Unirse a más grupos de redes sociales puede ayudar a ganar amigos en línea

Un nuevo estudio muestra que sus posibilidades de formar amistades en línea dependen de la cantidad de grupos y organizaciones a los que se une, no de sus tipos.

"Si una persona está buscando amigos, básicamente deberían estar activos en tantas comunidades como sea posible", dijo el Dr. Anshumali Shrivastava, profesor asistente de ciencias de la computación en la Universidad Rice en Houston y coautor del estudio. "Y si quieren hacerse amigos de una persona específica, deben intentar ser parte de todos los grupos a los que pertenece esa persona".

Los hallazgos del estudio se basan en un análisis de seis redes sociales en línea con millones de miembros. Shrivastava señaló que su simplicidad puede sorprender a quienes estudian la formación de amistades y el papel que juegan las comunidades para generar amistades.

“Hay un viejo dicho que dice que 'los pájaros del mismo plumaje vuelan juntos'”, dijo Shrivastava. “Y esa idea, que las personas que son más similares tienen más probabilidades de convertirse en amigos, está incorporada en un principio llamado homofilia, que es un concepto ampliamente estudiado en la formación de amistades”.

Una escuela de pensamiento sostiene que debido a la homofilia, las probabilidades de que las personas se conviertan en amigos aumentan en algunos grupos, explicó. Para dar cuenta de esto en los modelos computacionales de redes de amistad, los investigadores a menudo asignan a cada grupo una puntuación de "afinidad". Cuanto más parecidos sean los miembros del grupo, mayor será su afinidad y mayores serán sus posibilidades de formar amistades, anotó.

Antes de las redes sociales, había pocos registros detallados sobre las amistades entre individuos en grandes organizaciones. Eso cambió con la llegada de las redes sociales que tienen millones de miembros que a menudo están afiliados a muchas comunidades y subcomunidades dentro de la red, según los investigadores.

“Una comunidad, para nuestros propósitos, es cualquier grupo afiliado de personas dentro de la red”, dijo Shrivastava. “Las comunidades pueden ser muy grandes, como todas las personas que se identifican con un país o estado en particular, y pueden ser muy pequeñas, como un puñado de viejos amigos que se reúnen una vez al año”.

Encontrar puntuaciones de afinidad significativas para cientos de miles de comunidades en las redes sociales en línea ha sido un desafío para los analistas, dijeron los investigadores. El cálculo de las probabilidades de formación de amistades se complica aún más por la superposición entre comunidades y subcomités.

Por ejemplo, si los viejos amigos del ejemplo anterior viven en tres estados diferentes, su pequeña subcomunidad se superpone con las grandes comunidades de personas de esos estados. Debido a que muchas personas en las redes sociales pertenecen a docenas de comunidades y subcomunidades, las conexiones superpuestas pueden volverse densas.

En 2016, Shrivastava y el coautor del estudio, Chen Luo, un estudiante graduado de su grupo de investigación, se dieron cuenta de que algunos análisis bien conocidos de la formación de amistades en línea no tenían en cuenta los factores que surgen de la superposición.

“Digamos que Adam, Bob y Charlie son miembros de las mismas cuatro comunidades, pero además, Adam es miembro de otras 16 comunidades”, dijo Shrivastava.

“El modelo de afiliación existente dice que la probabilidad de que Adam y Charlie sean amigos solo depende de las medidas de afinidad de las cuatro comunidades que tienen en común. No importa que cada uno de ellos sea amigo de Bob o que Adam esté siendo arrastrado en otras 16 direcciones ".

Eso pareció un descuido flagrante para Luo y Shrivastava. Pero tenían una idea de cómo explicarlo basándose en una analogía que vieron entre las subcomunidades superpuestas y las similitudes superpuestas entre páginas web que los motores de búsqueda de Internet deben tener en cuenta.

Los investigadores pudieron medir la superposición entre comunidades. Luego, verificaron si había una relación entre la superposición y la probabilidad de amistad, o afiliación de amistad, en seis redes sociales bien estudiadas.

Descubrieron que en los seis, la relación parecía más o menos una línea recta.

“Eso implica que la formación de amistades se puede explicar simplemente observando la superposición entre comunidades”, agregó Luo. “En otras palabras, no es necesario tener en cuenta las medidas de afinidad para comunidades específicas. Todo ese trabajo extra es innecesario ".

Una vez que Luo y Shrivastava vieron la relación lineal entre la superposición de comunidades y la formación de amistades, también vieron la oportunidad de utilizar un método de indexación de datos llamado "hash", que se utiliza para organizar documentos web para una búsqueda eficiente.

Shrivastava y sus colegas han aplicado el hash para resolver problemas computacionales tan diversos como la detección de ubicaciones en interiores, el entrenamiento de redes de aprendizaje profundo y la estimación precisa del número de víctimas identificadas muertas en la guerra civil siria.

Shrivastava dijo que él y Luo desarrollaron un modelo para la formación de amistades que "imitaba la forma en que las matemáticas detrás del trabajo de hash".

El modelo ofrece una explicación simple de cómo se forman las amistades, informó.

“Las comunidades tienen eventos y actividades todo el tiempo, pero algunos de ellos atraen más y la preferencia por asistir a ellos es mayor”, dijo Shrivastava.

“Con base en esta preferencia, las personas se vuelven activas en las comunidades preferidas a las que pertenecen. Si dos personas están activas en la misma comunidad al mismo tiempo, tienen una probabilidad constante, generalmente pequeña, de formar una amistad. Eso es."

El estudio fue presentado en la Conferencia Internacional IEEE / ACM 2018 sobre Avances en Análisis de Redes Sociales y Minería en Barcelona, ​​España.

Fuente: Universidad de Rice


Foto:

!-- GDPR -->