Bergabung dengan Lebih Banyak Kumpulan Media Sosial Dapat Membantu Memenangi Rakan Dalam Talian

Satu kajian baru menunjukkan bahawa peluang anda menjalin persahabatan dalam talian bergantung pada jumlah kumpulan dan organisasi yang anda sertai, bukan jenisnya.

"Sekiranya seseorang mencari rakan, pada dasarnya mereka harus aktif dalam seberapa banyak komuniti," kata Dr Anshumali Shrivastava, seorang penolong profesor sains komputer di Universiti Rice di Houston dan pengarang bersama kajian ini. "Dan jika mereka ingin berteman dengan orang tertentu, mereka harus berusaha menjadi sebahagian dari semua kumpulan yang menjadi bagian dari orang itu."

Penemuan kajian ini berdasarkan analisis enam rangkaian sosial dalam talian dengan berjuta-juta ahli. Shrivastava menyatakan bahawa kesederhanaannya mungkin mengejutkan mereka yang mempelajari pembentukan persahabatan dan peranan yang dimainkan oleh masyarakat dalam menjalin persahabatan.

"Ada pepatah lama bahawa 'burung bulu berkumpul bersama,'" kata Shrivastava. "Dan idea itu - bahawa orang yang lebih serupa cenderung menjadi teman - terkandung dalam prinsipal yang disebut homofili, yang merupakan konsep yang banyak dipelajari dalam pembentukan persahabatan."

Salah satu aliran pemikiran berpendapat bahawa kerana homofilia, kemungkinan orang menjadi kawan meningkat dalam beberapa kumpulan, jelasnya. Untuk menerangkan hal ini dalam model komputasi rangkaian persahabatan, penyelidik sering memberikan skor "pertalian" kepada setiap kumpulan. Semakin banyak ahli kumpulan, semakin tinggi hubungan mereka dan semakin besar peluang mereka untuk menjalin persahabatan, katanya.

Sebelum media sosial, terdapat sedikit catatan terperinci mengenai persahabatan antara individu dalam organisasi besar. Itu berubah dengan munculnya rangkaian sosial yang mempunyai berjuta-juta anggota yang sering berafiliasi dengan banyak komuniti dan subkomuniti dalam rangkaian, menurut para penyelidik.

"Komuniti, untuk tujuan kami, adalah kumpulan orang yang berafiliasi dalam rangkaian," kata Shrivastava. "Komuniti boleh menjadi sangat besar, seperti semua orang yang mengenal pasti negara atau negara tertentu, dan mereka boleh menjadi sangat kecil, seperti segelintir kawan lama yang bertemu sekali setahun."

Menemukan skor hubungan yang bermakna bagi beratus-ratus ribu komuniti dalam rangkaian sosial dalam talian telah menjadi cabaran bagi penganalisis, kata para penyelidik. Mengira kemungkinan pembentukan persahabatan semakin rumit oleh pertindihan antara komuniti dan jawatankuasa kecil.

Sebagai contoh, jika rakan lama dalam contoh di atas tinggal di tiga negeri yang berbeza, subkomuniti kecil mereka bertindih dengan komuniti besar orang dari negeri-negeri tersebut. Kerana banyak individu di rangkaian sosial tergolong dalam berpuluh-puluh komuniti dan subkomuniti, hubungan yang bertindih boleh menjadi padat.

Pada tahun 2016, Shrivastava dan rakan penulis kajian Chen Luo, seorang pelajar siswazah dalam kumpulan penyelidikannya, menyedari bahawa beberapa analisis pembentukan persahabatan dalam talian yang terkenal gagal menjelaskan sebarang faktor yang timbul akibat pertindihan.

"Katakanlah Adam, Bob, dan Charlie adalah anggota dari empat komuniti yang sama, tetapi di samping itu, Adam adalah anggota dari 16 komuniti lain," kata Shrivastava.

"Model gabungan yang ada mengatakan bahawa kemungkinan Adam dan Charlie berkawan hanya bergantung pada ukuran hubungan empat komuniti yang mereka miliki. Tidak masalah bahawa masing-masing berkawan dengan Bob atau Adam ditarik ke arah 16 yang lain. "

Itu kelihatan seperti pengawasan yang mencolok bagi Luo dan Shrivastava. Tetapi mereka mempunyai idea tentang bagaimana memperhitungkannya berdasarkan analogi yang mereka lihat antara subkomuniti yang tumpang tindih dan persamaan yang tumpang tindih antara laman web yang mesti dipertimbangkan oleh mesin pencari Internet.

Para penyelidik dapat mengukur pertindihan antara komuniti. Mereka kemudian memeriksa untuk melihat apakah ada hubungan antara pertindihan dan kebarangkalian persahabatan, atau hubungan persahabatan, di enam jaringan sosial yang dipelajari dengan baik.

Mereka mendapati bahawa pada keenam-enamnya, hubungan itu lebih kurang sama seperti garis lurus.

"Itu menunjukkan bahawa pembentukan persahabatan dapat dijelaskan hanya dengan melihat pertindihan antara masyarakat," tambah Luo. Dengan kata lain, anda tidak perlu mengambil kira langkah-langkah pertalian untuk komuniti tertentu. Semua kerja tambahan itu tidak perlu. "

Setelah Luo dan Shrivastava melihat hubungan linear antara tumpang tindih masyarakat dan pembentukan persahabatan, mereka juga melihat peluang untuk menggunakan metode pengindeksan data yang disebut "hashing," yang digunakan untuk mengatur dokumen web untuk pencarian yang efisien.

Shrivastava dan rakan-rakannya telah menerapkan hashing untuk menyelesaikan masalah komputasi yang beragam seperti pengesanan lokasi dalam ruangan, latihan rangkaian pembelajaran mendalam, dan menganggarkan secara tepat jumlah mangsa yang dikenal pasti terbunuh dalam perang saudara Syria.

Shrivastava mengatakan dia dan Luo mengembangkan model untuk pembentukan persahabatan yang "meniru cara matematik di sebalik hashing bekerja."

Model itu memberikan penjelasan ringkas mengenai bagaimana persahabatan terbentuk, lapornya.

"Komuniti mengadakan acara dan aktiviti sepanjang masa, tetapi beberapa daripadanya adalah tarikan yang lebih besar, dan pilihan untuk menghadiri ini lebih tinggi," kata Shrivastava.

“Berdasarkan pilihan ini, individu menjadi aktif dalam komuniti yang paling disukai mereka. Sekiranya dua orang aktif dalam komuniti yang sama pada masa yang sama, mereka mempunyai kemungkinan yang berterusan, biasanya kecil, untuk menjalin persahabatan. Itu sahaja. "

Kajian itu dibentangkan pada Persidangan Antarabangsa IEEE / ACM 2018 mengenai Kemajuan dalam Analisis Jaringan Sosial dan Perlombongan di Barcelona, ​​Sepanyol.

Sumber: Universiti Rice

Foto: