Ciao mi chiamo Jacopo! Sono un UX/UI Designer e Front End Developer. Sul mio sito troverai articoli sullo sviluppo Front End

Twitter rappresenta un ottimo social network per fare mining di dati, poiché è aperto a tutti, completamente gratuito ed ha una buona documentazione per le API.

Per chi è interessato al Social Data Mining, Twitter rappresenta un’ottima fonte di raccolta dati dei pensieri degli utenti poiché i tweet pubblicati sono immediati e sono disponibili alla lettura quasi in tempo reale. I meccanismi che stanno dietro a Twitter ed alla pubblicazione dei tweet creano dei grafi sociali molto interessanti che aiutano a capire come gli utenti interagiscono tra di loro e le opinioni che si fanno sugli argomenti più diversi.

A prescindere dal mezzo tecnologico, bisogna soffermarsi a pensare al fatto che noi siamo esseri sociali e che sentiamo la necessità di esprimere le nostre opinioni e interagire con gli altri.

Twitter grazie alla sua evoluzione nel tempo ha permesso ai propri utenti di farsi ascoltare, di soddisfare le proprie curiosità, di informarsi sugli ultimi eventi e di avere tutto questo in maniera gratuita e veloce.

Questi sono aspetti fondamentali se si vuole partire con un’analisi approfondita: si parte con l’analizzare il canale (mezzo tecnologico) per poi arrivare ad interpretare i dati raccolti e capire il fattore umano nei contenuti dei messaggi.

Inoltre il fattore tempo influenza molto le nostre scelte. Twitter è stato progettato per poter rispondere ad una esigenza di tempo molto ristretta, sia nella pubblicazione dei messaggi che nella loro lettura.

Da qui l’analogia con il cinguettio degli uccellini, semplici e veloci.

Per chi non avesse mai avuto un account Twitter si sappia che il servizio è basato su messaggi brevi della lunghezza massima di 140 caratteri, che corrispondono perfettamente ad un idea o concetto immediato espresso dall’utente.

Quindi si può definire Twitter come un sistema di micro-blogging.

Oltre alle possibilità nel campo del Marketing e sopratutto del Viral Marketing, quello che porta maggior interesse riguarda il modello asincrono alla base dei messaggi pubblicati. I grafi che emergono sono di interesse preponderante poiché l’architettura del mezzo e le sue API, ne permettono un’ottima comprensione per chi desidera estrarre ed analizzare questi dati.

Mettendo a confronto Twitter con altri social network come Facebook e Linkedin, si nota una diversa costruzione del grafo sociale, molto più facile ed accessibile. Difatti Facebook e Linkedin implicano che gli utenti abbiano un certo “grado di separazione” che li unisce e che sopratutto connettendoli ne permetta l’analisi a livello di grafo. Twitter, invece, con il suo sistema di Following permette di creare legami anche tra utenti che non si conoscono o che non si sono mai visti prima d’ora.

L’utente può decidere chi seguire in base agli argomenti di suo interesse, ma non è detto che l’altro utente faccia lo stesso con lui; questo permette di creare connessioni aperte anziché chiuse (come avviene per Facebook e Linkedin).

Si può quindi pensare ad un grafo di interessi piuttosto che ad un grafo di amicizie.

I grafi di interesse di Twitter ci aiutano a capire, nell’ambito del data mining, eventuali correlazioni tra elementi diversi tra loro.

Ad esempio un interesse nei confronti di una determinata azienda potrebbe influenzare le opinioni dei follower su un determinato prodotto.

La possibilità di creare community di follower concentrati su determinati interessi, permette di avere un potenziale più che ovvio per chi si occupa di data mining.

Per fare un ulteriore esempio possiamo dire che Facebook utilizza un grafo non orientato (utente A è amico di B e viceversa), invece Twitter è basato su un grafo orientato (utente A segue B, ma non è detto che B segua A).

Taxonomies and Folkonomies

Un aspetto fondamentale dell’intelligenza umana risiede nella nostra capacità di immagazzinare concetti nuovi e sopratutto nella creazione di connessione tra questi concetti.

Noi siamo in grado di creare delle gerarchie di conoscenze e di ordinare gli elementi secondo determinati schemi che vanno da nodi radice e si estendono attraverso nodi foglia.

Possiamo pensare alle taxonomies come strutture gerarchizzate di elementi in stretta relazione di parentela parent/child. Invece il termine Folkonomies , deriva da un mix tra folk e taxonomy proprio per delineare determinati aspetti di classificazione prettamente individuali.

Questo avviene in Twitter attraverso l’uso dei TAG (o parole chiave), definiti dai singoli utenti e che non si conformano agli aspetti di tassonomia classica. Se ci si sofferma a pensare alla potenzialità di questo fattore nel web 2.0, capiamo come vengono create delle intelligenze collettive e come l’essere umano agisca nell’aggregare le conoscenze del mondo che lo circonda in molte vie diverse tra loro.

Riprendendo una frase molto esplicativa dalla pagina di wikipedia, possiamo definire la Folkonomies come segue:

Considerato che gli organizzatori dell’informazione sono di solito gli utenti finali, la folksonomia produce risultati che riflettono in maniera più definita l’informazione secondo il modello concettuale della popolazione in cui il progetto viene realizzato.

Clicca qui per la pagina wikipedia.

Quindi la folksonomies rappresenta un aspetto fondamentale nel data mining poiché ci aiuta a capire il reale modo di pensare degli utenti.

Ti sei iscritto con successo al blog di Jacopo Kahl - UX/UI Designer e Front End Developer
Bentornato! Hai effettuo l'accesso al blog.
Ottimo! Ti sei appena registrato.
Perfetto! Il tuo account è attivo, ed hai l'accesso a tutti i contenuti.