ARS 101: Introducción rápida

¡Para entender ARS rápidamente!

Social Networking

¿Qué es el análisis de redes sociales (ARS)?

Creo que hay muchas maneras diferentes de entender lo que es ARS. Resumí lo que he aprendido de conferencias y sitios web como una breve introducción a la ayuda para entender el cuadro completo de ARS rápidamente.

Definición:

ARS es el estudio del patrón de interacción entre los agentes de las redes sociales. Se refiere a los métodos utilizados para analizar las redes sociales, las estructuras sociales compuestas de individuos (u organizaciones) llamados "nodos", que están vinculados (conectados) por uno o más tipos específicos de interdependencia, como la amistad, parentesco, intereses comunes, financiera intercambio, aversión, relaciones sexuales, o las relaciones de creencias, el conocimiento o prestigio [1].
"Análisis de redes sociales es la cartografía y la medición de las relaciones y los flujos entre personas, grupos, organizaciones, equipos u otras entidades de información / procesamiento de conocimiento." (Valdis Krebs, 2002). Análisis de Redes Sociales (ARS) es un método para la visualización de nuestro pueblo y el poder de conexión, que nos lleva a identificar la mejor forma de interactuar para compartir conocimiento. [10]

Importancia:

Vamos a tener lo que otros tienen y crear más por ARS. Este punto de vista se deriva de la prospectiva de Sara Philpott de IBM [2].

Necesidad:

Los datos correspondientes vidas sociales compartidas entre los individuos ha crecido a un ritmo fenomenal desde el nacimiento de las redes sociales en 1997. [2]. Debido a la información de la estructura social subyacente contenida, la gente en diversas áreas, creen ARS puede ser una buena manera de ayudar a que sepan más sobre lo que están sucediendo y lo que sucederá.

Herramientas relacionadas:

Socilyzer.
Está construido para el administrador y los consultores para llevar a cabo sus propios análisis básicos [4,5]
SocNetV.
Te permite construir redes (gráficos matemáticos) con un par de clics en un virtuales redes de lona o de carga de varios formatos (GraphViz, GraphML, Adyacencia, Pajek, UCINET, etc.) y modificarlos para satisfacer sus necesidades [6].
NodeXL.
Es una plantilla libre, de código abierto para Microsoft® Excel® 2007 y 2010, que hace que sea fácil explorar los gráficos de la red [7].
Agna.
Es una aplicación independiente de la plataforma diseñada para el análisis de redes sociales, la sociometría y el análisis secuencial [8].
Wikipedia proporciona aslo una lista de casi 70 herramientas ARS [9].

Aplicación:

ARS es una herramienta importante para muchas áreas, tales como la inteligencia empresarial, publicidad estrategia, los empresarios, la mejora del funcionamiento del sistema de comunicación, diseño del nuevo sistema móvil, gestión de recursos humanos, las ciencias sociales, la elaboración de políticas, etc.

Desafíos:

Mediante el estudio de los sitios web, ya sé que también hay varios desafíos para ARS, especialmente cuatro de ellos.
Análisis de la comunidad La superposición.
Para conveniente, muchos enfoques simplifican el modelo suponiendo que las comunidades son distintas. Pero algunas veces este modelo puede ser demasiado simple, sobre todo con el propósito de inteligencia de negocios.
Semántica Edge.
En una gran cantidad de modelos, las relaciones entre dos individuos están representados por un solo borde con un solo peso en el gráfico. Esta hipótesis también es demasiado simple para ayudar a descubrir la verdad a veces.
Borde Modelado costo creación / mantenimiento.
El costo de la creación de un vínculo en una red social en línea es mucho más barato que el mundo real. ¿Es esta necesidad de tener en cuenta? Sí, si la esperanza de ARS se vuelve más útil.
Análisis de la red de la Cruz.
Debido a razones de negocios, no es fácil de hacer el análisis de redes cruz. Si Don no tenemos una solución para ello, los resultados son parciales, en cierta medida. [3]

Instrucción:

Otra información relacionada sobre ARS se describe en mi blog de Clase 6: Análisis de Redes Sociales.
Un caso de ARS para averiguar el nodo más influyente.
Considere la siguiente red social formada por 5 estudiantes:



Desde el sociograma, podemos verlo como un gráfico no dirigido. Y podemos ver a Alice, Bob, Carol, David y Eva como cinco nodos. Los vínculos entre ellos representan la relación.
Podemos representar la red por encima de una matriz simple de la siguiente manera.



Mediante el uso de una matriz para transformar la sociograph a una representación formal de relaciones hace posible calcular medidas por los algoritmos. Esta matriz puede ser llamado sociograma.


Ahora necesitamos algunos términos para los términos de medidas de ARS. Estos son útiles para nosotros hacer un análisis cuantitativo y hacer el bien para diseñar programas de estadísticas automáticas.
Punto de corte: Un nodo que, si se suprime, hará que la red desconectada. Podemos ver que David es un punto de corte de la sociograma.
Puente: Un empate que, si se suprime, hará de enlace de la red desconecada. Asi entre David y Eva es un puente.
Grado: El grado de un nodo es el número de enlaces que son incidente con él.
Densidad: La proporción de los vínculos que existen entre todos los vínculos posibles. En otras palabras, el número de enlaces dividido por el número de vértices en un grafo completo con el mismo número de nodos y la densidad de la sociograma es:
                                                          2L / (g (g-1)) = 2 * 6 / (5 * 4) = 0,6
Sendero geodésica: El más corto de todos los caminos entre dos nodos se llama la trayectoria geodésica.
Distancia geodésica: La distancia de la trayectoria geodésica entre dos nodos se llama la distancia geodésica. Si existe ninguna ruta entre dos nodos, entonces la distancia es la distancia geográfica infinito o indefinido del sociograma anterior es la siguiente:

Clique: Conjunto máximo de nodos en la que cada nodo está conectado a todos los demás. Por ejemplo {Alice, Bob, David} y {Alice, Carol, David} son camarillas.
N-Clique: Un conjunto de nodos que se encuentran a poca distancia n de la otra. Por ejemplo {Alice, Bob, Carol, David, Eva} es un 2-Pandilla.
K-Plex: Un conjunto de n nodos en el que cada nodo tiene un vínculo con al menos otras nk en el conjunto. Por ejemplo {Alice, Bob, Carol, David} es un 2-Plex.
Centralidad: Identificar qué nodos están en el "centro" del network.In una red social, las entidades en el centro puede ser muy importante. Es similar a la VIP del mundo real en cierta medida. Y hay tres medidas de centralidad estándar ampliamente utilizados: centralidad de grado, centralidad de cercanía, centralidad de intermediación.
Centralidad de grado: La suma de todos los demás agentes que están conectados directamente al actor de preocupación. Este término significa la actividad o la popularidad, y se puede normalizar como:
                                                    

Centralización de grado de grupo: Mira la dispersión de centralidad. Una medida de la centralización del grafo:

CD (n *) es el valor más grande entre todos los CD (ni) en la red. En este caso, la centralización grado grupo es 2/3.


La cercanía centralidad: Representa la media de las distancias geodésicas entre determinado nodo y todos los otros nodos conectados con in.Can ser entendida como el tiempo que se necesita para que un mensaje a difundir dentro de la red de concreto nodo.
                                                   
Centralidad de cercanía normalizada:

                                                   

Centralización de cercanía de grupo: Mide el nivel general de cercanía en una red. Medir lo grande que la suma de las diferencias puede ser realidad. El numerador se puede calcular por:



Donde Cc (n *) es el valor más grande entre todos CC (NI) en la red. El denominador es el teóricamente máximo todos los CC (ni) en la red. En este caso, la centralización cercanía grupo es 17/90.
Betweenness centralidad: El número de veces que un nodo conecta pares de otros nodos, que de otra manera no serían capaces de llegar a unos de otros. Betweenness centralidad cuenta el número de caminos más cortos entre J y K que el actor i reside on.It es una medida del potencial para el control como un actor que es alta en 'intermediación' es capaz de actuar como un guardián controlar el seguimiento de los recursos ( la información, el dinero, el poder, por ejemplo) entre los altares que él o ella connects.And la medida se basa en grafo no dirigido.
                                                   
Centralidad de intermediación normalizada:
                                                 

Centralización de intermediación de grupo: Medir el nivel general de intermediación en una red.


CB (n *) es el valor más grande entre todos CB (NI) en la red.
O simplificado

En este caso, la centralización de intermediación grupo es 5/48.

Resultados:

Es fácil saber que David es el nodo más influyente. De centralidad de grado, se puede observar que los indicadores de David es el más grande. Y a partir de proximidad central o centralidad de intermediación podemos hacer las mismas mediciones judgement.These nos da diferentes ángulos para ver la red social.


De hecho, la forma más fácil de averiguar el nodo más influyente es el sentido común o intuitiva. En pocas palabras, el número de enlaces recogidos a David es el más. Utilizando un método tan simple, sin ningún conocimiento acerca de ARS, se puede conocer la conclusión. Pero si queremos describir con más precisión que es cómodo para la computadora para procesar, algunos conceptos de ARS son útiles.

Basándose en los resultados obtenidos, hay varias conclusiones:

1. Los diferentes métodos utilizados para una misma red social pueden resultar en mismo resultado, pero esto no es suficiente para ilustrar la inevitabilidad de la consistencia de los resultados. Estos métodos demuestran diferentes ángulos de la red. Pero el modelo se simplifica. Si todavía es el caso en un modelo mucho más complejo necesita más investigación. Y la investigación nos puede dar una mejor comprensión de 'Todos los caminos conducen a Roma".
2. Las diferentes redes sociales tienen diferentes características. Esta características pueden ser investigados por diferentes métodos en diferentes dimensiones. Por lo tanto la selección de herramientas puede ser importante para la causa especial.
3. El nodo más influyente puede ser el punto de corte. Así que el nodo se debe tomar más atención en el mundo real, ya que puede ser un recurso o VIP persona clave. Controlar estos nodos pueden ayudar a controlar toda la red más eficaz y rápida. Y ayudar a mantener la estabilidad de la red.
4. ARS muestran una fuerte capacidad para descubrir los patrones de interacción de los individuos sociales. Se proporciona una herramienta y una oportunidad de hacer la investigación más compleja sobre la evolución de social y empresarial. Por ejemplo, ARS es ahora una herramienta impotente para la inteligencia de negocios. Este establecimiento nos impulsa a reconocer que vamos a tener lo que otros tienen y crear más por ARS.

Referencias:

[1] http://en.wikipedia.org/wiki/Social_network_analysis
[2] http://www-935.ibm.com/services/ie/gbs/irishtelecom/pdf/social_network_analysis.pdf
[3] http://datamining.typepad.com/data_mining/2008/04/four-challenges.html
[4] http://socilyzer.com
[5] http://www.bioteams.com/2008/02/08/a_great_free.html
[6] http://socnetv.sourceforge.net/
[7] http://nodexl.codeplex.com/
[8] http://mac.softpedia.com/progDownload/AGNA-Download-47086.html
[9] http://en.wikipedia.org/wiki/Social_network_analysis_software
[10] http://www.kstoolkit.org/Social+Network+Analysis
[11] Lecture 6,7,8

La reciprocidad de los enlaces de amistad es menor de lo que imaginamos

Investigación: Usted tiene menos amigos de lo que piensa
Alex "Sandy" Pentland | Harvard Business Review





La gente asume que cuando se consideran otra persona un "amigo", esa persona también piensa en ellos como un amigo. En otras palabras, la amistad es recíproca. Pero cuando analizamos las encuestas de relación de auto-reporte de varios experimentos en todo el mundo, nos encontramos que, si bien la mayoría de la gente asume que las amistades son de doble sentido, sólo la mitad de las amistades son, en efecto recíproco. Estos resultados indican una profunda incapacidad de las personas para saber quiénes son sus amigos, tal vez debido a la posibilidad de la amistad no recíproco desafía a la propia imagen de sí mismo. nos gustan, que tienen como nosotros.

En sí mismo esto puede parecer como un hallazgo interesante, pero de menor importancia, pero esta gran proporción de amistades asimétricas se traduce en un efecto importante sobre la capacidad de un individuo para persuadir a otros a cooperar o cambiar su comportamiento.

Eso es porque el éxito depende de la capacidad de reclutar amigos para ayudar en los momentos críticos. Los estudios han demostrado que la influencia social es un factor crítico en el cambio organizacional, y especialmente en la propagación de nuevos comportamientos, nuevas ideas y nuevos métodos en ambas organizaciones y la sociedad en general.

Por otra parte, en los últimos años programas de apoyo entre pares se han convertido en altamente eficaz y potenciar formas de aprovechar la influencia de grupo para apoyar el cambio de comportamiento de los empleados. Un tipo específico de programa de apoyo entre pares es el "sistema de amigos", en la que los individuos se emparejan con otro persona (es decir, un compañero) con la responsabilidad de apoyar su intento de cambiar su comportamiento, como la seguridad en los entornos de trabajo, dejar de fumar, y la condición física.

Sin embargo, nuestros hallazgos sugieren que esta percepción errónea de amistades limita de manera significativa los esfuerzos como sistemas de compañeros para promover un cambio de comportamiento Lo que es más, hemos encontrado que la direccionalidad de la amistad - amistad, que forma en que se percibe entre dos personas - es también un factor.

Por ejemplo, cuando se analizó la efectividad de un programa de acondicionamiento físico "sistema de compañeros", encontramos que cuando existe una amistad lazo de un solo sentido desde el compañero (la persona que solicita la presión de grupo) para el sujeto (la persona que recibe la presión), programas fueron más eficaces que cuando el lazo de amistad fue del sujeto al amigo. Aunque lo mejor es tener una amistad recíproca, que tiene un amigo que piensa de su objeto como un amigo es la siguiente mejor relación.

diseñadores de intervención, ya sea con programas de acondicionamiento físico o programas para dejar de fumar o cualquier otro, no puede depender de cómo el sujeto percibe la relación con el compañero para crear eficacia. Para superar esta limitación, hemos descubierto que dos conclusiones simples que se pueden aplicar a más efectivamente lograr un cambio de comportamiento.

La primera es que no debemos asumir las personas con un alto número de lazos sociales son "personas influyentes." Estas personas no son mejores y, a menudo son peores que el promedio de personas a ejercer influencia social. Nuestros resultados sugieren que esto se debe a que muchos de esos lazos o bien no son recíprocas o ir en la dirección equivocada, y por lo tanto no dará lugar a la persuasión efectiva. en lugar de buscar personas influyentes con un montón de amigos, buscar amigos que son compañeros, con aproximadamente el mismo número de amigos y muchos amigos en común .

En segundo lugar, si usted quiere ser un agente de cambio social, es posible que no desea iniciar centrándose en las personas que "saben todos" en la organización. Puede ser un error confiar en ellos para instituir el cambio que desea crear. Ellos simplemente tienen demasiadas cosas en que es fidedigna. en su lugar, comience por crear un consenso con sus compañeros que forman parte de sus redes de interacción. Después de hacer eso, los "influenciadores" empezarán a tomar el cambio propuesto en serio.

Al entender que la influencia social depende de la reciprocidad y la amistad dirección, puede ser más eficaz en la promoción del cambio de comportamiento, la difusión de las nuevas ideas, e incluso la promoción de productos.

Marketing: Usando Gephi para tareas de SEO

SEO y sitio web para ver: ir más allá con Gephi
Simon Georges | Makina Corpus


Podemos diagnosticar muchos problemas de SEO durante la visualización de una página web con Gephi, siempre que sean metódica.

La visualización es ahora una necesidad para un SEO (véase, por ejemplo este artículo) y esta es una razón para el aumento de las herramientas de Saas reservadas. Usando Gephi (OSS de visualización de redes) es especialmente frecuente para múltiples usos, incluyendo la visualización y optimización de la red interna.

Sin embargo, lo que hace que la visualización término SEO era un poco revolucionado recientemente por Cocon. Esta su visión circular.

Motivado por la herramienta durante la presentación del video SearchCast Laurent Bourrelly, quería tratar de replicar algunas de las visualizaciones disponibles en esta herramienta sólo usando Gephi.

Atención en el resto del artículo, las fórmulas se dan para Libre Office (viva el software libre!). Por lo tanto, hay que adaptarse a Excel, incluyendo el reemplazo de "Data.A1" con "datos! A1".

La base: los enlaces internos y PageRank

Esta parte no será una sorpresa para quienes están familiarizados con Gephi que pueden ir directamente a la URL de vista u orugas Vista: presento en efecto el mismo que el conjunto de tutoriales sobre el uso Gephi para SEO: visualización de los enlaces internos del sitio.

En primer lugar vamos a preparar los datos que necesitaremos: Así que empieza explorando el sitio usando Screaming Frog. Vamos a copiar el rastreo completo de los datos en una hoja de cálculo, que llamaremos ficha "Datos". A continuación, exportar los enlaces internos en una pestaña segundo "Enlaces":

• Primer paso: calcular el PageRank y, posiblemente, la modularidad, a partir de los enlaces internos. Para esto :
• No tener en exportación de enlaces internos que href líneas de tipo y sólo las columnas que contienen URLs (origen y destino), y cambiar el nombre de la "Fuente" y "destino";
• Exportar hoja de CSV.
• Gephi abierta, crear un nuevo proyecto, vaya a la pestaña "Laboratorio de Datos" e importar el archivo recién creado (por lo general, se detecta sólo que son enlaces, y todas las opciones son correctas).
• A continuación, puede cambiar a la primera pestaña ( "Información general"). A continuación, ver una visualización de su sitio en la forma de un gráfico no organizada ninguna:

• Antes de ver, vamos a utilizar las funciones de estadísticas Gephi:

Aquí vamos a iniciar directamente el cálculo de los 2 algoritmos que nos va a interesar: Modularidad y PageRank.



El PageRank determina la probabilidad de llegar en la página independientemente de la página en su sitio donde se llega, vamos a decir que es importante que su sitio proporciona una página (atención aquí, sólo hablamos de enlaces , la popularidad interno y externo no se tiene en cuenta).

La modularidad es un concepto puramente "red" no se utiliza en SEO: la modularidad rompe una red en subredes. Si todo va bien, esto hará que los valores de "conglomerados" de páginas de su sitio.

• Ahora vamos a utilizar estos cálculos para mejorar la visualización:

• El primer icono al lado de "nodos" y "bordes" representa el color: haga clic en "Atributos", elegir el "modularidad" atributo (que no está presente si no se ha iniciado el cálculo), y haga clic "Aplicar": su visualización debe iluminar.
• Al hacer clic en el icono al lado de usted puede elegir la opción "PageRank", como atributo de tamaño. Elegir un rango de tamaño que se adapte a usted (yo uso 30 a 150, por ejemplo), y haga clic en "Aplicar" página debe empezar a diferenciarse.
• A continuación, puede jugar con algoritmos de organización espacial para representar mejor su sitio.

No conseguimos nada satisfactoria: surge ningún clúster, hay demasiados enlaces internos en el sitio para analizar cualquier cosa, desde este punto de vista (pero contras, ya podemos pensar que abogará una racionalización de los enlaces internos).

Ahora vamos a tratar las visualizaciones más específicos, con la esperanza de identificar otros problemas del sitio.

La vista "URL"

Cocon.se ofrece una vista "URL", que muestra una vista en la que el padre es el URL de la página principal. A partir de los datos que ha copiado del ScreamingFrog, es bastante fácil de encontrar al padre de un URL de la página: crear una nueva hoja. En la segunda columna, utilice la fórmula

= Data.A1

en la celda A1 y, a continuación, copiar toda la columna. En la primera columna de esta hoja, a continuación, utilizar la fórmula

= LEFT (B1; FIND ( "/ [^ /] * $", B1) -1)

Tendrá una columna rellena con la url "padre" de la página. Trate de mantener sólo los enlaces a páginas web (archivos de extraer), que será más eficaz en términos de visualización.

Tenga en cuenta que algunos sistemas, tendrá que añadir final "/" porque las direcciones URL de su sitio contienen (que alcanzó los límites de la automatización, y no siempre se ajustará algunas URL).

Si se utiliza la hoja de trabajo que ha creado como fuente de "enlaces" en Gephi (después de eliminar los enlaces importados en el párrafo anterior, pero manteniendo los nodos para mantenerlos involucrados y colores), se obtiene una representación las direcciones URL de la estructura del sitio, una especie "humana" de la visión de cómo el sitio fue diseñado.



En este ejemplo, no es completamente grupos separados: esto es porque en algunos casos no existiera la página "padre". Aquí está un sitio Drupal con el módulo de reescritura de URL (Pathauto) en su configuración por defecto, todas las URL de las páginas están en "/ content / [titulo-de-la-página]", y no hay página "/ contenido" en el sitio (el bloque en la parte superior izquierda). Este problema es, por supuesto manchado directamente de los datos de rastreo, pero permite la visualización de ilustrar de manera efectiva al cliente.

El bloque inferior de la derecha representa las páginas de "etiquetas", la estructura no se integra bien con el resto de la página web o bien (sin página "/ tag", mientras que todas estas URL son "/ tag / [tag-name]." se podría proponer una URL reescritura, tal vez podría proporcionar ventajosamente una simple supresión de estas páginas (excepto tal vez de los que se PageRank interna es significativa, probablemente merece ser convertido en la sección "real" de la página).

Finalmente, la última observación, todos los colores se mezclan en este punto de vista, lo que indica que los enlaces internos no tienen nada que ver con la estructura de URL, por lo que no hay silos de la organización.

La vista "Crawler"

Cocon.se también ofrece una visión "orugas", destacando el primer enlace que llevó al descubrimiento de una página. Para simular este punto de vista con Gephi, vamos a reanudar nuestro fichero de identificación de los enlaces internos, pero esta vez vamos a cruzar los datos con el "nivel" de la columna Screaming Frog datos que muestran el número de clics necesarios para acceder a la página.

Al lado de cada columna "Fuente" y "destino", utilizo la fórmula

= BUSCARV (A2; Datos $ A $ 2. Datos $ Z $ 1000; 26; 0).

buscará el contenido de la celda A2 de mi hoja actual en la primera columna indica el área I (A2 -> Z1000), de manera que la columna A es que las direcciones URL, y una vez que el valor encontrado, me conviene devolver el valor de la columna 26 columnas a la derecha (columna Z aquí) la columna del "nivel": entonces consigo el nivel de profundidad de cada una de las páginas interiores que participan en mis prisiones.

Última operación, vamos a filtrar los enlaces para mantener sólo aquellos con "nivel" de la fuente es directamente debajo del punto de destino (mediante la creación de una fórmula que contiene colone

= (B2 + 1 = D2)

y mantener sólo las filas cuya célula es "TRUE").

más vamos a borrar la tabla de enlaces Gephi a utilizar estos nuevos datos como "mesa de enlace", y jugar un poco con los algoritmos espaciales, obtenemos una representación completamente diferente:



Aquí, dos cosas son rápidamente destacaron:

• La mayoría de las páginas se descubren a través de la página de mapa del sitio (el gran redondel central verde en el centro del bloque);
• Muchas páginas no están ligados: son páginas descubrimientos a través de las etiquetas "canónicos" o páginas cuyas URL contener parámetros que he suprimido para ejecutar diferentes fórmulas). Cabe aquí probablemente adaptar nuestras fórmulas para dar cuenta de estos casos. Sin embargo, se identificaron una fuente potencial de problemas: las páginas no canónicos directamente o muchos de paginación (el parámetro suprimirse en relación con una paginación) que se rastree e indexe.

En caso de que no se elimina el parámetro de búsqueda, es también por este punto de vista se puede identificar canales de búsqueda (como largas cadenas de nodos), o "trampas" para el robot (generaciones muchas de las páginas dinámicas que no devuelven ningún contenido (incluso la identificación gráfica que las cadenas de paginación)).

Una vez más, esto también es identificable en la lectura de los datos de rastreo, pero no necesariamente como de inmediato, y se puede utilizar para ilustrar la situación de su cliente.

Conclusión

Se lograron los objetivos iniciales: podemos identificar los problemas directamente de visualizaciones, e ilustrar a nuestros clientes para entender mejor.

Está claro que contra Cocon.Se pone mucho más las cosas hacia adelante, especialmente para todos los problemas de "fuga" capullos semánticas: aquí podemos obtener un resultado que se acerca la observación de los colores que intervienen en cada grupo, porque las clases modulares deben corresponder normalmente a los capullos.

Dicho esto, los resultados obtenidos por nuestro método nos encontramos hoy en día, aunque los técnicos de agradecimiento Cocon.Se por empujarme a mano Gephi visualización de la pregunta fundamental.

Si usted tiene otras ideas de análisis o visualización, por favor hágamelo saber!

Formar redes dentro de organizaciones

Aprender a amar a crear redes
Tiziana Casciaro | Francesca Gino | Maryam Kouchaki
Harvard Business Review




"No me gusta la creación de redes (networking)." Escuchamos esto todo el tiempo de los ejecutivos, otros profesionales y estudiantes de MBA. Nos dicen que crear redes hace que se sientan incómodos y falsos, incluso sucios. A pesar de que algunas personas tienen una pasión natural para ello, a saber, las personas extrovertidas que aman y prosperan en la interacción social, es comprensible que muchos ven como panfletero, explotador, y no auténtico.

Pero en el mundo actual, la creación de redes es una necesidad. Una montaña de la investigación muestra que las redes profesionales llevan a más oportunidades de trabajo y de negocios, el conocimiento más amplio y profundo, una mejor capacidad de innovación, avance rápido y un mayor estatus y autoridad. La construcción y el establecimiento de relaciones profesionales también mejora la calidad del trabajo y aumenta la satisfacción en el trabajo.

Cuando estudiamos 165 abogados en un bufete grande de abogados de América del Norte, por ejemplo, encontramos que su éxito dependía de su capacidad de generar redes con eficacia tanto a nivel interno (para llegar a ser a sí mismos asignados a los clientes) y externamente (para traer negocio en la empresa). Los que considera estas actividades como de mal gusto y evitó ellos tenían un menor número de horas facturables que sus pares.

Afortunadamente, nuestra investigación muestra que una aversión a la creación de redes puede ser superado. Hemos identificado cuatro estrategias para ayudar a las personas a cambiar su forma de pensar.

1. Enfoque en el Aprendizaje

La mayoría de las personas tienen un enfoque dominado por la motivación lo que los psicólogos llaman ya sea una "promoción" o una mentalidad de "prevención". Los que están en la primera categoría piensan principalmente por el crecimiento, el progreso y logros que la creación de redes puede aportar ellos, mientras que en el segundo lo ven como algo que están obligados a participar en por motivos profesionales.

En experimentos de laboratorio se realizó en los Estados Unidos e Italia, con estudiantes universitarios y adultos que trabajan, y en una muestra adicional de 174 abogados de la firma que estudiamos, documentamos los efectos de ambos tipos de pensamiento. la gente centrada en la promoción se integraba a una red porque querían y se acercaron a la actividad con entusiasmo, curiosidad y una mente abierta sobre todas las posibilidades que podrían desarrollarse. las personas orientadas a la prevención veían a una red como un mal necesario y no auténtico sintieron en el ejercicio de ella, de modo que lo hicieron con menos frecuencia y, como resultado, un rendimiento inferior en los aspectos de su trabajo.

Afortunadamente, como la Universidad de Stanford, Carol Dweck ha documentado en su investigación, que es posible cambiar su forma de pensar desde la prevención hasta la promoción, por lo que se ve en red como una oportunidad para el descubrimiento y aprendizaje en lugar de una tarea.

Considere una función social relacionado con el trabajo se siente obligado a asistir. Puede decirse a sí mismo, "No me gusta este tipo de eventos. Voy a tener que poner en un espectáculo y pavonearme y fingir que te gusta. "O bien, puede decirse a sí mismo:" ¿Quién sabe-que podría ser interesante. A veces, cuando menos te lo esperas, que tiene una conversación que nos lleva a nuevas ideas y conduce a nuevas experiencias y oportunidades ".

Si usted es una persona introvertida, no se puede simplemente va a ti mismo para ser extrovertido, por supuesto. Pero cada uno puede elegir el enfoque de motivación para llevar a la creación de redes. Concentrarse en los aspectos positivos, la forma en que va a ayudar a aumentar el conocimiento y las habilidades que se necesitan en su trabajo y la actividad comenzará a parecer mucho más la pena.

2. Identificar los intereses comunes

El siguiente paso en la fabricación de redes más apetecible es pensar acerca de cómo sus intereses y objetivos se alinean con los de personas que se encuentran y cómo que pueden ayudar a forjar relaciones de trabajo significativas. lo que  Brian Uzzi de la Universidad Northwestern llama a este principio, las actividades compartidas. "Las redes potentes no se forjan a través de interacciones casuales sino a través de actividades relativamente de altas apuestas que le conectan con diversos otros", explica. (Ver "Cómo construir su red", HBR, diciembre de 2005) Numerosos estudios en psicología social han demostrado que las personas establecen las conexiones más colaborativas y de mayor duración cuando trabajan juntos en tareas que requieren una contribución de los demás. De hecho, la investigación que uno de nosotros (Tiziana) llevaron a cabo con el Miguel Sousa Lobo del INSEAD mostró que esta "interdependencia de tarea" puede ser una de las mayores fuentes de energía positiva en las relaciones profesionales.

Tenga en cuenta el enfoque adoptado por Claude Grunitzky, un emprendedor en serie en las industrias de medios, cuando se dispuso a cumplir con Jefferson Hack, fundador del estilo y la música subterránea de la revista británica Dazed & Confused. Como se describe en un estudio de casos de Harvard Business School por Julie Battilana, Lakshmi Ramarajan, y James Weber, a continuación, Grunitzky-22 y se prepara para encontrar su primer negocio, una revista de hip-hop urbano en todo lo aprendido en Londres, lo que pudo sobre Hack.

"Leí cada una de sus revistas, di cuenta de lo que estaba escribiendo acerca y qué tipo de bandas que se revise" Grunitzky recordó. "Hice lo que gran parte de esta sentí que casi podía entender su personalidad antes de conocernos." Armado con este conocimiento y convencido de que él y Hack tenía visiones del mundo y aspiraciones similares, Grunitzky sintió mucho más cómodo acercarse al anciano industria.

Cuando su red está impulsada por intereses sustantivos, compartidos que ha identificado a través de una investigación seria, se siente más auténtica y significativa, y es más probable que conduzca a relaciones que tienen esas cualidades también.

3. Piense de manera amplia sobre lo que puede dar

Incluso cuando usted no comparte un interés con alguien, es probable que pueda encontrar algo valioso que ofrecer yendo más allá de lo obvio. Por supuesto, esto no siempre es fácil. Hemos encontrado que las personas que se sienten impotentes, porque son menor en sus organizaciones, ya que pertenecen a una minoría, o por otras razones, a menudo creen que tienen muy poco que dar y, por tanto, son los menos propensos a participar en la creación de redes, incluso a pesar de que son los que probablemente va a obtener el mayor beneficio de ella.

Este problema se puso de relieve en dos estudios que llevamos a cabo en el bufete de abogados se ha mencionado anteriormente, que involucró a diferentes grupos de abogados en diferentes puntos en el tiempo. Se encontró que las personas mayores eran por lo general mucho más cómodo que las personas menores de redes eran debido a su mayor poder en la organización. Esto tiene sentido. Cuando las personas creen que tienen mucho que ofrecer a los demás, como un sabio consejo, orientación, acceso y recursos, redes siente más fácil y menos egoísta.

Un experimento controlado confirmó este hallazgo: Las personas en quienes nos inducida por sentimientos de poder que se encuentran la creación de redes menos repulsiva y estaban más dispuestos a hacerlo que las personas asignadas a una condición que les hizo sentir impotente.

Si la red hace que usted siente sucio, Usted no está solo
Muchas personas encuentran redes profesionales tan desagradable que hace que se sientan moralmente y físicamente sucios. En un experimento controlado, preguntamos a 306 adultos que trabajan en diversas organizaciones que escriban sobre los momentos en que participen, bien en redes para la promoción profesional o en las redes sociales para hacer amigos. A continuación, se les pidió que completar fragmentos de palabras, como W _ _ H, SH _ _ ER, y S _ _ P-una medida de las preferencias del subconsciente utilizados por primera vez por Chen-Bo Zhong, de la Rotman School of Management, y Katie Liljenquist , de la Escuela de Administración de Marriott.
Los participantes que habían retirados del mercado de redes profesionales escribieron "LAVADO", "ducha" y "jabón" -palabras asociado a la limpieza dos veces más frecuentemente que los que se habían retirado del mercado de redes sociales, que más a menudo escribió palabras neutras como "deseo", "SHAKER , "y" paso ". En otras palabras, si bien la mayoría de los participantes consideraron que la creación de redes para socializar y hacer amigos como positivos, vieron la creación de redes para mejorar sus carreras como claramente negativo. Su negatividad no era simplemente no les gusta o malestar. Era una sensación más profunda de la contaminación moral y falta de autenticidad.

Sin embargo, incluso los que tienen rango inferior y menos energía casi seguro que tienen más que ofrecer de lo que creen. En su libro Influencia sin autoridad, Allan Cohen y David Bradford en cuenta que la mayoría de la gente tiende a pensar demasiado estrecho sobre los recursos que tienen que otros puedan valorar. Se centran en las cosas tangibles, relacionados con tareas tales como el dinero, las relaciones sociales, el apoyo técnico y la información, sin tener en cuenta los activos menos obvios como la gratitud, el reconocimiento y la reputación mejorada. Por ejemplo, aunque los mentores típicamente como ayudar a los demás, tienden a disfrutar aún más cuando se dieron las gracias por su asistencia.

Cuanto más sincera expresión de gratitud, mayor será su valor para el receptor. Una joven profesional que sabemos nos dijo que cuando ella cumplió 30 años, escribió a las 30 personas que se sentía había contribuido más a su crecimiento profesional, dándoles las gracias y la descripción de las formas específicas en cada uno la había ayudado. Los destinatarios sin duda apreciado la actualización y el reconocimiento personalizado.

Cuando la gratitud se expresa públicamente, sino que también puede mejorar la reputación de un asesor en el lugar de trabajo. Pensar en el efecto que tiene cuando se cantan alabanzas de su jefe a sus colegas y superiores, destacando todas las formas en que ha progresado bajo su tutela.

Cuando su red está impulsado por intereses comunes, se sentirá más auténtico.

La gente también aprecian los que entienden sus valores e identidades y hacer que se sientan incluidos. Juan, un ejecutivo argentino basado en la oficina de Toronto de una empresa de gestión de propiedad canadiense, nos habló de Hendrik, caja secundaria de Alemania que se reunieron todos en la oficina para unirse a una serie de partidos de fútbol que organiza por sí solo. Sus compañeros expatriados, y había muchos, debido a la fuerza laboral de la compañía a nivel internacional fue diversa, finalmente tuvo algo divertido que hacer con sus colegas, y el estado y las conexiones de Hendrik inmediatamente se disparó. A pesar de su posición de baja potencia, que había traído algo nuevo a la mesa.

También puede ser que tenga una visión única o conocimientos que puedan ser útiles a aquellos con los que está en red. Por ejemplo, las personas jóvenes son a menudo mejor informado que sus colegas de alto nivel sobre las tendencias generacionales y nuevos mercados y tecnologías. Grunitzky es un buen ejemplo. "Yo sabía que podía aportar algo a [Jefferson Hack], que fue la experiencia en el hip-hop", dijo. La relación terminó siendo una vía de doble sentido.


Cuando se piensa más en lo que puede dar a los demás de lo que se puede obtener a partir de ellas, la creación de redes parecerá menos auto-promocional y más desinteresado, y por lo tanto más digno de su tiempo.

4. Encontrar un propósito más elevado

Otro factor que afecta interés de la gente y la eficacia en la creación de redes es el principal objetivo que tienen en mente cuando lo hacen. En el bufete de abogados que estudiamos, encontramos que los abogados que se centraron en los beneficios colectivos de realizar las conexiones ( "apoyar mi firme" y "ayudar a mis clientes") en lugar de en las personales ( "soporte o ayuda a mi carrera") se sentían más auténtica y menos sucio mientras la creación de redes, eran más propensos a la red, y tenía más horas facturables como resultado.

Cualquier actividad de trabajo se vuelve más atractivo cuando está vinculado a un objetivo superior. Así encuadrar el trabajo en red en esos términos. Hemos visto este enfoque ayuda ejecutivos de las mujeres a superar su malestar por la búsqueda de relaciones con los periodistas y publicistas. Cuando les recordamos que las voces de las mujeres están insuficientemente representadas en los negocios y que la atención de los medios que resultaría de sus redes más fuertes edificio podría ayudar a sesgo de género contador, su reticencia profunda menudo se desploma.

Andrea Ladder, director general de eBay, tenía sólo un cambio de perspectiva. "Tenía que superar la sensación de que sería egocéntricos e impropio ponerme a mí mismo en los medios de comunicación," nos dijo. "Me di cuenta de que mi visibilidad es realmente bueno para mi empresa y para la imagen de las mujeres en el mundo de los negocios en general. Al ver mi presencia en los medios como una forma de apoyar a mis colegas y otras mujeres profesionales Me liberó para tomar medidas y abrazar las conexiones no lo anteriormente Cultivate ".

Muchos, si no la mayoría de nosotros son ambivalentes acerca de las redes. Sabemos que es fundamental para nuestro éxito profesional, sin embargo, nos encontramos con que la imposición y, a menudo de mal gusto. Estas estrategias pueden ayudar a superar su aversión. Al cambiar a un modo de pensar promoción, identificación y exploración de intereses comunes, ampliar su visión de lo que tiene que ofrecer, y motivarse a sí mismo con un propósito más elevado, se convertirá en más entusiasmados y eficaz en la construcción de relaciones que dan frutos para todos.

Una versión de este artículo apareció en la edición de mayo de 2016 (pp.104-107) de Harvard Business Review.

Redes de comercio de armas y alineación ante una guerra

¿Donde se alineará su país en la Tercera Guerra Mundial?
Kenneth Soo -  Anna Lyzzin


En el reciente escándalo de los documentos de Panamá, periodistas analizaron 11,5 millones de documentos gráficos que utilizan la red para rastrear el uso de estructuras fiscales en el extranjero. En este capítulo, se utiliza una técnica de red gráfico denominado Análisis de Redes Sociales (ARS) para mapear la transferencia de armas entre países. Al analizar el comercio de armas bilaterales, una red de lazos multilaterales puede ser destilada, y proporciona información en el complejo ámbito de la política internacional.

El ARS se basa en las matemáticas y conceptos de la informática, y se aplica en muchas disciplinas de las ciencias sociales. Se analizan las relaciones entre los individuos, el descubrimiento de los círculos sociales y personas influyentes dentro de una red. Por ejemplo, se puede identificar el personaje principal de Juego de Tronos, una serie de televisión popular. El ARS también se utiliza en la inteligencia del gobierno para trazar círculos del crimen y las células terroristas. Aparte de la gente, otras entidades como los objetos pueden ser mapeadas en una red también.

Introducción a los Grafos

En el ARS, estructuras de red llamados grafos se utilizan para analizar las relaciones entre los individuos. Cada individuo está representado por un nodo. Una línea llamada un enlace entre dos nodos indica una relación entre dos individuos. Estos enlaces pueden tener un valor o peso que indica la intensidad de la relación.

En el gráfico siguiente, David está familiarizado con todos los otros tres individuos. Entre sus tres conocidos, Julia y María se conocen entre sí, pero que no saben Tom. Como Julia no ha hecho más conocido a David y María, sus enlaces con Julia son débiles.


Una red simple amistad. El espesor del enlace indica el nivel de relación.

Una ilustración

Los datos del Instituto Internacional de Investigación para la Paz de Estocolmo (SIPRI) tiene información anual sobre las transferencias bilaterales de las principales armas convencionales. Todos los precios son en dólares estadounidenses usando precios de 1990. Magnitud de las transferencias de armas se puede interpretar como una medida de la relación bilateral, ya que un país sólo confiar en otro con las armas si están alineados en la escena internacional. A medida que el valor del comercio de armas entre dos países puede fluctuar en función cuando las nuevas tecnologías están disponibles para la venta, nos fijamos en datos de 2006 a 2015, y utilizamos el volumen comercial de 10 años entre los países como una medida de su relación. Sólo los volúmenes de comercio a 10 años sobre $ 100 millones resultan analizados, y el gráfico de la red resultante contenía 91 nodos y 295 enlaces.

El grafo se generó usando Gephi, y el diseño de la red se determinó usando un algoritmo de fuerza dirigida. En este algoritmo, los nodos y los enlaces se asignan "fuerzas". Los nodos que no tienen enlaces entre ellos se repelen entre sí, mientras que los nodos que tienen enlaces de conexión se atraen entre sí sobre la base de la fuerza de su conexión.


Una red que muestra las relaciones de los países basadas en el comercio de armas. Fuente: SIPRI

Interpretación de la red

En el gráfico anterior, cada nodo representa un país, y existe una arista entre dos países si hay más de $ 100 millones de dólares en los brazos comercializados entre ellos en los últimos 10 años. El tamaño de los enlaces es proporcional al valor del comercio de armas entre los dos países, el mayor de los cuales es entre Rusia y la India ($ 22.3b), seguido por Rusia y China ($ 11.1b). De los 295 enlaces, solamente 55 de ellos tienen valores por encima de $ 1 mil millones.

El color de un nodo indica el subgrupo del país. Los subgrupos se descubren mediante el método de Lovaina, que maximiza enlaces entre países en su propio subgrupo, y minimiza los enlaces entre países de diferentes subgrupos. Desde los enlaces se pueden ver las relaciones como cordiales entre dos países, los subgrupos pueden ser vistos como alianzas o alineaciones. Países dentro del mismo subgrupo son más propensos a ser cantando la misma melodía en la política internacional, mientras que los países de diferentes subgrupos son posiblemente uno contra el otro.

Este algoritmo se ha colocado con precisión los Estados Unidos en un grupo diferente de Rusia y China, y el grupo más grande (azul) contiene los EE.UU. y muchos de sus aliados clave. Los países que nos rodean en la red son sus socios estratégicos en todo el mundo que cuenta con mantener su poder en contra de sus rivales. El segundo grupo (amarillo) comprende las naciones en su mayoría europeos, pero también contiene países amigos de Occidente que se agrupan por separado del grupo azul debido a que su clave brazos socio comercial es Alemania, Países Bajos, Suecia o, en lugar de los EE.UU..

El último grupo (rojo) está constituido por Estados que mantienen relaciones más estrechas con Rusia o China, y son en su mayoría de Asia y África. Muchos de estos países tienen tipos de gobierno que son incompatibles con los EE.UU., ya menudo son criticados por Occidente por su historial de derechos humanos o de su falta de democracia. Lo más sorprendente inclusión en este grupo es Ucrania, que tiene relaciones aparentemente inestables con Rusia debido a la intervención militar rusa en Ucrania en 2014. colocación de Ucrania se debe a la venta de armas a muchos países de su subgrupo, como Rusia y China, así como su falta de interacción con las naciones occidentales. De hecho, según el SIPRI, Ucrania exportó US $ 227 millones de dólares en armas a Rusia en 2014 y 2015, a pesar de operación militar rusa en su país durante este período.

¿Cuán influyente es un país?

El tamaño del nodo de cada país representa su centralidad en la red, y se determina utilizando el algoritmo de PageRank. Este algoritmo, llamado así por el fundador de Google, Larry Page, fue utilizado por una versión inicial de Google para clasificar los sitios web. En nuestra red, PageRank determina la centralidad de un país por el número de conexiones que tiene, la fuerza de sus conexiones, así como la importancia de los países en las que está conectado. Por lo tanto, la centralidad puede ser visto como la influencia de un país en el escenario global.



Como era de esperar, el PageRank clasificó a los EE.UU. como el país más influyente en la red. A pesar de la participación de Rusia en las dos más grandes transferencias de armas bilaterales, es los EE.UU. que supera el valor total de las transferencias de armas en los últimos 10 años. Cambiamos los EE.UU. $ 92.5b de dólares en armas con sus aliados, incluyendo Corea del Sur ($ 8.12b), Emiratos Árabes Unidos ($ 6.98b), Australia ($ 6.21b), y Arabia Saudita ($ 5.69b). En total, los EE.UU. llevó a cabo el comercio de armas valorado sobre $ 1 mil millones, con otros 22 países en este periodo.

A pesar de la India que tiene el tercer mayor volumen comercial total, que está en el puesto 14 de un distante por PageRank, debido a tener un menor número de enlaces. En su lugar, el algoritmo identifica los Estados Unidos, Rusia, Alemania, Francia y China en su parte superior y cinco, lo que demuestra una vez más la precisión del algoritmo ya que cuatro de ellas ejercer un poder significativo como miembros permanentes del Consejo de Seguridad de las Naciones Unidas.

Una sorpresiva inclusión en el top 15 es Ucrania (6º), ya que no es conocido por ser un país influyente. Esto demuestra las limitaciones de utilizar sólo los datos del SIPRI para analizar las relaciones internacionales. la posición de Ucrania se infla debido a su importante industria de exportación de armas, ya que era la décima mayor exportador 2006-2015. Ella enviado armas a 15 países diferentes en esta red, de los cuales 5 de ellos de importación exclusivamente de ella.

Importando y modelando conversaciones en Twitter con Gephi

Tutorial - Seguir y modelar una conversación en Twitter en tiempo real

Erwand Le Nagard



La supervisión de una conversación en tiempo real en las redes sociales es común en los departamentos de marketing y comunicación, para recabar opiniones de los consumidores, detectar tendencias o para registrar la marca en el habla momento. Este tutorial proporciona modelo de funcionamiento sencillo de entender la evolución de una conversación en Twitter, en tiempo real.

Para ello, vamos a tener acceso a la API de Transmisión de Twitter, lo que nos permite recuperar mensajes de su publicación (no hay datos históricos como en un motor de búsqueda). Y vamos a ver inmediatamente los datos en un software de modelado de la red. Vamos a identificar los temas más importantes que se mencionan en la conversación. Por último, vamos a exportar el gráfico en un formato de página web interactiva.

1 / Crear una aplicación de Twitter y la recuperación de los identificadores.

Para recoger tweets, tenemos que conseguir identificadores. Muchos tutoriales en línea explican cómo crear una aplicación; una búsqueda en Google proporcionará todas las respuestas necesarias si se producen problemas durante la configuración. Adjunto a mí mismo, para describir los pasos esenciales:
- Visita https://apps.twitter.com/
- Haga clic en "Crear nueva aplicación" para iniciar la configuración de una aplicación
- Introduzca un nombre para esta aplicación y rellene los campos esenciales
- Ve a la pestaña tercero, "Keys and access tokens"
- En la parte inferior de la página, haga clic en "Create my access token"
Ahora tiene cuatro parámetros esenciales presentados en este tablero de instrumentos: una clave de acceso a la API y un token de acceso. Estos campos, respectivamente clave de cliente / consumidor y el acceso secretas contador / secreto de acceso token.

2 / Instalar y configurar Gephi

Gephi es un software de código abierto que permite la visualización de gráficos de red (sociogramas) y, especialmente, para llevar a cabo diferentes tipos de modelos y cálculos estadísticos que se pueden aplicar a estas visualizaciones. Gephi tiene una gran comunidad de usuarios que producen y mantienen la funcionalidad extendida que puede ser fácilmente añadidos a la plataforma de software. Vamos a utilizar dos plugins: Twitter Transmisión de importación para recoger tweets, y SigmaExporter unos pocos clics para crear un sitio web interactivo.

Visita https://gephi.org/ para descargar e instalar la nueva versión del software. Luego, al abrir el software, vaya a "Herramientas"> "plugins".

• En la primera pestaña "Actualizaciones" seleccionar todos los módulos disponibles y realizar la instalación para trabajar en una plataforma estable.
• En la segunda pestaña "Módulo de expansión en" selecciona un módulos mínimos Twitter Transmisión de importación y SigmaExporter. Continuar con la instalación.

Para obtener más información sobre el software, puede comprobar los diferentes tutoriales que aparecen en el sitio de la comunidad o unirse al grupo de usuarios en Facebook.

3 / La recolección de Tweets 

Ahora vamos a configurar el módulo Twitter Transmisión de Importación y empezar una colección de tweets. Ir al menú "Archivo" para crear un nuevo proyecto y abrir el módulo desde el menú "Windows".



En primer lugar, vamos a copiar / pegar el ID de Twitter creado en el paso 1 en las "credenciales". En este caso, la clave del consumidor, el secreto de los consumidores, el token de acceso y el secreto de acceso token. Sin estos códigos Gephi puede conectarse a Twitter y recuperar mensajes.



A continuación, vamos a definir nuestra solicitud. La versión actual de este plugin no permite construir consultas complejas para filtrar el ruido o centrarse en un aspecto específico de la conversación, como la mayoría de los medios de comunicación social escuchando herramientas suelen permitir el uso de operadores booleanos (O, Y, NO, etc.). Sin embargo, el plugin le permite definir una consulta de palabras clave (o palabras, hashtags, urls, ...) o una lista de cuentas de usuario a seguir.

Ejemplo, si se desea observar la conversación en torno a los principales fabricantes de teléfonos móviles, podemos añadir las palabras clave "iPhone", "Samsung", "Sony", "Huawei", etc.



Y seguir las cuentas oficiales de Twitter de estas marcas, añadiéndolos a los "usuarios que sigan" ficha.



Es posible para salvar a su solicitud como un archivo .json o cargar una aplicación. Esto puede ser muy útil cuando se desea seguir una larga lista de cuentas de usuario o palabras clave. .json El archivo está en la forma de un par de claves -> valor. Utilizando el ejemplo anterior, el archivo se .json contenido:

{ "WordTracking" [ "iPhone", "Samsung", "Huawei", "HTC" "Sony"], "userTracking": { "samsungmobile": 297169759, "Huawei": 98047213, "Sony": 34442404, »HTC»: 15818391}}

La última etapa de configuración del plugin Twitter Transmisión de importación es elegir un modelo gráfico, que le permite ver:

• Red completa inteligente [Full Smart Network]: la representación completa de los nodos incluidos los usuarios, tweets, hashtags, direcciones URL, los medios de comunicación (foto / vídeo), y los símbolos recogidos
• Red de usuarios [User Network]: una red egocéntrica y ponderada con enlaces paralelos para RT y menciona entre los usuarios (usuario cómo la ciudad todos los otros usuarios?)
• Red de Hashtag [Hashtag Network]: Una red de citas ponderados en base a los hashtags (? Hashtag cómo se asocia hashtag como otro)

Ya sólo queda iniciar la colección haciendo clic en Conectar. Por lo tanto, la representación de tweets estará en forma de gráfico en tiempo real. Si no aparece nada, o no hay comentarios han sido escritos desde que entró, en cuyo caso se tendrá que esperar; De cualquier manera, usted ha cometido un error al configurar la autenticación (marque su clave del consumidor, secreto, etc.).

4 / Modelado del grafo.

Una vez hecha la colección o conjunto de tweets enriquecer su base de datos, se puede elegir un modelado gráfico. Para ello, en primer lugar ir en el "espacial". Elige el diseño "Atlas Force 2", por lo general más adecuado para los gráficos que pueden contener muchos puntos. Jugar con los ajustes para obtener una primera representación:

• comprobar "disuadir a los centros" para reventar los agregados nudos
• seleccione "Prevent Recovery" para evitar que se superpongan dos nodos
• Posiblemente puede disminuir o aumentar el valor de la influencia de los enlaces de peso para fortalecer o relajar la atracción entre los nodos del grafo.
• Una vez que su gráfica espacial, marque "Modo LinLog" para ampliar el gráfico

Para dar formato a los nodos y enlaces, se apoyan en la ventana "Aspectos". Se le permite dar color a la nodos, enlaces, definir el tamaño, etc. Si ha elegido como modelo de visualización, "Red Inteligente completa". Elija atributo de color como "Tipo Twitter" para distinguir entidades mensajes de sus emisores.



Si ha elegido para ver una red de usuarios, es posible que tenga un interés en la identificación de grupos (comunidades). En cuyo caso, vaya a la ventana "Estadísticas" y seleccionar el tratamiento titulado "modularidad". Este algoritmo calcula la diferencia entre la proporción de enlaces en la comunidad a menos que el valor habría sido la misma proporción si los enlaces se colocaron de forma aleatoria entre los nodos del grafo de deducir los diferentes grupos. A continuación, aplicar los resultados de los cálculos de la ventana "Aspecto" a todos sus nodos mediante la selección de atributo como "clase modularidad."

Tenga en cuenta que a veces hay un error con la versión 0.9.1 de Gephi. Si el resultado del cálculo es 0. Exportar el gráfico, vaya a "Archivo"> ​​"Exportar"> "Gráfico de archivos". A continuación, abra un nuevo proyecto mediante la ejecución del archivo.





Por último, si se eligió la red de citas hashtags, puede ser relevante para identificar la mayor cantidad de hashtags "centrales" en la conversación. Es decir, aquellas que son más importantes para sus citas. Para ello, utilice las estadísticas de tratamiento "Centralidad del Vector Propio" para capturar los nodos más importantes. El gráfico no dirigido citas es (enlaces simétricos entre hashtags), seleccione esta opción.



En la ventana "Aspecto", aplicar el resultado de este procesamiento con el tamaño de los nodos. Los nodos más grandes serán las más significativas.



Se pueden realizar otros tratamientos "cosméticos" de la ventana "Apariencia" para cambiar la apariencia de nodos y enlaces. No es el propósito de este tutorial, pero aquí hay algunos consejos:

• Va a recoger un gran volumen de datos, lo que potencialmente significa que tendrá una gama de colores muy variados. La herramienta de "I Want Hue" Media Lab Sciences Po será de gran utilidad.
• Desde la ventana de "aspecto", la función spline le permitirá ajustar el tamaño de los nodos con mayor precisión.
• Un gráfico comprensible contiene información consistente. No utilice demasiados parámetros diferentes en un mismo gráfico (malas prácticas: el color representa el número de grados, el tamaño de la centralidad del nodo, el color de la etiqueta de la modularidad, etc ...). Debe ser sencillo.
• Del mismo modo, utilice la ventana "Filtro" para eliminar los nudos menos significativos. Por ejemplo, la aplicación de la tramitación "componente gigante" eliminará todos los nodos solitarios, y el procesamiento de "grados de rango" va a enmascarar los nodos conectados menos dentro de la red.

5 / Exportar Grafo 

SigmaJS exportación es un plugin que produce unos clics de una plantilla de página web con un gráfico de la red interactiva basada en la biblioteca JavaScript Sigma.js. El manejo es muy sencillo: una vez satisfecho con la preparación de su gráfico, siga su exportación desde "Archivo"> ​​"Exportar"> "plantilla de Sigma JS".



Elija un directorio de destino, finalmente rellenar los otros campos. Ejecutar Firefox desde el archivo index.html generado. Al hacer clic en los nodos, se abre un panel para mostrar lo que son los enlaces, también tiene un motor de búsqueda para encontrar un nodo específico. Muy práctico para compartir e interpretar su obra fuera Gephi! Aquí es lo que puede parecer las referencias co-grafo entre los diferentes miembros de la Asamblea Nacional presente en Twitter (leer el estudio completo sobre Barometre.Social)

Si el gráfico generado no le conviene, se puede configurar mediante la apertura de un editor el archivo config.json. Algunas configuraciones útiles para cambiar:

• labelThreshold: reducir el valor para mostrar las etiquetas de los nodos
• maxEdgeSize / minEdgeSize: para ajustar el tamaño de los enlaces
• minNodeSize / maxNodeSize: para ajustar el tamaño de los nodos

Felicitaciones que han completado el tutorial! No dude en compartir sus consejos en los comentarios gratis!

Mayor difusión de epidemias beneficiosas.. ¿Por qué?

¿Por qué las epidemias beneficiosos se diseminan más rápidamente que las perjudiciales?
Teóricos de la complejidad y los biólogos revelan cómo los beneficios se extienden súper exponencialmente a través de poblaciones.
MIT Technology Review


La propagación de la enfermedad es un problema bien estudiado. Este trabajo ha proporcionado numerosas ideas sobre la naturaleza de las epidemias nocivas y las estrategias para el control o prevención de ellos.


Las epidemias dañinas incluyen fiebre del dengue y la gripe en los seres humanos o la marchitez bacteriana en los granos. Sin embargo, las epidemias no siempre causan daño y algunos pueden ser beneficiosos. Los ejemplos incluyen los virus que protegen a sus anfitriones, y fenómeno social tales como las nuevas técnicas de alimentación entre las aves y la adopción de la nueva tecnología agrícola en los seres humanos y así sucesivamente. Sin embargo, poco se sabe sobre la forma en que las epidemias beneficiosas se extienden.

Hoy en día que cambia gracias a un grupo de investigadores del Instituto de Santa Fe en Nuevo México que han estudiado la naturaleza de las epidemias beneficiosos en detalle por primera vez. Su trabajo podría tener implicaciones significativas para los individuos y las organizaciones que tienen la esperanza de explotar las epidemias beneficiosas y, por supuesto, para aquellos que quieran prevenirlos.

El grupo Santa Fe comenzó mediante la definición de la unidad de transmisión de epidemias beneficiosos como el "bene" (pronunciado BEN-ay). Un beneficio puede ser un virus, un gen, una tecnología, un comportamiento, una idea y así sucesivamente, cualquier cosa que confiere una ventaja y se pueden propagar a través de una población.

"En la mayoría de los Benes a nivel básico tienen dos rasgos distintivos: 1. Se transmiten horizontalmente y 2. ofrecen algún beneficio a su generador", dice el grupo Santa Fe.

Claramente, algunos beneficios pueden ser transmitidas de una generación a la siguiente, tales como los genes. Este tipo de transmisión vertical se lleva a cabo en escalas de tiempo medidos a lo largo de muchas generaciones.

Sin embargo, el grupo de Santa Fe sólo está interesado en los beneficios que transmiten horizontalmente. Estos incluyen las ideas, los comportamientos, los virus, y así sucesivamente. Todas estas cosas se extienden en escalas de tiempo más cortos que una sola generación.

En particular, el grupo investiga la dinámica de epidemias que resultan de Benes que confieren beneficios sociales.

Estos beneficios pueden tener diversas consecuencias. Por ejemplo, un individuo emocionado por un nuevo beneficio podría comenzar a tratar de compartirlo y un virus beneficioso podría aumentar los niveles de energía o la felicidad de un individuo. Esto aumentaría el número de contactos sociales y la energía dedicada a estos contactos.



Fundamentalmente, en ambos casos, el beneficio aumenta con el número de contactos que el individuo tiene dentro de la comunidad. Esto tiene importantes implicaciones para la forma en que las epidemias surgen beneficiosos.

Para explorar estas implicaciones, el grupo creó un modelo de computadora de la forma en que un beneficio se extiende a través de una población hipotética de 1.000 personas que, o bien han sido infectados o son susceptibles a la infección. Este modelo examina específicamente el impacto de la conectividad en la propagación manera Benes.

Los resultados son una lectura interesante. El grupo dice que el modelo revela que las epidemias se extienden beneficiosos de tres maneras diferentes, dependiendo de la estructura social y las diversas ventajas y desventajas para las personas involucradas.

El primer patrón de propagación que ellos llaman "evangélica", y se produce cuando las personas intentan difundir el bene lo más ampliamente posible entre la población. Esto es análogo a la propagación de las religiones, que a veces puede extenderse de forma explosiva en todo el mundo.

Una característica clave de determinados trabajos religiosa es la conversión de individuos susceptibles de infectarse trabajo los de misioneros. Cuando esto sucede, los misioneros buscan activamente a las personas para convertir. Esto se conoce como el comportamiento disassortative, ya que las personas están buscando a otros que son diferentes a ellos.

Este comportamiento resulta tener un impacto importante. La difusión ordinaria de epidemias es bien conocido para seguir una trayectoria exponencial que conduce a un crecimiento explosivo.

Sin embargo, en la difusión de la evangélica crecimiento es aún más rápida. Y continúa hasta que toda la población está infectada. Esto se debe a que el número de personas susceptibles se hace más pequeño, el número de personas que tratan de infectar a ellos se hace mayor. El resultado es un crecimiento super-exponencial.

Pero no todos los Benes extienden de esta manera. El grupo de Santa Fe también identifica un patrón que ellos llaman "chicos cool" difundir, en el que todo el mundo intenta conectarse a la mayor cantidad de personas infectadas como sea posible y el menor número de individuos no infectados como sea posible. Este es un comportamiento selectivo en el que los individuos infectados buscar a otros como ellos. Sin embargo, los individuos susceptibles también buscan individuos infectados que tratar de evitarlos.

El resultado es bastante diferente en este caso. "El resultado es una red compuesta por dos bloques: uno incluye el susceptibles como simple desconectados, mientras que la otra incluye los individuos infectados que están interconectadas", dice el grupo Santa Fe. En otras palabras, este tipo de comportamiento conduce a camarillas que terminan excluyendo algunos individuos.

El último tipo de epidemia se extienda aún menos eficacia. En este caso, los individuos infectados nuevamente buscan a otras personas que están infectadas. Sin embargo, las personas susceptibles comportan de manera diferente, ya sea la búsqueda de individuos infectados o con otras personas susceptibles. "Esto también produce una propagación de la epidemia proceso incompleto que no puede seguir adelante", dicen.

El grupo llama a este escenario, el snobs. "El resultado de estas estrategias para cambios de alambrado es que la red se divide en dos comunidades completamente desconectados, y esto impide que la epidemia llegue a toda la población", dicen.

Todo esto tiene profundas implicaciones para la forma en que se propagan a través Benes sociedad. Algunos deberían extenderse superexponentially, infectando a todo el mundo en un abrir y cerrar de ojos. Otros están destinados sólo para propagarse a través de pequeños grupos o camarillas que actúan de una manera de prevenir la infección adicional.

Pero mientras que los modelos proporcionan apoyo interesante para esta idea, una pregunta importante es si esto realmente sucede en el mundo real. Para averiguarlo, el grupo Santa Fe estudió la propagación de nuevas palabras en el tiempo.

Neologismos pueden ser considerados como Benes porque crean una serie de ventajas para las personas que los utilizan. Hablantes usan neologismos para comunicar nuevos conceptos o viejos conceptos de una manera nueva. Pero también los usan para hacer valer sus declaraciones de la manera con la identidad, en este sentido, son palabras nuevas.

"Por ejemplo, el uso de la frase" computadora personal "podría reflejar que el hablante mantiene al día con los cambios tecnológicos, y también puede ser una señal intencional por el orador para mostrar una toma de conciencia de los cambios tecnológicos", dice el equipo de Santa Fe.

Es posible estudiar la aparición de nuevas palabras gracias al corpus Ngram de Google. Esto registra el número de veces que las palabras se han utilizado en los libros cada año de 1500 a 2008. Por lo que es fácil ver que la frase "computadora personal", por ejemplo, surgió a finales de la década de 1970, alcanzó su punto máximo en uso a finales de 1980 y tiene disminuido en popularidad desde entonces.

El equipo estudió la trayectoria del uso de las palabras, de 48 palabras y frases beneficiosos, como la aspirina, cervecería, presidente, la genómica, para una noche, y así sucesivamente. Y hallaron ejemplos de los tres tipos de propagación. Por ejemplo, la palabra "presidente" sigue la trayectoria evangélica difusión en toda la sociedad, mientras que la "genómica" ha seguido la trayectoria niños frescos y se limita a ciertas camarillas.

Eso demuestra cómo las palabras que se propagan ampliamente útil y popular más amplia y rápidamente que las palabras con uso limitado. "Este patrón puede proporcionar pistas sobre el proceso por el cual se produce la epidemia beneficioso de la nueva extensión de la palabra," que sugieren. Claramente, las palabras que tienen el potencial de ser más populares, que son naturalmente "pegajosa", lo hacen mejor.

El patrón también revela la respuesta a una pregunta desconcertante: ¿por qué las epidemias nocivas, como las enfermedades, parecen mucho más comunes que los beneficiosos?

La respuesta, según el equipo de Santa Fe, es que los medios de propagación superexponential que Benes extienden mucho más rápidamente, por lo que no es más que un breve instante en el que observar su propagación. Y una vez que se ha establecido un beneficio, se hace difícil de distinguir de otros memes.

Por supuesto, una gran parte de esto es la inherente "pegamento" de los nuevos Benes cuando aparecen por primera vez. Eso es un tema de vital importancia para los gobiernos, las empresas y los vendedores. Si pueden identificar Benes que se propagan superexponentially, van a tener una poderosa herramienta a su disposición. También pueden ser capaces de identificar Benes que puedan ocurrir en camarillas (NIMBYism puede ser un ejemplo de esto).

Sin duda, estos grupos serán Pawing sobre este trabajo con interés.

Un corolario interesante de todo esto es la forma en que esta investigación fue producido. Este trabajo es el resultado de un proceso científico extraordinario llamado "72 horas de la ciencia." Quince investigadores del Instituto de Santa Fe resolvió la creación de un artículo científico en 72 horas.

En la elección del tema, el único criterio fue que la mayoría de los miembros del grupo nunca deben haber escuchado sobre el problema. Toda la cuota de autoría grupo igualmente.

El resultado fue este estudio sobre epidemias beneficiosos. ¿Qué tan rápido se propagará?

Ref: arxiv.org/abs/1604.02096 : Dynamics of Beneficial Epidemics

1604 02096v1

Lire plus de publications sur Calaméo