Post on 05-Dec-2014
description
#1EXTRAIR, MINERAR E VISUALIZAR CONTROVÉRSIAS EM REDES SOCIAIS
Rede VemPrarua: junho a outubro de 2013
Prof. Dr. Fábio MaliniUniversidade Federal do Espírito Santo
curso naCâmara dos DeputadosLaboratório Hacker
#1objetivos
Prof. Dr. Fábio Malini :: curso Câmara dos Deputados
Compreender os Termos e Medidas básicos utilizados na análise de redes sociais.
Extração de redes para analisar as métricas dentro de uma rede social.
Capacitação no uso do software Gephi e em análise semântica de controvérsias na rede.
#1objetivos
Prof. Dr. Fábio Malini :: curso Câmara dos Deputados
Compreender os Termos e Medidas básicos utilizados na análise de redes sociais.
Realização de atividade prática para consolidar o conhecimento teórico adquirido.
Capacitação no uso do software Gephi e em análise semântica de controvérsias na rede.
#1.1Termos e definições na análise de redes sociais.
Prof. Dr. Fábio Malini UFES
- Nó. Representado, numa rede, por pontos. Em redes sociais, os nós representam o nome do perfis.
fabiomalini
ufeslabic
ufesonline
francisodre
#1.1Termos e definições na análise de redes sociais.
Prof. Dr. Fábio Malini UFES
- Aresta. Representado, numa rede, por linhas. Em redes sociais, as linhas revelam as ações dos perfis: compartilhamento (RTs) ou comentários (ATs) de uma mensagem.
fabiomalini
ufeslabic
#1.1Nós e arestas.
A B
uma aresta(RTs, Shares, Replies, Ligação...)
Nóshumanos ou bots
Nós e arestas possuem atributos. Ex: conteúdo de um tweet é atributo de uma aresta.
Rede direcional Rede não-direcional
5
O peso da rede(valor atribuído nas arestas)
#1.1arestas.Importante:As arestas podem ser de tipo Simples ou de tipo Ponderada.
simples: quando a ligação não possui peso
ponderada: quando diferentes arestas possuem pesos distintos.
5
3
1Quando o peso da aresta entre dois nós é forte, conceituamos a relação de “laços fortes”.
#1.1Clusters.
É um conjunto de nós fortemente conectado.
Cluster 04
Cluster 02Cluster 03
Cluster 01
Clusters, em termos sociais, são grupos de interesses comuns. São estruturas de afinidades. Perspectividades.
#1.1Grafo.
Cluster 04
Cluster 02Cluster 03
Cluster 01
É a representação gráfica de uma rede interativa.
Ele pode ser:- Direcional ou dirigido: quando um nó possui ligação com outro não necessariamente recíproca (ex: Instagram, Twitter);
- Não direcional ou não dirigido: quando a ligação entre dois nós é necessariamente recíproca (ex: Facebook e Orkut).
MEDIDAS NA ANÁLISE DE REDES SOCIAIS
#1.1Estatísticas
As medidas ajudam no entendimento dos papéis sociais (em sentido amplo, nas subjetivações) constituído pela ação dos perfis nas redes sociais.
#1.1Estatísticas
GRAU MÉDIODefine o peso dos nós de acordo com a quantidade de suas conexões.
Grau de entrada: número de conexões que um nó recebe de outro.
Grau de saída: número de conexões que sai de um nó para outro.
#1.1Estatísticas
GRAU PONDERADO MÉDIO
Similar ao grau médio, mas, para a sua medida, utiliza-se dos pesos das arestas em seu algoritmo para então definir o peso dos nós.
A recebeu 50 Retweets de B
C recebeu 10 Retweets de B, 10 de D, 5 de E, 5 de F,
João recebeu doação de R$ 50 mil da empresa Slide.
Maria recebeu doação de R$ 50 mil reais de 50 empresas diferentes, no valor de R$ 1 mil.
Qual é a diferença de GRAU e GRAU PONDERADO MÉDIO?
João e Maria possuem o mesmo Grau. Mas Maria possui um valor maior em seu grau Ponderado Médio, por conta da diversidade de suas relações.
A3
1
B
C10
2
1
6
Qual dos nós possuirá maior GRAU MÉDIO?
1
2
2
EF
D
( ) A( ) B( ) C( ) D( ) E( ) F
A3
1
B
C10
2
1
6
Qual dos nós possuirá maior GRAU PONDERADO MÉDIO?
1
2
2
EF
D
( ) A( ) B( ) C( ) D( ) E( ) F
A3
1
B
C10
2
1
6
Qual dos nós possuirá maior GRAU PONDERADO MÉDIO DE ENTRADA?
1
2
2
EF
D
( ) A( ) B( ) C( ) D( ) E( ) F
( ) A( ) B( ) C( ) D( ) E( ) F
Qual dos nós possuirá maior GRAU DE SAÍDA?
A3
1
B
C8
1
1
41
1
2
EF
D
2
A3
1
B
C8
1
1
41
1
2
EF
D
2
GRAU de entrada: é uma medida de popularidade.
GRAU de saída: é uma medida de intensidade informativa.
#1.2Extraindo dados para identificar o grau de um nó numa rede social.
Prof. Dr. Fábio Malini UFES
Crawl: importado do inglês, o verbo “crawlear” (“to crawl”) neste contexto significa minerar/coletar dados da web, de mídias, de redes sociais etc.
Prof. Dr. Fábio Malini UFES
FlockerWebapp que age como estruturador de redes de retweets em tempo real. Permite exportar o grafo criado para GEXF, PNG e SVG.http://flocker.outliers.es/
NetvizzAplicativo do Facebook de fácil utilização que possibilita extrair redes de amigos, páginas e grupos a que o usuário está conectado.https://apps.facebook.com/netvizz/
#1.2Crawlers
Prof. Dr. Fábio Malini UFES
NodeXLExtensão para o Microsoft Excel que permite extrair dados de redes comoFacebook, Flickr, Twitter e Youtube, assim como posterior exportação para Gephi.http://nodexl.codeplex.com/
GNIPPermite extrair dados da rede do Twitter. É o único que não possui limite de tempo de publicação do tweet nem limite de requisições ao servidor.http://gnip.com/
#1.2Crawlers
Prof. Dr. Fábio Malini UFES
YourTwapperKeeperPermite a configuração de diferentes keywords para monitoração,captura e armazenamento de tweets em tempo real. Necessita de instalação.https://github.com/540co/yourTwapperKeeper
#1.2Crawlers
TELA DO YTKAS PRIMEIRAS EXTRAÇÕES DO LABIC/UFES E CIBERCULT E MEDIALAB / UFRJ(processo de pesquisa Cartografia das Controvérsias políticas na internet – CNPq/CAPES)
Prof. Dr. Fábio Malini UFES
Analisando um arquivo de grafos no Twitter: o caso do #MarcoCivil.
#1.3Atividade Prática
Muito Obrigado!E até breve!
fabiomalini@gmail.comhttp://labic.net27 4009 2752