Le tue possibilità di formare amicizie online dipendono principalmente dal numero di gruppi e organizzazioni a cui ti unisci, non i loro tipi, secondo un'analisi di sei social network online da parte dei data scientist della Rice University.

"Se una persona cerca amici, dovrebbero fondamentalmente essere attivi nel maggior numero possibile di comunità, " disse Anshumali Shrivastava, assistente professore di informatica presso la Rice e coautore di uno studio peer-reviewed presentato il mese scorso alla conferenza internazionale IEEE/ACM 2018 sui progressi nell'analisi e nell'estrazione delle reti sociali a Barcellona, Spagna. "E se vogliono diventare amici di una persona specifica, dovrebbero cercare di far parte di tutti i gruppi di cui quella persona fa parte."

La scoperta si basa su un'analisi di sei social network online con milioni di membri, e Shrivastava ha detto che la sua semplicità può sorprendere coloro che studiano la formazione dell'amicizia e il ruolo che le comunità giocano nel creare amicizie.

"C'è un vecchio detto che 'gli uccelli di una piuma si affollano insieme, '" ha detto Shrivastava. "E quell'idea - che le persone che sono più simili hanno maggiori probabilità di diventare amici - è incarnata in un principio chiamato omofilia, che è un concetto ampiamente studiato nella formazione dell'amicizia."

Una scuola di pensiero sostiene che a causa dell'omofilia, le probabilità che le persone diventino amici aumentano in alcuni gruppi. Per tenerne conto nei modelli computazionali delle reti di amicizia, i ricercatori spesso assegnano a ciascun gruppo un punteggio di "affinità"; più i membri del gruppo sono simili, maggiore è la loro affinità e maggiori sono le loro possibilità di formare amicizie.

Prima dei social, c'erano pochi documenti dettagliati sulle amicizie tra individui nelle grandi organizzazioni. Ciò è cambiato con l'avvento dei social network che hanno milioni di singoli membri che sono spesso affiliati a molte comunità e sottocomunità all'interno della rete.

"Una comunità, per i nostri scopi, è qualsiasi gruppo affiliato di persone all'interno della rete, " Shrivastava ha detto. "Le comunità possono essere molto grandi, come chiunque si identifichi con un particolare paese o stato, e possono essere molto piccoli, come una manciata di vecchi amici che si incontrano una volta all'anno."

Trovare punteggi di affinità significativi per centinaia di migliaia di comunità nei social network online è stata una sfida per analisti e modellisti. Il calcolo delle probabilità di formazione dell'amicizia è ulteriormente complicato dalla sovrapposizione tra comunità e sottocomitati. Ad esempio, se i vecchi amici dell'esempio sopra vivono in tre stati diversi, la loro piccola sottocomunità si sovrappone alle grandi comunità di persone di quegli stati. Poiché molti individui nei social network appartengono a dozzine di comunità e sottocomunità, le connessioni sovrapposte possono diventare dense.

Nel 2016, Shrivastava e il coautore dello studio Chen Luo, uno studente laureato nel suo gruppo di ricerca, si sono resi conto che alcune analisi ben note sulla formazione dell'amicizia online non sono riuscite a tenere conto di eventuali fattori derivanti dalla sovrapposizione.

"Diciamo Adamo, Bob e Charlie sono membri delle stesse quattro comunità, ma in più, Adam è membro di altre 16 comunità, Shrivastava ha detto. "Il modello di affiliazione esistente dice che la probabilità che Adam e Charlie siano amici dipende solo dalle misure di affinità delle quattro comunità che hanno in comune. Non importa che ognuno di loro sia amico di Bob o che Adam venga trascinato in altre 16 direzioni".

A Luo e Shrivastava sembrò un'evidente svista, ma avevano un'idea di come spiegarlo in base a un'analogia che vedevano tra le sottocomunità sovrapposte e le somiglianze sovrapposte tra le pagine web che devono essere prese in considerazione dai motori di ricerca di Internet. Una delle misure più popolari per la ricerca su Internet è la sovrapposizione di Jaccard, che è stato sperimentato dagli scienziati di Google e da altri alla fine degli anni '90.

"Abbiamo usato questo per misurare la sovrapposizione tra le comunità e poi abbiamo verificato se c'era una relazione tra la sovrapposizione e la probabilità di amicizia, o amicizia affiliazione, su sei social network ben studiati, " Shrivastava ha detto. "Abbiamo scoperto che su tutti e sei, la relazione sembrava più o meno una linea retta."

"Ciò implica che la formazione dell'amicizia può essere spiegata semplicemente osservando la sovrapposizione tra le comunità, "Luo ha detto. "In altre parole, non è necessario tenere conto delle misure di affinità per comunità specifiche. Tutto quel lavoro extra non è necessario".

Una volta che Luo e Shrivastava videro la relazione lineare tra la sovrapposizione di comunità di Jaccard e la formazione dell'amicizia, hanno anche visto l'opportunità di utilizzare un metodo di indicizzazione dei dati chiamato "hashing, " che viene utilizzato per organizzare i documenti Web per una ricerca efficiente. Shrivastava e i suoi colleghi hanno applicato l'hashing per risolvere problemi di calcolo diversi come il rilevamento della posizione interna, la formazione di reti di deep learning e la stima accurata del numero di vittime identificate uccise nella guerra civile siriana.

Shrivastava ha detto che lui e Luo hanno sviluppato un modello per la formazione dell'amicizia che "imitò il modo in cui la matematica dietro l'hashing funziona".

Il modello offre una semplice spiegazione di come si formano le amicizie.

"Le comunità organizzano eventi e attività in ogni momento, ma alcuni di questi sono un'attrazione più grande, e la preferenza per frequentarli è più alta, " Shrivastava ha detto. "In base a questa preferenza, gli individui diventano attivi nelle comunità preferite a cui appartengono. Se due persone sono attive contemporaneamente nella stessa comunità, hanno una costante, di solito piccolo, probabilità di formare un'amicizia. Questo è tutto. Questo recupera matematicamente il nostro modello empirico osservato".

Ha detto che i risultati potrebbero essere utili a chiunque voglia riunire le comunità e migliorare il processo di formazione dell'amicizia.

"Sembra che il modo più efficace sia incoraggiare le persone a formare più sottocomunità, " Shrivastava ha detto. "Più sottocomunità hai, più si sovrappongono, e più è probabile che i singoli membri abbiano amicizie più strette in tutta l'organizzazione. La gente ha pensato a lungo che questo sarebbe stato un fattore, ma quello che abbiamo mostrato è che questo è probabilmente l'unico a cui devi prestare attenzione".