Análise de Redes Sociais no Twitter


Esse post do E-Ubiquity mostra uma parte da pesquisa do Akshay Java no Twitter. A discussão é bem interessante e o dados idem, mas vale ler principalmente pelo uso da análise de redes sociais.
redestwitter.png

Eles mapearam elementos como assuntos discutidos e rede de conhecidos com cerca de 25 mil usuários. Vou comentar brevemente alguns dos insights que o Akshay apontou (grifos meus):
* Interestingly, there are a number of users who are trying to win a popularity contest of some sorts! The complete list of users ranked by the number of friends they have is shown here.

O que é mais interessante, creio eu, é que dinâmicas semelhantes de crescimento de redes sociais foram observadas já em outros sites como o Orkut, o Facebook e etc. Seria esperado que se encontrassem usuários muito mais conectados que os demais, por conta da característica do aparecimento de distribuições power laws em sistemas como a Web (o Huberman fala que essa é uma das "leis da web"). Mas ainda resta compreender como as motivações dos usuários influenciam esse tipo de distribuição. Eu tenho defendido que se trata da busca de capital social. Sites de redes sociais tornaram muito menos custosa a criação, complexificação e manutenção das redes (que, no mundo offline, demandam um grande investimento de tempo e recursos para manter). Com isso, esse tipo de distribuição é possível porque, basicamente, posso "adicionar" amigos sem ter que investir tempo na manutenção dos laços sociais (ou seja, Dunbar não funcionaria na Web).
* The two graphs shown above look very different on account of the fact that users with public profiles get a lot of followers whom they might not really know and would hence never add them as an acquaintance (well, in most cases at least). But to really understand what the differences are one would need to look at the community structure and properties of the two graphs.

Acho que uma das coisas fundamentais para compreender as estruturas de comunidade nas redes sociais na Web é entender a reciprocidade. Eu observei, quando crawleei os fotologs, que há clusters (ou cliques) com estruturas bastante diferenciadas, mesmo quando se olha as propriedades do grafo. Há clusters que possuem uma grande agregação de nós, mas cujas conexões são mais fracas (menos interações em cada conexão, por exemplo). Há outros clusters que possuem uma agregação menor de nós, mas cujas conexões são muito mais multiplexas e fortes. Apresentei parte desse trabalho nas conferências do ano passado e o paper (em inglês) está em avaliação por alguns journals. Quem se interessar pelo assunto, pode pedir uma cópia. :-)