Análisis dinámico de redes sociales en diferentes eventos

953 views

Published on

Análisis del comportamiento en twitter de los asistentes a eventos de distintos tipos (congresos, programas de televisión, acciones sociales...). Se detectan patrones comunies en todos ellos.
Ponencia en Comunica 2.0 2014

Published in: Technology
2 Comments
2 Likes
Statistics
Notes
No Downloads
Views
Total views
953
On SlideShare
0
From Embeds
0
Number of Embeds
90
Actions
Shares
0
Downloads
4
Comments
2
Likes
2
Embeds 0
No embeds

No notes for slide

Análisis dinámico de redes sociales en diferentes eventos

  1. 1. Análisis dinámico de redes sociales en diferentes eventos Elena DEL VAL (@_edelval_) Miguel REBOLLO (@mrebollo)
  2. 2. Analisis dinámico de redes sociales en diferentes eventos E. del Val y M. Rebollo Importancia de la métrica 2
  3. 3. Analisis dinámico de redes sociales en diferentes eventos E. del Val y M. Rebollo ¿cómo medimos las relaciones? 3
  4. 4. Análisis de redes
  5. 5. ¿qué es una red?
  6. 6. ¿cuál es nuestra red?
  7. 7. ¿cuál es nuestra red?
  8. 8. ¿cuál es nuestra red?
  9. 9. ¿qué podemos medir?
  10. 10. grado
  11. 11. diámetro
  12. 12. camino medio
  13. 13. clustering
  14. 14. centralidad (betweenness)
  15. 15. pagerank
  16. 16. Estas medidas dan una instantánea de la red
  17. 17. ¿qué hemos hecho?
  18. 18. Captar la evolución de la red
  19. 19. Aplicarlos a eventos de diversos tipos
  20. 20. ¿qué hemos observado?
  21. 21. aparición de la componente gigante
  22. 22. Analisis dinámico de redes sociales en diferentes eventos E. 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
  23. 23. Analisis dinámico de redes sociales en diferentes eventos E. del Val y M. Rebollo Clustering #seo4seos 0.73 #kikodeluxe 0.43 #viacatalana 0.28 #breakingbad 0.05 23
  24. 24. Degree Distribution for #kikodeluxe Degree Distribution for #seo4seos 4 7 data gamma = −1.15605 3.5 6 3 5 log(degree) 2.5 log(degree) data gamma = −1.57073 2 1.5 1 4 3 2 0.5 1 0 0 −0.5 0 0.5 1 1.5 2 2.5 log(#nodes) 3 3.5 −1 0 4 0.5 1 Degree Distribution for #breakingBad 1.5 2 2.5 log(#nodes) 3 3.5 4 Degree Distribution for #viaCatalana 10 12 data gamma = −1.58171 data gamma = −1.96081 10 8 8 log(degree) log(degree) 6 4 6 4 2 2 0 −2 0 0 1 2 3 log(#nodes) 4 5 6 −2 0 1 2 3 log(#nodes) 4 5 6
  25. 25. Analisis dinámico de redes sociales en diferentes eventos E. del Val y M. Rebollo Conclusiones creación tardía de la componente gigante cuentas oficiales poco influyentes creación de comunidades alrededor de personas relevantes que se van uniendo 25

×