Unirsi a più gruppi di social media può aiutare a conquistare amici online

Un nuovo studio mostra che le tue possibilità di formare amicizie online dipendono dal numero di gruppi e organizzazioni a cui ti unisci, non dal loro tipo.

"Se una persona è alla ricerca di amici, dovrebbe fondamentalmente essere attiva in quante più comunità possibile", ha detto la dottoressa Anshumali Shrivastava, assistente professore di informatica presso la Rice University di Houston e coautrice dello studio. "E se vogliono diventare amici di una persona specifica, dovrebbero cercare di far parte di tutti i gruppi di cui quella persona fa parte."

I risultati dello studio si basano su un'analisi di sei social network online con milioni di membri. Shrivastava ha notato che la sua semplicità può sorprendere coloro che studiano la formazione dell'amicizia e il ruolo che le comunità giocano nel creare amicizie.

"C'è un vecchio detto che dice 'gli uccelli di una piuma si radunano insieme'", ha detto Shrivastava. "E quell'idea - che le persone che sono più simili hanno maggiori probabilità di diventare amici - è incarnata in un principio chiamato omofilia, che è un concetto ampiamente studiato nella formazione dell'amicizia".

Una scuola di pensiero sostiene che a causa dell'omofilia, le probabilità che le persone diventino amici aumentano in alcuni gruppi, ha spiegato. Per tenere conto di ciò nei modelli computazionali delle reti di amicizia, i ricercatori spesso assegnano a ciascun gruppo un punteggio di "affinità". Più i membri del gruppo sono simili, maggiore è la loro affinità e maggiori sono le possibilità di stringere amicizie, ha osservato.

Prima dei social media, c'erano pochi record dettagliati sulle amicizie tra individui in grandi organizzazioni. Secondo i ricercatori, le cose sono cambiate con l'avvento dei social network che hanno milioni di membri che sono spesso affiliati a molte comunità e sottocomunità all'interno della rete.

"Una comunità, per i nostri scopi, è qualsiasi gruppo affiliato di persone all'interno della rete", ha detto Shrivastava. "Le comunità possono essere molto grandi, come chiunque si identifichi con un determinato paese o stato, e possono essere molto piccole, come una manciata di vecchi amici che si incontrano una volta all'anno".

Trovare punteggi di affinità significativi per centinaia di migliaia di comunità nei social network online è stata una sfida per gli analisti, hanno detto i ricercatori. Il calcolo delle probabilità di formazione dell'amicizia è ulteriormente complicato dalla sovrapposizione tra comunità e sottocomitati.

Ad esempio, se i vecchi amici nell'esempio sopra vivono in tre stati diversi, la loro piccola sottocomunità si sovrappone alle grandi comunità di persone di quegli stati. Poiché molti individui nei social network appartengono a dozzine di comunità e sottocomunità, le connessioni sovrapposte possono diventare dense.

Nel 2016, Shrivastava e il coautore dello studio Chen Luo, uno studente laureato nel suo gruppo di ricerca, si sono resi conto che alcune note analisi della formazione di amicizia online non riuscivano a tenere conto di alcun fattore derivante dalla sovrapposizione.

"Supponiamo che Adam, Bob e Charlie siano membri delle stesse quattro comunità, ma inoltre Adam è un membro di altre 16 comunità", ha detto Shrivastava.

“Il modello di affiliazione esistente afferma che la probabilità che Adam e Charlie siano amici dipende solo dalle misure di affinità delle quattro comunità che hanno in comune. Non importa che ognuno di loro sia amico di Bob o che Adam venga trascinato in altre 16 direzioni ".

Sembrava una svista lampante a Luo e Shrivastava. Ma hanno avuto un'idea di come spiegarlo sulla base di un'analogia che hanno visto tra le sottocomunità sovrapposte e le somiglianze sovrapposte tra le pagine web che devono essere prese in considerazione dai motori di ricerca Internet.

I ricercatori sono stati in grado di misurare la sovrapposizione tra le comunità. Hanno quindi verificato se esisteva una relazione tra sovrapposizione e probabilità di amicizia, o affiliazione di amicizia, su sei social network ben studiati.

Hanno scoperto che su tutti e sei, la relazione sembrava più o meno una linea retta.

"Ciò implica che la formazione dell'amicizia può essere spiegata semplicemente osservando la sovrapposizione tra le comunità", ha aggiunto Luo. "In altre parole, non è necessario tenere conto delle misure di affinità per comunità specifiche. Tutto quel lavoro extra non è necessario. "

Una volta che Luo e Shrivastava hanno visto la relazione lineare tra la sovrapposizione delle comunità e la formazione dell'amicizia, hanno visto anche l'opportunità di utilizzare un metodo di indicizzazione dei dati chiamato "hashing", che viene utilizzato per organizzare i documenti web per una ricerca efficiente.

Shrivastava ei suoi colleghi hanno applicato l'hashing per risolvere problemi computazionali diversi come il rilevamento della posizione interna, l'addestramento di reti di apprendimento profondo e la stima accurata del numero di vittime identificate uccise nella guerra civile siriana.

Shrivastava ha detto che lui e Luo hanno sviluppato un modello per la formazione dell'amicizia che "imitava il modo in cui la matematica dietro il lavoro di hashing".

Il modello offre una semplice spiegazione di come si formano le amicizie, ha riferito.

"Le comunità organizzano eventi e attività tutto il tempo, ma alcuni di questi sono un'attrazione maggiore e la preferenza per la partecipazione è maggiore", ha detto Shrivastava.

“Sulla base di questa preferenza, gli individui diventano attivi nelle comunità più preferite a cui appartengono. Se due persone sono attive contemporaneamente nella stessa comunità, hanno una probabilità costante, di solito piccola, di stringere un'amicizia. Questo è tutto."

Lo studio è stato presentato alla conferenza internazionale IEEE / ACM 2018 sui progressi nell'analisi e nell'estrazione di reti sociali a Barcellona, ​​in Spagna.

Fonte: Rice University

Foto: