Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

TEDxVicenza Social Networking Analysis

710 views

Published on

TEDxVicenza Social Networkig Analysis using NodeXL

Published in: Data & Analytics
  • Be the first to comment

  • Be the first to like this

TEDxVicenza Social Networking Analysis

  1. 1. Social Networking Analysis Vicenza 27 giugno 2015 C. Di Tullio aka Dr_Who - drwho.it
  2. 2. – Comunicato stampa n.4 – 28 maggio 2015 TEDxVicenza.com “Planting the seeds” è il tema scelto per la prima edizione di TEDxVicenza. Esperienze di vita, invenzioni e riflessioni saranno le protagoniste di questa giornata dedicata alla conoscenza”.

  3. 3. Dopo una giornata di lavori, questa è la situazione. Appare subito evidente che il 14% dei vertici generano il 71% delle interazioni (EdgeWithDuplicate/TotalEdge) Il Rumore di fondo è pari al 23% circa (Self-loops) Il percorso che le news devono compiere per coprire il grafo è abbastanza elevato (2,5 medio) Cercheremo di isolare questi fenomeni GraphMetric Value GraphType Directed Vertices 237 Unique Edges 617 Edges With Duplicates 1571 TotalEdges 2188 Self-Loops 502 Reciprocated Vertex Pair Ratio 0,127922971 Reciprocated Edge Ratio 0,226829268 Connected Components 34 Single-Vertex Connected Components 31 Maximum Vertices in a Connected Component 201 Maximum Edges in a Connected Component 2144 Maximum Geodesic Distance (Diameter) 5 Average Geodesic Distance 2,521251 Graph Density 0,014660659 Modularity Not Applicable NodeXL Version 1.0.1.251
  4. 4. In-degree Out-degree mappiamo i vertici in ottica multidimensionale: ascisse: out-degree ordinate: in-degree dimensione: Betweenness centrality colore: Eigenvector centrality archi: mentions+ReplyTo In-degree Out-degree Interazione: La mappatura restituisce una informazione molto importante: escludendo il profilo ufficiale dell’evento, non esistono vertici che si posizionano come “hub” classici; tutti con diverso grado di profondità interagiscono.
  5. 5. Segmentazione per reciprocità in virtù di quanto emerso dalla summary quantitativa, segmentiamo il grafo in base alla reciprocità di relazione e lo filtriamo in base alla numerosità (>0) di in-degree ed out-degree . Appare evidente come il cluster legato da un rapporto biunivoco “guidi” le conversazioni
  6. 6. In-degree Out-degree Posizionamento tridimensionale Mappando i vertici caratterizzati da relazione biunivoca sulle dimensioni di in-degrre out-degree e Betweenness (dimensioni), identifichiamo i top Twitters
  7. 7. out-degree Eigenvector Posizionamento tridimensionale bis Variando la mappatura con out-degree ed Eigenvector possiamo identificare tra i top Twitter gli influencer.
  8. 8. out-degree Eigenvector Posizionamento tridimensionale ter Considerando come termine di relazione solo i Reply-To gli attori principali non variano, salvo alcune eccezioni.
  9. 9. FELICITÀ Nella WordCloud è una delle parole che ricorre con maggiore frequenza
  10. 10. FELICITÀ Nella WordCloud è una delle parole che ricorre con maggiore frequenza Coerentemente con quanto i big data ci dicono, l’intervento di Richard Romagnoli è stato uno dei più apprezzati assieme a quello di Livio Valenti
  11. 11. #TEDxVicenza è partita con questi dati https://tweetreach.com/reports/14211711 da un conto approssimativo si è arrivati ad ottenere questi dati: Impression: 428.948 Reach: 285.100 facendo sì che le persone coinvolte venissero “colpite” 1,5 volte dalle news
  12. 12. Who: C. DiTullio aka DR_WHO What: marketer & blogger Where: drwho.it Social Networking Analysis

×