Modelo de propagación de rumores en redes sociales digitales

Gerardo Ariel Diaz

Resumen


De acuerdo a la importancia del internet en nuestra sociedad y el poder de influencia que las redes sociales digitales ejercen sobre las personas a través de la información que manipulan los usuarios, surge la necesidad de entender cómo se difunden los rumores  en redes sociales digitales teniendo en cuenta  la cantidad de personas a las que se difunde dicha información en determinado tiempo.

La investigación de difusión de rumores carece de una métrica sistematizada y no predice con exactitud la distribución de los tamaños de las cascadas [1]. El estudio de la propagación de rumores tiene relevancia para los ámbitos de la sociología, ciencias políticas, investigación empírica y el análisis de mercados [8].

En este trabajo se busca el proponer un modelo de propagación de rumores de acuerdo al estado del arte existente aplicado a un caso de estudio en donde se haga una validación del modelo propuesto. El trabajo de investigación comprenderá de cuatro fases que son: Construcción Estado del Arte, diseño, propuesta, validación de la propuesta.

 

Durante el trabajo de investigación se tiene contemplado el uso de  herramientas que permitan realizar la captura de información,  construcción y  análisis de redes sociales digitales, tales como pajek, Python, java, entre otros. Como red social de estudio para para el desarrollo del caso de estudio se postula twitter, de acuerdo a su practicidad en cuanto la recolección de datos.

 

Con base en las etapas enunciadas previamente, se plantea iniciar la investigación desde el punto teórico del estado del arte hasta la construcción y validación del modelo el cual contara con varias adaptaciones extraídas de los modelos existentes, y se hará un énfasis en aquellos modelos que cuentan con similitudes asociadas a las epidemias, tal como el modelo SIR (Susceptible, Infectado , recuperado) con todas aquellas variaciones que puedan existir en esta clase de modelos junto con el desarrollo de un caso de estudio de contexto nacional el cual cubra el diseño planteado. 


Referencias


• [1] A. Pacuk, P. Sankowski, W. Karol, and P. Wygocki, “There is Something Beyond the Twitter Network,” pp. 279–284.

• [2] R. Ghosh and B. Huberman, “Ultrametricity of Information Cascades,” arXiv Prepr. arXiv1310.2619, 2013.

• [3] Y. Liu, S. Xu, and G. Tourassi, “Detecting Rumors Through Modeling Information Propagation Networks in a social Media Environment,” Soc Comput Behav Cult Model Predict, pp. 1–17, 2015.

• [4] J. Yang and J. Leskovec, “Modeling information diffusion in implicit networks,” Proc. - IEEE Int. Conf. Data Mining, ICDM, pp. 599–608, 2010.

• [5] F. Ji and W. P. Tay, “IDENTIFYING RUMOR SOURCES WITH DIFFERENT START TIMES Feng Ji and Wee Peng Tay School of Electrical and Electronic Engineering , Nanyang Technological University , Singapore,” pp. 3–7, 2016.

• [6] C. Liao, A. Squicciarini, C. Griffin, and S. Rajtmajer, “A hybrid epidemic model for deindividuation and antinormative behavior in online social networks,” Soc. Netw. Anal. Min., vol. 6, no. 1, p. 13, 2016.

• [7] M. Tsvetkova, R. García-Gavilanes, and T. Yasseri, “Dynamics of Disagreement: Large-Scale Temporal Network Analysis Reveals Negative Interactions in Online Collaboration,” J. Phys. A Math. Theor., vol. 44, no. 8, p. 85201, 2016.

• [8] J. Woo and H. Chen, “Epidemic model for information diffusion in web forums: experiments in marketing exchange and political dialog.,” Springerplus, vol. 5, no. 1, p. 66, 2016.

• [9] J. Q. Kan and H. F. Zhang, “Effects of awareness diffusion and self-initiated awareness behavior on epidemic spreading - An approach based on multiplex networks,” Commun. Nonlinear Sci. Numer. Simul., vol. 44, pp. 193–203, 2017.


Enlaces refback

  • No hay ningún enlace refback.


Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.