Hur man gör vänner online

Din chans att bilda online-vänskap beror främst på antalet grupper och organisationer du går med, inte deras typer, enligt en ny analys av sex online sociala nätverk.

"Om en person letar efter vänner bör de i princip vara aktiva i så många samhällen som möjligt", säger Anshumali Shrivastava, biträdande professor i datavetenskap vid Rice University och medförfattare till studien, som forskarna presenterade vid IEEE / ACM International Conference on Advances in Social Networks Analysis and Mining 2018. "Och om de vill bli vänner med en viss person, bör de försöka vara en del av alla de grupper som personen är en del av."

Resultatet är baserat på en analys av sex online sociala nätverk med miljontals medlemmar. Shrivastava säger att dess enkelhet kan komma som en överraskning för dem som studerar vänskapsformation och rollen samhällen spelar för att skapa vänskap.

'Fåglar av en fjäder'

"Det finns ett gammalt ordspråk att" fjäderfåglar flockar ihop ", säger Shrivastava. "Och den tanken - att människor som är mer likartade är mer benägna att bli vänner - förkroppsligas i en rektor som kallas homofil, vilket är ett allmänt studerat begrepp inom vänskapsbildning."

En tankegång håller det på grund av homofil ökar oddsen att människor blir vänner i vissa grupper. För att redogöra för detta i beräkningsmodeller av vänskapsnätverk tilldelar forskare ofta varje grupp en "affinity" -poäng; De mer lika gruppmedlemmarna är desto högre är deras affinitet och desto större är deras chanser att bilda vänskap.


innerself prenumerera grafik


Före sociala medier fanns det få detaljerade uppgifter om vänskap mellan individer i stora organisationer. Det förändrades med tillkomsten av sociala nätverk som har miljontals enskilda medlemmar som ofta är anslutna till många samhällen och delkommuner inom nätverket.

"Om två personer är aktiva i samma samhälle samtidigt, har de en konstant, vanligtvis liten sannolikhet att bilda en vänskap. Det är allt."

"En gemenskap, för vårt ändamål, är någon ansluten grupp människor inom nätverket, säger Shrivastava. "Gemenskaperna kan vara mycket stora, som alla som identifierar med ett visst land eller land, och de kan vara mycket små, som en handfull gamla vänner som träffas en gång om året."

Att hitta meningsfulla affinitetsresultat för hundratusentals samhällen i online sociala nätverk har varit en utmaning för analytiker och modellerare. Att beräkna oddsen för vänskapsformationen kompliceras ytterligare av överlappningen mellan samhällen och delkommunerna. Till exempel, om de gamla vännerna i det ovanstående exemplet bor i tre olika stater, överlappar deras små underkommun med de stora samhällena människor från dessa stater. Eftersom många individer i sociala nätverk hör till dussintals samhällen och underkommuner, kan överlappande anslutningar bli täta.

Överlappningsövervakning

I 2016, Shrivastava och studie medförfattare Chen Luo, en doktorand i sin forskningsgrupp, insåg att några välkända analyser av online-vänskapsformation misslyckades med att ta hänsyn till eventuella faktorer som uppstod av överlappning.

"Låt oss säga att Adam, Bob och Charlie är medlemmar i samma fyra samhällen, men dessutom är Adam medlem av 16 andra samhällen", säger Shrivastava. "Den befintliga anslutningsmodellen säger att sannolikheten för att Adam och Charlie är vänner bara beror på affinitetsåtgärderna för de fyra samhällen som de har gemensamt. Det spelar ingen roll att var och en av dem är vänner med Bob eller att Adam är dras i 16 andra riktningar. "

Det verkade som en uppenbar övervakning för forskarna, men de hade en uppfattning om hur de skulle redogöra för det baserat på en analogi de såg mellan de överlappande underkommunerna och de överlappande likheterna mellan webbsidor som internetsökmotorer måste ta hänsyn till. En av de mest populära åtgärderna för internetsökning är Jaccard-överlappningen, som Google-forskare och andra var banbrytande i slutet av 1990-talet.

Modellen erbjuder en enkel förklaring av hur vänskapen bildar: överlappar mellan samhällen.

"Vi använde detta för att mäta överlapp mellan samhällen och sedan kontrolleras för att se om det fanns ett förhållande mellan överlapp och vänskapssannolikhet eller vänskapsanslutning på sex välstudierade sociala nätverk", säger Shrivastava. "Vi fann att på alla sex såg förhållandet mer eller mindre ut som en rak linje."

"Det innebär att vänskapsformationen kan förklaras enbart genom att titta på överlapp mellan samhällen", säger Luo. "Med andra ord behöver du inte redogöra för affinitetsåtgärder för specifika samhällen. Allt det extra arbetet är onödigt. "

Matematiken bakom att göra vänner

När forskarna såg det linjära förhållandet mellan Jaccards överlappning av samhällen och vänskapsbildning, såg de också en möjlighet att använda en dataindexeringsmetod som kallas "hashing", som organiserar webbdokument för effektiv sökning. Shrivastava säger att han och Luo utvecklade en modell för vänskapsbildning som "efterliknade hur matematiken bakom hashing fungerar." Modellen ger en enkel förklaring av hur vänskap bildas.

"Gemenskapen har händelser och aktiviteter hela tiden, men några av dessa är en större rita, och preferensen att delta i dessa är högre," säger Shrivastava. "Baserat på denna preferens blir individer aktiva i de mest föredragna samhällen som de tillhör. Om två personer är aktiva i samma samhälle samtidigt, har de en konstant, vanligen liten sannolikhet att bilda en vänskap. Det är allt. Detta återställer matematiskt vår observerade empiriska modell. "

Han säger att resultaten kan vara användbar för alla som vill samla samhällen och förbättra processen för vänskapsformation.

"Det verkar som att det mest effektiva sättet är att uppmuntra människor att bilda fler delmöten", säger Shrivastava. "Ju fler delmöten du har desto mer överlappar de, och ju mer sannolikt det är att enskilda medlemmar kommer att ha mer nära vänskap i hela organisationen. Folk har länge trott att detta skulle vara en faktor, men det som vi har visat är det här är nog den enda du måste uppmärksamma. "

National Science Foundation, Air Force Office of Scientific Research och Naval Research Office stödde detta arbete.

källa: Rice University

{youtube}ZVRbSuY3h9w{/youtube}

relaterade böcker

at InnerSelf Market och Amazon