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.
Este blog reúne material del curso de posgrado "Análisis de redes sociales" dictado en la Universidad Nacional del Sur (Argentina).
domingo, 21 de diciembre de 2014
jueves, 18 de diciembre de 2014
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).
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.
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.
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]
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.
miércoles, 17 de diciembre de 2014
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
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
martes, 16 de diciembre de 2014
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.
sábado, 13 de diciembre de 2014
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.
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.
domingo, 7 de diciembre de 2014
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
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
jueves, 4 de diciembre de 2014
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.
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.
Suscribirse a:
Entradas (Atom)