Il comunicato stampa del 27 giugno 2015 presenta un'analisi del networking sociale in occasione della prima edizione di TEDxVicenza, evidenziando che il 14% dei vertici genera il 71% delle interazioni e che il rumore di fondo è pari al 23%. L'analisi mostra una mancanza di hub classici nel grafo, con tutti i partecipanti che interagiscono a vari livelli, e sottolinea l'importanza delle relazioni biunivoche nel guidare le conversazioni. I risultati includono 428.948 impression e 285.100 reach per l'evento, con 'felicità' come parola chiave ricorrente nella wordcloud.

1. Social Networking Analysis
Vicenza 27 giugno 2015
C. Di Tullio aka Dr_Who - drwho.it

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”.

6. 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

7. 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.

8. 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

9. 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

10. out-degree
Eigenvector
Posizionamento tridimensionale bis
Variando la mappatura con out-degree ed Eigenvector
possiamo identificare tra i top Twitter gli influencer.

11. out-degree
Eigenvector
Posizionamento tridimensionale ter
Considerando come termine di relazione solo i Reply-To
gli attori principali non variano, salvo alcune eccezioni.

12. FELICITÀ
Nella WordCloud è una delle parole che ricorre con
maggiore frequenza

13. 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

14. #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

15. Who: C. DiTullio aka DR_WHO
What: marketer & blogger
Where: drwho.it
Social Networking Analysis