Rejoindre plus de groupes de médias sociaux peut aider à gagner des amis en ligne

Une nouvelle étude montre que vos chances de former des amitiés en ligne dépendent du nombre de groupes et d'organisations que vous rejoignez, et non de leurs types.

«Si une personne recherche des amis, elle doit essentiellement être active dans autant de communautés que possible», a déclaré le Dr Anshumali Shrivastava, professeur adjoint d'informatique à l'Université Rice de Houston et co-auteur de l'étude. «Et s'ils veulent devenir amis avec une personne en particulier, ils devraient essayer de faire partie de tous les groupes dont cette personne fait partie.»

Les conclusions de l’étude reposent sur une analyse de six réseaux sociaux en ligne comptant des millions de membres. Shrivastava a noté que sa simplicité peut surprendre ceux qui étudient la formation de l'amitié et le rôle que jouent les communautés dans la création d'amitiés.

"Il y a un vieux dicton selon lequel" les oiseaux d'une plume se rassemblent ", a déclaré Shrivastava. «Et cette idée - que les gens qui se ressemblent plus sont plus susceptibles de devenir amis - est incarnée dans un principe appelé homophilie, qui est un concept largement étudié dans la formation de l'amitié.

Une école de pensée soutient qu'en raison de l'homophilie, les chances que les gens deviennent amis augmentent dans certains groupes, a-t-il expliqué. Pour en tenir compte dans les modèles de calcul des réseaux d'amitié, les chercheurs attribuent souvent à chaque groupe un score «d'affinité». Plus les membres du groupe se ressemblent, plus leur affinité est élevée et plus leurs chances de former des amitiés sont grandes, a-t-il noté.

Avant les médias sociaux, il y avait peu de documents détaillés sur les amitiés entre les individus dans les grandes organisations. Cela a changé avec l'avènement des réseaux sociaux qui comptent des millions de membres qui sont souvent affiliés à de nombreuses communautés et sous-communautés au sein du réseau, selon les chercheurs.

«Une communauté, pour nos besoins, est tout groupe de personnes affilié au sein du réseau», a déclaré Shrivastava. «Les communautés peuvent être très grandes, comme tous ceux qui s'identifient à un pays ou un état particulier, et elles peuvent être très petites, comme une poignée de vieux amis qui se rencontrent une fois par an.»

Trouver des scores d'affinité significatifs pour des centaines de milliers de communautés dans les réseaux sociaux en ligne a été un défi pour les analystes, ont déclaré les chercheurs. Le calcul des chances de formation d'amitié est encore compliqué par le chevauchement entre les communautés et les sous-comités.

Par exemple, si les anciens amis de l'exemple ci-dessus vivent dans trois États différents, leur petite sous-communauté chevauche les grandes communautés de personnes de ces États. Étant donné que de nombreux individus dans les réseaux sociaux appartiennent à des dizaines de communautés et sous-communautés, les connexions qui se chevauchent peuvent devenir denses.

En 2016, Shrivastava et le co-auteur de l'étude Chen Luo, un étudiant diplômé de son groupe de recherche, ont réalisé que certaines analyses bien connues de la formation d'amitié en ligne ne tenaient pas compte des facteurs découlant du chevauchement.

«Disons qu'Adam, Bob et Charlie sont membres des mêmes quatre communautés, mais en plus, Adam est membre de 16 autres communautés», a déclaré Shrivastava.

«Le modèle d'affiliation existant dit que la probabilité qu'Adam et Charlie soient amis dépend uniquement des mesures d'affinité des quatre communautés qu'ils ont en commun. Peu importe que chacun d'eux soit ami avec Bob ou qu'Adam soit entraîné dans 16 autres directions. "

Cela semblait être un oubli flagrant pour Luo et Shrivastava. Mais ils avaient une idée de la façon d'en rendre compte en se basant sur une analogie qu'ils voyaient entre les sous-communautés qui se chevauchent et les similitudes qui se chevauchent entre les pages Web qui doivent être prises en compte par les moteurs de recherche Internet.

Les chercheurs ont pu mesurer le chevauchement entre les communautés. Ils ont ensuite vérifié s'il y avait une relation entre le chevauchement et la probabilité d'amitié, ou affiliation d'amitié, sur six réseaux sociaux bien étudiés.

Ils ont constaté que sur les six, la relation ressemblait plus ou moins à une ligne droite.

«Cela implique que la formation de l'amitié peut être expliquée simplement en regardant le chevauchement entre les communautés», a ajouté Luo. "En d'autres termes, vous n'avez pas besoin de tenir compte des mesures d'affinité pour des communautés spécifiques. Tout ce travail supplémentaire est inutile.

Une fois que Luo et Shrivastava ont vu la relation linéaire entre le chevauchement des communautés et la formation de l'amitié, ils ont également vu une opportunité d'utiliser une méthode d'indexation des données appelée «hachage», qui est utilisée pour organiser des documents Web pour une recherche efficace.

Shrivastava et ses collègues ont appliqué le hachage pour résoudre des problèmes de calcul aussi divers que la détection d'emplacement à l'intérieur, la formation de réseaux d'apprentissage en profondeur et l'estimation précise du nombre de victimes identifiées tuées dans la guerre civile syrienne.

Shrivastava a déclaré que Luo et lui avaient développé un modèle de formation d'amitié qui "imitait la façon dont les mathématiques derrière le hachage fonctionnent."

Le modèle offre une explication simple de la façon dont les amitiés se forment, a-t-il rapporté.

«Les communautés organisent des événements et des activités tout le temps, mais certains d'entre eux sont un plus grand tirage au sort, et la préférence pour y assister est plus élevée», a déclaré Shrivastava.

«Sur la base de cette préférence, les individus deviennent actifs dans les communautés préférées auxquelles ils appartiennent. Si deux personnes sont actives dans la même communauté en même temps, elles ont une probabilité constante, généralement faible, de former une amitié. C'est tout."

L'étude a été présentée à la conférence internationale IEEE / ACM 2018 sur les progrès de l'analyse des réseaux sociaux et de l'exploitation minière à Barcelone, en Espagne.

Source: Université Rice

Photo: