Análisis dinámico de redes socialesen diferentes eventos

Elena DEL VAL (@_edelval_)Miguel REBOLLO (@mrebollo)

Analisis dinámico de redes sociales en diferentes eventosE. del Val y M. Rebollo

Importancia de la métrica

2

Analisis dinámico de redes sociales en diferentes eventosE. del Val y M. Rebollo

¿cómo medimos las relaciones?

3

Análisis de redes

¿qué es una red?

¿cuál es nuestra red?

¿cuál es nuestra red?

¿cuál es nuestra red?

¿qué podemos medir?

grado

diámetro

camino medio

clustering

centralidad (betweenness)

pagerank

Estas medidas dan una instantánea de la red

¿qué hemos hecho?

Captar la evoluciónde la red

Aplicarlos a eventos de diversos tipos

¿qué hemos observado?

aparición de la componente gigante

Analisis dinámico de redes sociales en diferentes eventosE. del Val y M. Rebollo

Tamaño de la red#seo4seos 426 1.659

#kikodeluxe 2.638 5.030

#viacatalana 47.506 129.299

#breakingbad 71.130 105.344

22

Analisis dinámico de redes sociales en diferentes eventosE. del Val y M. Rebollo

Clustering#seo4seos 0.73

#kikodeluxe 0.43

#viacatalana 0.28

#breakingbad 0.05

23

0 1 2 3 4 5 6−2

0

2

4

6

8

10

12Degree Distribution for #viaCatalana

log(#nodes)

log(

degr

ee)

datagamma = −1.96081

0 0.5 1 1.5 2 2.5 3 3.5 4−1

0

1

2

3

4

5

6

7Degree Distribution for #kikodeluxe

log(#nodes)

log(

degr

ee)

datagamma = −1.57073

0 1 2 3 4 5 6−2

0

2

4

6

8

10Degree Distribution for #breakingBad

log(#nodes)

log(

degr

ee)

datagamma = −1.58171

0 0.5 1 1.5 2 2.5 3 3.5 4−0.5

0

0.5

1

1.5

2

2.5

3

3.5

4Degree Distribution for #seo4seos

log(#nodes)

log(

degr

ee)

datagamma = −1.15605

Analisis dinámico de redes sociales en diferentes eventosE. del Val y M. Rebollo

Conclusionescreación tardía de la componente gigante

cuentas oficiales poco influyentes

creación de comunidades alrededor de personas relevantes que se van uniendo

25