Recentemente abbiamo pubblicato su FriendFeed una visualizzazione della rete degli utenti basata sui nostri dati dell’anno scorso. Siccome dalla mappa (che potete vedere qui sotto) è nata un’interessante discussione abbiamo pensato che fosse opportuno fornire qualche dettaglio su come è stata realizzata e su quali possono essere le indicazioni ed i limiti di questo genere di visualizzazioni.
La mappa si basa su una rete di 8024 utenti – identificati come italiani – con 244542 archi direzionati. In realtà la mappa visualizza solo gli utenti con un numero di follower maggiore di 147 (ma le statistiche sono state calcolate sull’intera rete).
La rete è stata raccolta nel Settembre del 2009 a partire dalle conversazioni prodotte dagli account pubblici (questo spiega l’assenza dalla mappa di quegli utenti con account privati). Per maggiori dettagli sul processo di estrazione dei dati è possibile vedere questo paper.
La rete è stata elaborata con Gephi (http://gephi.org) e mostra i link in ingresso (In Degree) come dimensione dei nodi ed il valore di Betweenness Centrality come intensità del colore.
La mappa che emerge è decisamente interessante perché mostra da un lato, come prevedibile, una serie di utenti molto seguiti (nodi molto grandi) ed un numero decisamente maggiore di utenti minori variamente connessi. Al tempo stesso la mappa mostra però una assenza di correlazione tra la dimensione del nodo (il numero di followers) e l’intensità del colore (la Betweenness Centrality). La Betweenness Centrality è una misura spesso utilizzata per individuare hub o nodi particolarmente significativi all’interno di una rete, misura infatti quanto spesso uno specifico nodo si trova nel “percorso più breve” tra due nodi della rete stessa.
Da questo punto di vista è possibile quindi notare che il numero di connessioni non è, da solo, garanzia di essere hub centrali nella rete (anche se, ovviamente, aiuta).
In conclusione è però necessario fare una piccola considerazione.
Metriche come quelle qui utilizzate sono standard nella Social Network Analysis e funzionano bene per descrivere delle reti tradizionali. Reti come FriendFeed (ma lo stesso vale per Twitter) hanno però alcune specificità rispetto alle modalità di propagazione delle informazioni che rendono queste metriche solo parzialmente descrittive di questi network. Quando su FriendFeed il meccanismo dei commenti o dei like mi porta in contatto con informazioni postate da contatti che io non seguo direttamente (e questo accade in continuazione) ecco che si realizza una connessione che la nostra mappa – costruita a partire dai follower e following espliciti – non riesce a visualizzare e della quale un valore come la Betweennes Centrality non tiene conto.
In altre parole le metriche tradizionali funzionano molto bene quando devono descrivere la rete fino a che la rete è immobile, quando la rete si anima e le relazioni sociali entrano in gioco abbiamo bisogno di nuove metriche.
Su queste nuove metriche stiamo lavorando e speriamo di riuscire a presentare qualcosa presto.