Sus posibilidades de formar amistades en línea dependen principalmente de la cantidad de grupos y organizaciones a los que se une, no sus tipos, según un análisis de seis redes sociales en línea realizado por científicos de datos de la Universidad de Rice.

"Si una persona busca amigos, Básicamente, deberían estar activos en tantas comunidades como sea posible, "dijo Anshumali Shrivastava, profesor asistente de informática en Rice y coautor de un estudio revisado por pares presentado el mes pasado en la Conferencia Internacional IEEE / ACM 2018 sobre Avances en Análisis de Redes Sociales y Minería en Barcelona, España. "Y si quieren hacerse amigos de una persona específica, deberían intentar ser parte de todos los grupos de los que forma parte esa persona ".

El hallazgo se basa en un análisis de seis redes sociales en línea con millones de miembros, y Shrivastava dijo que su simplicidad puede sorprender a quienes estudian la formación de amistades y el papel que juegan las comunidades para generar amistades.

"Hay un viejo refrán que dice que los pájaros del mismo plumaje vuelan juntos, '", Dijo Shrivastava." Y esa idea, que las personas que son más similares tienen más probabilidades de convertirse en amigos, está incorporada en un principio llamado homofilia, que es un concepto ampliamente estudiado en la formación de amistades ".

Una escuela de pensamiento sostiene que debido a la homofilia, las probabilidades de que las personas se hagan amigas aumentan en algunos grupos. Para tener en cuenta esto en modelos computacionales de redes de amistad, los investigadores a menudo asignan a cada grupo una puntuación de "afinidad"; cuanto más parecidos sean los miembros del grupo, cuanto mayor sea su afinidad y mayores serán sus posibilidades de formar amistades.

Antes de las redes sociales, había pocos registros detallados sobre amistades entre individuos en grandes organizaciones. Eso cambió con la llegada de las redes sociales que tienen millones de miembros individuales que a menudo están afiliados a muchas comunidades y subcomunidades dentro de la red.

"Una comunidad, para nuestros propósitos, es cualquier grupo afiliado de personas dentro de la red, ", Dijo Shrivastava." Las comunidades pueden ser muy grandes, como todos los que se identifican con un país o estado en particular, y pueden ser muy pequeños, como un puñado de viejos amigos que se reúnen una vez al año ".

Encontrar puntuaciones de afinidad significativas para cientos de miles de comunidades en las redes sociales en línea ha sido un desafío para analistas y modeladores. El cálculo de las probabilidades de formación de amistades se complica aún más por la superposición entre comunidades y subcomités. Por ejemplo, si los viejos amigos del ejemplo anterior viven en tres estados diferentes, su pequeña subcomunidad se superpone con las grandes comunidades de personas de esos estados. Debido a que muchas personas en las redes sociales pertenecen a decenas de comunidades y subcomunidades, las conexiones superpuestas pueden volverse densas.

En 2016, Shrivastava y el coautor del estudio, Chen Luo, un estudiante de posgrado en su grupo de investigación, se dio cuenta de que algunos análisis bien conocidos de la formación de amistades en línea no tenían en cuenta los factores que surgen de la superposición.

"Digamos Adam, Bob y Charlie son miembros de las mismas cuatro comunidades, pero ademas, Adam es miembro de otras 16 comunidades, ", Dijo Shrivastava." El modelo de afiliación existente dice que la probabilidad de que Adam y Charlie sean amigos solo depende de las medidas de afinidad de las cuatro comunidades que tienen en común. No importa que cada uno de ellos sea amigo de Bob o que Adam esté siendo arrastrado en otras 16 direcciones ".

Eso pareció un descuido flagrante para Luo y Shrivastava, pero tenían una idea de cómo explicarlo basándose en una analogía que vieron entre las subcomunidades superpuestas y las similitudes superpuestas entre páginas web que los motores de búsqueda de Internet deben tener en cuenta. Una de las medidas más populares para la búsqueda en Internet es la superposición de Jaccard, que fue promovido por científicos de Google y otros a fines de la década de 1990.

"Usamos esto para medir la superposición entre comunidades y luego verificamos si había una relación entre la superposición y la probabilidad de amistad, o afiliación de amistad, en seis redes sociales bien estudiadas, ", Dijo Shrivastava." Encontramos que en los seis, la relación parecía más o menos una línea recta ".

"Eso implica que la formación de la amistad puede explicarse simplemente observando la superposición entre comunidades, "Dijo Luo". En otras palabras, no es necesario tener en cuenta las medidas de afinidad para comunidades específicas. Todo ese trabajo extra es innecesario ".

Una vez que Luo y Shrivastava vieron la relación lineal entre la superposición de comunidades de Jaccard y la formación de amistades, también vieron la oportunidad de utilizar un método de indexación de datos llamado "hash, "que se utiliza para organizar documentos web para una búsqueda eficiente. Shrivastava y sus colegas han aplicado hash para resolver problemas computacionales tan diversos como la detección de ubicación en interiores, la formación de redes de aprendizaje profundo y la estimación precisa del número de víctimas identificadas muertas en la guerra civil siria.

Shrivastava dijo que él y Luo desarrollaron un modelo para la formación de amistades que "imitaba la forma en que las matemáticas detrás del trabajo hash".

El modelo ofrece una explicación simple de cómo se forman las amistades.

"Las comunidades tienen eventos y actividades todo el tiempo, pero algunos de estos son un atractivo mayor, y la preferencia por asistir a estos es mayor, ", Dijo Shrivastava." Basado en esta preferencia, los individuos se vuelven activos en las comunidades preferidas a las que pertenecen. Si dos personas están activas en la misma comunidad al mismo tiempo, tienen una constante, generalmente pequeño, probabilidad de formar una amistad. Eso es todo. Esto recupera matemáticamente nuestro modelo empírico observado ".

Dijo que los hallazgos podrían ser útiles para cualquiera que quiera unir comunidades y mejorar el proceso de formación de amistades.

"Parece que la forma más eficaz es animar a las personas a formar más subcomunidades, ", Dijo Shrivastava." Cuantas más subcomunidades tengas, cuanto más se superponen, y es más probable que los miembros individuales tengan amistades más cercanas en toda la organización. La gente ha pensado durante mucho tiempo que este sería un factor, pero lo que hemos mostrado es que probablemente este sea el único al que debe prestar atención ".