CARACTERIZAÇÃO DE REDES SOCIAIS: ESTUDO DE CASO EM BLOGS POLÍTICOS

Transcrição

1 CARACTERIZAÇÃO DE REDES SOCIAIS: ESTUDO DE CASO EM BLOGS POLÍTICOS Lucas Bueno [PIBIC/CNPq] 1, Gustavo A. Giménez Lugo [Orientador] 2, Rosana Rogiski [Colaboradora] 3 1 Licenciatura em Física - DAFIS 2,3 DAINF Campus Curitiba Universidade Tecnológica Federal do Paraná UTFPR, Av. Sete de Setembro, Rebouças lucas_buenow@hotmail.com, gustavo@dainf.ct.utfpr.edu.br, rrogiski@hotmail.com Resumo: Este artigo apresenta uma análise de dados elaborada a partir da coleta de informações propagadas em blogs temáticos. As informações foram extraídas com o uso de programas computacionais e apresentadas na forma de gráficos. A partir destes gráficos foram levantadas algumas possíveis interpretações a respeito do comportamento da rede social dentro do período observado (2005 a 2010). Palavras-chave: Blogs temáticos, redes sociais, comportamento da rede social. Abstract: This paper presents an analysis of data drawn from the collection of information propagated in thematic blogs. The information was extracted with the use of computer softwares and presented as graphs. From these graphs have been raised about possible interpretations of the behavior of social network within the study period (2005 to 2010). Keywords: Thematic blogs; social network; behavior of social network. INTRODUÇÃO Qualquer sistema cujos elementos interagem entre si, pode ser modelado como uma rede complexa [1] que computacional e matematicamente podem ser representados por grafos contendo nós (vértices) e arestas (ligações entre os nós), assim representados pela simplicidade e por possibilitar uma forma didática para sua manipulação e interpretação. Sua importância na ciência é justificada por possibilitar descrever a topologia das redes do mundo real e na compreensão da relação entre estrutura e dinâmica. Outra interpretação de Redes Complexas é dada por Wassrman e Faust [2], para quem uma rede social consiste de um ou mais conjuntos finito de atores com relação ou relações definidas sobre eles. A presença de informação relacionada é um recurso crítico e uma definição de rede social. Neste artigo, serão apresentadas informações iniciais sobre um estudo de caso de redes complexas, a partir da análise da propagação de informações em blogs [3] durante o período de 2005 a Para tanto, utilizam-se métodos estatísticos e softwares computacionais, na busca pela compreensão do comportamento característico desse tipo de rede social. SISTEMAS COMPLEXOS E REDES SOCIAIS

2 O estudo da teoria de grafos teve início no século XVIII com Euler, por volta do ano de No século XX Erdos e Renyi elaboraram estatísticas e algoritmos para estudar as redes, Erdos e Renyi concluíram que, em geral, as redes têm uma topologia complexa. Logo passaram a propor um modelo aleatório para a resolução dos problemas utilizando métodos probabilísticos [4]. Como foi citado na introdução, o uso dos grafos em computação possibilita a manipulação e a extração de informações a respeito de uma rede social. A figura 1 representa um exemplo de grafo simples com o conjunto de vértices V = {1, 2, 3, 4, 5, 6} e um conjunto de arestas E = { {1,2}, {1,5}, {2,3}, {2,5}, {3,4}, {4,5}, {4,6} } Figura 1. Exemplo de um grafo. Fonte própria Grafos simples, como mostrado na figura 1, permitem uma compreensão razoável do funcionamento da rede apenas com uma observação visual. Mas ao passo em que temos um grande número de nós em uma rede, torna-se impossível a interpretação do fenômeno apenas observando os grafos. Então nesses casos faz-se necessário o uso de ferramentas computacionais para a interpretação do fenômeno. A seguir serão mostradas algumas métricas aplicáveis aos grafos. Elas são utilizadas para realizar inferências na modelagem de redes sociais. Um caminho [2] em uma rede é uma coleção de n nós i 1, i 2,..., i n tal que para cada um destes nós existe uma aresta para o próximo nó na sequencia. O comprimento (l) pode ser calculado através da equação 1: (1) O coeficiente de agrupamento [2] de um nó quantifica a densidade de conexões próxima a um nó. Essa tendência ao agrupamento (ou tendência a forma panelinhas ) é quantificada pelo coeficiente de agrupamento (cluster). O coeficiente de agrupamento pode ser calculado através da equação 2: (2) A ideia de centralidade [2] de indivíduos (ou centralidade de grau) e organizações nas redes sociais foi a primeira a ser prosseguida da análise de redes sociais. As origens imediatas da idéia estão baseadas no conceito sociométrico da "estrela" - aquela pessoa que é o mais "popular" em seu grupo ou que está no centro das atenções [5]. A centralidade pode ser calculada através da euqação 3: 2

3 (3) Intermediação é uma medida aproximada que o vértice i exerce sobre o fluxo de informações entre os outros vértices. Se imaginarmos informações fluindo entre indivíduos na rede e sempre tomando o caminho mais curto possível, então a intermediação ou centralidade de intermediação mede a fração da informação que irá fluir através do caminho que se está seguindo [6]. A intermediação pode ser calculada através da equação 4: A proximidade [2] ou centralidade de proximidade é uma medida baseada na distância de um ator em relação aos outros atores em uma rede. A medida de centralidade de proximidade (closeness) de um ator é obtida por meio da soma das distâncias geodésicas entre todos os outros atores. A proximidade pode ser calculada através da equação 5: (4) (5) BLOGS TEMÁTICOS: ESTUDO DE CASO EM SISTEMAS COMPEXOS A noção de uma rede social e os métodos de análise de redes sociais tem atraído consideravelmente o interesse e a curiosidade das ciências do comportamento e ciências sociais nas últimas décadas. Muitos desses interesses podem ser atribuídos ao aparecimento atraente de focos da analise de redes sociais entre as relações de entidades sociais, padrões e implicações nessas relações [2]. O estudo de caso feito em blogs [7] temáticos mostra que a interação entre estes blogs pode ser estudada, com base em métodos estatísticos e softwares computacionais, a fim de compreendermos o comportamento característico dessas redes sociais. Quando analisamos um fenômeno a partir de ferramentas computacionais e métodos estatísticos, abrimos uma porta para uma interpretação física do fenômeno. A análise de redes sociais é cada vez mais importante em muitos campos juntamente com a sociologia, incluindo a análise de inteligência, propaganda e demais sistemas [5]. Para que futuramente desenvolvamos um modelo que represente aproximadamente o comportamento de uma rede social é importante que antes seja feito uma caracterização da rede. A caracterização de redes sociais é importante, pois é a partir dela que encontraremos os padrões que nos levarão a possíveis interpretações de como o sistema está evoluindo ao longo do tempo. A Física desenvolveu um arsenal de ferramentas para prever o comportamento de um sistema complexo como um todo a partir das propriedades de seus constituintes [4]. De particular interesse em Física são os modelos de sistemas dinâmicos, isto é, modelos que estabelecem alguma relação matemática entre quantidades físicas e o tempo, considerado como uma variável independente [6]. 3

4 Metodologia. Os grafos representativos da propagação de informações em blogs foram obtidos a partir da análise e filtragem dos dados obtidos em um trabalho anterior [8]. Foram buscados posts e comentários com base nos dados disponíveis foram buscadas palavras chaves que se relacionavam á presidente Dilma Roussef com o objetivo de verificar como se deu o crescimento de citações à referida pessoa no grupo de blogs analisado. Os dados de citações foram transformados em grafos com pesos nas arestas, onde cada nó representa um blog que citou o tema e as arestas mostram a quantidade de vezes que o blog do nó citou o blog representado pelo nó do final da aresta. Os grafos foram gerados mediante a análise quadrimestral dos dados e na sequência foram interpretados com a ajuda do software Pajek [9]. O software forneceu os dados das medidas que nos interessavam. A partir da coleta destes dados elaboramos alguns gráficos que nos permitiram entender o comportamento da rede dentro do período estudado (2005 a 2010). RESULTADOS As figuras 2, 3 (a), 3(b), 4, 5 (a), 5(b) e 6 apresentam os resultados obtidos a partir da coleta de dados. Chamamos de nós, os blogs que apareceram nos grafos analisados, ou seja, blogs que fizeram alguma citação com a palavra-chave: Dilma Rousseff. Chamaremos de arestas quando, em algum quadrimestre, uma pessoa enviou ou recebeu um comentário em seu blog com a palavra-chave: Dilma Rousseff. Os gráficos mostram medidas feitas em relação ao tempo (Ano/Quadrimestres) e em relação a alguns nós. A figura 2 mostra o número de nós que citaram a palavra-chave Dilma Rousseff ao longo do tempo. Figura 2. Número de nós em relação ao tempo (quadrimestres) A curva desenhada no gráfico da figura 2 mostra que a propagação de informações cresceu em acordo com a popularidade política da pessoa Dilma Rousseff. O crescimento maior ocorreu nos quadrimestres referentes ao ano de Ano em que Dilma Rousseff candidatou-se a presidência do Brasil. Os demais gráficos devem ser interpretados a partir deste primeiro gráfico. Uma vez que o número de nós nos três quadrimestres iniciais eram quase nulos, muitos valores medidos fugiram do padrão observados nos demais quadrimestres. As figuras 3 (a), 3 (b) e 4 mostram os valores de comprimento, coeficiente de agrupamento e centralidade ao longo do tempo. 4

5 Na figura 3 (a), a função exponencial mostra que nos quadrimestres iniciais houve um crescimento rápido do comprimento da rede, mas que se estabilizou a partir de 2007 até os últimos quadrimestres analisados. Comparando com o gráfico da figura 2 é possível perceber que a partir de 2007, com o aumento do número de blogs, surgiu um padrão de comprimento em torno de 2,5. Isso mostra que mesmo com a dinâmica de aumento de nós na rede o padrão de propagação de informações se manteve praticamente constante. Na figura 3 (b) e na figura 4 os valores referentes aos três quadrimestres de 2005 foram desconsiderados devido a valores próximos de zero. O gráfico da figura 3 (b) mostra que a tendência de agrupamento reduziu-se ao longo do tempo. Isso mostra que, como o número de blogs cresceu, a rede passou a ter vários grupos pequenos que interagiam apenas entre eles. Figura 3. (a) Comprimento da rede. (b) Coeficiente de Agrupamento da rede Quanto ao gráfico da figura 4, os valores da centralidade diminuíram seguindo uma curva semelhante a do gráfico anterior, levando a uma possível interpretação de que a rede passou a ter, depois de um determinado tempo, poucos nós com grande popularidade e muitos nós com baixa popularidade. Figura 4. Centralidade da rede Os gráficos das figuras 5 (a) e 5 (b) apresentam os valores coletados da intermediação em relação ao tempo e ao nós, respectivamente. O gráfico da figura 5 (a) confirma a 5

6 interpretação feita a respeito dos dois gráficos anteriores. Uma vez que temos grupos menores com um grande número de informações sendo propagadas entre eles, é de se esperar que tenhamos uma queda nos valores de intermediação da rede. A figura 5 (b) mostra em ordem decrescente os valores de intermediação dos nós que surgiram no segundo quadrimestre de Uma vez que os dados foram colocados em ordem decrescente é possível observar que muitos nós tem seu grau de intermediação próximo de zero e poucos nós tem um grau de intermediação mais alto que os demais, como por exemplo o nó 38. Figura 5. (a) Intermediação da rede pelo. (b) Intermediação da rede (2007/2) Na figura 6 o gráfico apresenta os valores da proximidade em relação aos nós em ordem decrescente. Este quadrimestre foi escolhido porque os dados coletados nesta etapa do processo mostraram um padrão de comportamento da rede que se seguiu até os últimos dados coletados. Também neste quadrimestre o gráfico que nos mostrou uma curva exponencial na intermediação que foi semelhante a curva da proximidade. Assim como no gráfico da figura 5 (b), o gráfico da figura 6 mostra que são poucos os nós que tem um alto grau de proximidade comparado aos demais nós observados neste semestre. Figura 6: Proximidade da rede (2007/2) Comparando as figuras 5 (b) e 6 é possível observar que os nós 38, 29 e 292, por exemplo, mantém um alto valor de intermediação e centralidade. Podemos perceber então que estes nós são os quais passam um grande fluxo de informações. Uma possível interpretação a 6

7 respeito dos resultados coletados nestes últimos dois gráficos é que há poucos blogs que são referenciados ou citados enquanto que há muitos blogs que dirigem seus comentários a um ou a dois blogs. CONCLUSÕES Com base nos dados extraídos podemos concluir que a velocidade de crescimento das trocas de informações entre blogs ao longo do período estudado acompanhou o crescimento da popularidade da (atual) presidente Dilma Rousseff. O padrão encontrado no comportamento da rede nos permitiu entender com mais clareza que a dinâmica de informações que circulam através de blogs podem ser analisadas e futuramente modeladas. Este estudo de caso permite que, em trabalhos futuros, sejam elaborados modelos computacionais que expressem como a rede social se comportou no período analisado e como ela tende a se comportar posteriormente. AGRADECIMENTOS Ao CNPq, pelo apoio financeiro. A todos que direta ou indiretamente ajudaram na concretização deste trabalho. REFERÊNCIAS [1] VICSEK T.; BARABASI A. L.; PALLA G.; Community Dynamics in Social Network; Fluctuation and Noise Letters; Vol. 7 n World Scientific Publishing Company [2] WASSERMAN, S., & K. FAUST. (1994) Social Network Analysis: Methods and Applications [3] PIKAS C. K. Detecting Communities in Science Blogs; College of Information Studies; University of Maryland; College Park, MD, USA; 2009 [4] ALBERT, R. e BARABÁSI, A.-L., Statistical Mechanics of complex networks. Rev. Mod. Phys Applications. New York and Cambridge: Cambridge University Press. [5] SCOTT, J. Social Network Analysis (A Handbook) SAGE Publications, California USA [6] NEWMAN M. E. J. The Mathematics of Networks. Center for the Stuy of Complex Systems, University of Michigan, Ann Arbor [7] SATHIK M.M.; RASHEED A. A. Social Network Analysis in an Online Blogsphere; nternational Journal of Engineering Science and Technology; vol. 3; n. 1; 2011 [8] MACOHIN A. Extração e Visualização de Redes Sociais em Blogs f. Trabalho de Conclusão de Curso (Tecnologia em Sistemas para Internet) - Departamento Acadêmico de Informática, Universidade Tecnológica Federal do Paraná. Curitiba. [9] V. Batagelj and A. Mrvar. (2006). Pajek Disponível em: Acessado em 10 abr