ESTUDANDO NARRATIVAS DIGITAIS ATRAVÉS DO PRISMA DE DADOS DE
MÍDIAS SOCIAIS
Anatoliy [email protected]@gruzd
Canada Research Chair in Social Media Data Stewardship Associate Professor, Ted Rogers School of ManagementDirector, Social Media LabRyerson University
UFMA, Brazil
Nov 18, 2015
http://www.labcomufma.com/sitnd
Portuguese Translation by Viviane Simões
Resumo1. Sites de Mídias Sociais se tornaram uma parte integral das nossas
vidas cotidianas
2. Dados de Mídias Sociais são bons representantes no estudo de interações online e offline
3. Análise de Redes Sociais é um método efetivo para analisar osdados de mídias sociais
4. Atuais e Futuros desafios na Pesquisa de Mídias Sociais
Twitter: @gruzd ANATOLIY GRUZD 3
Twitter: @gruzd
ANATOLIY GRUZD 4
Sites de Mídias Sociais se
tornaram uma parte integral das
nossas vidas cotidianas!
Crescimento nos Dados de Mídias Sociais
1.5B usuários
400M usuários
300M usuários
Twitter: @gruzd
ANATOLIY GRUZD
Sites de Mídias Sociais se
tornaram uma parte integral das
nossas vidas cotidianas!
Crescimento nos Dados de Mídias Sociais
Wikipedia
Youtube
Top social media sites in Brazil
source: alexa.com
Tomada de Decisão
em domínios como Política, Saúde e Educação
Twitter: @gruzd ANATOLIY GRUZD 6
Como Entender Dados de Mídias Sociais?
APIs Públicos
Revendedores de
dados
Auto coleta/Auto relato
Como Entender Dados de Mídias Sociais?Tecnologia Big Data
Twitter: @gruzd ANATOLIY GRUZD 7
Credit: Nathan Lapierre
Twitter: @gruzd ANATOLIY GRUZD 8
Ferramentas de Análise de Mídias Sociaishttp://socialmedialab.ca/apps/social-media-toolkit/
Netlytic.orginfraestrutura de pesquisa baseada em nuvem para a análise de textos automáticae para a descoberta de redes sociais a partir de dados de mídias sociais
Data -> Visualizations -> Understanding
Como Entender Dados de Mídias Sociais?Analítica de Dados e Visual
Twitter: @gruzd ANATOLIY GRUZD 10
Como Entender Dados de Mídias Sociais?Exemplo: Análise Geo-based
Twitter: @gruzd ANATOLIY GRUZD 11
Análise de Redes Sociais (ARS)
Nós = Pessoas
Setas/Ligações (linhas) = Relações/
“Quem retweetou/respondeu/mencionou
quem”
Como Entender Dados de Mídias Sociais?
Twitter: @gruzd ANATOLIY GRUZD 12
Ela torna muito mais fácil entender o que está
acontecendo em um grupo
Vantagens da Análise de
Redes Sociais
Uma vez que a rede é descoberta, podemos
descobrir:
• Como as pessoas interagem umas com as
outras,
• Quem são os membros mais/menos ativos,
• Quem tem influência em um grupo,
• Quem é suscetível a ser influenciado, etc…
Twitter: @gruzdANATOLIY GRUZD
13
Liberal
ConservativeSpam
Unknown &
Undecided
NDP
Left
Green
Bloc
Other
Gruzd, A. and Roy, J (2014). Political Polarization on Social Media:
Do Birds of a Feather Flock Together on Twitter? Policy & Internet.
Abordagem comum para a coleta de dados de redes sociais:
• Dados de redes sociais auto relatados podem nãoestar disponíveis/não serem precisos
• Pesquisas ou entrevistas
Problemas com pesquisas ou entrevistas
• Elas são demoradas
• As perguntas podem ser delicadas
• As respostas podem ser subjetivas ou incompletas
• O participante pode esquecer pessoas ou interações
• Pessoas diferentes percebem eventos e
relacionamentos de modo diferente
Como Coletar Informações Sobre Redes Sociais Online?
Twitter: @gruzd ANATOLIY GRUZD 14
Estudando Redes Sociais Online
http://www.visualcomplexity.com/vc
Redes de Fórum
Redes de Blogs
Redes de amizade (Facebook,
Twitter, Google+, etc…)
Redes de pessoas de mesma
opinião
(YouTube, Flickr, etc…)
Twitter: @gruzd ANATOLIY GRUZD 15
Objetivo: Descoberta de Redes Automatizadas
Desafio: Descobrir quais características baseadas em conteúdo de interaçõesonline podem ajudar a descobrir nós e ligações entre membros de um grupo
Como Coletar Informações Sobre Redes Sociais Online?
Twitter: @gruzd ANATOLIY GRUZD 16
Descoberta Automatizada de Redes Sociais
E-mails
Nick
Rick
Dick
• Nós = Pessoas
• Ligações = “Quem fala com quem”
Força da ligação = número de
mensagens trocadas entre indivíduos
Twitter: @gruzd ANATOLIY GRUZD 17
Descoberta Automatizada de Redes Sociais
Comunicação “De Muitos para Muitos”
ChatMailing listservForum Comments
Twitter: @gruzd ANATOLIY GRUZD 18
@John
@Peter
@Paul • Nós = Pessoas
• Ligações = “Quem
retweetou/respondeu/mencion
ou quem”
• Força da ligação = número de
retweets, respostas ou
menções
Descoberta Automatizada de Redes SociaisRedes doTwitter
Twitter: @gruzd ANATOLIY GRUZD 19
Descoberta Automatizada de Redes Sociais
Exemplos de Dados do Twitter
Ligação de Rede
@MarcosCarvo -> @prefeiturasl
Twitter: @gruzd ANATOLIY GRUZD 20
Ligação de rede
@Gruzd -> @SidneyEve
Tipo de Conexão: Menção
Tipo de Conexão: Resposta
Caso de Estudo do Twitter número 1
#ELECTION2016 in USA SÃO LUÍS, MARANHÃO
Twitter: @gruzd ANATOLIY GRUZD 21
Caso de Estudo do Twitter número 1
#ELECTION2016 in USA SÃO LUÍS, MARANHÃO
Twitter: @gruzd ANATOLIY GRUZD 22
3,566 registros (15-17 de Novembro, 2015)1394 registros (29 de Outubro, 2015)
Caso de Estudo do Twitter número 1
#ELECTION2016 in USA SÃO LUÍS, MARANHÃO
Twitter: @gruzd ANATOLIY GRUZD 23
3,566 registros (15-17 de Novembro, 2015)1394 registros (29 de Outubro, 2015)
O que essas vizualizações nos dizem?
Medidas de Análise de Redes Sociais (ARS)Nível Micro
Centralidade de Entrada
Centralidade de Saída
Centralidade de Intermediação
Outras Medidas de Centralidade(e.g., proximidade, vetor-próprio)
Nível Macro
Densidade
Reciprocidade
Centralização
Modularidade
ANATOLIY GRUZD 24Twitter: @gruzd
Medidas de ARSNível Micro
Centralidade de Entrada
Centralidade de Saída
Centralidade de Intermediação
Outras Medidas de Centralidade(e.g., proximidade, vetor-próprio)
ANATOLIY GRUZD 25
Centralidade de Entrada sugere“prestígio”, realçando os usuários maismencionados ou que recebem maisrespostas no Twitter
Twitter: @gruzd
Medidas de ARSNível Micro
Centralidade de Entrada
Centralidade de Saída
Centralidade de Intermediação
Outras Medidas de Centralidade(e.g., proximidade, vetor-próprio)
ANATOLIY GRUZD 27
Centralidade de Saída revela usuáriosativos do Twitter que tem uma boa percepção dos outros usuários na rede
Twitter: @gruzd
Medidas de ARSNível Micro
Centralidade de Entrada
Centralidade de Saída
Centralidade de Intermediação
Outras Medidas de Centralidade(e.g., proximidade, vetor-próprio)
ANATOLIY GRUZD 30
Centralidade de Intermediação mostraatores que estão localizados no maiornúmero de caminhos de informação e que frequentemente conectamdiferentes grupos de usuários na rede
Twitter: @gruzd
Medidas de ARSNível Macro
Densidade
Reciprocidade
Centralização
Modularidade
Densidade indica a conectividade total na rede (o número total de conexõesdividido pelo número total de possíveisconexões).
É igual a 1 quandos todos estãoconectados com todos.
ANATOLIY GRUZD 32Twitter: @gruzd
User1 User3
User2Densidade = 1
#Election2016 São Luís
Nós 491 392
Ligações 1075 379
Densidade 0.005 (0.5%) 0.0025 (0.25%)
Reciprocidade
Centralização
Modularidade
ANATOLIY GRUZD 33Twitter: @gruzd
Medidas de ARSNível Macro
Densidade
Reciprocidade
Centralização
Modularidade
Reciprocidade mostra quantosparticipantes online estão tendoconversas mútuas.
Em um cenário onde todos respondem a todos, o valor de reciprocidade será 1.
ANATOLIY GRUZD 34Twitter: @gruzd
User2
User1User3
User4 Reciprocidade=1
#Election2016 São Luís
Nós 491 392
Ligações 1075 379
Densidade 0.005 (0.5%) 0.0025 (0.25%)
Reciprocidade 0.006 (0.6%) 0.063 (6.3%)
Centralização
Modularidade
ANATOLIY GRUZD 35Twitter: @gruzd
Medidas de ARSNível Macro
Densidade
Reciprocidade
Centralização
Modularidade
Centralização indica se a rede é dominadapor poucos participantes centrais (valorespróximos a 1),
ou se mais pessoas estão contribuindo para a discussão e disseminação da informação(valores próximos a 0).
ANATOLIY GRUZD 36Twitter: @gruzd
User2
User1User3
User4 Centralização=1
#Election2016 São Luís
Nós 491 392
Ligações 1075 379
Densidade 0.005 (0.5%) 0.0025 (0.25%)
Reciprocidade 0.006 (0.6%) 0.063 (6.3%)
Centralização 0.047 0.113
Modularidade
Twitter: @gruzd ANATOLIY GRUZD 37
Medidas de ARSNível Macro
Densidade
Reciprocidade
Centralização
Modularidade
Modularidade fornece uma estimativa de se uma rede consiste de um grupocoerente de participantes que estãoengajados na mesma conversa e que estãoprestando antenção uns nos outros (valores próximos a 0);
ou se uma rede consiste de conversas diferentes e comunidades com uma fracasobreposição (valores próximos a 1).
ANATOLIY GRUZD 38Twitter: @gruzd
#Election2016 São Luís
Nós 491 392
Ligações 1075 379
Densidade 0.005 (0.5%) 0.0025 (0.25%)
Reciprocidade 0.006 (0.6%) 0.063 (6.3%)
Centralização 0.047 0.113
Modularidade 0.424 0.883
ANATOLIY GRUZD 39Twitter: @gruzd
Caso de Estudo do Twitter número 2
#ForaDilma #ForaCunha
Twitter: @gruzd ANATOLIY GRUZD 40
1292 postagens, 935 usuários (14-16 de
Novembro, 2015)1526 postagens, 881 usuários (15-16 de
Novembro, 2015)
#ForaDilma #ForaCunha
Nós 883 718
Ligações 1602 760
Densidade 0.002 (0.2%) 0.0015 (0.15%)
Reciprocidade 0.02 (2%) 0.05 (5%)
Centralização 0.08 0.02
Modularidade 0.72 0.9
ANATOLIY GRUZD 41Twitter: @gruzd
Atuais e Futuros Desafios de Pesquisa:A Ascenção de Bots Sociais
A quem estamos estudando?
Humanos or Bots?
ANATOLIY GRUZD 43Twitter: @gruzd
Atuais e Futuros Desafios de Pesquisa:A Ascenção de Filtros Algorítimos
A quem estamos estudando?
Comportamento Humano ouAlgorítimos?
ANATOLIY GRUZD 44Twitter: @gruzd
Atuais e Futuros Desafios de Pesquisa:Considerações Éticas
• Quais são as responsabilidades dos pesquisadores que trabalham com dados de mídias sociais?
• Pesquisadores deveriam apenasapresentar dados de forma agregadapara evitar a ligação com usuáriosindividuais?
• Pesquisadores deveriam coletarconsentimento informado dos usuáriosde mídias sociais, mesmo quandoestiverem trabalhando com dados publicamente disponíveis?
ANATOLIY GRUZD 45Twitter: @gruzd
Resumo1. Sites de Mídias Sociais se tornaram uma parte integral das nossas
vidas cotidianas
2. Dados de Mídias Sociais são bons representantes no estudo de interações online e offline
3. Análise de Redes Sociais é um método efetivo para analisar osdados de mídias sociais
4. Atuais e Futuros desafios na Pesquisa de Mídias Sociais
Twitter: @gruzd ANATOLIY GRUZD 46
ESTUDANDO NARRATIVAS DIGITAIS ATRAVÉS DO PRISMA DE DADOS DE MÍDIAS SOCIAIS
Anatoliy [email protected]@gruzd
Canada Research Chair in Social Media Data Stewardship Associate Professor, Ted Rogers School of ManagementDirector, Social Media LabRyerson University
UFMA, Brazil, Nov 18, 2015
Twitter: @gruzd ANATOLIY GRUZD 47
Recommended