Připojení k více skupinám sociálních médií může pomoci získat přátele online

Nová studie ukazuje, že vaše šance na vytvoření online přátelství závisí na počtu skupin a organizací, ke kterým se připojíte, nikoli na jejich typech.

"Pokud člověk hledá přátele, měl by být v zásadě aktivní v co největším počtu komunit," řekl Dr. Anshumali Shrivastava, odborný asistent výpočetní techniky na Rice University v Houstonu a spoluautor studie. "A pokud se chtějí spřátelit s konkrétním člověkem, měli by se pokusit být součástí všech skupin, kterých je tento člověk součástí."

Zjištění studie vycházejí z analýzy šesti online sociálních sítí s miliony členů. Shrivastava poznamenal, že jeho jednoduchost může být překvapením pro ty, kteří studují formování přátelství a roli komunit při vytváření přátelství.

"Existuje staré rčení, že 'ptáci pírka se shromažďují společně,' 'řekl Shrivastava. "A tato myšlenka - že lidé, kteří jsou si více podobní, se s větší pravděpodobností stanou přáteli - je ztělesněna v principu zvaném homofilie, což je široce studovaný koncept ve formování přátelství."

Jedna myšlenková myšlenka tvrdí, že kvůli homofilii se v některých skupinách zvyšuje pravděpodobnost, že se lidé stanou přáteli, vysvětlil. Aby to vědci zohlednili ve výpočetních modelech sítí přátelství, vědci často každé skupině přidělili skóre „afinity“. Čím více jsou si podobní členové skupiny, tím vyšší je jejich afinita a větší šance na navázání přátelství, poznamenal.

Před sociálními médii existovalo několik podrobných záznamů o přátelství mezi jednotlivci ve velkých organizacích. To se podle výzkumníků změnilo s příchodem sociálních sítí, které mají miliony členů, kteří jsou často přidruženi k mnoha komunitám a subkomunitám v rámci sítě.

"Komunita je pro naše účely jakákoli přidružená skupina lidí v síti," řekl Shrivastava. "Komunity mohou být velmi velké, jako každý, kdo se ztotožňuje s konkrétní zemí nebo státem, a mohou být velmi malé, jako hrst starých přátel, kteří se setkávají jednou za rok."

Nalezení smysluplného skóre afinity pro stovky tisíc komunit v online sociálních sítích bylo pro analytiky výzvou, uvedli vědci. Výpočet pravděpodobnosti vzniku přátelství se dále komplikuje překrýváním mezi komunitami a podvýbory.

Například pokud staří přátelé ve výše uvedeném příkladu žijí ve třech různých státech, jejich malá subkomunity se překrývá s velkými komunitami lidí z těchto států. Protože mnoho jednotlivců v sociálních sítích patří k desítkám komunit a subkomunit, mohou se překrývající se spojení zhustnout.

V roce 2016 si Shrivastava a spoluautor studie Chen Luo, postgraduální student ve své výzkumné skupině, uvědomili, že některé známé analýzy utváření online přátelství nezohledňují žádné faktory vyplývající z překrývání.

"Řekněme, že Adam, Bob a Charlie jsou členy stejných čtyř komunit, ale kromě toho je Adam členem dalších 16 komunit," řekl Shrivastava.

"Stávající model přidružení říká, že pravděpodobnost, že se Adam a Charlie stanou přáteli, závisí pouze na míře afinity čtyř komunit, které mají společné." Nezáleží na tom, že každý z nich je kamarád s Bobem nebo že Adam je tažen 16 dalšími směry. “

Luovi a Shrivastavě to připadalo jako do očí bijící dohled. Měli však představu, jak to zohlednit, na základě analogie, kterou viděli mezi překrývajícími se dílčími komunitami a překrývajícími se podobnostmi mezi webovými stránkami, které musí internetové vyhledávače zohledňovat.

Vědci dokázali měřit překrývání mezi komunitami. Poté na šesti dobře prostudovaných sociálních sítích zkontrolovali, zda existuje vztah mezi přesahem a pravděpodobností přátelství nebo přátelstvím.

Zjistili, že na všech šesti vztazích vztah víceméně vypadal jako přímka.

"To znamená, že vznik přátelství lze vysvětlit pouhým pohledem na překrývání mezi komunitami," dodal Luo. "Jinými slovy, nemusíte počítat s afinitními opatřeními pro konkrétní komunity." Celá ta práce navíc není nutná. “

Jakmile Luo a Shrivastava viděli lineární vztah mezi překrytím komunit a vytvářením přátelství, viděli také příležitost použít metodu indexování dat nazvanou „hashing“, která se používá k organizaci webových dokumentů pro efektivní vyhledávání.

Shrivastava a jeho kolegové aplikovali hash na řešení výpočetních problémů tak rozmanitých, jako je detekce umístění v interiéru, školení sítí hlubokého učení a přesný odhad počtu identifikovaných obětí zabitých v syrské občanské válce.

Shrivastava řekl, že spolu s Luem vyvinuli model pro vytváření přátelství, který „napodoboval způsob, jakým matematika stojí za hashovací prací“.

Model nabízí jednoduché vysvětlení toho, jak přátelství vznikají, uvedl.

"Komunity pořádají akce a aktivity po celou dobu, ale některé z nich jsou větší remízou a preference jejich účasti jsou vyšší," řekl Shrivastava.

"Na základě této preference se jednotlivci stávají aktivními v nejvíce preferovaných komunitách, do kterých patří." Pokud jsou dva lidé aktivní ve stejné komunitě současně, je u nich neustálá, obvykle malá pravděpodobnost navázání přátelství. A je to."

Studie byla představena na mezinárodní konferenci IEEE / ACM 2018 o pokroku v analýze a těžbě sociálních sítí ve španělské Barceloně.

Zdroj: Rice University

Fotografie: