Usando ARS para Mídia Social I

A ARS é, na base, um método (eu diria uma perspectiva teórico-empírica) de análise de dados que foca especificamente a compreensão dos dados dentro da perspectiva de sua estrutura (a rede). O objetivo é verificar as inter-relações entre os dados, que são obtidos de grupos e sistemas sociais (dai redes "sociais"). A ARS é um método com foco primariamente quantitativo, que busca extrair propriedades dessas interrelações e dos atores dentro desses sistemas e analisar essas propriedades no todo da rede. A análise, assim, dá-se principalmente de forma numérica (quantidades). 

A ARS, portanto, olha os dados de um determinado conjunto como nós e conexões e provê formas de análise desses elementos com relação a rede. Ela, assim, só serve para conjuntos de dados onde interessam as relações entre as coisas e não as coisas em si. Assim, por exemplo, a ARS é pouco útil para analisar perfis no Facebook, mas é interessante para entender como tipos de perfis conectados entre si se relacionam. 

No exemplo acima vemos uma rede que coletei. A rede foi montada com base nos dados que coletei nas primeiras horas após o anúncio do fogo no Mercado Público de Porto Alegre. É um grafo direcionado (veja a seguir a explicação), onde estão representados os tweets com menções ou retweets. Cada conexão representa um nó que cita outro no tweet e a direção da seta é a mesma da citação. Quanto mais "grossa" a seta, maior o número de tweets com a menção que ela representa. (Os nós mais citados foram representados de forma maior.) Há também outras informações, mas vou deixar para o próximo post. Vejam, portanto, que a rede representa as interações em torno de um tópico que foram realizadas no Twitter. É uma "foto" das primeiras repercussões do incêndio.

Assim, para usar ARS é preciso, assim, ter um conjunto de dados e um objetivo que enfoque a análise das relações entre esses dados. Em termos de mída social, justamente, as inter-relações entre os dados são da maior importância, porque nos dizem muito mais do que os dados "separados". Assim, as relações entre os tweets negativos são mais relevantes, muitas vezes, do que o número deles. Podemos observar, por exemplo, que um conjunto massivo de tweets negativos está, na verdade, relacionado a um pequeno grupo de atores. Ou mesmo que um trending topic de uma marca é construído por um grupo não conectado de atores. 

A ARS é baseada na Teoria dos Grafos. Por isso, a representação das redes e a extração de suas propriedades através da ARS também se confunde com vários elementos dos grafos. O grafo é a representação da rede, onde os nós são (no caso da mídia social) são a representação dos atores (por exemplo, os perfis no Twitter ) e as conexões, as representações desejadas (menções, RTs ou relações de following/followers, por exemplo). Os grafos ajudam a visualizar as variáveis (conexões e formas de conexões) que se está estudando.

Os grafos podem ser direcionados (quando há uma "direção" nas conexões, geralmente representadas por uma flecha) ou não direcionados (a direção da conexão não importa). Assim, por exemplo, o grafo é direcionado quando você analisa quem fala de quem no Twitter (a direção da seta) ou não direcionado quando você analisa quem é amigo de quem (a conexão deve ser bidirecional para acontecer). (Veja o exemplo acima).

Nos próximos posts, vou falar um pouco sobre o toolset que os pesquisadores precisam (para coleta e análise dos dados) e um pouco sobre as métricas mais usadas. (Mantenham em mente que estou simplificando uma série de coisas, de forma a deixá-las mais acessíveis para quem se interessa pelo método e, como eu, não tem um background em Matemática e Física, ok?)

Trabalho da Regina Marteletto que eu sempre uso nas minhas aulas. 

A. Degenne e M. Forsé. Introducing Social Networks. Sage, 1999.