شبکه اجتماعی توییتر زیرذره‌بین[1]
نویسندگان مقاله در پاورقی
مترجم: شهربانو پهلوان
مترجم: مقاله «شبکه اجتماعی توییتر زیرذره‌بین» که یک پژوهش دانشگاهی در دسامبر سال 2008 است؛ از آن جهت مورد توجه است که نشان می‌دهد چگونه شبکه های اجتماعی در پیگیری موضوعات اجتماعی می‌تواند دارای به اصطلاح “حباب” باشند. در دنیای واقعی یا فیزیکی تعداد دنبال کنندگان و تعدادی که می‌توانند موثر باشند باهم همگون نیستند. به عبارت دیگر ما شاهد یک ناپایداری در بین فضای آنلاین و فضای غیر آنلاین هستیم.
مقدمه
شبکه های اجتماعی ، مکانیسم بسیار قدیمی و فراگیری به واسطه تعامل های دیجیتال در بین مردم ، در عصر وب رواج یافته است. با رابط هایی(یا بستر هایی) که به مردم اجازه می دهد زندگی دوستان ، آشنایان و خانواده ها را دنبال کنند. شبکه ها از زمان چرخش این قرن به صورت نمایی رشد کرده اند. برای مانند فیس بوک ، لینکدین و MySpace که شامل میلیون ها عضو هستند و از این شبکه ها برای پیگیری یکدیگر استفاده می کنند ، متخصصان را پیدا می کنند و در صورت لزوم در معاملات تجاری شرکت می کنند (huberman ، و همکاران ، 2008). علاوه بر این ، شرکت های تجاری سعی می کنند از آنها برای اهداف بازاریابی سوءاستفاده کنند ، زیرا آنها یک رسانه آماده برای تبلیغ توصیه ها از طریق افرادی با علایق مشابه فراهم می کنند (korgan ، و همکاران ، 2001)
از نظر دانشگاهی ، دانش بزرگی در شکل گیری و پویایی این شبکه ها انباشته شده است که از دسترسی آسان داده ها و نظم های موجود در توزیع آماری ،گره ها و پیوندها در این شبکه ها برخوردار است Feld)، 1991؛ Golder ، و همکاران ، 2007 ؛ Grnovetter، 1973 ؛ Klinberg ، 2008 ؛ Leskovec ، و همکاران ، 2007 ؛ Wasserman و Faust)
در حالی که تعریف استاندارد از یک شبکه اجتماعی، مفهوم همه افرادی را که با آنها یک روابط اجتماعی مشترک است تجسم میکند ، در حقیقت مردم با تعداد معدودی از “لیست خود” به عنوان بخشی از شبکه خود تعامل دارند. یکی از دلایل مهم این واقعیت توجه به منابع کمیاب در عصر وب است. کاربران با بسیاری از کارهای روزمره و تعداد زیادی پیوند اجتماعی روبرو هستند که به طور پیش فرض در تعامل با معدودی از این موارد قرار گرفته و توجه آنها را جلب میکند. به عنوان مثال ، یک مطالعه جدید در فیسبوک نشان داد که کاربران فقط تعداد معدودی از افراد ارتباط برقرار می کنند و به آنها پیام می دهند در حالی که تعداد زیادی از دوستان اعلام شده را دارند (Golder ، و همکاران ، 2007). یک جستجوی اتفاقی از طریق تماسهای اخیر از طریق هر تلفن همراه معمولاً نشان می دهد که درصد کمی از مخاطبین ذخیره شده در تلفن اغلب توسط کاربر در تماس می باشد.
این مشاهدات اولیه حاکی از یک تحقیق منظم در مورد ماهیت شبکه های اجتماعی است که در واقع برای مردم مهم است. منظور ما از شبکه هایی است که از الگوی تعاملاتی که افراد با دوستان یا آشنایان خود دارند ساخته شده است ، نه اینکه از لیستی از تمام مخاطبینی که ممکن است تصمیم به اعلام آن داشته باشند ،ساخته شده باشد.
بحث یا تحلیل
بحث برای اینکه دریابیم لیستی از “دوستان” برای اعضای شبکه چقدر مرتبط است ، ما مجموعه بزرگی از داده های شبکه اجتماعی توییتر را جمع آوری و تجزیه و تحلیل کردیم. [2]Twitter یک شبکه اجتماعی آنلاین است که توسط میلیون ها نفر در سراسر جهان مورد استفاده قرار می گیرد تا از طریق رایانه و تلفن های همراه خود در ارتباط با دوستان ، اعضای خانواده و همکارانشان بمانند. رابط کاربری به کاربران امکان ارسال پیام کوتاه (حداکثر 140 کاراکتر) را می دهد که توسط هر کاربر توییتر دیگری قابل خواندن است. کاربران افرادی را که علاقمند به دنبال کردن آنها هستند اعلام می کنند ، در این صورت وقتی که آن شخص پیام جدیدی ارسال کرده است ، مطلع می شوند. کاربری که توسط کاربر دیگری دنبال می شود ، لزوماً با دنبال کردن آنها ، نمی تواند از آن استفاده کند ، و این باعث می شود لینک های شبکه اجتماعی توییتر به صورت مستقیم هدایت شود.
برای هر کاربر توییتر در مجموعه داده های ما ،دنبال کننده (افرادی که به دنبال کاربر هستند) را به دست آوردیم که کاربر به همراه محتوا و تمبر تاریخ همه پست های خود را اعلام کرده است. مجموعه داده های ما شامل 309،740 کاربر بود که بطور میانگین 255 پیام ارسال می کردند ، 85 دنبال کننده داشتند و 80 کاربر دیگر را دنبال می کردند. در میان 309،740 کاربر فقط 211،024 حداقل دو بارپیام ارسال کرده اند. ما آنها را کاربران فعال می نامیم. ما همچنین زمان فعال کاربر فعال را با زمانی که بین اولین و آخرین پست وی سپری شده است تعریف می کنیم. به طور متوسط ، کاربران فعال برای 206 روز فعال بودند.کاربران توییتر می توانند به روزرسانی عمومی و مستقیم را به روزرسانی کنند. پست های عمومی مستقیم هنگامی استفاده می شود که کاربر به روزرسانی خود را برای یک شخص خاص داشته باشد و توسط نماد “@” در کنار نام کاربری شخص علامت گذاری شود ، در حالی که به روزرسانی های غیرمستقیم هنگام بروزرسانی برای هر کسی که بخواهد آن را بخواند ، استفاده می شود. حتی اگر از بروزرسانی های مستقیم برای برقراری ارتباط مستقیم با یک شخص خاص استفاده می شود ، آنها عمومی هستند و هر کسی می تواند آنها را ببیند. غالباً دو یا چند کاربر با ارسال به روزرسانی هایی به یکدیگر ، مکالمه خود را انجام می دهند. حدود 25.4 درصد از کل ارسال ها هدایت شده است ، این نشان می دهد که این ویژگی در بین کاربران توییتر بسیار مورد استفاده قرار می گیرد.
ما علاقه مندیم که بدانیم هر کاربر با چند کاربر به طور مستقیم از طریق توییتر ارتباط برقرار میکند.
ما دوست کاربر را به عنوان شخصی تعریف می کنیم که کاربر حداقل دو ارسال به آن داشته است. با استفاده از این تعریف توانستیم دریابیم که هر کاربر چه تعداد دوست دارد و این تعداد را با تعداد دنبال کنندگان و دنبال کننده های اعلام شده آنها مقایسه میکند.
با توجه به یافته های قبلی ما در مورد نقش توجه در ایجاد بهره وری در یک شبکه اجتماعی (هوبرمن ، و همکاران ، 2008) ، ما حدس می زنیم که کاربرانی که توجه بسیاری از افراد را به خود جلب می کنند ، بیشتر از کاربرانی که توجه کمی دارند ، ارسال می کنند. بنابراین ما انتظار داریم که کاربران دارای دنبال کننده و دوستان بیشتری نسبت به افرادی که تعداد کمی از پیروان و دوستان خود دارند در ارسال مطلب فعال شوند. شکل 1 و 2 نشان می دهد که در واقع تعداد کل ارسال ها با تعداد پیروان و دوستان افزایش می یابد.
با این حال ، همانطور که شکل 1 نشان می دهد ، تعداد کل پست ها در نهایت به عنوان تابعی از تعداد دنبال کنندگان اشباع می شود. این بدان معناست که کاربرانی که تعداد زیادی دنبال کننده دارند لزوماً کسانی نیستند که تعداد بسیار زیادی از کل ارسال ها را دارند. از طرف دیگر ، تعداد کل ارسال ها به عنوان تابعی از تعداد دوستان اشباع نمی شود ، همانطور که در شکل 2 مشاهده می شود. در عوض ، تعداد به روزرسانی ها افزایش می یابد تا اینکه به حداکثر نقطه 3201 برسد. این نشان می دهد که برای پیش بینی اینکه کاربر توییتر چقدر فعال است ، تعداد دوستان از سیگنال های دقیق تری نسبت به تعداد پیروان وی برخوردار است.

این بدان معناست که برای ارزیابی اندازه شبکه اجتماعی آنچه اهمیت دارد ، باید افرادی را در نظر بگیریم که در واقع پیامهای مستقیمی با یکدیگر برقرار می کنند ، برخلاف شبکه ای که توسط پیروان و دنبال کنندگان اعلام شده ایجاد شده است.
با نشان دادن اینکه تعداد دوستان، عامل اصلی فعالیت کاربران توییتر است ، ما آن را با تعداد دنبال کنندگان کاربران اعلام کردیم. ما δ را به عنوان تعداد دوستانی که یک کاربر دارد تعریف می کنیم و براساس تعداد دنبال کنندگان او اعلام شده تقسیم می شود. از آنجا که 98.8 درصد از کاربران دارای دوستان کمتری نسبت به افراد دنبال کننده دارند ، تقریباً تمام ارزش δ کمتر از 1 هستند. شکل 3 یک نمودار از مقادیر δ را نشان می دهد. همانطور که می بینیم اکثر کاربران دارای δ کمتر از 0.1 هستند ، با تعداد کاربران دارای δ نزدیک به 1 بسیار اندک است. میانگین مقادیر δ برابر 13/0و میانه آن برابر04/0 است. این نشان می دهد که تعداد کاربران کاربر در مقایسه با تعداد افرادی که در واقع آنها دنبال می کنند بسیار اندک است. بنابراین ، حتی اگر کاربران اعلام کنند که از بسیاری از افراد با استفاده از توییتر پیروی می کنند ، فقط با تعداد کمی از آنها ارتباط برقرار می کنند. از این رو ، در حالی که شبکه اجتماعی ایجاد شده توسط پیروان و پیروان اعلام شده بسیار متراکم به نظر می رسد ، در حقیقت ، شبکه تأثیرگذارتر دوستان نشان می دهد که شبکه اجتماعی پراکنده است.این بدان معناست که برای ارزیابی اندازه شبکه اجتماعی که اهمیت دارد ، باید افرادی را در نظر بگیریم که در واقع پیامهای مستقیمی با یکدیگر برقرار می کنند ، برخلاف شبکه ای که توسط پیروان و دنبال کنندگان اعلام شده ایجاد شده است.
جنبه جالب دیگر در نظر گرفتن چگونگی تغییر تعداد دوستان و مقادیر δ با افزایش تعداد افراد دنبال کننده است. شکل 4 و 5 نشان می دهد که اگرچه تعداد دوستان در ابتدا با افزایش تعداد افراد دنبال کننده افزایش می یابد ، پس از مدتی تعداد دوستان اشباع می شود. این روند را می توان با این واقعیت توضیح داد که هزینه اعلام یک دنبال کننده جدید در مقایسه با هزینه نگهداری از دوستان بسیار پایین است (یعنی تبادل پیام های کارگردان با سایر کاربران). از این رو ، تعداد افرادی که یک کاربر در واقع با آنها ارتباط برقرار میکند سرانجام متوقف می شود در حالی که تعداد دنبال کنندگان می توانند به طور نامحدود به رشد خود ادامه دهند.
عمل نقش مهمی در بسیاری از تعاملات اقتصادی و اجتماعی ایفا میکند (Fehr and Gachter، 2000). در عين حال كمبود کالایی ، مردم را به خود جلب مي كنند و بنابراين به يك كالاي ارزشمند خصوصي توجه
مي‌كنند (Huberman، و همكاران ، 2008). در مورد توییتر ، متوجه شدیم که مفهوم توجه متقابل وجود دارد. در حالی که تعریف ما از دوست اجازه می دهد تا کاربر X دوست کاربر Y باشد در حالی که Y دوست X نیست ، ما متوجه شدیم که به طور متوسط 90 درصد از دوستان کاربر با دوست بودن کاربر توجه را معطوف می کنند. این نشان می دهد که تلاطم توجه نقش مهمی در تعریف “شبکه پنهان” بازی میکند. شکل 6 نشان می دهد که متقابلاً توجه یک روند کاملاً سازگار است ، زیرا برای کاربران با بسیاری از دوستان و همچنین برای کاربرانی که دوستان بسیار کمی دارند ، در نظر گرفته شده است.
نتیجه
در خاتمه ، حتی وقتی از تعریفی بسیار ضعیف از “دوست” استفاده می کنیم (یعنی هرکسی که کاربر حداقل دو بار پستی را ارسال کرده باشد) می فهمیم که کاربران توییتر نسبت به تعداد پیروان و دنبال کنندگان ، تعداد بسیار کمی از را دوستان دارند. این به معنی وجود دو شبکه متفاوت است: یک شبکه بسیار متراکم که از پیروان و دنبال کنندگان تشکیل شده است و یک شبکه پراکنده و ساده تر از دوستان واقعی. دوم ثابت میکند که یک شبکه تأثیرگذار در استفاده از توییتر است زیرا کاربران با بسیاری از دوستان واقعی تمایل دارند به روزرسانی های بیشتری را نسبت به کاربران با تعداد کمی از دوستان واقعی ارسال کنند. از طرف دیگر ، کاربرانی که بسیاری از دنبال کنندگان یا دنبال کنندگان آنها دارند ، به مراتب بیشتر از مواردی که دنبال کننده یا دنبال کننده آنها کمی دارند ، بروزرسانی می کنند.
بسیاری از افراد ، از جمله دانشمندان ، تبلیغ کنندگان و فعالان سیاسی ، در شبکه های اجتماعی آنلاین به عنوان فرصتی برای مطالعه تبلیغ ایده ها ، شکل گیری اوراق بهادار اجتماعی و بازاریابی شبکه ای ، در بین دیگران می بینند. این دیدگاه باید با یافته های ما فاش شود که پیوند بین هر دو نفر لزوماً به معنای تعامل بین آنها نیست. همانطور که در مورد توییتر نشان دادیم ، اکثر پیوندهای اعلام شده در توییتر از نظر تعامل بی معنی بودند. بنابراین هنگام تلاش برای گسترش یک ایده ، یک عقیده یا یک روند نیاز به یافتن شبکه اجتماعی پنهان مهم است.
.
.
نویسندگان مقاله
Bernardo A. Huberman is a Senior HP Fellow and Director of the Social Computing Lab at Hewlett–Packard Laboratories, Palo Alto, Calif.
Web: http://www.hpl.hp.com/research/idl/people/huberman/
E–mail: bernardo [dot] huberman [at] hp [dot] com
Daniel M. Romero is a graduate student at the Center for Applied Mathematics of Cornell University (Ithaca, N.Y.) and also a researcher in the Social Computing Lab of HP Laboratories.
E–mail: dmr239 [at] cornell [dot] edu
Fang Wu is a researcher in the Social Computing Lab of HP Laboratories.
E–mail: fang [dot] wu [at] hp [dot] com
.
.
Aknowledgment
One of us (BAH) thanks Dr. Josef Falkinger for useful discussions.
.
.
References
E.Fehr and S. Gachter, 2000. “Fairness and retaliation: The economics of reciprocity,” Journal of Economic Perspectives, volume 14, number 3, pp. 159–181.http://dx.doi.org/10.1257/jep.14.3.159
S.L. Feld, 1991. “Why your friends have more friends than you do,” American Journal of Sociology, volume 96, number 6, pp. 1,464–1,477.
S.A. Golder, D. Wilkinson and B.A. Huberman, 2007. “Rhythms of social interaction: Messaging within a massive online network,” Third International Conference on Communities and Technologies, at http://www.hpl.hp.com/research/idl/papers/facebook/facebook.pdf, accessed 21 December 2008.
M. Granovetter, 1973. “The strength of weak ties,” American Journal of Sociology, volume 78, number 6, pp. 1,360–1,380.http://dx.doi.org/10.1086/225469
R.E. Grinter and L. Palen, 2002. “Instant messaging in teen life,” Proceedings of the ACM Conference on Computer–Supported Work, pp. 21–30; version at http://www.cs.colorado.edu/~palen/Papers/grinter-palen-IM.pdf, accessed 21 December 2008.
B.A. Huberman, D.M. Romero and F. Wu, 2008. “Crowdsourcing, attention and productivity,” version of paper submitted for the 2009 World Wide Web Conference (Madrid); version at http://arxiv.org/abs/0809.3030, accessed 21 December 2008.
J. Kleinberg, 2008. “The convergence of social and technological networks,” Communications of the ACM, volume 51, number 11, pp. 66–72; version at http://www.cs.cornell.edu/home/kleinber/cacm08.pdf, accessed 21 December 2008.
K. Korgan, P. Odell and P. Schumacher, 2001. “Internet use among college students: Are there differences by race/ethnicity?” Electronic Journal of Sociology, volume 5, number 3, at http://www.sociology.org/content/vol005.003/korgen.html, accessed 21 December 2008.
J. Leskovec, L.A. Adamic and B.A. Huberman, 2007. “The dynamics of viral marketing,” ACM Transactions on the Web, volume 1, number 1, article number 5; version at http://www-personal.umich.edu/~ladamic/papers/viral/viralTWeb.pdf, accessed 21 December 2008.
S. Wasserman and K. Faust, 1994. Social network analysis: Methods and applications. New York: Cambridge University Press.
B. Wellman and N. Hampton, 1999. “Living networked in a wired world,” Contemporary Sociology, volume 28, number 6, pp. 648–654 . http://dx.doi.org/10.2307/2655535
.
.
[1] Social networks that matter: Twitter under the microscope
.
.