TEDxVicenza Social Networking Analysis
15
Social Networking Analysis Vicenza 27 giugno 2015 C. Di Tullio aka Dr_Who - drwho.it
-
Upload
camillo-di-tullio -
Category
Data & Analytics
-
view
266 -
download
0
Transcript of TEDxVicenza Social Networking Analysis
– Comunicato stampa n.4 – 28 maggio 2015 TEDxVicenza.com
“Planting the seeds” è il tema scelto per la prima edizione di TEDxVicenza. Esperienze di vita, invenzioni e riflessioni saranno le
protagoniste di questa giornata dedicata alla conoscenza”.
Dopo una giornata di lavori, questa è la situazione.
Appare subito evidente che il 14% dei vertici generano il 71% delle interazioni (EdgeWithDuplicate/TotalEdge)
Il Rumore di fondo è pari al 23% circa (Self-loops)
Il percorso che le news devono compiere per coprire il grafo è abbastanza elevato (2,5 medio)
Cercheremo di isolare questi fenomeni
Graph Metric ValueGraph Type Directed
Vertices 237
Unique Edges 617Edges With Duplicates 1571Total Edges 2188
Self-Loops 502
Reciprocated Vertex Pair Ratio 0,127922971Reciprocated Edge Ratio 0,226829268
Connected Components 34Single-Vertex Connected Components 31Maximum Vertices in a Connected Component 201Maximum Edges in a Connected Component 2144
Maximum Geodesic Distance (Diameter) 5Average Geodesic Distance 2,521251
Graph Density 0,014660659Modularity Not Applicable
NodeXL Version 1.0.1.251
In-deg
ree
Out-degree
mappiamo i vertici in ottica multidimensionale:ascisse: out-degree ordinate: in-degree dimensione: Betweenness centrality colore: Eigenvector centrality archi: mentions+ReplyTo
In-deg
ree
Out-degree
Interazione:La mappatura restituisce una informazione molto importante: escludendo il profilo ufficiale dell’evento, non esistono vertici che si posizionano come “hub” classici; tutti con diverso grado di profondità interagiscono.
Segmentazione per reciprocitàin virtù di quanto emerso dalla summary quantitativa, segmentiamo il grafo in base alla reciprocità di relazione e lo filtriamo in base alla numerosità (>0) di in-degree ed out-degree . Appare evidente come il cluster legato da un rapporto biunivoco “guidi” le conversazioni
In-deg
ree
Out-degree
Posizionamento tridimensionaleMappando i vertici caratterizzati da relazione biunivoca sulle dimensioni di in-degrre out-degree e Betweenness (dimensioni), identifichiamo i top Twitters
out-de
gree
Eigenvector
Posizionamento tridimensionale bisVariando la mappatura con out-degree ed Eigenvector possiamo identificare tra i top Twitter gli influencer.
out-de
gree
Eigenvector
Posizionamento tridimensionale terConsiderando come termine di relazione solo i Reply-To gli attori principali non variano, salvo alcune eccezioni.
FELICITÀNella WordCloud è una delle parole che ricorre con maggiore frequenza
FELICITÀNella WordCloud è una delle parole che ricorre con maggiore frequenza Coerentemente con quanto i big data ci dicono, l’intervento di Richard Romagnoli è stato uno dei più apprezzati assieme a quello di Livio Valenti
#TEDxVicenza è partita con questi dati https://tweetreach.com/reports/14211711 da un conto approssimativo si è arrivati ad ottenere questi dati:
Impression: 428.948 Reach: 285.100
facendo sì che le persone coinvolte venissero “colpite” 1,5 volte dalle news
Who: C. Di Tullio aka DR_WHOWhat: marketer & blogger
Where: drwho.it
Social Networking Analysis
