Revealing social networks\' missed behavior: detecting reactions and time-aware analyses (2017)
- Authors:
- Autor USP: BARBOSA NETO, SAMUEL MARTINS - IME
- Unidade: IME
- Sigla do Departamento: MAC
- Assunto: CIENCIA DA COMPUTACAO
- Keywords: Comportamento de usuário; Paradoxo de simpson; Reddit; Reddit; Rede social; Simpson's paradox; Social network; Twitter; Twitter; User behavior
- Agências de fomento:
- Language: Inglês
- Abstract: Comunidades online proporcionam um ambiente fértil para análise do comportamento de indivíduos e processos sociais. Por exemplo, ao modelarmos interações sociais online, é importante compreendemos quando indivíduos estão reagindo a outros indivíduos. Além disso, pessoas e comunidades mudam com o passar do tempo, e levar em consideração sua evolução temporal nos leva a resultados mais precisos. Entretanto, em muitos casos, o comportamento dos usuários pode ser perdido: suas reações ao conteúdo ao qual são expostos não são capturadas por indicadores explícitos (likes no Facebook, replies no Twitter). Agregações temporais de dados pouco criteriosas podem ocultar, enviesar ou até levar a conclusões equivocadas sobre como usuários evoluem. Apresentamos uma nova abordagem para o problema de detectar respostas não-explicitas que utiliza similaridade tf-idf entre tweets de um usuário e tweets recentes que este usuário recebeu de quem segue. Com base em dados de postagens de um mês para 449 redes egocêntricas do Twitter, este método evidencia que temos um volume de ao menos 11% de reações não capturadas pelos mecanismos explicitos de reply e retweet. Além disso, essas reações não capturadas não estão uniformemente distribuídas entre os usuários: alguns usuários que criam replies e retweets sem utilizar os mecanismos formais da interface são muito mais responsivos a quem eles seguem do que aparentam.Isso sugere que detectar respostas não-explicitas é importante para mitigar viéses e construir modelos mais precisos a fim de estudar interações sociais e difusão de informação. Abordamos o problema de evolução de usuários no Reddit com base em dados entre o período de 2007 a 2014. Utilizando métodos simples de diferenciação temporal dos usuários -- cohorts anuais -- encontramos amplas diferenças entre o comportamento, que incluem criação de comentários, métricas de esforço e sobrevivência. Desconsiderar a evolução temporal pode levar a equívocos a respeito de fenômenos importantes. Por exemplo, o tamanho médio dos comentários na rede decresce ao longo de qualquer intervalo de tempo, mas este tamanho é crescente em cada uma das cohorts de usuários no mesmo período, salvo de uma queda inicial. Esta é uma observação do Paradoxo de Simpson. Dividir as cohorts de usuários em sub-cohorts baseadas em anos de sobrevivência na rede nos fornece uma perspectiva melhor; usuários que sobrevivem por mais tempo apresentam um maior nível de atividade inicial, com comentários mais curtos do que aqueles que sobrevivem menos. Com isto, compreendemos melhor como usuários evoluem no Reddit e levantamos uma série de questões a respeito de futuros desdobramentos do estudo de comportamento online
- Imprenta:
- Data da defesa: 29.05.2017
-
ABNT
BARBOSA NETO, Samuel Martins. Revealing social networks\' missed behavior: detecting reactions and time-aware analyses. 2017. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2017. Disponível em: http://www.teses.usp.br/teses/disponiveis/45/45134/tde-24082017-000227/. Acesso em: 29 maio 2024. -
APA
Barbosa Neto, S. M. (2017). Revealing social networks\' missed behavior: detecting reactions and time-aware analyses (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/45/45134/tde-24082017-000227/ -
NLM
Barbosa Neto SM. Revealing social networks\' missed behavior: detecting reactions and time-aware analyses [Internet]. 2017 ;[citado 2024 maio 29 ] Available from: http://www.teses.usp.br/teses/disponiveis/45/45134/tde-24082017-000227/ -
Vancouver
Barbosa Neto SM. Revealing social networks\' missed behavior: detecting reactions and time-aware analyses [Internet]. 2017 ;[citado 2024 maio 29 ] Available from: http://www.teses.usp.br/teses/disponiveis/45/45134/tde-24082017-000227/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
