network blog

2015 nyarának elején kiszivárogtak a magyar kormány bevándorlóellenes plakáttervei. Megjelenésük után a menekültek is megérkeztek a déli határhoz. Korábban csak híradókban látott képsorok váltak mindennapossá. Az eleinte tanácstalannak tűnő, majd keményen fellépő és határt fizikailag lezáró kormány helyett önszerveződő civilek segítették a többezres tömeget. A nyár során a szegedi és a Keleti pályaudvar szinte menekülttáborrá változott, a szerb határ csatatér lett. A nyár végére elkészült déli határzár után a krízis Magyarországon elcsendesült, a menekültek más útvonalat választottak. A kormány hátradőlhetett, a Fidesz népszerűsége a közvélemény-kutatások szerint szárnyalt. Vajon mindez igaz az online térre is? Csak a Fidesz tudta népszerűségét növelni a válság kapcsán? Hogyan jelent meg a menekültválság a pártok kommunikációjában? Közönségük ezt hogyan fogadta? Kutatásunkban ezekre a kérdésekre kerestük a választ.

Facebook-elemzésünkhöz összeállítottunk egy többszázas, a jelenlegi parlamenti pártokhoz tartozó rajongóioldal-listát – benne pártvezetőkkel, helyi és országos oldalakkal, ifjúsági tagozatokkal stb. –, továbbá bevettünk három-három menekülteket támogató és menekültellenes rajongói oldalt. Letöltöttük a posztjaikat és az azokra 2015. június 1. és 2015. szeptember 30. között érkezett like-okat. Módszertanunkban egy párt szimpatizánsának tekintjük azokat, akik egy adott párt oldalán elhelyezett posztra like-ot nyomnak. Előrebocsátjuk, hogy kutatásunk semmilyen szintem sem reprezentatív, az online adatok jellege miatt ez nem is lehetséges.

Menekültválság a pártok posztjainak tükrében

Azt találtuk, hogy a pártok nem foglalkoztak sokat a menekültválsággal (a letöltött posztokban az alábbi kifejezéseket, szótöredékeket kerestük: menekült, migráns, szír, afgán, véd, kerít, zár, csempész, bevándorló, menedék, határ, gyoda, balkán, macedón).

Az összesített adatokból látszik, hogy a pártok posztjainak töredéke szólt a menekültválságról. Közelebbről látszik, hogy arányaiban az MSZP posztolt a témáról a legkevesebbet, míg a PM a legtöbbet.

Ha összehasonlítjuk a menekültekről szóló posztokra érkezett like-okat a nem a menekültekről szóló posztokkal az találjuk, hogy az Együtt és az MSZP közönsége arányaiban több like-kal honorálta a migránsokról szóló posztokat. Kiemelendő, hogy a Liberálisok közönsége viszont kifejezetten negatívan vette, ha a párt a menekültekről posztolt.

Megnéztük, hogy melyek azok a szavak, kifejezések, amelyekre – pontosabban az ezeket tartalmazó posztokra – arányaiban több like érkezett, mint a többi posztra.

A lista az előzetesen elvárható toposzokon kívül meglepő dologra is rávilágít: így például hogy az Együtt közönsége szereti, ha a párt “jobbikosokról” beszél. Bár a Fidesz – mint azt a későbbiekben látni fogjuk – egyértelműen nyertesen jött ki a migránsválságból a Facebookon is, mégsem az ezzel kapcsolatos tartalom váltott ki nagy érdeklődést közönségéből, hanem a gazdaságpolitikával, főleg a mezőgazdasággal foglalkozó posztok. Látható, hogy a menekültválsággal kapcsolatos szavak nem voltak kifejezetten népszerűek a pártok szimpatizánsainak körében.

Pártok szimpatizánsai és a menekültekkel kapcsolatos civil szerveződések

Elemzésünkben összevetettük a menekülteket segítő és a velük ellenséges oldalak támogatóit a pártok támogatóival. Az előfeltevésnek megfelelően az látszik, hogy a baloldali pártok támogatói inkább szimpatizálnak a menekülteket segítő oldalakkal, míg a jobboldali pártok támogatói a menekültellenes oldalakkal értettek inkább egyet.

A rajongói oldalak hálóján ez a tendencia szintén kivehető.

A hálón két pártoldalt jelölő pont között akkor van él, ha volt olyan Facebook felhasználó, aki mindkét oldalon like-olt tartalmat. Minél vastagabb az él, annál több ilyen felhasználó volt. A pontok mérete azt mutatja meg, hogy hány olyan ember volt, aki csak és kizárólag azon az oldalon like-olt tartalmat. A csak a releváns összefüggéseket mutató hálón három nagy klasztert figyelhetünk meg: a Fidesz–KDNP-t, a Jobbikot és a demokratikus ellenzéki pártokat. A menekülteket támogató oldalak szoros átfedést mutatnak ez utóbbiakkal: szimpatizánsaik a baloldali pártok által posztolt tartalmakat like-olják; míg a menekültellenes oldalak a jobboldali pártokkal mutatnak összefüggést a támogatók tekintetében. Érdemes megfigyelni, hogy a Facebook felhasználók szinte egyként kezelik a demokratikus ellenzék pártjait és csupán néhány oldal emelkedik ki közülük.

Népszerűség

Megnéztük, hogy a nyári hónapokban hogyan változott az egyes pártok népszerűsége a Facebookon. A vizsgált oldalakról származó adatokat a pártok mentén összevontuk. Két párt között akkor van átfedés, ha volt olyan felhasználó, aki mindkét párt oldalainak valamelyikén like-olt tartalmat. Minél vastagabb az él, annál több ilyen ember volt. A pontok mérete azt mutatja meg, hogy hány olyan felhasználó volt, aki csak és kizárólag az adott párt oldalain volt aktív, vagyis az ábrán a szimpatizánsok száma köszön vissza. (A vizsgált időszak első két hónapjában a menekültellenes oldalak nem léteztek/nem posztoltak, ezért nem köti él őket egyik párthoz sem.)

A demokratikus ellenzéki pártok közötti átfedések ezen a hálón is jól kivehetők: vastag élek jelölik a megosztott szimpatizánsokat. Jól látszik, hogy gyakorlatilag ezek a hónapok a Fidesz és Jobbik közti harccal telt: hol az egyik, hol a másik teljesített jobban a népszerűség terén, bár az időszak végére a Fidesz egyértelmű megerősödését láthatjuk. Mellettük az MSZP és az Együtt jelenik még szereplőként, hónapról-hónapra alacsonyabb egyedi támogatói számokkal.

Elemzésünk alapján elmondható, hogy a nyári, a menekültválság által okozott felfokozott hangulat nem tükröződött a pártok kommunikációjában. Ha mégis, akkor pedig alig volt visszhangja támogatóik körében.

Az elemzés a Conflict Zone Projekt keretében jött létre.

Szerzők: Dagdelen Demet & Tóth Borbála

Jelmagyarázat - Támadások felépítése:

Az élek az egyes játékosok 3-3 legrelevánsabb passzát mutatják. A nyilak a passzok irányát jelzik.

• Csak azokat a passzokat vizualizáltuk, amelyek a támadások részei voltak.
• Csak azok a passzok láthatóak, melyek az előrefelé (ellenfél kapuja felé) vezetnek vagy azonos pozíciójú (pl. középpálya-középpálya) játékosok között mentek végbe. 

Az infografikát az Avalanche Kreatív Ügynökség készítette.

Meccsek hálózatos vizualizációjával újfajta szemszögből lehet a labdarúgás világába betekintést nyerni. Mivel a Maven7 csapata igazi sportrajongó, ezért az év foci eseményét a Bajnokok Ligájának döntőjét nem hagyhattuk ki elemzési palettánkból.

Mindenki tudja, hogy “A foci egyszerű játék, 22 ember kerget egy labdát 90 percen keresztül és mindig a németek nyernek” -főleg, ha csak német csapatok játszanak. De ha olyan egyszerű lenne ez a sport miért, követnék milliók világszerte az eseményeket? Miért lenne akkora biznisz a sportfogadás, és miért is készülne elemzések tucatja? Mert a foci nem is olyan egyszerű.

Vessünk egy pillantást a két döntős legfontosabb passzainak hálózatára. Passzok (fekete él), kapura lövések (kék él) és gólok (piros élek) repkednek a játékosok között. A két hálózat vizualizációja önmagában is szép (Köszönjük Avalanche!), de a kérdés leginkább az, hogy értelmezésükkel közelebb juthatunk-e ahhoz, hogy miért is a Bayern München és nem a Borussia Dortmund győzött?

A hálózatokat elemezve könnyen azonosíthatóak a legalapvetőbb különbségek és hasonlóságok a csapatok támadási stratégiájában. A hálózati (támadási) struktúra elsőre roppant hasonló, hiszen mindkét csapat hasonló felállást (4-2-3-1) követett, és a játékosok közötti dinamikák sem térnek el különösen. A hátvédek erős kölcsönös kapcsolatokkal rendelkeznek, bár a Bayern inkább a bal, a Dortmund inkább a jobb oldalon volt erősebb. Mindkét csapat legtöbb passzt kapott játékosa középpályás, Schweinsteiger és Gündogan.

És miért pont a Bayern nyert?

Természetesen a focit azért szeretjük, mert változatos és nem minden csapat ugyanolyan. Miben különbözött a két csapat játéka leginkább szombat este? A passzolási adatok alapján a Dortmund kulcsfontosságú figurája Reus volt, amelyet igazolni látszik az is, hogy a csapat egyetlen gólját is ő harcolta ki (11-es). Csapattársai szinte minden kapu felé irányuló akcióban őt keresték passzaikkal, centrális pozíciója az ábrán jól kivehető. Adódik a kérdés, hogy mi lett volna, hogyha az eredetileg ezen a poszton játszó Götze kerül a csapatba, és így Grosskreutz helyére pedig Reus.

Jobban szemre vételezve a hálózatok felső részét jól látszik, hogy a Bayern a széleken aktívabb volt és kevésébe egy személyre központosult a támadása, mint a Dortmundnak. A bőrnadrágosok csatárai hatékonyabban működtek együtt – hálózati szavakkal élve több a kölcsönös kapcsolatuk, Ribéry támogató szerepe a baloldalon az egész támadást sokkal hatékonyabbá tette. A dortmundi támadó középpályának (egyet kivéve Błaszczykowski - Gündogan) nincsenek kölcsönös kapcsolatai sem egymással, sem pedig más csapatrészekkel. Ezzel szemben a Bayern támadó középpályásainak egy, a teljes középpályás sornak 3 kölcsönös kapcsolata van (Schweinsteiger - Ribéry, Müller – Robben, Ribéry – Martinez), ami erősebb együttműködési mintázatokat mutat a támadásban. A középpályások teljesítménye jó indikátora lehet az egész csapat teljesítményének. Schweinsteiger pontosabban játszott és passzolt (87 passz, 73 sikeres, ami 84%-os hatékonyság), mint Gündonan (56-ból 31 sikeres passz, ami 62%-os hatékonyság). A Bayernek összesen 640 passza volt 72 százalékos hatékonysággal, a Borussiának azonban csak 448 passzt sikerült, 60 százalékos hatékonysággal véghezvinnie.

Továbbá talán a két, balszélső (támadó középpályás), Ribéry és Grosskreutz passzhálózati helyzete közötti eltérés érdemel figyelmet. Míg Ribéry-t négy társa is aktívan megtalálta labdákkal, addig dortmundi riválisát csak ketten, ami szintén azt mutatja, hogy különösen a bal szélen a München lényegesen aktívabb tudott lenni ellenfelénél.

Érdekesség, hogy a müncheni gólokhoz vezető közvetlen passzok atipikusak, kevésbé voltak jellemzőek a meccsen adott játékosok között, ezért sem szerepelnek az ábrán (Robben-Mandžukić illetve Ribery-Robben).

További érdekes eredmény, hogy a kapusoktól induló támadások a Dortmundnál gyakoribbak volt, ráadásul a védelem is sokkal támadóbb jellegű focit játszott a hálózatalapján – Boateng leginkább előre adta a labdát s Dante viszont inkább hátrapasszolt.

A Millenium Villages Projekt (MVP) keretein belül több mint tizenkét létesítményt hoztak létre szaharai országokban, amik öt kulcsfunkció mentén épültek: földművelés, vállalkozás, oktatás, infrastruktúra és egészségügy. Az utóbbi kategóriában tevékenykedő csoportok közösségi és intézeti alkalmazottakból állnak, akik a mindennapokban segítik a program szervezőinek a munkáját. A kommunikáció megkönnyítésének érdekében minden táborban zárt mobiltelefonos hálózatot hoztak létre, aminek segítségével gyakorlatilag ingyen beszélhetnek egymással az egészségügyi dolgozók.

A kommunikáció megkönnyítése mellett azonban más előnye is volt a mobiltelefonos kezdeményezésnek: az adatokat felhasználva a Johns Hopkins és a Columbia egyetemek kutatói azt vizsgálhatták, hogy a mobiltelefonok hogyan bontják fel a klasszikus, hierarchikus kommunikációs csatornákat. A vizsgálathoz a hálózatkutatás eszközeit használták, aminek segítségével azonosították az információ áramlásának központi szereplőit, és a rendszerben mutatkozó trendeket.  A tradicionális kommunikációs modell a klasszikus bürokráciában elterjedt lépcsős hierarchia példáját követte, ami miatt az információ áramlása lassabb volt, hiszen minden szinten végig kellett futnia. A mobiltelefonokkal sikerül átugrani a hierarchia felesleges szintjeit, és azok a szereplők kerülhettek a központba, akik ténylegesen a munkaszervezés centrumában voltak: a nővérek helyett a főszervezők.

További információkat az alábbi linken található videóban hallhattok, ami Nadi Kaongával, a projekt egyik résztvevőjével készült.

Az esettanulmány jó példa arra, hogy a hálózatelemzés, és a telefonos adatok hogyan hasznosíthatóak az ilyen és ehhez hasonló, egészségügyi projektekben.

A Gizmodo morbid témájú grafikája a 20. század halálnemeit foglalja össze

„In this world nothing can be said to be certain, except death and taxes” – mondja bölcsen Benjamin Franklin Jean-Baptiste Leroynak írt levelében, azaz semmi sem olyan biztos az életben, mint a halál és az adók. A virágárus alulról szagolja az ibolyát, a vegetáriánus fűbe harap, a meteorológusnak befellegzett – a végzetet leíró szókapcsolatok száma végtelen, ahogyan a halál neme maga is. Vagy mégsem?

A 20. század haláleseteinek statisztikai elemzése alapján a legnagyobb fenyegetést az olyan nem fertőző betegségek jelentették, mint a szív-és érrendszeri megbetegedések, és a cukorbetegség, amik milliárdos nagyságrendű áldozatokat követeltek. Természetesen nem elhanyagolható az emberi faktor sem, a két világháború, és a számos egyéb fegyveres konfliktus (beleszámítva a gyilkosságokat is), együtt több mint 330 millió halálesetért voltak felelősek.

Az infografika nagyobb felbontásban a képre kattintva érhető el, igazi vizuális csemege!

Mindannyian találkoztunk vele, ha nem Twitteren vagy YouTube-on, akkor valamelyik Facebook ismerősünkön keresztül, aki maga is elkészítette a személyre szabott verzióját. Azt azonban, hogy hogyan lett egy félpercnyi videóanyagból ekkora szenzáció, csak kevesen tudják.  A SocialFlow munkatársai Twitter adatok elemzésével térképezték fel a meme terjedését, azonosítva azokat a célcsoportok, akik eszkalálták a jelenség terjedését. A kutatás két hét alatt 1.9 millió tweetet gyűjtött, amik tartalmazták a ’harlem shake’ kifejezést, vagy annak variációit.

A Harlem Shake nem más, mint egy táncstílus, ami New Yorkban honosodott meg mintegy 30 évvel ezelőtt. A Rucker Parki kosármeccsek félidejében egy cingár férfi, akit csak Al.B. néven ismertek, a pályán lévőket szórakoztatta sajátos táncmozdulataival. A stílust akkor szívta fel a mainstream kultúra, amikor 2001-ben G.Dep ”Let’s Get It” című  videoklipjében is feltűnt. A meme őrület előtt gyakoriak voltak magára a táncmozdulatra vonatkozó referenciák is, például „I just passed my final exams! *harlem shakes*” formában, ami annyit jelentett, hogy a kedves végzős örömében táncolt sikeres érettségije után. A zenei aláfestésként szolgáló Bauuer szám 2012 Augusztusában jelent meg, a következő hónapokban azonban csak mérsékelt figyelmet kapott, egészen februárig.

A Harlem Shake Meme evolúciójának első napjai.
Kékkel a táncstílusra vonatkozó referenciák láthatóak, míg zölddel az első három videó verzióra utaló tweetek.

Február 2-án, a The Sunny Coast Skate videója hozza létre a meme végleges formáját a maszkkal és a jump cuttal. Három nappal később, PHL_On_NAN remixe 24 órán belül 300 ezres nézettséget produkált, a 7-én felkerült hiimrawn verzió (v3), amiben a Maker Studios munkatársai szerepelnek, már 7.4 millió találatot könyvelhett el a következő héten. Ezt követően a jól ismert internetes cégek (BuzzFeed, CollegeHumor, Vimeo és Facebook) sem váratnak magukra sokat saját verziójukkal.

A SocialFlow a re-tweetek, majd a tweetelők közti szociális kapcsolatokat térképezte fel, és ültette át hálózatokra. Utóbbi módszer segítségével azonosíthatóvá váltak azok a háttérben meghúzódó csoportok, akik a legnagyobb befolyással voltak a videó internetes karrierjére. Az ábrán minden pont egy felhasználót jelöl, aki Február 7-én vagy 8-án valamilyen módon utalt a memere. A körök olyan klaszterek, amelynek pontjai valamilyen attribútum mentén hasonlítanak egymásra, ezzel olyan csoportokat alkotva, mint az afro-amerikai felhasználók (akik eredeti kontextusában használják a harlem shaket), a különböző zenei felhasználók, a brazilok, vagy a YouTube szuper-felhasználói.

Alig egy nappal később, Február 9-én és 10-én már újabb közösségek bukkannak fel, és a hálózat sűrűsége már ránézésre is sokkal nagyobb. A zenészek türkizkék csoportja továbbra is megmarad, a machinimával azonban egy gamer klaszter is formálódik. A két képet összehasonlítva világos, hogy először egymástól távolabb álló közösségek kapták fel a memet, akiket követnek a nagyobb média outletek, akik a köztes területeket foglalják el, végül pedig különböző nemzetiségek és YouTube közösségek is csatlakoznak.

A tíz legjobb Harlem Shake videó.

A memek az internetes tömeghisztéria legújabb formái, a kortárs digitális kultúra azon szerves részei, amelyeket a szociális hálózatok kreálnak és terjesztenek. Nemcsak óhatalanul figyelmet követelnek maguknak (Hungaromém), de komoly trendszetterek is. Elkerülhetetlen, hogy előbb utóbb valaki hasznot húzzon a jelenségből, már a Harlem Shaket is jó pár brand lovagolta meg, azzal a nem titkolt céllal, hogy cool-abbnak tűnjön. Az egyik legjobban elsült próbálkozás, a Pepsi kreációja volt, amiben Jeff Gordon Nascar versenyző és csapata eresztették el a hajukat.

Mint a legtöbb internetes jelenség esetében, az idő itt is kulcsfontosságú. Minél hamarabb sikerül egy cégnek azonosítania a véleményformáló közösségeket, annál hamarabb tud hasznot húzni belőlük. A hálózatok kiváló megközelítési módszert nyújtanak az ilyen és ehhez hasonló jelenségek vizsgálatához, hiszen a globális világháló egyre sűrűsödik, a memek impakt faktora pedig egyre nagyobb lesz. A kérdés már csak az, mi lesz a következő internetes őrület, ami megköveteli a maga 15 (másod) percét.

További részleteket a teljes, angol nyelvű cikkben olvashattok az alábbi linken.

Egy amerikai kutatás a hálózatelemzés módszertanával dolgozik azon, hogy magyarázatot adjon bizonyos, tipikusan autista viselkedésformákra.

A Bostoni Gyermekkórház neurológusai EEG segítségével azt vizsgálták, hogy milyen nyomvonalakon terjed az információ az olyan gyerekek agyában, akik autizmusban szenvednek. Az eredmények minden várakozást felülmúltak, kiderült ugyanis, hogy a vizsgált betegek agyműködése strukturális eltéréseket mutat az egészséges agyakhoz képest: az alanyok agyában többszörösen redundáns kapcsolatok vannak az agy szomszédos területei között, amik a hosszabb kapcsolatok rovására működnek.

Dr. Jurriaan Peters neurológus, Maxime Taquet Phd hallgató és Dr. Mustafa Sahin vizsgálata két autista csoporttal dolgozott: 16 klasszikus autizmusban szenvedő, és 14 genetikai okokból kifolyólag érintett, ún. tuberous sclerosis complexes (TSC) gyereket hasonlítottak össze 46 egészségessel, és 29 TSC-s, de nem autistával. A tapasztaltak mindkét csoportban megegyeztek: a rövidtávú kapcsolatok száma az agyban messze a meghaladta a hosszabb, távolabbi területeket összekötőkét. Egy ilyen jellegű hálózat, amiben a rövid kapcsolatok dominálnak, összhangban áll az autizmus tipikus viselkedésmintáival: egy autista gyermek gond nélkül tud összpontosítani egy konkrét, koncentrációt igénylő feladatra (például az utcanevek memorizálására), de komplexebb feladatok elvégzése során, amelyek az agy távol eső részeit mozgósítanák, már nehézségekbe ütközik. Az utóbbira jó példa a harag mimikus megjelenése: egy autista gyermek nem tudja értelmezni a kifejezést, hiszen az agy vizuális központja és az érzelmi centrum között nem megfelelő az összeköttetés, az információ feldolgozása lokálisan megvalósul ugyan, de az nem jut el az agy többi részéhez.

A hálózatelemzés - amely a kognitív neurológia egyik legdinamikusabban fejlődő ágazata – fedezte fel elsőként a gyermek autista agy „rugalmas” aspektusát: az A-ból B-be történő eljutás a redundáns kapcsolatoknak köszönhetően több módon is megvalósulhat, nincs egyetlen csomópontja. A légi közlekedés analógiája jól szemlélteti a jelenséget: Bostonból Brüsszelbe akkor is eljutunk, ha a londoni Heathrow épp zárva van, hiszen mehetünk New York JFK-jén keresztül. Az autista gyermek agyában hasonlóképpen áramlik az információ adott területek között. Bár a struktúra előnyös a légi közlekedésben, agyműködés szempontjából nem feltétlenül ideális: ez a hálózat egyszerűbb, és kevésbé specifikált, ami nehézséget okozhat a környezetből beérkező információ feldolgozásában.

A tanulmányról többet, eredeti nyelven a psyposton olvashattok.

A Twitter szociális platformja hálózatelemzési szempontból aszimmetrikus, hiszen kapcsolatai szándékosak és irányítottak. Egy felhasználó kapcsolatait szociális gráfként értelmezve a címzett felé mutató nyilak követésével sok hasznos információkhoz juthatunk: ki tud kiről, ki kapja a legtöbb figyelmet, ki vesz részt bizonyos témákról folyó diskurzusokban, illetve azt is, hogy ki található centrális vagy periférián lévő pozícióban. A strukturális elemzések mellett mini-kísérletek is lebonyolíthatóak. Az ún. Tweetchat-ek keretein belül különböző témákról zajlanak egy egyórás beszélgetések, amelyek speciális hashtageken keresztül követhetőek. Az ábrákon látható beszélgetés például a szerencsés véletlenekről folyt, két különböző csoportban (#innochat, #ideachat).

Elsőként vegyük a kimenő kapcsolatokat. A Twitter természetéből kifolyólag ezek a kapcsolatok közvetítő funkciókat is betölthetnek, például ha a felhasználó bejelent valami a követőinek. Egy másik típus a közvetlen, irányított kapcsolat, amikor a felhasználó konkrétan említ valakit a tweetben, vagy re-tweeteli valaki más tweetjét. A re-tweet közvetítő funkciója mellett egyben visszaigazolás is az eredeti tweetelőnek, hogy üzenetét észlelték, és továbbításra érdemesnek találták.

A fenti hálózat a már említett szerencsés véletlenekről szóló beszélgetés leképezése. Két pont akkor áll kapcsolatban, ha a feladó pont retweetelte (RT), említette (MT) vagy megszólította (@) a címzettet jelző pontot. A kék pontok a beszélgetés résztvevői, a lilák a chat lebonyolítói, a zöldek pedig a meghívott vendégek, mindegyikük felhasználóneve külön is fel van tüntetve. A pontok mérete itt a tudatosság mentén nő, amit a direkt és indirekt kapcsolatok alapján számolnak.

A második képen az előző hálózat látható, de a pontok méretét ezúttal kizárólag a bejövő kapcsolatok alapján határozták meg, ami gyakorlatilag nem más, mint a figyelem mennyisége, amiben az egyes felhasználók részesültek. Előnyös, ha valamelyik felhasználónak sok bejövő kapcsolata van, ami még jobb azonban, ha olyan más pontoktól kap közvetlen figyelmet, akiknek szintén sok bejövő kapcsolata van. A látványos bejövő mintázatú pontok lesznek az ún. mavenek, azaz információbrókerek.

Azzal, hogy változott a pontok méretét meghatározó tulajdonság, máris meghatározhatóak a Twitteren betöltött szerepek: vannak aktív résztvevők, míg mások arra várnak, hogy közvetlen megszólítást kapjanak. A chat vezetőjét (@blogbrevity) mindkét hálózatban nagy pont reprezentálja, ami azt mutatja, hogy jól végezte a dolgát.

A harmadik hálózat az integrációt vizsgálja, vagyis azt, hogy az adott felhasználó mennyire van az események „ sűrűjében”. Egy jól integrált felhasználó valószínűleg releváns dolgokról tweetel, sokszor rewteetelik, és több beszélgetésben is részt vesz. Esetünkben ők voltak a szervezők, akik összekötő szerepet töltöttek be, és biztosították a beszélgetés zavartalan folyását.

A Twitter természetesen nemcsak a személyközi kommunikáció médiuma, gyakran közvetít nagyobb csoportoknak, amiket egy felhasználó vagy egy hashtag követői alkothatnak. A chatben postolt tweetek között sok olyan is volt, aminek nem volt konkrét címzettje. A negyedik kép abban tér el az előzőektől, hogy csak az egész csoportnak szóló tweeteket mutatja, nem az interakciókat. A chat valamennyi résztvevőjét a középpontban lévő piros pont jelöli, a küllőszerű nyúlványok pedig azok a felhasználók, akiknek több mint egy, mindenkihez szóló retweetje volt. A vonalak a retweetek számának növekedésével vastagodnak.

Bár ez a hálózat pár óra leforgása alatt jött létre és oszlott fel, jól modellezi a nagyobb hálózatok néhány szerkezeti sajátosságát: centrum-periféria, információs brókerek, összekötő hidak és vezérek. A részvevők nagy része már ismerte egymást, és részt vett korábbi beszélgetésekben, volt azonban pár új tag is.

A legkönnyebben azonosítható csoport mindig a mag, akik között sűrű az egymásra mutató nyilak száma. Ez egy olyan alhálózat, ahol mindenki kapcsolatban van mindenkivel. Az ötödik kép ezt a magot mutatja, a könnyebb olvashatóság érdekében ezúttal nyilak nélkül. Minden pont legkevesebb 4 kapcsolattal rendelkezik, kimenővel és bejövővel egyaránt.

forrás: http://www.thenetworkthinkers.com/2013/02/arrows-on-twitter.html

Az angol Guardian egy olyan kutatást rendelt, ami 1969 és 2013 között, Nixontól Obamáig vizsgálta a soros elnökök beiktatási beszédeit, az alábbi szempontok alapján.

Az amerikai elnökök beiktató beszéde nagyjából leképezi a következő prezidenciális turnus négy évének agendáját, éppen ezért már meglehetősen sok kutatás alanyát képezte. Az eddigi vizsgálatok túlnyomó része a kulcsszavak előfordulási gyakoriságára koncentrált, amivel nem igazán térképezhetőek fel a tartalmi változások, hiszen a politikai diskurzust általában elnyomják az olyan szavak, mint a „nemzet”, a „nép” vagy a „világ”. Ami ezekből információtartalommal bírhat, az a fogalmak bevezetésének ideje, és a közöttük lévő kapcsolat. Ezen a ponton lép be a hálózatelemzés.

A dinamikus hálózatokban a szavak pontokat, az élek pedig közös előfordulásokat jeleznek; minél közelebb esik két pont egymáshoz, annál gyakrabban fordult elő közösen a két kifejezés. Az azonos témakörbe tartozó fogalmakat színük csoportosítja. A pontok mérete azt jelzi, hogy hány témakörbe tartozik az adott fogalom, vagyis minél nagyobbak, annál többször említik őket, vagy összekötő kapcsokat képeznek két téma között.

A szöveg hálózatelemzési metodológiájának alapjai a már említett közös előfordulások, amiket a Nodus Labs Textexture szoftvere elemez, végül pedig gráfokat készít. A nyers gráfokat ezután a Force Atlas algoritmussal formázzák: a kapcsolatban álló (közösen előforduló) pontok közel kerülnek egymáshoz, míg a különállók távol. A készen kapott, rendezett gráf már kiváló szemantikai térképként szolgál a szöveghez. Egy másik algoritmus végzi a pontok csoportosítását kapcsolataik alapján, amiket aztán a már említett módon, különböző színekkel jeleznek. A pontok méretet központiság mutatók alapján számolják. Fontos megemlíteni, hogy ezek a hálózatok sokkal komplikáltabban egy hagyományos szó vagy tag felhőhöz képest, amik csak gyakoriságokkal operálnak, míg előbbiek a kapcsolatok minőségét is figyelembe veszik.

Obama 2013-as beiktatási beszédének hálózata:

A fenti videó a szöveg szerkezetének szerkezeti változásait mutatja a vizsgált időszakban.

Bush, 2001:

Bush,  2005:

Az ifjabb Bush 2001-es beszédében például elsőként használja az idő (time) fogalmát arra, hogy sürgesse bizonyos politikai pontjainak a véghezvitelét.  Minden a máról (today) és a mostról (now) szól. A második turnus beszédében a hangsúly áttevődik a szabadságra (liberty, freedom), a trükköt Reagan elnök is sikeresen alkalmazta a második négy évének indító beszédében.

Obama, 2009:

Obama, 2013:

A retorika mestere 2009-ben elődeinek legjobb pontjait kombinálja, nemhiába, a szó (word) fontos helyet foglal el a hálózatban, hiszen beszédének azon részeire utal, ahol másokat idéz. Négy évvel később az idő (time) és szükség (requirement) fogalmak válnak fontossá, nem véletlenül, az elnöknek komoly kritikákra kellett reflektálnia a gazdasági és politikai helyzettel kapcsolatban, Obama pedig minden további nélkül eleget tett a feladatnak.

A módszertanról bővebben: http://noduslabs.com/research/pathways-meaning-circulation-text-network-analysis/

A cikk forrása:
http://noduslabs.com/cases/presidents-inaugural-speeches-text-network-analysis/

Mindannyian egyszerre több online közösség tagjai vagyunk, de hogy néznek ki ezek a közösségek valójában? Milyen helyet foglalunk el bennük mi magunk, és milyen szerepeket töltünk be?

Az alábbi ábra egy valós online közösség vizuális megjelenítése, amin a pontok embereket, a vonalak pedig kapcsolatokat jelölnek. A legtöbb ilyen, és ehhez hasonló szociális hálóban három csoport különíthető el: egy sűrűn kapcsolódó középső mag, egy lazább második gyűrű, és a külső, különálló pontok alkotta kör, az ún. „lesben állók”. A közösségekben ezek a csoportok a kapcsolat erősségét jelölik, egy ember tehát lehet a magban egy csoportban, és lesben álló egy másikban.

Az ábra három színe a három csoportot jelzi, az eloszlásuk és arányuk pedig megfelel a valóságban tapasztaltaknak. A lesben állók létszáma például mindig nagymértékben meghaladja a magban lévőkét, előbbi akár a teljes populáció kétharmadát is kiteheti. A csoport olyan tagokból áll, akik vagy új belépők - egyenlőre kapcsolatok nélkül - vagy olyan régiek, akik nem kívánnak kapcsolódni. Belőlük kerül ki a legtöbb távozó, de az is előfordulhat, hogy csak befogadó szerepben maradnak, például nem postolnak, csak követnek.

A zöld pontokkal jelzett második gyűrű tagjainak kevés kapcsolata van, többnyire előzetes ismeretségekből, amik lokális alhálókat alkotnak, és nem a nagyobb hálózat részei. Bár azonosulhatnak a közösséggel, nem szerves részei annak. Kapcsolataikat valószínűleg más platformokon ápolják, így nincs igazából szükségük erre a közösségre.

A piros belső mag a közösség szíve, egymást átfedő ego-hálók sokasága. Ide tartoznak a platform vezetői, akik végig itt maradnak, és építik a közösséget. Létszámuk az összpopulációhoz képest 1 és 10% között mozoghat, ennek ellenére vonzzák a figyelmet, és elkötelezettek.

Az ilyen online szervezeteket gyakran más szervezetek vagy cégek hozzák létre, akik profitálni szeretnének belőlük. Amit azonban gyakran figyelmen kívül hagynak, azok a felhasználói igények. Megfelelő stratégia nélkül látogatóik azonnal távoznak, amint egy új közösség jelentik meg a piacon, erre már számos példát láttunk: SixDegrees-->Friendster-->Orkut-->MySpace-->Facebook--> ?. A technológia mellett a hangsúly a kapcsolatokon van, az emberek szívesen maradnak annál, amit már ismernek, és amiken keresztül új dolgokat ismerhetnek meg, ebben pedig elengedhetetlen a belső mag létezése.

Egy közösséget kiaknázni kívánó szervezetnek tehát rájuk kell koncentrálnia, hiszen nemcsak folyamatosan növelik a hálózat méretét és sűrűségét, de el sem hagyják azt. Méretéből kifolyólag a hálózatkutatás módszereivel ez a csoport mérhető, feltérképezhetőek az információs csatornák, és az időbeli változásaik. A kapcsolatokon keresztül vizsgálhatóvá válik a közösségek hatása az egyéni döntésekre, illetve az is, hogy ezek a döntések hogyan formálják magát a közösséget.

Az adott közösség építése nemcsak új emberek belépéséből áll. Emberekre és kapcsolataikra is szükség van, hiszen az általuk létrejövő új mintázatok azok, amik kulcsfontosságúak lesznek a későbbiekben, és amik fenntartják a már meglévő tagok érdeklődését.

Forrás:
http://orgnet.com/community.html

A Maven Seven Hálózatkutató Zrt.(MA képzésben lévő) hallgatót keres 2013. márciustól

Szakmai Gyakornoki

feladatok ellátására

A Maven7 Magyarországon egyedülálló és nemzetközileg elismert hálózatkutatási és adatbányászati tapasztalatokra épülő üzleti szolgáltatásokat nyújt partnerei részére. Erős tudományos és szakmai háttérrel rendelkezünk a hálózatkutatás terén. Cégünkről többet megtudhat a www.maven7.hu weblapon.

A gyakornoki program 2013 márciusában indul és egy féléves időszakot takar. Azt várjuk, hogy a gyakornok hetente 2 napot töltsön a Maven7-nél.

 A gyakornok feladatai: 

Támogatás...

§  kutatások előkészítésében

§  adatrögzítésben, adatfeldolgozásban

§  eredmények kiértékelésében

§  prezentációk összeállításában

§  lelkesedés, kitartás

§  statisztikai, adatelemzé....A teljes felhívás megtekintéséhez klikk ide!

Előző cikkünkben már bemutattuk a Wolfram Alpha Facebook elemző alkalmazását, ami most újabb praktikákkal gazdagodott, és még színesebb képet ad szociális hálónkról.

Az első frissítés a vizualizációban történt, ahol a kapcsolatok már aszerint színeződnek (1.kép), hogy milyen csatornákon keresztül kapcsolódnak hozzánk ismerőseink. Vegyünk egy példát: ha egyetemi hallgató a felhasználó, sok egyetemi ismerőssel rendelkezik, és egy nagyobb középiskolás baráti körrel. Lehetnek olyan egyetemi barátok, akik közös középiskolába jártak, és hídként jelennek meg a hálózatban, mint a két egyébként különálló baráti csoport összekötői. Az új színezési módok új szűrési lehetőségeket is lehetővé tesznek (kor, nem, párkapcsolati státusz, tartózkodási hely szerinti szűkítés), amikkel új fényben jelenhet meg ismerősi körünk, és olyan kérdésekre kaphatunk válaszokat, mint: egy korosztályba tartoznak a szülővárosunkból származó barátaink, egy baráti körből kerülnek ki házas ismerőseink, és ki a legpopulárisabb egyetemi ismerősünk? Az egér mozgatásával az egyes pontok személyazonosságára is fény derül, egy klikk pedig a profiljukra irányít minket.

Összességében öt „szerep” különíthető el a hálózatban: insiderek és outsiderek, szomszédok és gatewayek és összekötők (2.kép). Az insiderek és outsiderek egymás ellenpárjai: az insidernek sok közös ismerőse van a felhasználóval (pl. közösen kezdték az egyetemet), míg az outsiderekkel vagy nagyon kevés közös barát van, vagy egy sem (pl. egy ismerős akivel egy nyaralás során találkoztak). A gatewayek és szomszédok hasonló ellenpárok: a gateway, vagy kapu barátnak sok olyan kapcsolata van, ami a felhasználó saját hálóján kívülre mutat (pl. az egyetemi újság szerkesztője), míg egy szomszéd kevés a közös körön kívüli ismerőssel rendelkezik (pl. a felhasználó ikertestvére).

A vizualizáción és a szerepeken túl az Alpha csapata meglévő adatbázisát kamatoztatva olyan dolgokat tud megmutatni, amiket egyébként nem látnánk. A barátaink tartózkodási helyének elemzésével a földrajzi kapcsolatok is felrajzolhatóak: ki a földrajzi szempontból legérdekesebb ismerős, ki van a legközelebb az északi sarkhoz vagy az egyenlítőhöz, de még azt is, hogy ki tartózkodik a legmagasabban a tengerszint felett (3.kép).

A geográfiai távlatokon túl történeti aspektusban is vizsgálhatóvá válik a profilunk, ha a riportunk tetején engedélyezzük, hogy a Wolfram adatokat gyűjtsön róla. Amint elég információ gyűlt össze, email értesítőt kapunk, és megtekinthetjük a profilunk evolúcióját. A Facebbok History Analytics  összegyűjti mely ismerősink költöztek el, vagy házasodtak össze és egy ábrán mutatja azt, ami egyébként feledésbe merült a Timeline folyamában.

A proszociális felhasználók tudományos célokra is felajánlhatják adataikat, amiken a Wolfram kutatói a későbbiekben mintákat keresnek. Az adat donorok segítségével további fejlesztéseken dolgoznak majd.

A szoftver az alábbi linken érhető el. Figyelem! Továbbra is addiktív.

A háziorvosok nagy bosszúságára véget ért az a kor, amikor az emberek könyvekhez és enciklopédiákhoz, vagy ideális esetben szakértőkhöz fordulnak egészségükkel kapcsolatos információkért. A rezidensektől a laikusokig ma már mindenki az interneten informálódik.

Egy új online felület, a Quantia MD kifejezetten az ő igényeikhez igazodik. Az oldal nem más, mint egy kollaborációs adatbázis, mintegy 160 ezer taggal, ami szociális hálózatként funkcionál. A platform lehetőséget biztosít orvosok számára, hogy megosszák tudásukat, és praxisukkal kapcsolatos tapasztalatokat.

A Resident Exchange Social Network szíve egy országos könyvtár, ami egy sor mélyre ható prezentációt tartalmaz, amiket vezető rezidensek készítettek. Az oldal az egészségügyi kérdések mellett olyan információkat is ad, ami segíthet azon problémák megoldásában, amikkel a rezidensek napi szinten találkoznak a gyorsan változó egészségügyi környezetben. A tagok asztali számítógépekről, tabletekről és okostelefonokról érhetik el az oldalt.

A rezidens időszak gyakran megviseli az orvostanoncokat, akiknek nagy segítségére lehet a korukbeliek vagy tapasztaltabb rezidensek támogatása. A stressz csökkentésével így arra koncentrálhatnak, amihez a legjobban értenek – életek mentésére.

Az oldal és toviábbi információk az alábbi linken érhetőek el.

2007-ben, a Wall Street Journal különböző megosztó és kollaboráló oldalakon végzett kutatást, mintegy 25 ezer felhasználó bevonásával. Végeredményeik érdekes tendenciákat mutattak: az AOL Netscape oldalán, akkori 1 millió felhasználójával, az „érdekes” címkével ellátott postok 13%-a egyetlen felhasználótól, a 27 éves ohiói programozótól, STONERS-től származott. A Digg-en, azon postok egyharmada, amik elég érdekesnek bizonyultak a főoldalra, az oldal 30 felhasználótól kerültek ki.

A legfigyelemreméltóbb eredmény azonban a Reddittel kapcsolatban került napvilágra. 2007-ben az oldal usereinek száma 400 ezer körül mozgott, a legbefolyásosabbjuk pedig Adam Fuhrer volt, aki az igazságszolgáltatás érdekesebb híreiből, és új szoftverekből mazsolázott. Legsikeresebb témája az új Windows Vista operációs rendszer hibáinak feltárása volt. Az újságírókat nem kis meglepetés érte, amikor kiderült, hogy Adam Fuhrer 12 éves, és Torontóban él a szüleivel, ahol az általános iskola padjait koptatja.

Bár mindenkit befolyásolnak az online szociális hálók, sokan nem vagyunk tisztában vele, hogyan is működnek valójában, és hogy irányító mechanizmusaik milyen hatással vannak ránk, a felhasználókra.

Vegyük például azt, hogy az olyan oldalak, mint a Facebook, a LinkedIn vagy a Twitter nem kész siteokként bukkannak fel, hanem napi szinten változnak és fejlődnek úgy, hogy újabb és újabb emberek csatlakoznak, akik építik a maguk szociális hálóját. Tudományos kutatások (például a skálafüggetlenséggel foglalkozó elméletek) kimutatták, hogy a hálózatok fejlődése preferenciális alapon működik, vagyis minden újonnan csatlakozott nagy valószínűséggel a már populáris pontokhoz fog kapcsolódni a hálózatban. Ez a preferenciális kötődés több dologra is magyarázatot ad a hálózatokkal kapcsolatban:

1. Egy online közösség hálózata strukturálisan függ kapcsolatainak fejlődésétől. Az, hogy hogyan nézett ki ma, meghatározza milyen lesz holnap, és a holnapi változások rajzolják ki a holnaputáni képet. Miután minden változás individuális döntés végeredménye, hosszabb előrejelzéseket nehezebb adni.
2. A befolyások eloszlása Pareto 80-20-as szabályához hasonlóan nem egyenletes. Léteznek kulcsszereplők, akiknek a kezében összpontosul a hatalom, és több ezer vagy millió felhasználót tudnak elérni. Ugyanakkor nehéz megjósolni, kik lesznek ezek a felhasználót, hiszen a véletlen kiemelkedően fontos tényező a network szerveződésében. Hogy lett a 12 éves kanadai fiúból a legolvasottabb felhasználó? valószínűleg írt valami megkapót, ami felkeltette az egyik véleményvezér figyelmét, akinek a követői is felfigyeltek. A folyamat – ami szintén nem idegen a hálózatok világában – önmagát gerjesztette, hiszen minél több ember ért el Adam, azok egyre nagyobb tömegeket hoztak magukkal.

Egy pillanatra képzeljük el, hogy a Microsoft vezérigazgatói fotelében ülünk, és tudni szeretnénk, ki lesz a következő Adam Fuhrer. A szénánk nem állna különösebben jól, hiszen jobb esélyünk lenne annak megtippelésére, hogy 2023-ban milyen napokon fog sütni a nap Óbudán. Annyiban azonban biztosak lehetünk, hogy lesznek még Adam Fuhrerek, ahogy volt egy 13%-os Netscape felhasználó, és 30 Digg user, akik a postok többségét generálták.

Azt mondhatjuk, hogy bár a hálózatok szerkezeti változásai egyéni szinten megjósolhatatlanok, kollektívan viszonylag előreláthatóak. A lokális, individuális fejlemények (a véleményvezérek személye) végkimenetele kérdéses, hiszen a fenti pontokba foglalt szervezősdi módokon alapulnak. A befolyás eloszlása azonban Pareto 80-20-as szabálya mentén történik, amiből kifolyólag elkerülhetetlen lesz annak koncentrációja. A kérdés már csak az, hogy melyik szociális háló vagy üzletág lesz képes kezelni ezt  az előreláthatatlan, ugyanakkor elkerülhetetlen szerveződést?

 Az eredeti cikk itt tekinthető meg.

A transznacionális vállalatok tulajdonviszonyainak hálózata egy olyan központi magot rajzol ki, amelyben 147 vállalat irányítja a globális gazdasági folyamatokat.

Pareto hüvelykujj-szabálya az élet számos területén, így a gazdaságban is tapasztalható. A 80/20-as eloszlás szerint a gazdasági kibocsájtás 80%-ért a vállalatok 20%-a felelős. Egy 2011-es kutatás azonban még komolyabb hatalmi koncentrációt tárt fel, ami sok mindent elmond a 21. század kapitalista gazdaságairól.

Három zürichi, rendszerelmélettel foglalkozó kutató a világ 43 ezer transznacionális vállalatának tulajdonosait vizsgálta, olyan közös részvényeseket keresve, akik nyomán mintázatot rajzolhattak. A természettudományokban már bevált módszerrel olyan hálózatot alkottak, amelyben nyilvánalóvá váltak az irányítás csatornái és azok a cégek, akik használják őket.

Stefania Vitali, James Glattfelder and Stefano Battiston egy 1318 cégből álló klasztert azonosítottak, amelynek minden pontja legalább 20 másikkal állt kapcsolatban. A hálózat egy csokornyakkendő formáját vette fel a vizualizáció során, sűrű csomóval a közepén, amely hidat képezett a távolabbi pontok között. A pont sűrűsége az egész hálózathoz képest nagyon nagy volt, ezzel elnyerve a „szuper-entitás” címkét. Nemcsak sűrű, hanem zárt is volt ez a mag, amelyben a tulajdonosok háromnegyede magából a magból került ki. Nem meglepő módon a magban szereplő szervezetek háromnegyede bank.    

A kutatók kiemelték, hogy a hálózat szerkezete mögött nem egy masszív összeesküvés-elmélet húzódik meg, és a nemzeti versenyszabályozások is megakadályozzák, hogy ezek a cégek kartellként kooperáljanak. Struktúrájából fakadóan, a centralizált gazdasági hatalom stabilitáshoz vezet, amire – ahogy azt a 2008-as válság megmutatta – nagy szükség van.

A magban lévő top 20 cég:           

1. Barclays plc
2. Capital Group Companies Inc
3. FMR Corporation
4. AXA
5. State Street Corporation
6. JP Morgan Chase & Co 
7. Legal & General Group plc 
8. Vanguard Group Inc
9. UBS AG
10. Merrill Lynch & Co Inc 
11. Wellington Management Co LLP
12. Deutsche Bank AG
13. Franklin Resources Inc
14. Credit Suisse Group
15. Walton Enterprises LLC
16. Bank of New York Mellon Corp
17. Natixis
18. Goldman Sachs Group Inc
19. T Rowe Price Group Inc
20. Legg Mason Inc

További részleteket a NewScientist oldalán olvashattok.

A nyáron már beszámoltunk arról, hogy egy orosz programozó feltérképezte az Internetet. Most izraeli kutatók vállalkoztak a feladatra, egy új módszertannal. A végeredmény: a ma létező legpontosabb térkép a világhálóról.

Több peer to peer kapcsolattal növelhető lenne az Internet kapacitása, és működése is zökkenőmentesebb lenne - legalábbis ezt állítja egy nemrég publikált tanulmány, ami az Internet szerkezetét vizsgálta. Shai Carmi, az izraeli Bar Ilan Egyetem fizikusa az első kutatást készítette el, amely funkció és összeköttetései szerint rendszerezte a világhálót. A végeredmény a web legpontosabb képét adja, ami valaha készült.

A kapott hálózat központjában 80 kritikus pont található, amelyet 5000 egyéb pont övez. A külső „kéreg” 15 000 izolált ponot mutat, amik szorosan függnek a magtól. A mag leválasztását követően érdekes dolog történik: a kéreg pontjainak 30%-a izolálódik, a fennmaradó 70 viszont továbbra is összeköttetésben marad, mert elég peer kapcsolata van ahhoz, hogy a mag nélkül is működjön. A magnak köszönhetően bármely négy pont elérhető négy lépésen belül, mag nélkül ez a szám megduplázódik. Carmi szerint ezek, a magot megkerülő útvonalak azok, amelyek tehermentesítik a központot, és növelhetik a hatékonyságot.

A kutatás 5 000 online önkéntes segítségével történt, akik egy letölthető programmal azonosítottak 20 000 pontot. A program pingekkel információkat kér az adott oldalról, és nyomon követi az információáramlás vonalát. Az eddigi kutatások során ezt számítógépekkel végezték, az új metódussal két éven keresztül, napi szinten gyűjtöttek adatokat, és 6 millió mérést végeztek, ami az Internet 20%-át fedte le.

Centralitás és periféria - az internet belső magja és külső pontjai.

A kutatók a k-shell modell segítségével hierarchikus szerkezetet vázoltak fel, amely azt veszi figyelembe, hogy egy adott pont milyen jól kapcsolódik a többihez.

További részletekért keressétek fel a Proceedings of the National Academy of Sciences adatbázisát!

A Nature szeptemberi cikke arról számol be, hogy egy szavazásra buzdító social media alkalmazás mérhető hatással volt a politikai aktivitásra. A Californiai Egyetem munkatársai a Facebookkal közösen az első olyan kutatást bonyolították le, amely egy ilyen közvetlen hatást bizonyít.

2010. novemberében, minden amerikai Facebook felhasználót egy emlékeztető fogadott a hírfolyamában, ami arra hívta fel a figyelmét, hogy aznap (kongresszusi) választások vannak, és információk voltak megadva a közeli szavazófülkékről, valamint egy „Én szavaztam” opcióval a profiljukon is feltüntethették, ha éltek a lehetőséggel. Egy folyamatos számlálóval azt is láthatták, hogy hányan szavaztak már. A „get out the vote” célközönsége a modern demokráciák apatikus szavazója, módszere pedig roppant egyszerű: megmutatja azon ismerőseink képét, akik már szavaztak. A metódus működik, ugyanis nemzeti szinten 340 ezerrel (!) növelte a leadott szavazatok számát.

A kutatás kimutatta, hogy a hatás elsősorban az erős kötéseken  (közeli barátok, rokonok stb.) keresztül terjed, ezzel azt sugallva, hogy a gyenge kötésekkel szemben a virtuális terekben ezek azok, amelyek befolyásolják a magatartást. 

A kísérlet keretein belül két, egyenként 600 ezer felhasználót tartalmazó kontroll csoport is véletlenszerűen kiválasztásra került. Az egyik csoport nem látta ismerősei profilképét, csak az üzenetet kapta meg, míg a másik csoport semmilyen emlékeztetésben nem részesült. A nyilvános szavazati adatok alapján kimutatták, hogy az online kampány 60 ezer szavazatért közvetlenül, további 280 ezerért pedig közvetve volt felelős. Utóbbit a kutatók „szociális fertőzés”-nek nevezték, és gyakrolatilag a szavazó barátok szavazó ismerőseinek felel meg.

Érdekesség, hogy a „szavazott” státuszú emberek 4%-a nem mondott igazat, tehát nem ment el ténylegesen szavazni. A poltikai orientációról nem sokat tudni, mivel a felhasználók csupán 1%-a vállalja nyilvánosan, hogy melyik oldalra húz a szíve.

A kampány azért nem elhanyagolható, mert az eddigi, politikai aktivitást serkenteni célzó próbálkozások közül egyik sem bizonyult áttörően sikeresnek. A legbeváltabb módszer az ajtóról ajtóra járás, amit önkéntesek végeznek. A legkevésbé hatékony ösztönző az email, ami azonban gyakran még a spam szűrőkig sem ér el. A politikai befolyáson kívül olyan más közösségekkel is kísérleteznek a kutatók, mint a dohányzással, az alkoholfogyasztással vagy a fogyókúrás  programokkal kapcsolatos csoportok.

A kísérletől a NY Times és a BBC is beszámolt.

Október 4-én, a Novotel Centrumban másodszorra kerül megrendezésre a Költséghatékonyság a gyógyszer-és egészségiparban konferencia, ahol sor kerül a Maven7 vezérigazgatójának, Rupper Péternek és Dr.Tímár Györgynek, a ComFit tulajdonosának közös előadására.

A prezentációra a  Új eszközök az üzleti tervek eléréséhez szekcióban kerül majd sor, és a hálózatkutatás gyógyszeripari felhasználása során elért eredményeit és lehetőségeit ismerteti majd.

Az előadás tartalma dióhéjban:

A formális intézményi rendszerek mellett minden közösségben – így az orvosi közösségekben is – létezik egy informális belső hálózat, amely döntően befolyásolja a csoport tagjainak viselkedésér, szokásait. Valójában ez a belső rendszer sokkal sokrétűbb és sokoldalúbb, mint azt elsőre gondolnánk.

A Key Opinion Leader Monitoring (KOLM) során ezt a belső informális hálózatot tárjuk fel objektív adatok segítségével, meghatározva a közösségre legnagyobb hatást gyakorló véleményformálókat, pontos képet adva hatáshálójukról. Egy 2005-ös amerikai felmérés (2005, Verispan) kimutatta, hogy az orvosok 87%-a követi a véleményvezére által javasolt kezelési iránymutatásokat.

Miért lehet tahát gyümölcsöző a hálózatkutatás ezen a területen? A gyógyszeipari szektor az egyetlen, amely a gazdasági válság ellenére is stabil, évi minimum 6%-os növekedést produkál. A laborvizsgálatokkal együtt csak Magyaroszágon, évi 450 millió beavatkozást végeznek, 200 millió receptet váltanak be, az Országos Egészségpénztár rendszere pedig 12 milliárd rekord szintű adatot rögzít. Ezen adatok alapján részletes hálózatok rajzolhatóak, ahol a KOL-ek azonosítását követően célzott gyógyszerpromóciós kampányok indíthatóak. Természetesen nemcsak elemezni, előrejelezni is lehet a módszerrel, a hálózat Rising Sztárjai, vagyis a feltörekvő kutatók is azonosíthatóak, illetve az is, hogy ki támogatja őket.
Felhasználói, vagyis a betegek oldaláról a lokális KOL-ek és Rising Starok relevánsak, tudományos nézőpontból pedig az egyes szereplők publikációs adatai, amelyek ismeretében kollaborációk születhetnek.

A részletes program az alábbi linken érhető el, az érdeklődőket szeretettel várják!

Korábbi cikkünkben már bemutattuk, hogyan lehet az individuális szociális média profilokból statisztikai alapanyag. Egy nagyobb léptékű kutatással most a nemzetek digitális ismeretségét demonstráljuk.

Az illegális szubsztanciák helyett a legális szerek összetevőinek hálózatát vizsgálta az indiai Infosys.

A több egyetem – köztük a Notre Dame és a Budapesti Corvinus Egyetem – kutatóiból álló kutatócsoport az élelmiszerek világkereskedelmi hálójának egy sötétebb szcenárióját vizsgálták komoly metodológiával. Azzal, hogy bolygónk lakossága túllépte 7 milliárdot, komoly kérdéseket vet fel az élelmezés, illetve a mindennapi betevő biztonsága és fenntarthatósága. A hatalmas kereslet miatt az élelmiszerkereskedelem mára egy komplex nemzetközi rendszerré nőtte ki magát, centrumában hét országgal, akik a világ országainak 77%-val állnak mindennapi kapcsolatban. A tömött áruházi polcoknak azonban ára van: a javak gyors és folyamatos áramlása mellett a fertőzések előtt is szabad az út, nem véletlen, hogy az eddig példátlan hálózati sűrűség rekordmennyiségű ételmérgezéssel kapcsolatos járványokkal társul. A legutóbbi emberi áldozatokat is követelő fertőzés például a 2011-es, Escherichia coli vírus volt Németországban, ami uborkákon keresztül jutott az áldozatok szervezetébe.

Jermain Kamisnki és Michael Schober Movie Galaxies néven futó blogja kvantitatív kutatásnak vet alá neves filmeket, ami alapján megrajzolja azok szociális hálózatait.

Kétségtelen, hogy nem az állatvilág az első asszociációink egyike, amikor a kultúrára gondolunk. Egy maroknyi hálózatelemző azonban változtathat ezen.

Egy orosz programozó Ruslan Enikeev valami egészen különlegeset alkotott: az Internet térképét. Az alkalmazás egy olyan forgalom-alapú hálózat, amelyben minden pont egy oldal, és minden oldalváltás egy kapcsolat.

Minél erősebb egy kapcsolat két oldal közt (a felhasználó minél gyakrabban váltott egy adott oldalról egy másikra), annál közelebb kerülnek pontjaik egymáshoz. A kétdimenziós rendszer mintegy 350 millió oldal adataiból dolgozik,196 országból. A pontok nagysága és távolsága mellett színük is információt hordoz, az egy országhoz köthető oldalak azonos árnyalatúra vannak festve. Oroszország piros, Kína sárga, Japán lila, Észak-Amerika pedig világoskék színekben pompázik. A technológiaorientált érdeklődők számára egy fizikai és kvantumfizikai analógia is ismerteti a matematikai módszert, amellyel a térkép operál. Az országok mellett különböző klaszterek is felfedezhetőek, amik tartalmuk alapján alakultak ki.

A „pillanatkép” 2011 végéig dolgozza fel a rendelkezésre álló adatokat. Az alkotó megfogalmazása szerint a projekt célja az volt, hogy „megpróbáljon betekintést nyújtani a hálózat rejtett struktúráiba, rátapintson kolosszális méretére, és rávilágítson arra, ami puszta statisztikákból nem derülne ki.”

Az egész világ a pénteken kezdődött Londoni Olimpia lázában ég. Minden országnak megvannak kedvenc sportágai - amelyek nem túl meglepően - pont egybeesnek azokkal a számokkal amikben kiemelkedőek.  Az angolok a lovaspólóért, a brazilok a fociért, a kínaiak ping-pongért és az atlétikáért,  az amerikai pedig szinte mindenért, de főleg az úszásért rajonganak.  Azt hiszem bátran kijelenthetjük, hogy a magyar szurkolók szívét leginkább a vízilabda dobbantja meg. Korábban már írtunk foci csapatok passzolásai alapján felrajzolt hálózatok elemzéséről, mivel kis hazánk nem képviseltette magát a Labdarúgó Európa Bajnokságon, így focis elemzést sajnos nem tudtunk készíteni. Készítettünk egy rövidebb összefoglalást az elmúlt 4 Olimpia vízilabda mérkőzései alapján. A Maven7 elemző csapatának (talán kissé elfogult) tippje az elmúlt évek eredményei alapján, hogy a magyar válogatottnak idén is  a dobogó legfelső fokán a helye.