Группа ученых из Университета Южной Калифорнии обнаружила в социальных сетях «эффект большинства»: некоторая информация может казаться широко распространенной нормой для большинства пользователей, тогда как на самом деле она представлена лишь среди небольшого числа популярных аккаунтов.
Эффект большинства может представлять определенную опасность, так как из-за него те идеи, которые на самом деле присущи меньшинству, могут выглядеть в глазах большинства нормой. Например, подростки могут посчитать суицид новым трендом, тогда как выпилилось всего лишь несколько жалких десятков, даже носки от гоши рубчинского популярнее (да, суицид и наркота - мои любимые темы, няши, и всё из-за иррационального хейта).
Ученые строили искусственные социальные сети с заданными параметрами распределения числа связей. Некоторым узлам сети (аккаунтам) присваивался бинарный атрибут, например «владеет iPhone/не владеет iPhone». После этого ученые следили за тем, как информация об этом распространяется по сети.
В том случае, когда атрибут присваивался узлам с большим числом связей, оказалось, что большинство других узлов в среднем считала его «нормой». При том, что в общем по сети его распространенность была мала.
При исследовании реальных социальных сетей оказалось, что в них наблюдаются аналогичные явления. Эффект большинства пропадал только тогда, когда среди узлов сети не было большого различия по числу связей, чего практически никогда не наблюдается в реальном случае.
Авторы отмечают, что эффект близости не зависел от конкретной топологии сети, а определялся лишь тем, от каких узлов поступала исходная информация.
http://arxiv.org/abs/1506.03022Эффект большинства во многом схож с хорошо известным в статистике «эффектом друга» - для большинства аккаунтов в социальных сетях число друзей будет меньше, чем среднее «число друзей у друзей». Такой перекос возникает из-за того, что одни и те же популярные аккаунты с большим числом друзей и подписчиков оказывают слишком большое влияние на статистику для каждого отдельно взятого аккаунта.
Чтобы разобраться в деталях анализа распространения информации и социальных связей офлайн и онлайн, рекомендую начать с теории графов (графы - это типа узлы, соединенные между собой; так можно узнать, например, от кого в компании распространяются сплетни, идеи, суицидальные тренды, гомофобия, ожирение, грипп и гонорея)
https://ru.wikipedia.org/wiki/Категория:Теория_графовПост на гиктаймсе, который поверхностно ознакомит с матстатом и понятием "парадокс дружбы" (или "парадокс инспекции")
https://geektimes.ru/post/261992/В тему матстатистики и теории графов еще очень советую почитать книгу Кристакиса и Фаулера "Связанные одной сетью. Как на нас влияют люди, которых мы никогда не видели" (2011)
"Это книга о том, как мы заражаем друг друга перееданием, курением, склонностью к насилию или стремлением к благотворительности.
Мы не осознаем, насколько мы все зависимы от людей, которых зачастую даже никогда не видели. Если друг брата вашей невесты бросил курить, то вероятность того, что бросите в скором времени и вы, повышается. Знать то, как устроены эти структуры и как они работают, важно и для политика, и для рекламщика, и для любого человека, интересующегося социальной психологией" (с)
Это до сих пор одна из моих любимых книг, но писать рецензии мне совсем не дано, так что буду надеяться, что когда-нибудь ее прочтут красотки с каналов
@myunpublished,
@krispotupchik или
@booksfox - мне их впечатления от книг читать так же интересно, как сами книги
А файл pdf с книгой ниже, просвещайтесь :*
