martes, 21 de abril de 2015

Facebook y los criminales

Cuando los policías comprueban Facebook
La policía de Estados Unidos están utilizando las redes sociales para luchar contra el crimen, una práctica que plantea preguntas inquietantes.
MEREDITH BROUSSARD - The Atlantic

posterboynyc / Flickr


En 2012, el oficial de policía de Brooklyn Michael Rodrigues detuvo a una banda dedicada al robo, los muchachos de Brower, añadiendo los pandilleros como amigos en Facebook. El día de la detención fue como la recolección de la fruta que yacían en las ramas más bajas. "Es días de allanamientos en la avenida", uno de los miembros de pandillas ha escrito en su mensaje de estado. Oficial Rodrigues y colegas dieron seguimiento a los miembros de la pandilla a la avenida en cuestión. Ellos fotografiaron a los jóvenes cometiendo el crimen, y luego los arrestaron.

Durante los últimos años, la policía y los fiscales de todo el país han sido silenciosamente utilizando los medios sociales para rastrear las redes criminales. Sus métodos se han vuelto más sofisticados: mediante la combinación de las API de redes sociales, bases de datos y herramientas de análisis de red, la policía puede mantener control sobre la actividad de pandillas. En el barrio de Harlem de Nueva York, adolescentes en riesgo son identificados como miembros de pandillas basadas en sus afiliaciones y son monitoreados en Instagram, Facebook y Twitter.

Los adolescentes se perfilan utilizando diversos criterios, entre ellos el número de seguidores. "El adolescente promedio tiene alrededor de 300 amigos y seguidores. Estos niños tienen miles ", dice Jeffrey Lane, un etnógrafo urbano en Rutgers y el autor del libro de próxima aparición La Calle Digital. Carril pasó cinco años en Harlem pasar el rato en la esquina con los niños y con los policías para descubrir cómo la tecnología digital se teje en el tejido de la vida comunitaria en el interior de la ciudad.

"Mi mayor uso de los medios sociales ha sido localizar e identificar a los criminales."
La policía comenzó a usar los medios sociales, casi por accidente, dice. Un oficial descubierto en el transcurso de los medios sociales ordinarias usar que podía ver las actualizaciones de estado de los niños del barrio. Pronto, los policías y los fiscales estaban mirando fotos de averiguar quién podría ser un testigo en un caso particular. Los espectadores pudieron ser identificados desde el fondo de fotos publicadas en sitios de medios sociales. Si un niño publicó una foto con marca de tiempo de sí mismo de pie delante de una puerta, y el policía reconoció la puerta, que podría ser relevante en una investigación.

Hoy en día, la policía de todo el país utilizan regularmente datos de medios sociales para vigilar a los ciudadanos. El 75 por ciento de ellos son autodidactas, según un informe de investigación Lexis-Nexis 2014 sobre el uso de los medios sociales en la aplicación de la ley. "Facebook me ha ayudado mediante la identificación de los sospechosos que eran amigos o socios de otros sospechosos de un crimen y todos trajeron y entrevistado y luego condenado por delitos de robo y drogas", dijo uno de los encuestados entrevistados en el informe. "Mi mayor uso de los medios sociales ha sido localizar e identificar a los criminales", dijo otro. "He empezado a utilizarlo para reconstruir las redes locales de la droga." Sólo el 9 por ciento de los encuestados había recibido entrenamiento en el uso de los medios sociales en las investigaciones de su agencia.

Los medios sociales pueden presentar pruebas en algunos casos, pero también logra captar la complejidad de las relaciones humanas, y pueden a veces distorsionar ellos. Por esta razón, es importante cuidar que los datos medios de comunicación social no está mal o malinterpretar en la búsqueda de la justicia.

Tomemos el caso de Jelani Henry, un joven de Harlem perfilado recientemente en The Verge. Como adolescentes, Jelani y su hermano mayor Asheem corrió con un equipo de Harlem llamado Goodfellas. Asheem, que estaba más fuertemente involucrado de Jelani, fue arrestado durante una redada policial pandillas en noviembre de 2011 y acusado de conspiración criminal. Jelani participó en el equipo en virtud de ser el hermano de Asheem, y porque vivía en el barrio, pero a excepción de algunas escaramuzas menores, se mantuvo alejado de la violencia. La mayoría de las veces, Jelani dijo a un periodista: "Lo que estaba haciendo, yo no estaba haciendo."

Pero como la mayoría de los adolescentes, Jelani era muy consciente de su posición social. "La gente está buscando para ver cómo responde", Jelani dijo a un reportero. Explicó que si alguien de tus mensajes de la tripulación de un vídeo de una pelea a Facebook o YouTube, se espera que haga clic en el botón "me gusta" al lado de él. Si no es así, dijo, "la gente va a preguntar por qué."

Esa huella de medios de comunicación social volvió a perseguirlo. Jelani fue detenido cinco meses después Asheem y acusado de un doble disparo. La familia dice que Jelani se marcó un afiliado criminal debido a sus conexiones de medios sociales. Cuando un tiroteo ocurrió en la calle 129 y la descripción del tirador era "un hombre negro de piel clara de altura en una sudadera con capucha", Jelani fue acarreado en-porque encajaba con la descripción ambigua y porque él fue etiquetado en una base de datos como un afiliado del arrestado recientemente Goodfellas. Estuvo recluido en Rikers Island por dos años, entre ellos nueve meses en régimen de aislamiento, sin dejar de protestar su inocencia.

Es fácil imaginar a dos personas que están estrechamente vinculados, pero seguir caminos muy diferentes. Tome un par de hermanos, uno tratando de seguir la línea y el otro un poco salvaje: Es una vieja historia que aparece en toda la cultura occidental, como en Caín y Abel, Rómulo y Remo, o Meg y Jo marzo. Pero en términos informáticos, no hay tal matiz. Debido a sus conexiones sociales, una persona como Jelani Henry se puede introducir en una base de datos de presuntos delincuentes y vista con recelo por un tiempo indefinido.

El problema es estructural y epistemológico.
El problema fundamental de la policía a través de los datos de los medios sociales es que se tergiversa lo que las redes sociales parecen realmente sobre el terreno. A pesar de lo tecno-evangelistas podrían desear, no todas las relaciones sociales pueden ser descritas usando la lógica computacional. El problema es estructural y epistemológico. Como todos los programas de ordenador, bases de datos se basan en última instancia en la lógica binaria. Si quieres matices, usted tiene que construir de manera explícita que la capacidad en su sistema. Y edificio matiz es mucho más difícil de lo que parece.

En Facebook, sólo hay dos opciones para un puesto: o haga clic en el botón similar, o no hace clic en el botón similares. No hay campo para alguien como Jelani Henry para indicar "He hecho clic en el botón como en este post, así que no iba a conseguir acosado en mi camino a la escuela." A como es simplemente un número que se utiliza como bandera, verdadero (1) o falsa (0). Los seres humanos son los que invierten gustos con el contexto y significado. El equipo sólo muestra los resultados de su cálculo.

Al hacer clic en para mostrar la lista de personas que "le gustaba" un post, probablemente piense que está obteniendo una lista de personas que expresaron un sentimiento positivo hacia una combinación particular de las sentencias. Pero computacionalmente, lo que está recibiendo es ligeramente diferente. "Muéstrame una lista de las personas a quienes les gustaba un mensaje de Facebook" es en realidad un comando más como "Mostrar una lista de nombre y apellido de los nombres de usuario donde la bandera LikedThisPost = True." Hay una gran cantidad de supuestos construidos allí. Ahí está el supuesto de que el nombre de usuario corresponde a una sola persona de verdad, que no siempre es cierto, personas tener múltiples cuentas de Facebook, y algunas cuentas de tener varias personas que desean publicar para ellos, y algunas cuentas son falsos. Ahí está el supuesto de que el agente que hace clic en el botón como es la misma persona que hace referencia el nombre de usuario, no es necesariamente cierto. La gente a menudo se olvidan de cerrar la sesión de sus cuentas de Facebook en equipos de sobremesa y portátiles, o usar los teléfonos de otras personas para buscar los medios de comunicación social.

También existe la falsa suposición de que al hacer clic en el botón como siempre expresa un sentimiento positivo. El otro día, un amigo mío Facebook publicó que su madre había muerto de repente. Hice clic como en el post. Obviamente, yo no estaba expresando un sentimiento positivo hacia la muerte, yo estaba haciendo clic en el botón para expresar simpatía. (Yo también seguí con una nota, porque el dolor es demasiado devastadora y expansiva por un clic a ser suficiente.) Desde una perspectiva computacional, la bandera en mi como del post de mi amigo de Facebook sobre la muerte de su madre se ve exactamente igual que la bandera en Jelani Henry como del post de su amigo Facebook sobre una pelea después de la escuela. Para mí, las dos banderas tienen significados totalmente diferentes. Para el equipo, ninguno tiene "sentido" más allá del valor = 0 o el valor = 1.

Un botón como es más que una herramienta. Los seres humanos utilizan herramientas de formas-Este impresionante y creativo es una de las muchas cosas emocionantes e inspiradores sobre los usos sociales de la tecnología. Sin embargo, el significado de una persona imparte a una acción en una plataforma de medios de comunicación social no siempre corresponde a la intención real. En las interacciones sociales de la vida real, matiz es todo. En las redes sociales, donde se oscurece ese matiz, debemos ser hiper-crítico sobre las ramificaciones éticas de la utilización de datos de medios sociales para los juicios del mundo real.

En las interacciones sociales de la vida real, matiz es todo.
Hay muchos peligros conocidos a la policía por datos. "datos de la red de delitos en general, tienen limitaciones y sesgos", sociólogos escritura Amir Rostami y Hernán Mondani en un estudio de caso sobre las bases de datos de pandillas. Un estudio observacional en Arizona mostró que la policía eran más agresivos con pandilleros documentados, usando fuerza excesiva con más frecuencia que con los individuos no documentados en una base de datos de pandillas. La inclusión de una adolescente en una base de datos como un afiliado de pandillas sesgo futuro podría procesos contra ellos. Un fiscal de distrito o de policía en busca de un sospechoso podrían asumir automáticamente que el chico que aparece en la base de datos de pandillas es más probable que participen que el niño que no lo es. Este sesgo específico está incrustado en COPLINK de IBM, un paquete de software en uso en los departamentos de policía en todo el país desde 1996. "La premisa detrás de COPLINK es que la mayor delito es cometido por personas que ya se encuentran en los registros de la policía", escribe Meghan S. Strohine en Temas críticos en la Policía: Lecturas contemporáneas. Simplemente crear una entrada en una base de datos de la etiqueta "criminales" juguetea con la presunción de inocencia. Rebecca Rader Brown escribe de esta cuestión en el Columbia Journal of Law & Social Problems:

Las bases de datos de pandillas también pueden interferir con la libertad de un individuo postulada en la Primera Enmienda de la Asociación. Puesto que una persona puede ser documentado para afiliarse con otros pandilleros conocidos o sospechosos, que puede ser dirigido como un sospechoso antes de cometer cualquier acto criminal. El uso de un "culpabilidad por asociación" estándar puede tener el efecto de barrios enteros de barrido en una base de datos de pandillas. Este efecto se hace sentir de manera desproporcionada a las poblaciones minoritarias debido a la orientación geográfica de los esfuerzos contra las pandillas. En algunas localidades, la policía tienden a documentar las minorías para las conductas que, si se observa entre los miembros de la población mayoritaria, se consideran inocuos.
Para el niño que aparece en una base de datos de banda, puede ser poco claro cómo salir de ella. En el mundo de la interacción humana, aceptamos el cambio a través de la conducta: el adicto puede redimirse por conseguir limpia, o el interruptor habitual puede redimirse a sí mismo por no interrumpir. Aceptamos el cambio de comportamiento. Pero en el mundo de base de datos, a menos que alguien tiene permiso para borrar o modificar un registro de base de datos, no hay tal cambio es posible. Las agencias de crédito para perdonar pecados financieros después de 7 años. La policía no son, por lo menos, no de manera consistente. El Centro Nacional de Pandillas, en su lista de la legislación relacionada con las pandillas, muestra sólo 12 estados con políticas que aborden específicamente las bases de datos de pandillas. La mayoría niegan el acceso del público a la información de estas bases de datos. Sólo unos pocos de estos doce mencionan purga regular de información, y algunos dicen específicamente que una persona no puede incluso saber si tienen un registro en la base de datos.

Esta permanencia no necesariamente coincide con las condiciones del mundo real. Ciclo Kids dentro y fuera de las bandas callejeras de la manera que el ciclo de entrada y salida de cualquier otro grupo social, y muchos hombres jóvenes de edad de comportamiento violento. Purgar regularmente la base de datos de pandillas, tal vez en un ciclo de un año o dos años, permitiría una cierta medida de perdón computacional. Sin embargo, pocas instituciones son buenos para mantener los datos en sus bases de datos hasta a la fecha. (Si alguna vez han servido un anuncio para un producto que acaba de comprar, usted está familiarizado con este problema de la persistencia de la información y la torpeza de algoritmos predictivos.) La policía no son peores ni mejores que el resto de nosotros. El criminólogo Charles Katz encontró que a pesar de la política del departamento por escrito en una unidad de pandillas de la policía del medio oeste grande, los datos no fueron auditados o purgados en forma regular. "La última vez que la unidad de pandillas purgó sus archivos, sin embargo, fue en 1993, unos 4 años antes de que se llevó a cabo este estudio," escribió. "Un empleado que se encarga de la entrada y difusión estimada de datos, 'Como mínimo, de 400 a 500 miembros de pandillas o será borrada de la lista de pandillas hoy si nos fuimos a través de los archivos." En consecuencia, la lista de la pandilla de Junction City de 2.086 miembros de las pandillas fue inflado por aproximadamente 20% a 25% ".

¿La tecnología actual ofrece mejores alternativas? Una forma de medir el nivel de sofisticación en el conocimiento del software es por la navegación Github, una plataforma de código compartido popular. Una búsqueda del término "base de datos criminal" revela seis diferentes, aplicaciones de bases de datos de código abierto libre que cualquiera puede descargar y utilizar. Ninguno de ellos contiene una fecha de caducidad, o cualquier reglamento sobre la purga, o cualquier tipo de orientación sobre el uso ético.

Cuando hablo de la responsabilidad ética de la programación de software, normalmente una pregunta como: "Si Amazon puede predecir qué libro quiero comprar otro, no tiene este problema ya ha sido resuelto?" La respuesta es, inevitablemente, no. Cuando los científicos informáticos estaban construyendo la Internet a finales de 1990, no había ninguna ampliamente adoptado o establecido directrices éticas porque estábamos construyendo estos sistemas por primera vez en la historia humana. La Association for Computing Machinery, la organización profesional central para la informática, hace publicar directrices éticas. Son recomendaciones, no requisitos; siguiendo las directrices se deja a los programadores individuales.

Ahora que el Internet es de treinta años de edad, las consecuencias a largo plazo de la información permanencia son cada clara. También tenemos que reconocer que los sistemas informáticos no son una panacea. "Su programa realmente hace oler mal, y cuanto antes se acostumbre a la idea, mejor", escribe Nathan S. Borenstein en programación como si la gente importara. "Las deficiencias de su software son simplemente un reflejo de su frágil naturaleza humana, miope, y limitado. Cada programa jamás construido está condenado al eventual obsolescencia. "Tenemos que poner a la gente antes de los programas, y si los programas no reflejan nuestros valores humanos, tenemos que cambiar el código. Y si los programadores no pueden escribir código que es justo y equitativo, se deben considerar confiar en las personas en lugar de los programas.

Si la policía estadounidense va a profundizar más en el nuevo mundo de la actuación policial basada en los datos, tenemos que crear sistemas que tienen valores humanos incrustados en ellos. Si nuestros sistemas tecnológicos están atrapando a ciudadanos inocentes o alteración de la presunción de inocencia, deben utilizarse?

domingo, 19 de abril de 2015

10 cosas que generan la creación de un enlace sexual



10 cosas que debe saber acerca de la atracción sexual

Justin Lehmiller, Sexo y Psicología
Business Insider



¿Qué es lo que determina hacia quién nos sentimos atraídos sexualmente? Esta es una pregunta sorprendentemente compleja de responder porque el atractivo parece depender de un número de factores.

Algunos de estos son biológica, otros son psicológicos, y sin embargo, otros tienen que ver con nuestro entorno social. Debajo están diez de los hallazgos más interesantes científicos han documentado cuando se trata de la atracción.

1. Tendemos a sentirnos atraídos por personas que se parecen a nosotros. Por ejemplo, en un estudio, los investigadores pidieron a los hombres y mujeres heterosexuales que evaluaran el atractivo de varias caras [1]. Incluido entre las fotos era una imagen de la propia cara que se había transformado digitalmente en el otro sexo. Los participantes consideraron que este se transformó cara a ser más atractivo que todos los demás!

2. Esto puede sonar raro para algunos de ustedes, pero también parecen ser atraídos a las personas que nos recuerdan a nuestros padres. Por ejemplo, la investigación ha encontrado que las personas nacidos de padres mayores tienden a ser atraídos por parejas de más edad como adultos.

3. Si ya está excitado fisiológicamente (por ejemplo, por haber ejercido sólo) y conoces a alguien nuevo, usted es más propenso a desarrollar una atracción a esa persona. ¿Por qué? Usted erróneamente puede atribuir el origen de los latidos del corazón elevados para el extranjero en lugar de la verdadera fuente de su excitación. Más información sobre el papel de la excitación en la atracción aquí.

4. "Gafas de cerveza" son en realidad una cosa real. La investigación ha encontrado que las personas borrachas consiguen, más altos valores de atractivo que le dan a extraños. El alcohol también cambia la forma atractiva en que nos vemos percibimos. Usted puede aprender más sobre la ciencia de gafas de la cerveza aquí.

5. Jugarse a hacer difícil de atrapar parece funcionar, al menos si lo que buscas es una relación a largo plazo. Todas las personas lo demás igual, menos disponibles son vistos como las perspectivas románticas más deseables. Sin embargo, si usted está en busca de sexo casual, jugando duro para conseguir que podría ser contraproducente.

6. Cuando se trata de recoger las líneas de levante, tanto hombres como mujeres prefieren que la gente se abren con un simple "hola" o "hola" o conducen con una pregunta inocua (por ejemplo, "¿Quieres bailar?"). Pick-up líneas cursis y crudo (por ejemplo, "Hola, cariño. ¿Cuál es tu signo?" O "¿Usted lava los pantalones con Windex? ¡Realmente puedo verme a mí mismo en ellos!") Tienden a ser vistos como muy indeseables. Para más ejemplos de buenas y malas líneas de levante de acuerdo con la ciencia, ver aquí.

7. La atracción es un proceso multi-sensorial. ¿Quién nos atrae no sólo depende de cómo otra persona se ve, sino también cómo huelen, cómo sus gustos en la boca, y así sucesivamente. Echa un vistazo a este vídeo de corta duración para una mirada más de cerca el papel de los sentidos juegan en la atracción.



8. Las cosas que las mujeres heterosexuales encuentran atractivo en los hombres varían en todo el ciclo menstrual. En concreto, cuando las mujeres están en el pico de la fertilidad, tienden a ser atraídos por los hombres "más viril" (por ejemplo, chicos musculosos con voces profundas). Haga clic aquí para aprender más.

9. Los hombres heterosexuales tienden a encontrar mujeres con el vestido rojo más atractivo que las mujeres que usan cualquier otro color [2]. ¿Por qué? Algunos teorizan que los hombres han desarrollado una tendencia a excitarse por este color porque los cuerpos de las mujeres se vuelven naturalmente rojo / rosa durante la excitación sexual (por ejemplo, muchas mujeres experimentan un "rubor sexual" o erupción rojiza que aparece principalmente en el pecho durante la excitación). Un estudio reciente sugiere que las mujeres pueden capitalizar inconscientemente en esta vistiéndose en rojo cuando son más fértiles.

10. Nuestros patrones de atracción sexual parecen cambiar estacionalmente. Por ejemplo, los hombres heterosexuales reportan una mayor atracción a los órganos y los pechos de las mujeres en los meses de invierno que lo hacen en los meses de verano. Sé que suena contradictorio, pero puede deberse a que la piel es más de una novedad en el invierno cuando todo el mundo está en constante liado. Más información sobre esta investigación aquí.

[1] Penton-Voak, I. S., Perrett, D. I., & Peirce, J. W. (1999). Computer graphic studies of the role of facial similarity in judgements of attractiveness. Current Psychology: A Journal for Diverse Perspectives on Diverse Psychological Issues, 18, 104-117.

[2] Elliot, A.J., & Niesta, D. (2008). Romantic red: Red enhances men’s attraction to women. Journal of Personality and Social Psychology, 95, 1150-1164.


viernes, 17 de abril de 2015

Redes de citas en revistas estadísticas

Red de revistas de estadísticas 
16 de abril 2015
 Por Julyan Arbel - R bloggers
(Este artículo fue publicado por primera vez en la satisfacción »R, y amablemente contribuyó a R-bloggers)

Amistad revistas de Estadística (clic para el formato SVG)

Xian escribió en su blog recientemente en el RSS entrante leer papel: Statistical Modelling of Citation Exchange Between Statistics Journals, por Cristiano Varin, Manuela Cattelan y David Firth. Después de la última trabajo de JRSS B leído por uno de nosotros! Los datos que se utilizan en el papel (y se pueden descargar aquí) son bastante fascinante para nosotros, los académicos fascinados por graduaciones académicas, para bien o para mal (irónico aquí). Consisten en citas cruzadas cuenta ) durante 47 Estadísticas revistas (ver la relación y abreviaturas página 5):  es el número de citas de artículos publicados en la revista j en 2010 a artículos publicados en la revista i en la década 2001-2010. La elección de la lista de revistas se discute en el papel. Las principales revistas desaparecidos incluyen Bayesian Analysis (publicado a partir de 2006), The Annals of Applied Statistics (publicados desde 2007).
Miré a la proporción del total de citas recibidas por Total de citas hechas. Esta es una estadística descriptiva super simple que le suceda a parecer algo similar a la figura 4, que representa gráficamente la exportación Decenas de modelo de Stigler (no puedo decir más sobre él, no lo he leído en detalle). Los cinco primeros es el mismo modulo el canje entre Annals of Statistics y Biometrika. Por supuesto una gran diferencia es que la relación Citado / Cita no está dotado de una medida de la incertidumbre (abajo a la izquierda es mi decisión, derecho está Fig. 4 en el papel).



 Me sorprendió no ver una representación gráfica / red de los datos en el documento. Da la casualidad de que quería probar el software Gephi para dibujar gráficos, utilizados por ejemplo por François Caron y Emily Fox en su papel grafos dispersos. Tengo el gráfico anterior, donde:
  • para los datos, he utilizado la matriz de citas C renormalizado por el número total de citas que se hacen, que denotamos por  . Esta es una manera de explicar el tamaño (número de trabajos publicados) de la revista. Esto es sólo una aproximación, aunque ya el número real de artículos publicados por la revista no está disponible en los datos. Sin esa corrección, CSDA está por delante de todos los demás.
  • el tamaño de los nodos representa la relación Citado / Citando
  • la anchura del borde representa la renormalizado . No estoy seguro de lo que Gephi hace aquí, ya que convierte mi grafo dirigido en un grafo no dirigido. Supongo que sólo muestra el más grande de los dos bordes  y .
  • para una mejor visibilidad Seguí sólo el primer decil de bordes más pesadas.
  • los grupos identificados por cuatro colores son clases modularidad obtenidos por el método de Lovaina.

Algunas observaciones

Las dos revistas de software incluidos en el conjunto de datos son valores atípicos bastantes:

  • Journal of Statistical Software (JSS) es desconectado de los otros, lo que significa que no tiene citaciones normalizadas  en el primer decil. A excepción de sus autocitas que son bastante grandes y lo convierten en el factor de impacto cuarto de la lista total en 2010 (y al parecer el primero en 2015).
  • el mayor  es el autocitas del STATA Diario (StataJ).

Centralidad:


  • CSDA es la revista más central en el sentido de la más alta (no ponderado) grado.

Algunos pensamientos más

Todo lo que es sólo por el gusto de hacerlo. Como se ha mencionado por los autores, el número de citas son de cola pesada, lo que significa que sólo unos papeles representan gran parte de las citas de una revista mientras que la mayoría de los periódicos representan pocas citas. Como cuestión de hecho, el total de citas recibidas se debe principalmente a unos cuantos papeles de super-citado, y también es la  matriz  de Citado / Citas que utilizo en todo para la construcción de la gráfica. Una de las razones se podría plantear sobre por qué jrss B lo hace tan bien es los trabajos de lectura: por ejemplo, Spiegelhalter et al. (2002), DIC, recibieron solo el 11,9% de todas las citas JRSS B en 2010. ¿Quién iba a apostar el número de citas de este nuevo trabajo de lectura (JRSS A) recibirá?

miércoles, 15 de abril de 2015

La pareja arruina la red social

Menospreciar amigos y familia: Las parejas se vuelven menos pareja con el tiempo?
¿Es algo que las parejas lo hacen sólo durante los primeros años de enamoramiento?
por Bella DePaulo Ph.D. - Psychology Today



En comparación con los solteros, los casados ​​son menos atentos a sus hermanos, padres, amigos y vecinos. La investigación muestra que. Cuando le digo a los demás acerca de esos hallazgos, sin embargo, a veces ofrecen una explicación que no he sido capaz de descontar. Oh, dicen, eso es sólo porque las nuevas parejas enamoradas entre sí. Con el tiempo, lo superan, y pasan el mismo tiempo que las personas solteras no apoyar a otras personas y socializar con ellos.

En cierto modo, la investigación sobre lo que los sociólogos llaman "matrimonio codicioso" [una aceptación más latina sería matrimonio absorbedor] (relacionado con lo que yo llamo "acoplamiento intensivo") es impresionante. Existen múltiples estudios que demuestran que las personas casadas tienen menos probabilidades que las personas solteras para ayudar, apoyar, visitar, y mantener el contacto con amigos, familiares y vecinos. La investigación incluye varias muestras nacionales.

Hasta que un día hace más o menos, sin embargo, había una gran gran calificador sobre los reclamos matrimoniales codiciosos - los estudios compararon las personas solteras y casadas en un único punto en el tiempo. Eso significaba que no podía saber a ciencia cierta si las personas que se casan luego descuidan a sus amigos y familiares, o si el tipo de personas que finalmente se casaría ya eran negligentes de amigos y familiares, incluso cuando aún eran solo. Además, los estudios que comparan las personas casadas y solteras en un momento en el tiempo, obviamente, no pueden hacer frente a la hipótesis alternativa - parejas no quieren que todo el tiempo y la atención por sí mismos (como la perspectiva "matrimonio codicioso", sugiere), no son más que encaprichado temporalmente entre sí . Saldrán de su pareja de burbuja finalmente.

Ahora sabemos la respuesta. El número de febrero de 2012, de la revista Journal of Marriage and Family acaba de aparecer en línea. En ella es un estudio realizado por Kelly Musick y Larry Bumpass en el que los mismos más de 2700 adultos estadounidenses fueron encuestados en 1987 o 1988, y luego de nuevo 6 años más tarde. Los participantes incluyeron en los análisis eran todos solteros (y no convivientes) y de menos de 50 años de edad cuando fueron encuestados por primera vez.

Los participantes informaron el tiempo que pasaron con los amigos y la cantidad de contacto que tenían con sus padres en los dos puntos en el tiempo - cuando el estudio comenzó y todo el mundo estaba sola, y seis años más tarde. (Los participantes también describen la calidad de la relación con sus padres, pero no hubo diferencias significativas entre los grupos para esta medida.)

Para ver si la retirada de otras personas era más que un nuevo par tipo de cosas, los autores analizaron por separado en los que se había convertido en pareja relativamente recientemente (en los últimos tres años) y los que se habían convertido en pareja entre cuatro y seis años antes. Compararon los lazos sociales de ambos grupos a los de las personas que se quedaron solteras todo el tiempo.

En primer lugar, los resultados para los que se había casado (o empezado a ser convivientes) hace relativamente poco: Tenían menos contacto con sus padres y pasaron menos tiempo con sus amigos que los que se quedaron solo.

Ahora los resultados para los que habían conseguido asociado menos recientemente (entre 4 y 6 años antes): Tenían menos contacto con sus padres y pasaron menos tiempo con sus amigos que los que se quedaron solo.

La retirada de amigos y familiares y vecinos fue el mismo para ambos grupos. No fue menos pronunciado para los que habían sido asociado por más tiempo.

Lo que acabo de describir es sólo uno de los conjuntos de resultados del estudio. Los autores también examinaron cómo la felicidad, la salud, la depresión y la autoestima cambiaron para aquellos que se convirtieron con pareja, en comparación con aquellos que no lo hicieron - y si la novedad de la relación importaba para esas medidas. Describí los hallazgos en el puesto, matrimonios estadounidenses: American marriages: Happiness and health decline over time. Échele una mirada  si usted está interesado. Este es el primer estudio que conozco que hizo lo que he venido defendiendo desde hace años (enlace es externo) - Incluir en el análisis todos los de las personas que nunca se casaron, no sólo los que se casaron y permanecieron casados. Espera a ver lo mucho que importaba.

Todavía no he terminado con este estudio. En próximos posts, es voy a decir lo que los autores encontraron sobre las implicaciones para la salud y el bienestar de (1) la cohabitación, en comparación con (2) cohabitación y después de casarse, o (3) acaba de casarse. Aún más interesante (al menos para mí), voy a explicar lo que los autores aún no parecen darse cuenta de la vida sola, incluso después de que sus datos les ofrecieron algunos grandes grandes consejos.

domingo, 12 de abril de 2015

La Twitosfera de los economistas principales

Top 100 de los usuarios más influyentes de la Twitosfera de la Economía: Un enfoque algorítmico

Captain Economics

[Título editado después de los comentarios sobre el uso de la palabra "economistas". Nos cambiamos a "Economía Twitosphere", que está más cerca de lo que el algoritmo realmente identificar] ¿Cómo es posible medir la influencia en línea en Twitter? Y la manera de identificar las 100 mejores cuentas de Twitter más influyentes relacionados con la economía? Para abordar esta cuestión, y siguiendo una metodología inspirada en el documento de trabajo "Measuring User Influence in Twitter: The Million Follower Fallacy", desarrollamos un programa bastante simple en Python para extraer datos sobre relación seguidores en Twitter, y usamos una estrecha algoritmo a la "Google PageRank" para clasificar y rango cuenta por influencia. Agrupamos los datos utilizando el algoritmo Fuerza Atlas y usamos Gephi para dibujar el gráfico wonderfuuuuuul verá al final de este artículo. Pero ¿cómo funciona con mayor precisión? Vamos a tratar de explicar este léxico "nongeek" paso a paso, usando (si lo que deseas es ver el gráfico y / o la lista final, usted puede ir directamente a la final de este artículo).



Paso 1 - Identificar una lista de cinco economistas influyentes en Twitter: Primero tenemos que definir manualmente (subjetivamente) una lista cerrada de 5 economistas influyentes. Tratamos de ser lo más objetivo posible, y finalmente elegimos los cinco siguientes cuentas (3 ganadores del Premio Nobel, y dos economistas con respectivamente 70 K + y + 300K seguidores). Esta lista puede ser criticado, pero nos encontramos con que nuestros resultados son robustos a la lista inicial utilizado.
  • Paul Krugman (NYTimeskrugman)
  • Joseph Stiglitz (JosephEStiglitz)
  • Robert Shiller (RobertJShiller)
  • Justin Wolfers (JustinWolfers)
  • Nouriel Roubini (Roubini)

Paso 2 - Extraer a todas las cuentas, seguidas por esas cinco cuentas: Utilizamos Twitter API para extraer e introducir en una base de datos de Twitter ID de todas las cuentas, seguido por los usuarios de la lista antes definidos ... Por ejemplo, Justin Wolfers sigue 587 otra usuarios, por lo que añadir todos aquellos usuarios de nuestra base de datos. Y lo hemos hecho lo mismo por Krugman (que sigue a sólo 2 usuarios), Stiglitz (78), Shiller (23) y Roubini (381).




Paso 3 - Identificar los diecinueve "usuarios más comúnmente seguidos": Hacemos la hipótesis de que cuando los usuarios influyentes comúnmente siguen otro usuario, este usuario debe también ser influyentes. Identificamos los diecinueve "más comúnmente seguida cuenta de Twitter" y añadir esas cuentas a nuestra base de datos de usuario. ¿Por qué 19? Simplemente porque vamos a utilizar 5 iteraciones (añadiendo 5 veces las 19 cuentas más comúnmente seguidos), y 19 * 5 + 5 = 100. Por ejemplo, Branko Milanovic (BrankoMilan) es seguido por Stiglitz, Roubini y Wolfers, así que le añada a la lista. Otras cuentas de influencia identificados de esta manera durante la primera iteración incluyen Bradford DeLong (delong), Austan Goolsbee (Austan_Goolsbee), Richard Thaler (R_Thaler), Jason Furman (CEAChair), Proyecto-Sindicato (Prosyn) y la Oficina Nacional de Investigación Económica (nberpubs). El siguiente gráfico muestra los vínculos entre los 24 usuarios después de la primera iteración. Los enlaces se dirigen (mostrando cuando una cuenta sigue a otro) y el tamaño del nodo depende de enlaces entrantes.


top-influyente economista



Paso 4 - Vuelva al paso 2 y extraer información sobre las diecinueve nuevas cuentas

Paso 5 - Vuelva al paso 3 y añadir los "diecinueve usuarios más comúnmente seguido": Uso de la lista de la gráfica anterior de 24 cuentas, en lugar de la lista inicial de 5 cuentas. Y una y otra vez, hasta alcanzar 100 cuentas



Paso 6 - Abrir Gephi utilizar una clasificación "tipo PageRank", para clusterizar los datos y para crear un gráfico: Y se acabó! Así que aquí está el gráfico final, y por debajo de la lista de las 100 cuentas más influyentes identificados con nuestra metodología. El tamaño del nodo representa la influencia y la distancia entre dos nodos depende de la similitud entre las cuentas. Está lejos de ser perfecto, por supuesto (nuestro objetivo inicial era identificar "economistas", y terminamos con un buen montón de periodistas que hablan de economía y finanzas ... pero los periodistas son muy activo e influyente en Twitter así que no es una gran sorpresa ), pero en realidad estamos bastante contentos con la lista definitiva, ya que es coherente con nuestros puntos de vista (limitadas y parciales) de la "red económica Twitter". Y los ganadores son ....



Top 100


Top 100
Adam DavidsonCo-founder of NPR's Planet Money. On Money columnist, NY Times Magazine.
Adam PosenPresident, Peterson Institute for International Economics; advises central banks & governments, and fixed income investors; proclaiming on policy daily
Alan B. KruegerProfessor of Economics at Princeton University, Former Chairman of the President's Council of Economic Advisers
Amir SufiChicago Board of Trade Professor of Finance at Chicago Booth, co-director IGM at Chicago Booth, book House of Debt now available!!
Andrew Ross SorkinNew York Times Columnist & CNBC Squawk Box (@SquawkCNBC) Co-Anchor. Author, Too Big To Fail. Founder, @DealBook. Proud father. RTs ? endorsements
Annie LowreyI write about the economy for @nymag.
Atul GawandeSurgeon, Writer, Researcher, Dilettante.
Austan GoolsbeeEcon prof at U.Chicago's Booth School of Business and former Chairman of the Council of Economic Advisers. Strategic partner, @32Advisors
Barry EichengreenGeorge C. Pardee and Helen N. Pardee Professor of Economics and Political Science, University of California, Berkeley, NBER Research Associate, CEPR Res Fellow
Barry RitholtzDirector of Cognitive Dissonance
Ben CasselmanChief economics writer for @fivethirtyeight. Formerly with the Wall Street Journal. Links/RTs are not endorsements.
Ben SmithBuzzFeed Editor-in-Chief. Beats working for a living. Email or gchat me at ben@buzzfeed.com. AIM benobserver.
Ben WhitePOLITICO Chief Economic Correspondent and Morning Money columnist, CNBC contributor, dad. ex NYT, FT, WP. RTs mean I love you.
Betsey StevensonFormer Chief Economist at Labor. Current academic economist at Michigan. Always an economist at home.
Betsey StevensonMember of President Obama's Council of Economic Advisers. Tweets may be archived. More at http://t.co/QjVMIjASt0.
Binyamin AppelbaumWashington correspondent for The New York Times. bappelbaum@nytimes.com
Blake HounshellEditorial director, digital, at POLITICO, formerly at Foreign Policy. Mostly international, some politics. RT means it's interesting. bhounshell[at]politico
brad plumerSenior editor at http://t.co/NQERH88gK8. On the apocalypse beat, more or less.
Branko Milanovic1) Income inequality; 2) Politics; 3) History; 4) Soccer. Author of The Haves and the Have-nots: A brief and idiosyncratic history of global inequality.
Brookings EconAims to increase understanding of how the economy works and what can be done to help it work better.
Cardiff GarciaCold shower, always running. Opinions are mine, obviously, but why aren't they yours?
Cass SunsteinProfessor of Law, interested in behavioral economics.
Catherine RampellOpinion columnist at @washingtonpost. Previously econ reporter/moonlighting theater critic at @nytimes.
Christopher HayesHost of All In with Chris Hayes on MSNBC, Weeknights at 8pm. Editor at Large at The Nation. Cubs fan.
Chrystia FreelandLiberal MP for Toronto Centre. Author. Proud wife and mother of three. Runner when I can squeeze it in.
Dani Rodrik 
Daniel DreznerProfessor @FletcherSchool. Writer of Spoiler Alerts @washingtonpost. Author of The System Worked http://t.co/25PEMgHcK8. Shaker of hands with Mel Brooks.
Daniel GrossExecutive Editor, Strategy + Business. Author of books. Writer of columns at Slate, DailyBeast, Newsweek, Yahoo!. Purveyor of one-liners.
daveweigelRoving reporter for @bpolitics. Finishing a book about progressive rock (W.W. Norton, 2015). daveweigel@gmail.com, 302-507-6806.
David FrumSenior Editor, The Atlantic. Chairman, Policy Exchange. David.Frum(at)theAtlantic(dot)com
David LeonhardtNow: editor, The Upshot, for NYT. Then: DC bureau chief, Here's the Deal e-book, Pulitzer for commentary, math major. Still: Jim Rice, ma la, Art Blakey
David WesselDirector, Hutchins Center on Fiscal & Monetary Policy, Brookings institution. Contributing correspondent, The Wall Street Journal
Dean BakerI am an economist and co-director of the Center for Economic and Policy Research. I also run the blog Beat the Press (@beat_the_press)
Derek ThompsonSenior editor @TheAtlantic. Economics of work and play. Mondays @hereandnow. EMAIL: derek[at]theatlantic[dot]com
Donald MarronEconomist and nature lover. Director of Economic Policy Initiatives & Institute Fellow @UrbanInstitute. Writer about economics, finance, and life.
Douglas Holtz-EakinPresident of the American Action Forum (@AAF), Fmr. CBO Director, and @twizzlers fanatic.
Dylan MatthewsI know, I know, I don't like me either. Retweets are proposals of marriage.
Eduardo PorterJournalist and author. Write Economic Scene column for NYT. Author of The Price of Everything.
Erik BrynjolfssonEconomics of information and information technology, digitization, strategy, business intelligence. Co-author of The Second Machine Age #2MA
Evan SoltasBloomberg View. Vox. Princeton.
Ezra KleinEditor-in-chief, http://t.co/hH5hVMv0KR. Policy analyst at MSNBC. Eater of food. Hater of filibuster. Lover of charts.
Farhad ManjooI write about technology for the New York Times. Anyone can DM me. I prefer DM PR pitches. farhad.manjoo@nytimes.com Snapchat: fmanjoo
Felix SalmonTo test the resolution of the young with tales of the small failings of the great, and shame the eager with ironic praise.
FiveThirtyEightThe home of Nate Silver's FiveThirtyEight on Twitter. Politics, Economics, Science, Life, Sports.
Garance Franke-RutaEditor in Chief, @YahooPolitics, a @YahooNews production. Politics, media, breaking.
Greg IpChief economics commentator for The Wall Street Journal, and author of The Little Book of Economics, a citizen's economic primer.
Henry BlodgetHello! I'm the founder, editor, and CEO of Business Insider. Thanks for following me!
J. Bradford DeLongPrimate, economist, utopian, shrill: macroblog: http://t.co/uVDLXYdxZg
Jack ShaferPolitico. Formerly Reuters, Slate, SFWeekly, Washington City Paper, Inquiry. Email list: http://t.co/qS6GJKmn8c RSS: http://t.co/gIrIllsnpY
James FallowsNational correspondent, the Atlantic
James PethokoukisPeth-uh-KOO-kiss | American Enterprise Institute. CNBC Contributor. Jeopardy! champ. @TheWeek, @NRO, @Commentary, @NationalAffairs. Ex-Reuters columnist
Jared BernsteinSenior Fellow at @CenterOnBudget, former Chief Economist and Economic Adviser to Vice President Joe Biden, and author of the forthcoming book “The Reconnection
Jason FurmanChairman of President Obama's Council of Economic Advisers. Tweets may be archived. More at http://t.co/eaLyyFdh32.
Jesse EisingerSenior Reporter @ ProPublica. New York Times Dealbook columnist. Wall St & Finance. Green Bay Packers. @sarahlellison's husband.
Jim TankersleyEconomic Policy Correspondent, The Washington Post. Dad. Backpacker. Cardinal. Oregonian eternal.
John Cassidyhttp://t.co/gpdFMVCdBz
Jonathan ChaitWriter for New York magazine. jbchait@gmail.com; a no-talent illiterate hack -- Donald Trump
Jonathan CohnWriter at the Huffington Post, covering health care, social welfare, and other policy issues. Come for the journalism, stay for the Billy Joel interludes.
Joseph E. StiglitzThe official account of Joseph E. Stiglitz, Nobel laureate economist based at Columbia University.
Joseph WeisenthalDoing something new at Bloomberg.
Josh BarroCorrespondent for The Upshot at The New York Times. Host of MSNBC's Three Cents web show. Like Oprah, but judgmental and negative. josh.barro@nytimes.com
Justin FoxColumnist @BV. Eater of free snacks.
Justin WolfersSenior Fellow—Peterson Institute for International Economics | Professor @UMichEcon & @FordSchool | Contributing Columnist @NYTimes | Visiting Prof @USydneyEcon
Kelly EvansCNBC by way of WSJ.
Kevin DrumPolitical blogger and writer for Mother Jones magazine.
Lawrence H. SummersCharles W. Eliot Professor and President Emeritus at Harvard. Secretary of the Treasury for President Clinton and the Director of the NEC for President Obama.
Lizzie O'Learyaspiring hildy johnson.
Marc AndreessenWhere's the kaboom? There was supposed to be an earth-shattering kaboom!
Mark Thoma 
Martin WolfAn automated feed of FT content by Martin Wolf, chief economics commentator at the Financial Times. Account maintained by FT's social media team.
Matt O'BrienI write about economics for Wonkblog. Formerly the Atlantic & TNR.
Matt YglesiasExecutive Editor at Vox.
Matthew C. KleinFT Alphavillain. I took the background picture (of Everest).
Matthew ZeitlinFinance reporter @BuzzFeedNews matt.zeitlin@buzzfeed.com
Megan McArdleColumnist @BloombergView. Ex-Economist, Newsweek, The Atlantic. Opinions my own. Buy my new book, The Up Side of Down! http://t.co/IWQZBRQ0uO
Mike AllenChief White House correspondent, POLITICO
Mike KonczalEconomics, finance. @RooseveltInst Fellow. @thenation contributor. Always dressed and buttoned up.
Modeled BehaviorAdam Ozimek. More serious econ blog: http://t.co/g0x3TXsuVx More fun econ blog: http://t.co/ZBSpoqUM0P
Motoko RichNew York Times national preK-12 education reporter. Back in the day: economics, book publishing, real estate. Still interested in all of it. WSJ, FT alum.
Nate SilverEditor-in-Chief, FiveThirtyEight. Author, The Signal and the Noise (http://t.co/9mLliQYI8N). Sports/politics/food geek.
NBERThe National Bureau of Economic Research is dedicated to promoting a greater understanding of how the economy works.
Neil IrwinSenior economic correspondent at The New York Times's The Upshot and author of The Alchemists: Three Central Bankers and a World on Fire.
Noah SmithMulti-class Half-Elven Finance Prof/Blogger (lvl 2/12)
Noam ScheiberLabor and workplace reporter for NY Times. Ex-TNR. Author of The Escape Artists, book on Obama admin & economy. noamscheiber@gmail.com
Nouriel RoubiniProfessor at Stern School, NYU, Chairman of Roubini Global Economics (http://t.co/wbkoj5TAgj), blog at http://t.co/Z42QiBDfB2 Author of Crisis Economics
NPR's Planet MoneyYour global economy, explained. Email us planetmoney@npr.org. Subscribe to our twice weekly podcast in iTunes.
NYT OpinionEditorials, columns, Op-Ed essays, letters, blog posts, more from @nytimes. opinion@nytimes.com.
Paul KrugmanNobel laureate. Op-Ed columnist, @nytopinion. Author, “The Return of Depression Economics,” “The Great Unraveling,” “The Age of Diminished Expectations” + more.
Paul RomerProfessor, NYU Stern; Director http://t.co/rQelsMGpc9
Pedro da CostaReporter covering Federal Reserve and economics at The Wall Street Journal. Previously at Reuters. Reasonably confident interest rates will one day rise again.
Peter CoyBloomberg Businessweek Economics Editor. Also reachable at pcoy3@bloomberg.net.
Peter OrszagPeter Orszag is an economist, runner, vice chair at Citi and columnist at @BloombergView
Project SyndicateThe World's Opinion Page || en français: @ProSyn_Fr || en español: @ProSyn_Esp || RT = FYI
Real Time EconomicsEconomic insight and analysis from The Wall Street Journal. Tweets by @BeckyBowers and @SarahPortlock.
Reihan Salam@NRO, @NR_Institute, @CNN, @Slate, @NationalAffairs, @VICE
Richard FloridaDirector, @MartinProsperiT University of Toronto, Global Research Professor NYU, Co-founder & Editor at Large @CityLab
Richard H ThalerProfessor of Behavioral Science and Economics, Booth School of Business, University of Chicago, co-author of Nudge (2008) and Misbehaving (2015).
Robert CostaNational political reporter, @washingtonpost
Robert J ShillerEconomist at Yale University. Irrationally Exuberant.
Robert ReichHusband, father, grandfather, Berkeley professor, former US Secretary of Labor. Movie INEQUALITY FOR ALL now available on Netflix, iTunes, DVD.
Robin HardingTokyo bureau chief for the Financial Times. Recovering Fed-watcher. Blathering here about Japan and the global economy.
Ross DouthatNew York Times columnist, National Review film critic, author of Bad Religion: How We Became a Nation of Heretics (Free Press, 2012).
Ryan AventNews editor for The Economist
Ryan Lizzawrite for @newyorker, talk on @cnn, teach at @georgetown
Sarah KliffI write for Vox. Formerly: Washington Post, Politico, Newsweek and, back in the day, Student Life. Health-care nerd. sarah@vox.com
Simon JohnsonSimon Johnson. Co-author of White House Burning (http://t.co/aET2U5hlDP) and 13 Bankers (http://t.co/jv6uH8Tzjp).
Strobe TalbottPresident, Brookings Institution
Sudeep ReddyI am an economics editor at The Wall Street Journal.
Suzy KhimmSoon: Writing features at The New Republic. Formerly: MSNBC, The Washington Post. Always: Not @seungminkim.
The EconomistNews and analysis with a global perspective. Follow for article updates, events and news from The Economist. To subscribe go to: http://t.co/VJbacSdRCj
The UpshotAnalytical journalism in words and graphics from The New York Times. Our newsletter: http://t.co/DclvAjp9cj
Tim HarfordAuthor of Adapt; Undercover Economist at the FT; presenter of More or Less, Radio 4. (Email v/ website is best for important messages.) Views my own, of course.
tom keenebloomberg surveillance
Tony FrattoHamilton Place Strategies; CNBC Contributor; Board Member - @WFPUSA & @CGDev; K Street Capital; GWU Dist Fellow; frmr US Treasury & WH official.
tylercowenProfessor of Economics, George Mason University, blogger at http://t.co/1Pkhb9zvBt.
VoxUnderstand the news.
Will WilkinsonWriterer. Teaches at University of Tennessee, Chattanooga. Assistant non-fiction editor for Gulf Coast. Blogger for The Economist.
William EasterlyNYU Econ Prof; author of The Tyranny of Experts: Economists, Dictators, and the Forgotten Rights of the Poor
Zachary GoldfarbPolicy editor at The Washington Post. @Wonkblog, economics and policy. Previously: White House & economics correspondent.

martes, 7 de abril de 2015

Cómo creció Facebook según "arqueólogos de red"

Los arqueólogos de redes descubren dos tipos de crecimiento en datos históricos de la red social en Facebook 
Las redes sociales jóvenes crecen de una manera totalmente diferente que las redes maduras, dicen los científicos de la computación que han analizado la forma en Facebook creció en los vertiginosos días después de su lanzamiento en 2004.
MIT Technology Review



El 4 de febrero de 2004, un sitio web completamente nuevo abrió sus puertas destinadas a estudiantes de la Universidad de Harvard. Thefacebook.com era una red social en línea diseñado para competir con el creciente número de personas que habían surgido recientemente, como Friendster.com, MySpace.com, LinkedIn.com y así sucesivamente.

La popularidad de Facebook creció rápidamente, pero se limitó inicialmente a las redes universitarias. En un mes, se había puesto en marcha en las universidades de Columbia, Stanford, Yale, Cornell y Dartmouth. Y pronto se extendió a otros, ampliando para cubrir 100 redes universitarias en el primer año antes de abrir al público en general a mediados de 2006.

El resto es historia. El crecimiento de Facebook desde entonces ha sido explosivo y ahora cubre una fracción importante del planeta. Hoy en día, Facebook cuenta con cerca de 1,4 mil millones de usuarios activos mensuales en todo el mundo.

Esto plantea una pregunta interesante. ¿Cómo se produce este crecimiento temprano? Y en qué se diferencia del tipo de crecimiento que se produjo más tarde en la vida de la red social?

Hoy en día, tenemos una respuesta a muchas de estas preguntas gracias a la labor de Abigail Jacobs de la Universidad de Colorado en Boulder y algunos amigos que son los informáticos volvieron arqueólogos de red. Estos chicos han analizado los datos de Facebook 100 de la red por primera vez, y lo comparó con la red más maduro.

El enfoque es relativamente sencillo. Esta estructura de las redes de Facebook en estos primeros 100 universidades forma una base de datos única. Se muestra exactamente cómo una red social online crece en sus primeros meses de vida. Y comparando el crecimiento de esta red temprano con su crecimiento posterior, debería ser posible de separar los diferentes factores en el trabajo.

Estos chicos simplemente se comparan las tasas de crecimiento de la estructura y de las redes en cada una de las 100 primeras universidades a adoptar Facebook. A continuación, preguntar cómo los cambios observados están relacionados con el tamaño de la red y de su edad.

Los resultados son una lectura interesante. Jacobs y coautores dicen que, en general, todas estas redes tienen el pequeño clásico estructura mundial encuentra en casi todas las redes sociales. Este se caracteriza por un gran número de enlaces cortos dentro de la red y un pequeño número de enlaces distantes que tienen el efecto de tejer la red juntos.

Pero el crecimiento de la red muestra un patrón de dos fases claras. Inicialmente, estas redes crecen mediante la adición de nuevos miembros que forman los nodos en la red con un número relativamente pequeño de conexiones entre ellos. "Para principios de Facebook, cada vez que una nueva universidad se unió, o una nueva clase llegó en el campus, esta fase comenzó de nuevo dentro de esa población y procedió como la tasa de adopción aumentó de cero", dicen Jacobs y co.

Pero hay otra fase en la que el mecanismo de crecimiento es diferente. Esto comienza una vez a la red se ha expandido para incluir una gran fracción de la población disponible. Entonces, la principal forma de crecimiento involucra a las personas aumentar su número de contactos entre los usuarios existentes. Esto tiene el efecto de aumentar la densidad de la red.

Estas dos fases se corresponden con el crecimiento que ocurre antes y después de la saturación, cuando la mayoría de la población disponible ya se ha registrado.

Jacobs y colegas dicen que encuentran varios ejemplos diferentes de este patrón de dos fases de crecimiento. La primera se produce dentro de las redes universitarias mismos. El punto de saturación se había producido en casi todas estas redes antes de 2006, justo antes de que Facebook se abrió al público en general.

Entonces, como la red social se extendió a la mucho más grande, la población no adoptado, se trasladó de nuevo en una fase de crecimiento natural añadiendo nodos adicionales. Sin embargo, la saturación se produjo una vez más en 2008, cuando la red ha reclutado una gran fracción de los planetas conectados población.

"A medida que Facebook se extendió sobre esta grande y no adoptante población, su diámetro se amplió y su grado de distribución se hizo más pesada cola, antes de pasar de nuevo en la fase de densificación, como un sistema muy ampliada, en 2008", dice Jacobs y coautores.

El equipo dice que el descubrimiento de este tipo de crecimiento de dos fases tiene algunas implicaciones interesantes. En particular, Jacobs y co sugieren que las redes sociales en línea podrían ser diseñados para aprovechar el tipo de crecimiento que están experimentando actualmente.

Así que una red experimentando un crecimiento natural podría tener un conjunto diferente de características que uno que había alcanzado la saturación y fue creciendo por la densificación. "El comportamiento humano no es independiente del diseño de estos sistemas, y los diseños es probable que sean más eficaces y más útiles si son informados por una comprensión de su impacto en la estructura a largo plazo y la función de estas redes", dicen.

Esta arqueología red ofrece una interesante visión de la naturaleza de las redes sociales y cómo crecen. Apenas cómo debe aprovecharse mejor en la próxima generación de redes aún no está claro. Pero un estudio más detallado de este fenómeno debe vomitar algunas pistas interesantes.

Ref: http://arxiv.org/abs/1503.06772 : Assembling thefacebook: Using Heterogeneity to Understand Online Social Network Assembly