Estimar la infectividad de un tweet a partir de los primeros 50 retweets es la clave para predecir si un tweet se volverá viral. según un nuevo estudio publicado en MÁS UNO el 17 de abril 2019 por Li Weihua de la Universidad de Beihang, China y colegas.

A medida que las redes sociales y los medios en línea continúan creciendo, también lo tiene la importancia de comprender cómo influyen en nuestros pensamientos y opiniones. En particular, poder predecir la propagación de los contagios sociales se considera un objetivo clave para esas redes de información social. Aunque se han utilizado modelos desarrollados en el campo de las enfermedades infecciosas para describir la difusión de ideas, los estudios no han utilizado datos reales para estimar qué tan contagiosa es la información. Los autores del presente estudio utilizaron aproximadamente un mes de datos de Twitter, que comprenden más de 12 millones de tweets y más de 1,5 millones de retweets, y estimaron la infectividad de cada tweet en función de la dinámica de la red de los primeros 50 retweets asociados. Luego, incorporaron las estimaciones de infectividad en un modelo con una constante de desintegración que captura la disminución gradual del interés a medida que envejece la información en línea.

Usando datos reales y simulaciones, los autores probaron la capacidad del modelo basado en la infectividad para predecir la viralidad de las cascadas de retweet, y comparó su desempeño con el del modelo de comunidad estándar, que incorpora otros factores predictivos, como el refuerzo social y los efectos de captura que actúan para mantener las cascadas de tweets dentro de pequeñas comunidades de usuarios conectados. Descubrieron que tanto para los datos reales de Twitter como para los datos simulados, el modelo de infectividad funcionó mejor que el modelo comunitario, lo que indica que la infectividad es una fuerza impulsora más importante para determinar si un tweet se vuelve viral. La combinación de los dos modelos en un modelo híbrido de infectividad comunitaria arrojó las predicciones más precisas, destacando la complejidad de las fuerzas interactuantes que determinan la vida y la muerte de la información de las redes sociales.

Los autores añaden:"Proponemos un modelo de simulación utilizando datos de Twitter para mostrar que la infectividad, que refleja el interés intrínseco de una cascada de información, puede mejorar sustancialmente la previsibilidad de las cascadas virales ".