social Networks
Este blog reúne material del curso de posgrado "Análisis de redes sociales" dictado en la Universidad Nacional del Sur (Argentina).
domingo, 15 de junio de 2014
sábado, 14 de junio de 2014
Emerge la antropología computacional
La ciencia emergente de la Antropología Computacional
Las redes sociales basadas en la localización están permitiendo a los científicos estudiar la forma en patrones humanos de un cambio de comportamiento en el tiempo y en el espacio, una técnica que debería conllevar una visión más profunda de la naturaleza de la sociedad.
MIT Technology Review
La creciente disponibilidad de grandes volúmenes de datos desde teléfonos móviles y aplicaciones basadas en la ubicación ha provocado una revolución en la comprensión de los patrones de movilidad humana. Estos datos muestran el flujo y reflujo de los desplazamientos diarios dentro y fuera de las ciudades, el patrón de viajes de todo el mundo e incluso la forma de la enfermedad puede propagarse a través de las ciudades a través de sus sistemas de transporte.
Así que hay mucho interés en mirar más de cerca los patrones de movilidad humana de ver lo bien que se puede predecir y cómo se podrían utilizar estas predicciones en todo, desde el control de la enfermedad y la planificación de la ciudad a la previsión del tráfico y la publicidad basada en la ubicación.
Hoy en día tenemos una idea de la clase de detallado que es posible gracias al trabajo de Zimo Yang en investigaciones de Microsoft en Pekín y algunos amigos. Estos chicos comienzan con la hipótesis de que las personas que viven en una ciudad tienen un patrón de movilidad que es significativamente diferente de aquellos que no son más que visitaba. Al dividir los viajeros en los locales y no locales, su capacidad para predecir donde la gente es probable que visite mejora dramáticamente.
Zimo y colegas comienzan con datos de una red social basada en la localización chino llamado Jiepang.com. Esto es similar a Foursquare en los EE.UU. Se permite a los usuarios grabar los lugares que visitan y para conectarse con amigos en estos lugares y para encontrar otras personas con intereses similares.
Los puntos de datos se conocen como registros de entrada y el equipo descargaron más de 1,3 millones de ellos a partir de cinco grandes ciudades de China: Beijing, Shanghai, Nanjing, Chengdu y Hong Kong. A continuación, utiliza el 90 por ciento de los datos para entrenar a sus algoritmos y el restante 10 por ciento para probarlo. Los datos Jiapang incluye lugares de origen de los usuarios por lo que es fácil ver si una persona está comprobando desde su ciudad o en otro lugar.
La pregunta que Zimo y colegas quieren responder es la siguiente: dado un usuario en particular y de su ubicación actual, ¿dónde están más propensos a visitar en el futuro cercano? En la práctica, esto significa analizar los datos del usuario, como su ciudad natal y los lugares visitados recientemente, y viene con una lista de otros lugares que son propensos a visitar en función del tipo de personas que visitaron estos lugares en el pasado.
Zimo y colegas utilizaron su conjunto de datos de entrenamiento para aprender el patrón de movilidad de los locales y no locales y la popularidad de los lugares que visitaron. Posteriormente, el equipo aplicó esto a los datos de prueba para ver si su algoritmo fue capaz de predecir donde locales y no locales eran propensos a visitar.
Ellos encontraron que los mejores resultados se dieron a analizar el patrón de comportamiento de un individuo en particular y la estimación de la medida en que esta persona se comporta como si fuera local. Eso produjo una ponderación llamado el coeficiente de indigenización que los investigadores podrían entonces utilizar para determinar los patrones de movilidad que esta persona era probable que siga en el futuro.
De hecho, Zimo y colegas dicen que pueden detectar no-residentes de esta manera sin siquiera saber su posición de casa. "Debido a que los no nativos tienden a visitar lugares populares, como el Palacio Imperial en Beijing y el Bund en Shanghai, mientras que los nativos suelen comprobar en torno a sus hogares y lugares de trabajo", añaden.
El equipo dice que este enfoque supera considerablemente los algoritmos mixtos que utilizan sólo la historia visitando individuo y la ubicación de popularidad. "Para nuestra sorpresa, un algoritmo híbrido ponderada mediante los coeficientes de indigenización supera el algoritmo mixto que representa la información demográfica adicional."
Es fácil imaginar cómo este algoritmo podría ser útil para las empresas que desean dirigirse a ciertos tipos de viajeros o gente local. Pero hay una aplicación más interesante también.
Zimo y sus colegas dicen que es posible controlar la forma en que los patrones de movilidad de una persona cambian con el tiempo. Así que si una persona se muda a una nueva ciudad, debería ser posible ver el tiempo que tardan en resolver pulg
Una forma de medir esto es en sus pautas de movilidad: si son más parecidas a las de un local o de un no-local. "Podemos ser capaces de calcular si una persona no nativa se comportará como una persona nativa después de un período de tiempo y si es así, ¿cuánto tiempo en promedio una persona necesita para ser un uno-nativa como," dicen Zimo y co.
Eso podría tener un impacto interesante en el camino antropólogos migración estudio y la forma en inmigrantes se convierten en parte de una comunidad local. Esta es la antropología computacional una ciencia que está claramente en sus primeras etapas, pero que tiene un enorme potencial para el futuro.
Ref: arxiv.org/abs/1405.7769: Indigenization of Urban Mobility
Las redes sociales basadas en la localización están permitiendo a los científicos estudiar la forma en patrones humanos de un cambio de comportamiento en el tiempo y en el espacio, una técnica que debería conllevar una visión más profunda de la naturaleza de la sociedad.
MIT Technology Review
La creciente disponibilidad de grandes volúmenes de datos desde teléfonos móviles y aplicaciones basadas en la ubicación ha provocado una revolución en la comprensión de los patrones de movilidad humana. Estos datos muestran el flujo y reflujo de los desplazamientos diarios dentro y fuera de las ciudades, el patrón de viajes de todo el mundo e incluso la forma de la enfermedad puede propagarse a través de las ciudades a través de sus sistemas de transporte.
Así que hay mucho interés en mirar más de cerca los patrones de movilidad humana de ver lo bien que se puede predecir y cómo se podrían utilizar estas predicciones en todo, desde el control de la enfermedad y la planificación de la ciudad a la previsión del tráfico y la publicidad basada en la ubicación.
Hoy en día tenemos una idea de la clase de detallado que es posible gracias al trabajo de Zimo Yang en investigaciones de Microsoft en Pekín y algunos amigos. Estos chicos comienzan con la hipótesis de que las personas que viven en una ciudad tienen un patrón de movilidad que es significativamente diferente de aquellos que no son más que visitaba. Al dividir los viajeros en los locales y no locales, su capacidad para predecir donde la gente es probable que visite mejora dramáticamente.
Zimo y colegas comienzan con datos de una red social basada en la localización chino llamado Jiepang.com. Esto es similar a Foursquare en los EE.UU. Se permite a los usuarios grabar los lugares que visitan y para conectarse con amigos en estos lugares y para encontrar otras personas con intereses similares.
Los puntos de datos se conocen como registros de entrada y el equipo descargaron más de 1,3 millones de ellos a partir de cinco grandes ciudades de China: Beijing, Shanghai, Nanjing, Chengdu y Hong Kong. A continuación, utiliza el 90 por ciento de los datos para entrenar a sus algoritmos y el restante 10 por ciento para probarlo. Los datos Jiapang incluye lugares de origen de los usuarios por lo que es fácil ver si una persona está comprobando desde su ciudad o en otro lugar.
La pregunta que Zimo y colegas quieren responder es la siguiente: dado un usuario en particular y de su ubicación actual, ¿dónde están más propensos a visitar en el futuro cercano? En la práctica, esto significa analizar los datos del usuario, como su ciudad natal y los lugares visitados recientemente, y viene con una lista de otros lugares que son propensos a visitar en función del tipo de personas que visitaron estos lugares en el pasado.
Zimo y colegas utilizaron su conjunto de datos de entrenamiento para aprender el patrón de movilidad de los locales y no locales y la popularidad de los lugares que visitaron. Posteriormente, el equipo aplicó esto a los datos de prueba para ver si su algoritmo fue capaz de predecir donde locales y no locales eran propensos a visitar.
Ellos encontraron que los mejores resultados se dieron a analizar el patrón de comportamiento de un individuo en particular y la estimación de la medida en que esta persona se comporta como si fuera local. Eso produjo una ponderación llamado el coeficiente de indigenización que los investigadores podrían entonces utilizar para determinar los patrones de movilidad que esta persona era probable que siga en el futuro.
De hecho, Zimo y colegas dicen que pueden detectar no-residentes de esta manera sin siquiera saber su posición de casa. "Debido a que los no nativos tienden a visitar lugares populares, como el Palacio Imperial en Beijing y el Bund en Shanghai, mientras que los nativos suelen comprobar en torno a sus hogares y lugares de trabajo", añaden.
El equipo dice que este enfoque supera considerablemente los algoritmos mixtos que utilizan sólo la historia visitando individuo y la ubicación de popularidad. "Para nuestra sorpresa, un algoritmo híbrido ponderada mediante los coeficientes de indigenización supera el algoritmo mixto que representa la información demográfica adicional."
Es fácil imaginar cómo este algoritmo podría ser útil para las empresas que desean dirigirse a ciertos tipos de viajeros o gente local. Pero hay una aplicación más interesante también.
Zimo y sus colegas dicen que es posible controlar la forma en que los patrones de movilidad de una persona cambian con el tiempo. Así que si una persona se muda a una nueva ciudad, debería ser posible ver el tiempo que tardan en resolver pulg
Una forma de medir esto es en sus pautas de movilidad: si son más parecidas a las de un local o de un no-local. "Podemos ser capaces de calcular si una persona no nativa se comportará como una persona nativa después de un período de tiempo y si es así, ¿cuánto tiempo en promedio una persona necesita para ser un uno-nativa como," dicen Zimo y co.
Eso podría tener un impacto interesante en el camino antropólogos migración estudio y la forma en inmigrantes se convierten en parte de una comunidad local. Esta es la antropología computacional una ciencia que está claramente en sus primeras etapas, pero que tiene un enorme potencial para el futuro.
Ref: arxiv.org/abs/1405.7769: Indigenization of Urban Mobility
viernes, 13 de junio de 2014
Compra de amigos en Twitter
Amigos (falsos) con beneficios (reales)
Pagué $ 5 para 4.000 seguidores en Twitter, y aquí está lo que encontré
La compra de su forma de estado en las redes sociales se ha convertido en una práctica habitual. Desde Instagram le gusta a los seguidores de Twitter, hay un número creciente de servicios que prometen subir sus números. ¡Y son bastante asequibles!
Lo que solía ser completamente mal visto, ahora, considerarse de hecho un acto de la optimización de los medios de comunicación social. Al igual que la elección de las palabras clave adecuadas cuando se optimizan para la búsqueda de Google, puede la compra de seguidores o gustos falsos impulsar la posición de uno en las redes sociales?
Esa fue la pregunta principal me puse a explorar cuando me decidí a dar el paso y comprar seguidores.
Como científico de datos que estoy perpetuamente trabajando en la identificación de mejores formas para clasificar los usuarios y contenidos en las redes sociales. Estos espacios están llenos de lo que los investigadores llaman Internet affordances de estado, los indicadores, las medidas y las cifras que nos dan la posibilidad de comparar fácilmente entre sí. Número de ventiladores, favoritos, le gusta o seguidores - Estos números aparecen en todas partes, sin embargo, no está claro cuán significativo o representante de la verdadera autoridad que realmente son. Cristal Una cosa es clara - en las redes sociales es fácil confundir popularidad por credibilidad.
Google convenientemente completado automático mi búsqueda de "comprar gorjeo" con una serie de sugerencias útiles, como: "comprar seguidores en Twitter", "comprar seguidores en Twitter baratas" y "comprar seguidores en Twitter opiniones" Desde luego, no era el único que busca. esto.
Google completa automáticamente 'buy Twitter' con los seguidores, barato y revisión. Además de eso, hubo incluso un link patrocinado en el lado derecho de un servicio en Ebay.
Uno de los mejores servicios que surgió fue fiverr.com, un mercado en línea para los servicios que cuestan $ 5 o menos. Por allí, alguien se ofrece a grabar un personaje Morgan Freeman Voice Over, y otro a cantar feliz cumpleaños como Marilyn Monroe todo por un precio de oferta de $ 5. Después de la búsqueda de 'seguidores en Twitter', vi la siguiente lista de servicios de cada uno que promete una cierta cantidad de "real" o "calidad" de seguidores en Twitter, que van desde 200 a más de 20.000, todo por el precio de ganga de ... $ 5.
Me decidí por uno que parecía digno de confianza.
27.500 seguidores sentían excesiva, mientras que 4000 era un número que podía soportar. Especifiqué mi mango Twitter - @ guilgul - pagado la cuota.
Y esperó.
Dentro de las 24 horas, mi perfil saltó de alrededor de 2.600 seguidores a la gama 6600. Recuerdo sentir una oleada de emoción cuando vi notificaciones vuelan mostrando más y más usuarios de seguirme. A pesar de que yo sabía que esto era un cien por ciento falso, la emoción me emocionó, y al final del proceso, que tiene más de 6k seguidores, en honor a la verdad, se sentía muy bien.
Esto es lo que parece cuando se gana 4.000 seguidores! Tenga en cuenta el descenso de un par de semanas después de la compra. Esto es Twitter limpiando cuidadosamente y eliminar cuentas falsas.
Una vez que mis 4.000 seguidores recién comprados estaban a bordo, he utilizado la API de Twitter para hacer otro de sorpresas de mi lista de seguidores, que comparé con mi lista de principios para generar una lista de las 4.000 cuentas de Twitter falsas ahora me sigue. Esto fue algo muy emocionante. En mi línea de trabajo, tener acceso a un conjunto de datos tan limpio no es fácil de conseguir.
@ AnnalisaMonsodz es un ejemplo de una cuenta de robot típico: texto aleatorio usado para el campo de la bio así como tweets, siguiente número significativamente más alto que los seguidores.
Todos ellos tenían imágenes de perfil y los nombres de pantalla que no necesariamente se sienten automatizado. Pero al mirar más profundamente, estaba claro que algo estaba fuera de sus perfiles.
Las biografías incluyen fragmentos aleatorios de texto de lo que sospechaba era un libro o manuscrito. Además, la mayoría de mis nuevos fans seguían enormemente más usuarios de los que tenían los usuarios seguían.
Ahora viene la parte emocionante. Usando mi lista de bots, comencé a trazar quién más seguido mis nuevos seguidores, con la esperanza de arrojar luz sobre qué tipo de gente comprar seguidores.
Si bien estas cuentas falsas pueden ser difíciles de identificar simplemente con base en imágenes de perfil o de texto, mediante el análisis de la red (que siguen y que los sigue) todo se vuelve sorprendentemente clara.
Esta es una representación gráfica de la red de mis seguidores de Twitter después de que yo adquirí los bots. El grupo superior representa mis seguidores "reales", que se entrelazan, muchos siguen unos a otros, claramente una comunidad de usuarios. Si bien la región púrpura inferior representa las cuentas falsas, que están completamente separados - estructuralmente es evidente que no son una comunidad real, con muy poca conectividad entre las cuentas.
En la lista global de cientos de miles de cuentas de mis bots siguieron, me encontré con DJs, músicos, diseñadores de moda, actores, políticos, servicios de bienes raíces, bancos, vendedores y marcas. No tiene mucho sentido, supongo. ¡Qué emocionante es un músico con pocos seguidores en Twitter? ¿Qué credibilidad es un político cuya nadie los tweets se inscriba para recibir?
Pero algunos realmente me desconcertó. Una cuenta que los seguidores claramente adquirió es @ YellowCabNYC, el "New York City Taxi App". Esto no debe confundirse con el Taxi & Limousine Comisión NYC (@ nyctaxi) que regula los taxis amarillos de la ciudad. Otro era @ SuperProtein, "delicioso salud y bienestar suplementos", así como @ Elisabeth_Musil, consultor y coach de negocios. La lista sigue y sigue.
Mis números completamente falsas en una plataforma tuvieron un efecto muy real en un servicio completamente diferente.
Con el tiempo, yo también empecé a ver un aumento en el número de mis seguidores reales. Esto podría ser debido al hecho de que Twitter comenzó a empujar hacia fuera más notificaciones a sus usuarios. También podría ser un factor de credibilidad percibida. Cuando un extraño visto mi perfil, mi gran número de seguidores me hizo mirar más creíble.
Después de unos meses, algunos de mis seguidores falsos comenzaron a desaparecer. Pero mi número total de seguidores ha dejado de crecer. En cierto modo, lo que hice fue optimizar mi cuenta de medios de comunicación social. Tal vez la adquisición de esa parte de los seguidores me dio lo suficiente de un golpe a la semilla de crecimiento orgánico. Profesionales de adquisición usuario aprovechar técnicas similares al ejecutar campañas pagadas, especialmente dentro de los entornos de tienda de aplicaciones.
Todos estamos acostumbrados a la práctica de la optimización del Search Engine que se ha convertido en una industria de miles de millones de dólares. La adquisición de estado en línea es sólo uno de las muchas maneras en las que alguien puede llevar a cabo la optimización de los medios de comunicación social. Este es, sin duda, no sólo ocurre en Twitter. TagsForLikes es un servicio de uso común que añade los hashtags más populares y relevantes a sus puestos de Instagram, haciéndolos mucho más visible cuando otros usuarios realicen búsquedas. Boostlikes aumenta gustos de su página de Facebook, y varios servicios de la promesa para descargar su aplicación móvil, algunos ofrecen calificaciones.
La compra de Likes y Seguidores (fuente: Google Trends)
La pendiente ascendente que vemos en Google Trends, el creciente número de tareas propuestas en fiverr.com, y los artículos cada vez que cubren el tema apuntan al hecho de que hay mayor interés en la optimización de medios sociales, en el sistema de juego.
No estoy recomendando a nadie salir a comprar seguidores. De hecho, yo no puedo superar la sensación de que es bastante mala calidad. Pero sí creo que la adquisición de la cantidad exacta, por mucho que me gusta escribir, puede tener un efecto positivo a largo plazo sobre la aceleración del crecimiento y la visibilidad.
Si has llegado hasta aquí abajo, y usted no es un bot, hazme un favor - en la cabeza a Twitter y sígueme: @ guilgul
iMedium
Pagué $ 5 para 4.000 seguidores en Twitter, y aquí está lo que encontré
La compra de su forma de estado en las redes sociales se ha convertido en una práctica habitual. Desde Instagram le gusta a los seguidores de Twitter, hay un número creciente de servicios que prometen subir sus números. ¡Y son bastante asequibles!
Lo que solía ser completamente mal visto, ahora, considerarse de hecho un acto de la optimización de los medios de comunicación social. Al igual que la elección de las palabras clave adecuadas cuando se optimizan para la búsqueda de Google, puede la compra de seguidores o gustos falsos impulsar la posición de uno en las redes sociales?
Esa fue la pregunta principal me puse a explorar cuando me decidí a dar el paso y comprar seguidores.
Como científico de datos que estoy perpetuamente trabajando en la identificación de mejores formas para clasificar los usuarios y contenidos en las redes sociales. Estos espacios están llenos de lo que los investigadores llaman Internet affordances de estado, los indicadores, las medidas y las cifras que nos dan la posibilidad de comparar fácilmente entre sí. Número de ventiladores, favoritos, le gusta o seguidores - Estos números aparecen en todas partes, sin embargo, no está claro cuán significativo o representante de la verdadera autoridad que realmente son. Cristal Una cosa es clara - en las redes sociales es fácil confundir popularidad por credibilidad.
El Experimento
Al principio, he usado la API de Twitter para obtener una lista de mis 2.600 seguidores en Twitter existentes. Entonces me puse a averiguar dónde comprar más.Google convenientemente completado automático mi búsqueda de "comprar gorjeo" con una serie de sugerencias útiles, como: "comprar seguidores en Twitter", "comprar seguidores en Twitter baratas" y "comprar seguidores en Twitter opiniones" Desde luego, no era el único que busca. esto.
Google completa automáticamente 'buy Twitter' con los seguidores, barato y revisión. Además de eso, hubo incluso un link patrocinado en el lado derecho de un servicio en Ebay.
Uno de los mejores servicios que surgió fue fiverr.com, un mercado en línea para los servicios que cuestan $ 5 o menos. Por allí, alguien se ofrece a grabar un personaje Morgan Freeman Voice Over, y otro a cantar feliz cumpleaños como Marilyn Monroe todo por un precio de oferta de $ 5. Después de la búsqueda de 'seguidores en Twitter', vi la siguiente lista de servicios de cada uno que promete una cierta cantidad de "real" o "calidad" de seguidores en Twitter, que van desde 200 a más de 20.000, todo por el precio de ganga de ... $ 5.
Me decidí por uno que parecía digno de confianza.
27.500 seguidores sentían excesiva, mientras que 4000 era un número que podía soportar. Especifiqué mi mango Twitter - @ guilgul - pagado la cuota.
Y esperó.
Dentro de las 24 horas, mi perfil saltó de alrededor de 2.600 seguidores a la gama 6600. Recuerdo sentir una oleada de emoción cuando vi notificaciones vuelan mostrando más y más usuarios de seguirme. A pesar de que yo sabía que esto era un cien por ciento falso, la emoción me emocionó, y al final del proceso, que tiene más de 6k seguidores, en honor a la verdad, se sentía muy bien.
Esto es lo que parece cuando se gana 4.000 seguidores! Tenga en cuenta el descenso de un par de semanas después de la compra. Esto es Twitter limpiando cuidadosamente y eliminar cuentas falsas.
Una vez que mis 4.000 seguidores recién comprados estaban a bordo, he utilizado la API de Twitter para hacer otro de sorpresas de mi lista de seguidores, que comparé con mi lista de principios para generar una lista de las 4.000 cuentas de Twitter falsas ahora me sigue. Esto fue algo muy emocionante. En mi línea de trabajo, tener acceso a un conjunto de datos tan limpio no es fácil de conseguir.
Análisis
El uso de los datos, comencé a buscar más de cerca a mis nuevos seguidores. No estaba inmediatamente claro por echar un vistazo a sus perfiles que sólo eran bots.@ AnnalisaMonsodz es un ejemplo de una cuenta de robot típico: texto aleatorio usado para el campo de la bio así como tweets, siguiente número significativamente más alto que los seguidores.
Todos ellos tenían imágenes de perfil y los nombres de pantalla que no necesariamente se sienten automatizado. Pero al mirar más profundamente, estaba claro que algo estaba fuera de sus perfiles.
Las biografías incluyen fragmentos aleatorios de texto de lo que sospechaba era un libro o manuscrito. Además, la mayoría de mis nuevos fans seguían enormemente más usuarios de los que tenían los usuarios seguían.
Ahora viene la parte emocionante. Usando mi lista de bots, comencé a trazar quién más seguido mis nuevos seguidores, con la esperanza de arrojar luz sobre qué tipo de gente comprar seguidores.
Si bien estas cuentas falsas pueden ser difíciles de identificar simplemente con base en imágenes de perfil o de texto, mediante el análisis de la red (que siguen y que los sigue) todo se vuelve sorprendentemente clara.
Esta es una representación gráfica de la red de mis seguidores de Twitter después de que yo adquirí los bots. El grupo superior representa mis seguidores "reales", que se entrelazan, muchos siguen unos a otros, claramente una comunidad de usuarios. Si bien la región púrpura inferior representa las cuentas falsas, que están completamente separados - estructuralmente es evidente que no son una comunidad real, con muy poca conectividad entre las cuentas.
En la lista global de cientos de miles de cuentas de mis bots siguieron, me encontré con DJs, músicos, diseñadores de moda, actores, políticos, servicios de bienes raíces, bancos, vendedores y marcas. No tiene mucho sentido, supongo. ¡Qué emocionante es un músico con pocos seguidores en Twitter? ¿Qué credibilidad es un político cuya nadie los tweets se inscriba para recibir?
Pero algunos realmente me desconcertó. Una cuenta que los seguidores claramente adquirió es @ YellowCabNYC, el "New York City Taxi App". Esto no debe confundirse con el Taxi & Limousine Comisión NYC (@ nyctaxi) que regula los taxis amarillos de la ciudad. Otro era @ SuperProtein, "delicioso salud y bienestar suplementos", así como @ Elisabeth_Musil, consultor y coach de negocios. La lista sigue y sigue.
Resultado
Aún más interesante, al menos para mí, era lo que mis seguidores falsos hicieron por mí. Mi puntuación Klout casi al instante se alzó. Yo no estaba impresionado por que hasta que me di cuenta de que el motor de búsqueda de Microsoft, Bing, colabora con Klout, por lo que una puntuación Klout superior me puso más arriba en los resultados de búsqueda de Bing.Mis números completamente falsas en una plataforma tuvieron un efecto muy real en un servicio completamente diferente.
Con el tiempo, yo también empecé a ver un aumento en el número de mis seguidores reales. Esto podría ser debido al hecho de que Twitter comenzó a empujar hacia fuera más notificaciones a sus usuarios. También podría ser un factor de credibilidad percibida. Cuando un extraño visto mi perfil, mi gran número de seguidores me hizo mirar más creíble.
Después de unos meses, algunos de mis seguidores falsos comenzaron a desaparecer. Pero mi número total de seguidores ha dejado de crecer. En cierto modo, lo que hice fue optimizar mi cuenta de medios de comunicación social. Tal vez la adquisición de esa parte de los seguidores me dio lo suficiente de un golpe a la semilla de crecimiento orgánico. Profesionales de adquisición usuario aprovechar técnicas similares al ejecutar campañas pagadas, especialmente dentro de los entornos de tienda de aplicaciones.
Todos estamos acostumbrados a la práctica de la optimización del Search Engine que se ha convertido en una industria de miles de millones de dólares. La adquisición de estado en línea es sólo uno de las muchas maneras en las que alguien puede llevar a cabo la optimización de los medios de comunicación social. Este es, sin duda, no sólo ocurre en Twitter. TagsForLikes es un servicio de uso común que añade los hashtags más populares y relevantes a sus puestos de Instagram, haciéndolos mucho más visible cuando otros usuarios realicen búsquedas. Boostlikes aumenta gustos de su página de Facebook, y varios servicios de la promesa para descargar su aplicación móvil, algunos ofrecen calificaciones.
La compra de Likes y Seguidores (fuente: Google Trends)
La pendiente ascendente que vemos en Google Trends, el creciente número de tareas propuestas en fiverr.com, y los artículos cada vez que cubren el tema apuntan al hecho de que hay mayor interés en la optimización de medios sociales, en el sistema de juego.
No estoy recomendando a nadie salir a comprar seguidores. De hecho, yo no puedo superar la sensación de que es bastante mala calidad. Pero sí creo que la adquisición de la cantidad exacta, por mucho que me gusta escribir, puede tener un efecto positivo a largo plazo sobre la aceleración del crecimiento y la visibilidad.
Si has llegado hasta aquí abajo, y usted no es un bot, hazme un favor - en la cabeza a Twitter y sígueme: @ guilgul
iMedium
miércoles, 11 de junio de 2014
Charla: Enredos sociales
Charla "Enredos Sociales"
La charla
Con alumnos del 6º Año de la Escuela Normal Superior dependiente de la Universidad Nacional del Sur. La charla se produjo en el marco de la Semana de la Ciencia en el CRIBBAB de Bahía Blanca.
Antes que llegaran los alumnos
Cada post-it representaba una "información" que debía transmitirse a la red de amigos de 3 alumnos
Luego un "enlace" de hilo los unía.
Enredados
Alguien recibió dos secretos... el registro de mayor centralidad de grado entrante del grupo
¡Gracias a todos por la buena onda!
La charla
Con alumnos del 6º Año de la Escuela Normal Superior dependiente de la Universidad Nacional del Sur. La charla se produjo en el marco de la Semana de la Ciencia en el CRIBBAB de Bahía Blanca.
Antes que llegaran los alumnos
Cada post-it representaba una "información" que debía transmitirse a la red de amigos de 3 alumnos
Luego un "enlace" de hilo los unía.
Enredados
Alguien recibió dos secretos... el registro de mayor centralidad de grado entrante del grupo
¡Gracias a todos por la buena onda!
martes, 10 de junio de 2014
Redes sociales de cazadores-recolectores
Las redes sociales y la cooperación en los cazadores-recolectores
Coren Apicella L., Frank W. Marlowe, James H. Fowler y Nicholas A. Christakis
Las redes sociales muestran regularidades estructurales sorprendentes, y la teoría y la evidencia sugieren que las redes pueden haber facilitado el desarrollo de la cooperación a gran escala en humanos. Este sentido, caracterizar las redes sociales de los hadza, una población de cazadores-recolectores en Tanzania8. Se demuestra que las redes hadza tienen propiedades importantes también se ven en las redes sociales modernizados, incluyendo un grado de distribución sesgada, un grado de asortatividad, transitividad, reciprocidad, decadencia geográfica y homofilia. Se demuestra que los campamentos Hadza exhiben alta variación entre los grupos y baja dentro del grupo en el juego de donaciones de bienes públicos. Lazos de la red son también más probable entre las personas que dan la misma cantidad, y la similitud en el comportamiento cooperativo se extiende hasta dos grados de separación. La distancia social parece ser tan importante como la relación genética y la proximidad física al explicar asortatividad en cooperación. Nuestros resultados sugieren que ciertos elementos de la estructura de red social pueden haber estado presentes en un punto temprano en la historia humana. Además, los primeros seres humanos pueden haber formado lazos con ambos parientes y no parientes, basándose en parte en su tendencia a cooperar. Las redes sociales pueden por tanto han contribuido a la aparición de la cooperación.
Redes sociales actuales pueden haber estado presente en los primeros humanos modernos
Una nueva investigación ofrece información sobre la evolución de la cooperación, y muestra ...por Kate Shaw Yoshida
Un miembro de la hadza identifica su red social para los investigadores. Fotografía de Coren Apicella
Si alguna vez sentarse y preguntarse lo que podría haber sido vivir en el Pleistoceno tardío, usted no está solo. Eso es de cuando los seres humanos surgieron de un cuello de botella poblacional severo y comenzaron a expandirse a nivel internacional. Pero, al parecer, la vida en ese entonces no podría haber sido demasiado diferente a la forma en que vivimos hoy en día (es decir, sin los coches, la lengua escrita, y por supuesto, el teléfono inteligente). En la revista Nature, un grupo de investigadores sugiere que compartimos muchas características sociales con los seres humanos que vivieron en el Pleistoceno tardío, y que estos antiguos seres humanos pueden haber allanado el camino para que cooperemos con los demás.
Redes sociales humanos modernos comparten varias características, si operan dentro de un grupo de escolares de San Francisco o de una comunidad de trabajadores del molino en Bulgaria. El número de lazos sociales tiene una persona, la probabilidad de que dos de los amigos de una persona también son amigos, y la inclinación de las personas similares a conectar son los grupos a través de muy regulares de personas muy diferentes vidas que viven en lugares remotos.
Así, los investigadores preguntaron, estas son las características universales a todos los grupos de seres humanos, o son simplemente subproductos de nuestro mundo moderno? También querían entender las redes sociales rasgos que permitieron que la cooperación para el desarrollo en las comunidades antiguas.
Por supuesto, los investigadores no pudieron sondear un grupo de humanos antiguos, así que tuvieron que encontrar una comunidad que vive hoy que tiene un estilo de vida que se asemeja mucho a las de las personas que podrían haber vivido hace 130.000 años. Eligieron el hadza, un grupo de cazadores-recolectores que viven en Tanzania y están muy aislados de la industrialización y otras influencias modernas. Las funciones del hadza tanto como los antiguos grupos de cazadores-recolectores hacían, mediante la cooperación y el intercambio de recursos como el alimento y el cuidado infantil. Sociedad hadza está organizado en campamentos, que se toman y abandonados con regularidad; la composición de cada campo también cambia con frecuencia, con personas que salen de un campo a unirse a otro.
Los investigadores visitaron 17 campamentos hadza y encuestaron a 205 adultos. En primer lugar, se miraron donaciones de miel palos a otros miembros de la comunidad de las personas. También hicieron preguntas como: "¿Con quién le gustaría vivir después de que termine este campamento?" De las respuestas, los investigadores construyeron un modelo de la red social hadza.
Muchas de las características de la red de cazadores-recolectores son muy similares a los de las comunidades modernas, industrializadas. Los que viven más alejados entre sí son menos propensos a nombrar uno al otro como amigos. Las personas que dan nombre a más amigos que también son nombrados con mayor frecuencia por otros, incluso entre personas que no reclaman como sus amigos. Las personas que se parecen entre sí de alguna manera física tienden a estar conectados también; para las personas hadza, similitud en la edad, la grasa corporal y la fuerza de prensión aumenta la probabilidad de la amistad.
También hay varias características de la red social hadza que pueden facilitar una amplia cooperación. Las personas que cooperan (en este caso, mediante la donación de más palos de miel) están conectados a otros cooperadores, mientras que los no cooperadores tienden a estar conectados entre sí. Este tipo de agrupación permite cooperantes se beneficien de importantes donaciones de los demás y aumentan en la población.
Los biólogos evolutivos han pronosticado que, para la cooperación con la aparición y propagación, no debe haber más variación en el comportamiento cooperativo entre los grupos que dentro de los grupos. Este es otro ejemplo de la agrupación, y permite que las diferencias en la productividad y la aptitud de los grupos con diferentes niveles de cooperación. Y de hecho, en la sociedad hadza, hay más variación en la cooperación entre los diferentes campos que dentro de los campamentos.
A partir de estos resultados, hay dos cosas claras; en primer lugar, que muchas de las características universales de las redes sociales modernas también cierto para los hadza, lo que sugiere que estos rasgos también pueden haber gobernado las redes sociales de los seres humanos antiguos. En segundo lugar, varias funciones sociales que han sido predichos para facilitar la evolución y la propagación de la cooperación están presentes en las comunidades hadza.
Es evidente que las sociedades antiguas probablemente se diferenciaban de los hadza de muchas maneras, pero esta comunidad de cazadores-recolectores pueden estar tan cerca como ahora podemos llegar a la estructura y características de las comunidades humanas extintas. La cooperación es uno de los más fuertemente investigado, aún poco los aspectos de la vida humana entendida, y esta investigación nos da una idea del tipo de comunidad en la que este fenómeno podría haber evolucionado y extendido.
Naturaleza, 2012 DOI:. 10.1038/nature10736 (Acerca de los DOI).
ARS Technika
lunes, 9 de junio de 2014
Polarización secular vs laica en los tweets de acción colectiva egipcia
El uso de Twitter para analizar la polarización secular vs islamista en Egipto (Actualizado)
iRevolution
Eventos a gran escala han dejado una marca indiscutible en los medios sociales. Este fue el caso del huracán Sandy, por ejemplo, y también se aplica a las protestas generalizadas en Egipto esta semana. El miércoles, los militares egipcios respondieron a las manifestaciones a gran escala contra el presidente Morsi para removerlo del poder. ¿Puede Twitter proporcionar señales de alerta temprana de la creciente tensión política en Egipto y en otros lugares? Mis colegas de QCRI Ingmar Weber y Kiran Garimella y el colega de Al-Jazeera Alaa Batayneh han estado monitoreando de cerca (PDF) estos trastornos a través de Twitter desde enero de 2013. Concretamente, desarrollaron un índice de polarización política que dé las señales de alerta temprana del aumento de las tensiones sociales y la violencia. Voy a seguir actualizando este post con nuevos datos, el análisis y las gráficas en las siguientes 24 horas.
El equipo QCRI analizó unos 17 millones de tweets egipcios escritos por dos tipos de usuarios de Twitter-laicistas e islamistas. Estas listas de usuarios se elaboraron en gran parte de esta investigación previa y sólo incluyen los usuarios que proporcionan información geográfica en sus perfiles de Twitter. Para cada uno de estos 7.000 + "usuarios de semillas", los investigadores qcri descargan sus más recientes 3.200 tuits, junto con un conjunto de 200 usuarios que retweets sus puestos. Tenga en cuenta que ambas cifras son límites impuestos por la API de Twitter. Ingmar, Kiran y Alaa también han analizado los usuarios sin información de ubicación, lo que corresponde a 65 millones de tweets y 20.000 + usuarios únicos. A continuación se presentan las nubes de palabras de los términos utilizados en los perfiles de Twitter creado por los islamistas (izquierda) y laicos (derecha).
QCRI comparó los hashtags utilizados por los islamistas y secularistas egipcias más de un año para crear un perspicaz índice de polarización política. La metodología utilizada para crear este índice se describe con más detalle en el epílogo de este post. El siguiente gráfico muestra la polaridad hashtag general con el tiempo, junto con el número de hashtags distintos utilizados por intervalo de tiempo. Como habrás notado, el gráfico incluye las más recientes datos publicados hoy. Haga clic en el gráfico para aumentarlo.
El aumento en la polarización política a finales de 2011 parece coincidir con las anotaciones en el gráfico se refieren a los siguientes hechos violentos "la lucha política sobre la constitución y el referéndum previsto sobre el tema.":
A - Asaltantes con piedras y bombas incendiarias se reúnen fuera del Ministerio de Defensa para exigir el fin del gobierno militar.
B - Las manifestaciones estallan después que el presidente Morsi otorga a sí mismo el aumento de poder para proteger a la nación. Los enfrentamientos tienen lugar entre manifestantes y partidarios de la Hermandad Musulmana.
C, D - Continuando con protestas después del 22 de noviembre de declaración.
E - Las manifestaciones en la plaza Tahrir, Port Said y por todo el país.
F, G - Las manifestaciones en la plaza Tahrir.
H, I - Manifestaciones masivas en Tahrir y remoción del presidente Morsi.
En suma, la gráfica confirma que el hashtag polarización política puede servir como un barómetro de las tensiones sociales y tal vez incluso las alertas tempranas de la violencia. "Bastante sorprendentemente, todos los brotes de violencia ocurridos durante los períodos en que la polaridad hashtag era comparativamente alta." Esto también es válido para los acontecimientos de la semana pasada, como lo demuestra el índice de polarización política de QCRI a continuación. Haga clic en la figura para ampliarla. Tenga en cuenta que yo solía traducir característica de Chrome para convertir hashtags del Árabe al Inglés. La captura de pantalla original en árabe está disponible aquí (PNG).
Cada barra de arriba corresponde a una semana de análisis de datos de Twitter. Cuando las barras fueron inicialmente verde y amarillo durante el inicio de la presidencia de Morsi (desplazamiento a la izquierda en el tablero de instrumentos para las fechas anteriores). El cambio a rojo (polarización política mayor) coincide con el aumento de las tensiones en torno a la crisis constitucional a finales de noviembre, principios de diciembre. Ver esta línea de tiempo para obtener más información. La "Puntuación de Tendencia" en la tabla anterior combina volumen con carácter reciente. Una puntuación alta tendencia significa el hashtag es más relevante para la semana en curso.
Los dos gráficos siguientes muestran la polarización política en el tiempo. La primera comienza desde 1 de enero 2013 y la segunda desde el 1 de junio de 2013. Curiosamente, 14 de febrero ve una caída dramática en la polarización. No estamos seguros de si se trata de un error en el análisis o si un acontecimiento importante (de San Valentín?) Puede explicar este bajo nivel de polarización política el 14 de febrero. Vemos otra gran caída el 10 de mayo. Cualquier expertos Egipto saben por qué puede ser?
El gráfico de la polarización política abajo revela un aumento constante desde el 1 de junio hasta la semana pasada protestas masivas y remoción del presidente Morsi.
Para concluir, los acontecimientos políticos a gran escala, como las protestas políticas generalizadas y un cambio de régimen posterior en Egipto continúan dejando una marca clara en la actividad de los medios de comunicación social. Este pulso puede ser capturado utilizando un índice de polarización política en base a los hashtags utilizados por los islamistas y secularistas en Twitter. Además, este índice parece proporcionar señales de alerta temprana de creciente tensión. Como mis colegas qcri cuenta, "no podría tener un potencial de pronóstico y tenemos previsto explorar más a fondo en el futuro."
Bio
Agradecimientos: Muchas gracias a Ingmar y Kiran por su valiosa información y retroalimentación en la redacción de esta entrada del blog.
Métodos: (escrito por Ingmar): El índice de la polarización política se calculó de la siguiente manera. El análisis comienza con la identificación de un conjunto de usuarios de Twitter que están dispuestos a apoyar ya sea islamistas o laicos en Egipto. Esto se hace mediante el control de retweets escritos por un conjunto de usuarios semillas. Por ejemplo, los usuarios que con frecuencia retweets Muhammad Morsi y nunca Retweeting El Baradei serían considerados simpatizantes islamistas. (Este mismo método fue utilizado por Michael Conover y colegas para estudiar la política de Estados Unidos).
Una vez comprometidos políticamente y usuarios polarizadas son identificados, el uso de hashtags es monitoreado a través del tiempo. A hashtags "neutrales" como # fb o # ff es utilizado habitualmente por los dos bandos en Egipto en proporciones aproximadamente iguales y serían, por tanto, se le asignará un islamista secular inclinada 50-50. Pero algunos hashtags revelan mucho más pronunciada polarización. Por ejemplo, el hashtag # tamarrod se le asigna una puntuación de 0 a 100 islamistas secular. Tamarrod refiere al movimiento "rebelde", el movimiento popular que lleva detrás de las protestas que llevaron al derrocamiento de Morsi.
Del mismo modo el hashtag # muslimsformorsi se le asigna una puntuación de 90 a 10 islamistas secular, lo cual tiene sentido, ya que es claramente en favor de Morsi. Este tipo de análisis numérico se realiza sobre una base semanal. Hashtags con una puntuación de 50-50 en una semana tener cero "tensión", mientras que los hashtags, ya sea con o 0-100 100-0 tienen la tensión máxima. El valor promedio de la tensión a través de todos los hashtags utilizados en una semana dada se representa gráficamente a continuación, a través del tiempo. Curiosamente, este valor, derivado de la utilización del hashtag de manera independiente del idioma, parece coincidir con los brotes de violencia en el terreno, como se muestra en el gráfico de barras por encima.
iRevolution
Eventos a gran escala han dejado una marca indiscutible en los medios sociales. Este fue el caso del huracán Sandy, por ejemplo, y también se aplica a las protestas generalizadas en Egipto esta semana. El miércoles, los militares egipcios respondieron a las manifestaciones a gran escala contra el presidente Morsi para removerlo del poder. ¿Puede Twitter proporcionar señales de alerta temprana de la creciente tensión política en Egipto y en otros lugares? Mis colegas de QCRI Ingmar Weber y Kiran Garimella y el colega de Al-Jazeera Alaa Batayneh han estado monitoreando de cerca (PDF) estos trastornos a través de Twitter desde enero de 2013. Concretamente, desarrollaron un índice de polarización política que dé las señales de alerta temprana del aumento de las tensiones sociales y la violencia. Voy a seguir actualizando este post con nuevos datos, el análisis y las gráficas en las siguientes 24 horas.
El equipo QCRI analizó unos 17 millones de tweets egipcios escritos por dos tipos de usuarios de Twitter-laicistas e islamistas. Estas listas de usuarios se elaboraron en gran parte de esta investigación previa y sólo incluyen los usuarios que proporcionan información geográfica en sus perfiles de Twitter. Para cada uno de estos 7.000 + "usuarios de semillas", los investigadores qcri descargan sus más recientes 3.200 tuits, junto con un conjunto de 200 usuarios que retweets sus puestos. Tenga en cuenta que ambas cifras son límites impuestos por la API de Twitter. Ingmar, Kiran y Alaa también han analizado los usuarios sin información de ubicación, lo que corresponde a 65 millones de tweets y 20.000 + usuarios únicos. A continuación se presentan las nubes de palabras de los términos utilizados en los perfiles de Twitter creado por los islamistas (izquierda) y laicos (derecha).
QCRI comparó los hashtags utilizados por los islamistas y secularistas egipcias más de un año para crear un perspicaz índice de polarización política. La metodología utilizada para crear este índice se describe con más detalle en el epílogo de este post. El siguiente gráfico muestra la polaridad hashtag general con el tiempo, junto con el número de hashtags distintos utilizados por intervalo de tiempo. Como habrás notado, el gráfico incluye las más recientes datos publicados hoy. Haga clic en el gráfico para aumentarlo.
El aumento en la polarización política a finales de 2011 parece coincidir con las anotaciones en el gráfico se refieren a los siguientes hechos violentos "la lucha política sobre la constitución y el referéndum previsto sobre el tema.":
A - Asaltantes con piedras y bombas incendiarias se reúnen fuera del Ministerio de Defensa para exigir el fin del gobierno militar.
B - Las manifestaciones estallan después que el presidente Morsi otorga a sí mismo el aumento de poder para proteger a la nación. Los enfrentamientos tienen lugar entre manifestantes y partidarios de la Hermandad Musulmana.
C, D - Continuando con protestas después del 22 de noviembre de declaración.
E - Las manifestaciones en la plaza Tahrir, Port Said y por todo el país.
F, G - Las manifestaciones en la plaza Tahrir.
H, I - Manifestaciones masivas en Tahrir y remoción del presidente Morsi.
En suma, la gráfica confirma que el hashtag polarización política puede servir como un barómetro de las tensiones sociales y tal vez incluso las alertas tempranas de la violencia. "Bastante sorprendentemente, todos los brotes de violencia ocurridos durante los períodos en que la polaridad hashtag era comparativamente alta." Esto también es válido para los acontecimientos de la semana pasada, como lo demuestra el índice de polarización política de QCRI a continuación. Haga clic en la figura para ampliarla. Tenga en cuenta que yo solía traducir característica de Chrome para convertir hashtags del Árabe al Inglés. La captura de pantalla original en árabe está disponible aquí (PNG).
Cada barra de arriba corresponde a una semana de análisis de datos de Twitter. Cuando las barras fueron inicialmente verde y amarillo durante el inicio de la presidencia de Morsi (desplazamiento a la izquierda en el tablero de instrumentos para las fechas anteriores). El cambio a rojo (polarización política mayor) coincide con el aumento de las tensiones en torno a la crisis constitucional a finales de noviembre, principios de diciembre. Ver esta línea de tiempo para obtener más información. La "Puntuación de Tendencia" en la tabla anterior combina volumen con carácter reciente. Una puntuación alta tendencia significa el hashtag es más relevante para la semana en curso.
Los dos gráficos siguientes muestran la polarización política en el tiempo. La primera comienza desde 1 de enero 2013 y la segunda desde el 1 de junio de 2013. Curiosamente, 14 de febrero ve una caída dramática en la polarización. No estamos seguros de si se trata de un error en el análisis o si un acontecimiento importante (de San Valentín?) Puede explicar este bajo nivel de polarización política el 14 de febrero. Vemos otra gran caída el 10 de mayo. Cualquier expertos Egipto saben por qué puede ser?
El gráfico de la polarización política abajo revela un aumento constante desde el 1 de junio hasta la semana pasada protestas masivas y remoción del presidente Morsi.
Para concluir, los acontecimientos políticos a gran escala, como las protestas políticas generalizadas y un cambio de régimen posterior en Egipto continúan dejando una marca clara en la actividad de los medios de comunicación social. Este pulso puede ser capturado utilizando un índice de polarización política en base a los hashtags utilizados por los islamistas y secularistas en Twitter. Además, este índice parece proporcionar señales de alerta temprana de creciente tensión. Como mis colegas qcri cuenta, "no podría tener un potencial de pronóstico y tenemos previsto explorar más a fondo en el futuro."
Bio
Agradecimientos: Muchas gracias a Ingmar y Kiran por su valiosa información y retroalimentación en la redacción de esta entrada del blog.
Métodos: (escrito por Ingmar): El índice de la polarización política se calculó de la siguiente manera. El análisis comienza con la identificación de un conjunto de usuarios de Twitter que están dispuestos a apoyar ya sea islamistas o laicos en Egipto. Esto se hace mediante el control de retweets escritos por un conjunto de usuarios semillas. Por ejemplo, los usuarios que con frecuencia retweets Muhammad Morsi y nunca Retweeting El Baradei serían considerados simpatizantes islamistas. (Este mismo método fue utilizado por Michael Conover y colegas para estudiar la política de Estados Unidos).
Una vez comprometidos políticamente y usuarios polarizadas son identificados, el uso de hashtags es monitoreado a través del tiempo. A hashtags "neutrales" como # fb o # ff es utilizado habitualmente por los dos bandos en Egipto en proporciones aproximadamente iguales y serían, por tanto, se le asignará un islamista secular inclinada 50-50. Pero algunos hashtags revelan mucho más pronunciada polarización. Por ejemplo, el hashtag # tamarrod se le asigna una puntuación de 0 a 100 islamistas secular. Tamarrod refiere al movimiento "rebelde", el movimiento popular que lleva detrás de las protestas que llevaron al derrocamiento de Morsi.
Del mismo modo el hashtag # muslimsformorsi se le asigna una puntuación de 90 a 10 islamistas secular, lo cual tiene sentido, ya que es claramente en favor de Morsi. Este tipo de análisis numérico se realiza sobre una base semanal. Hashtags con una puntuación de 50-50 en una semana tener cero "tensión", mientras que los hashtags, ya sea con o 0-100 100-0 tienen la tensión máxima. El valor promedio de la tensión a través de todos los hashtags utilizados en una semana dada se representa gráficamente a continuación, a través del tiempo. Curiosamente, este valor, derivado de la utilización del hashtag de manera independiente del idioma, parece coincidir con los brotes de violencia en el terreno, como se muestra en el gráfico de barras por encima.
domingo, 8 de junio de 2014
Redes de espionaje en la Alemania del Este
Cómo la Stasi espiaba sin medios de comunicación social
Los ficheros recién obtenidos ofrecen un recordatorio crucial de lo que es un régimen represivo puede hacer incluso con un poco de información
JULIA ANGWIN, ProPublica
Salon
La policía secreta de Alemania del Este, conocida como Stasi, era una fuerza de policía secreta infame intrusivo. Se acumularon los expedientes en aproximadamente un cuarto de la población del país durante el régimen comunista.
Pero su spycraft - mientras increíblemente invasivo - también era tecnológicamente primitiva para los estándares actuales. Durante la investigación de mi libro Dragnet Nation, obtuve la mano por encima de gráfico de la red social elaborados y otros archivos desde el Archivo de la Stasi en Berlín, donde los ciudadanos alemanes pueden ver los archivos mantenidos por ellos y los medios de comunicación pueden tener acceso a algunos archivos, con los nombres de las personas que estaban supervisado eliminado.
El gráfico aparece para mostrar cuarenta y seis conexiones, que une un objetivo a varias personas (una "tía", "Caja Operacional Jentzsch," presumiblemente Bernd Jentzsch, un poeta de Alemania del Este que desertó a Occidente en 1976), lugares ("iglesia") y reuniones ("por correo, por teléfono, reunidos en Hungría").
Gary Bruce, profesor asociado de historia en la Universidad de Waterloo y el autor de "The Firm: The Inside Story de la Stasi," me ayudó a descifrar los gráficos y otros archivos. Me sorprendió la forma en que el crudo fue la vigilancia. "Su principal tecnología de vigilancia era electrónico, teléfono, e informantes", dijo Bruce.
Otro archivo reveló una operación de vigilancia de bajo nivel llamado im-forgang destinado a la contratación de un blanco sin nombre para convertirse en un informante. (Los nombres de los objetivos fueron redactados;. Los nombres de los agentes de la Stasi y los informantes no estaban) En este caso, la Stasi observó un estudiante de secundaria bastante aburrido que vivía con su madre y su hermana en un run-of-the-mill apartamento. La Stasi obtuvo un informe sobre él desde el principio de su escuela y de un club en el que era miembro. Pero ellos no tenían mucho de él - He visto los perfiles de Facebook con mucha más información.
Un tercer archivo documenta una operación de vigilancia conocido como OPK, por Operative Personenkontrolle, de un hombre que escribía poesía de oposición. La Stasi desplegó tres informantes en contra de él, pero no vapor abre su correo o escuchar sus llamadas telefónicas. El régimen se derrumbó antes de la Stasi podía hacer nada más.
También obtuve un archivo que contenía un "informe de observación", en la que los agentes de la Stasi registran los movimientos de un hombre de cuarenta años de edad, durante dos días -. 28 de septiembre y 29 de 1979 Lo observaron mientras él dejó su ropa, cargado hasta su coche con rollos de papel pintado, y se dirigió a un niño en un coche "obedeciendo el límite de velocidad", parando para el gas y la entrega de la imagen de fondo de un edificio de apartamentos. La Stasi continuó siguiendo el coche como una mujer llevó al niño de vuelta a Berlín.
El agente de la Stasi parece haber comenzado después de la diana a las 4:15 pm de un viernes por la noche. En 21:38, el objetivo fue a su apartamento y apagó las luces. El agente se quedó toda la noche y entregado a otro agente de vigilancia a las 7:00 am del sábado por la mañana. Ese agente parece haber seguido el blanco hasta las 10:00 pm Desde la perspectiva actual, esto parece mucho trabajo para muy poca información.
Y, sin embargo, los archivos de la Stasi son un importante recordatorio de lo que un régimen represivo puede hacer con tan poca información. Estos son los archivos.
Los ficheros recién obtenidos ofrecen un recordatorio crucial de lo que es un régimen represivo puede hacer incluso con un poco de información
JULIA ANGWIN, ProPublica
Salon
La policía secreta de Alemania del Este, conocida como Stasi, era una fuerza de policía secreta infame intrusivo. Se acumularon los expedientes en aproximadamente un cuarto de la población del país durante el régimen comunista.
Pero su spycraft - mientras increíblemente invasivo - también era tecnológicamente primitiva para los estándares actuales. Durante la investigación de mi libro Dragnet Nation, obtuve la mano por encima de gráfico de la red social elaborados y otros archivos desde el Archivo de la Stasi en Berlín, donde los ciudadanos alemanes pueden ver los archivos mantenidos por ellos y los medios de comunicación pueden tener acceso a algunos archivos, con los nombres de las personas que estaban supervisado eliminado.
El gráfico aparece para mostrar cuarenta y seis conexiones, que une un objetivo a varias personas (una "tía", "Caja Operacional Jentzsch," presumiblemente Bernd Jentzsch, un poeta de Alemania del Este que desertó a Occidente en 1976), lugares ("iglesia") y reuniones ("por correo, por teléfono, reunidos en Hungría").
Gary Bruce, profesor asociado de historia en la Universidad de Waterloo y el autor de "The Firm: The Inside Story de la Stasi," me ayudó a descifrar los gráficos y otros archivos. Me sorprendió la forma en que el crudo fue la vigilancia. "Su principal tecnología de vigilancia era electrónico, teléfono, e informantes", dijo Bruce.
Otro archivo reveló una operación de vigilancia de bajo nivel llamado im-forgang destinado a la contratación de un blanco sin nombre para convertirse en un informante. (Los nombres de los objetivos fueron redactados;. Los nombres de los agentes de la Stasi y los informantes no estaban) En este caso, la Stasi observó un estudiante de secundaria bastante aburrido que vivía con su madre y su hermana en un run-of-the-mill apartamento. La Stasi obtuvo un informe sobre él desde el principio de su escuela y de un club en el que era miembro. Pero ellos no tenían mucho de él - He visto los perfiles de Facebook con mucha más información.
Un tercer archivo documenta una operación de vigilancia conocido como OPK, por Operative Personenkontrolle, de un hombre que escribía poesía de oposición. La Stasi desplegó tres informantes en contra de él, pero no vapor abre su correo o escuchar sus llamadas telefónicas. El régimen se derrumbó antes de la Stasi podía hacer nada más.
También obtuve un archivo que contenía un "informe de observación", en la que los agentes de la Stasi registran los movimientos de un hombre de cuarenta años de edad, durante dos días -. 28 de septiembre y 29 de 1979 Lo observaron mientras él dejó su ropa, cargado hasta su coche con rollos de papel pintado, y se dirigió a un niño en un coche "obedeciendo el límite de velocidad", parando para el gas y la entrega de la imagen de fondo de un edificio de apartamentos. La Stasi continuó siguiendo el coche como una mujer llevó al niño de vuelta a Berlín.
El agente de la Stasi parece haber comenzado después de la diana a las 4:15 pm de un viernes por la noche. En 21:38, el objetivo fue a su apartamento y apagó las luces. El agente se quedó toda la noche y entregado a otro agente de vigilancia a las 7:00 am del sábado por la mañana. Ese agente parece haber seguido el blanco hasta las 10:00 pm Desde la perspectiva actual, esto parece mucho trabajo para muy poca información.
Y, sin embargo, los archivos de la Stasi son un importante recordatorio de lo que un régimen represivo puede hacer con tan poca información. Estos son los archivos.
Suscribirse a:
Entradas (Atom)