Dine chancer for at danne online venskaber afhænger hovedsageligt af antallet af grupper og organisationer, du tilmelder dig, ikke deres typer, ifølge en ny analyse af seks online sociale netværk.
”Hvis en person er på udkig efter venner, skal de dybest set være aktive i så mange samfund som muligt,” siger Anshumali Shrivastava, assisterende professor i datalogi ved Rice University og medforfatter af Studiet, som forskerne præsenterede på 2018 IEEE / ACM International Conference on Advances in Social Networks Analysis and Mining. "Og hvis de ønsker at blive venner med en bestemt person, skal de prøve at være en del af alle de grupper, som personen er en del af."
Fundet er baseret på en analyse af seks online sociale netværk med millioner af medlemmer. Shrivastava siger, at dets enkelhed kan komme som en overraskelse for dem, der studerer venskabsdannelse og den rolle, som samfund spiller for at skabe venskaber.
'Fugle af en fjer'
"Der er et gammelt ordsprog, at 'fugle af en fjer strømmer sammen'," siger Shrivastava. "Og den idé - at folk, der er mere ens, er mere tilbøjelige til at blive venner - er legemliggjort i en rektor kaldet homofil, hvilket er et meget undersøgt koncept i venskabsdannelse."
En tankegang fastholder, at på grund af homofil øges sandsynligheden for, at folk bliver venner i nogle grupper. For at redegøre for dette i beregningsmodeller for venskabsnetværk tildeler forskere ofte hver gruppe en "affinitets" -score; jo mere ens gruppemedlemmer er, jo højere er deres tilhørsforhold, og jo større er deres chancer for at danne venskaber.
Forud for sociale medier var der få detaljerede optegnelser om venskaber mellem enkeltpersoner i store organisationer. Det ændrede sig med fremkomsten af sociale netværk, der har millioner af individuelle medlemmer, der ofte er tilknyttet mange samfund og underkommuner inden for netværket.
”Hvis to mennesker er aktive i samme samfund på samme tid, har de en konstant, normalt lille, sandsynlighed for at danne et venskab. Det er det."
"Et samfund til vores formål er enhver tilknyttet gruppe mennesker inden for netværket," siger Shrivastava. ”Samfund kan være meget store, ligesom alle, der identificerer sig med et bestemt land eller en bestemt stat, og de kan være meget små, som en håndfuld gamle venner, der mødes en gang om året.”
At finde meningsfulde affinitetsscorer for hundreder af tusinder af samfund i online sociale netværk har været en udfordring for analytikere og modellerere. Beregning af oddsene for venskabsdannelse kompliceres yderligere af overlapningen mellem samfund og underkommuner. For eksempel, hvis de gamle venner i ovenstående eksempel bor i tre forskellige stater, overlapper deres lille underfællesskab med de store samfund af mennesker fra disse stater. Fordi mange individer i sociale netværk tilhører snesevis af samfund og underkommuner, kan overlappende forbindelser blive tætte.
Overlappende tilsyn
I 2016 indså Shrivastava og studiemedforfatter Chen Luo, en kandidatstuderende i sin forskningsgruppe, at nogle kendte analyser af online venskabsdannelse ikke redegjorde for faktorer, der opstod som følge af overlapning.
"Lad os sige, Adam, Bob og Charlie er medlemmer af de samme fire samfund, men derudover er Adam medlem af 16 andre samfund," siger Shrivastava. ”Den eksisterende tilknytningsmodel siger, at sandsynligheden for, at Adam og Charlie er venner, kun afhænger af affinitetsmålene i de fire samfund, de har til fælles. Det betyder ikke noget, at hver af dem er venner med Bob, eller at Adam trækkes i 16 andre retninger. ”
Det virkede som et skarpt tilsyn for forskerne, men de havde en idé om, hvordan de skulle redegøre for det baseret på en analogi, de så mellem de overlappende underkommuner og de overlappende ligheder mellem websider, som internetsøgemaskiner skal tage i betragtning. Et af de mest populære tiltag til internetsøgning er Jaccard-overlapningen, som Google-forskere og andre var banebrydende i slutningen af 1990'erne.
Modellen giver en enkel forklaring på, hvordan venskaber dannes: overlapning mellem samfund.
”Vi brugte dette til at måle overlapning mellem samfund og kontrollerede derefter, om der var et forhold mellem overlapning og sandsynlighed for venskab eller venskabstilknytning på seks velstuderede sociale netværk,” siger Shrivastava. "Vi fandt ud af, at forholdet på alle seks mere eller mindre lignede en lige linje."
”Det indebærer, at venskabsdannelse kun kan forklares ved at se på overlapning mellem samfund,” siger Luo. ”Med andre ord behøver du ikke redegøre for affinitetsforanstaltninger for bestemte samfund. Alt det ekstra arbejde er unødvendigt. ”
Matematikken bag at få venner
Når forskerne så det lineære forhold mellem Jaccards overlapning af samfund og venskabsdannelse, så de også en mulighed for at bruge en dataindekseringsmetode kaldet "hashing", som organiserer webdokumenter til effektiv søgning. Shrivastava siger, at han og Luo udviklede en model til venskabsdannelse, der "efterlignede den måde, matematikken bag hashing fungerer på." Modellen giver en enkel forklaring på, hvordan venskaber dannes.
”Fællesskaber har arrangementer og aktiviteter hele tiden, men nogle af disse er et større træk, og præferencen for at deltage i disse er højere,” siger Shrivastava. ”Baseret på denne præference bliver enkeltpersoner aktive i de mest foretrukne samfund, som de tilhører. Hvis to mennesker er aktive i samme samfund på samme tid, har de en konstant, normalt lille, sandsynlighed for at danne et venskab. Det er det. Dette gendanner matematisk vores observerede empiriske model. ”
Han siger, at resultaterne kan være nyttige for alle, der ønsker at samle samfund og forbedre processen med venskabsdannelse.
"Det ser ud til, at den mest effektive måde er at tilskynde folk til at danne flere underkommuner," siger Shrivastava. ”Jo flere underkommuner du har, jo mere overlapper de hinanden, og jo mere sandsynligt er det, at individuelle medlemmer vil have flere tætte venskaber i hele organisationen. Folk har længe troet, at dette ville være en faktor, men det vi har vist er, at det nok er den eneste, du skal være opmærksom på. ”
National Science Foundation, Air Force Office of Scientific Research og Office of Naval Research støttede dette arbejde.
Kilde: Rice University
{youtube}ZVRbSuY3h9w{/youtube}
Relaterede bøger
at InnerSelf Market og Amazon
