Le degré d'influence n'est pas forcément apparent

Par 14 octobre 2011 Laisser un commentaire
influence

Pour mesurer l'impact d'une personne sur une communauté, il est intéressant de se baser sur les interactions sous-jacentes entre utilisateurs. Une méthode qui reste cependant encore incomplète

Pour mesurer l'influence d'un utilisateur de réseau social, Greg ver Steeg et Aram Galstyan de l'institut de sciences informatique USC, estiment que le plus judicieux est d'observer des transferts d'information qui ne sont pas forcément apparents. C'est-à-dire que la personne qui a reçu une information ne mentionne pas nécessairement la source de laquelle elle provient. Les chercheurs justifient ce choix en affirmant que les données apparentes (nombre de followers ou retweets sur Twitter, d'amis sur Facebook...) ne démontrent pas forcément une influence, mais plutôt une popularité. Selon eux, il est possible d'apprécier un contenu ou une personne pour son humour sans pour autant être influencé par l'idée de fond qu'il véhicule (s'il en véhicule une). A l'inverse, publier la même information qu'un autre consommateur démontre souvent un partage de point de vue.

Identifier les influenceurs à partir des liens qu'ils publient

Du coup, ils se sont intéressés à ce qu'ils appellent le taux de transmission de l'information depuis un utilisateur jusqu'à un autre. Ils donnent à ce phénomène le nom "d'entropie de transfert de données". Dans le cas présent, les chercheurs ont effectué leur étude à partir du site de microblogging Twitter. Deux jours durant, ils ont ainsi identifié tous les tweets contenant des URL précises, ainsi que leurs auteurs, et ont ensuite étudié la fréquence et la rapidité de republication de ces dernières par d'autres utilisateurs (abonnés ou non des publicateurs). En fonction de la rapidité de cette dernière, les scientifiques ont ainsi pu retracer le schéma de propagation de l'URL en question.

Une méthode pouvant encore être optimisée

En mettant en commun les différentes informations obtenues à partir de l'ensemble des schémas de propagation, ils ont mis au point une sorte de graphe pondéré. Celui-ci attribue un degré d'influence à chaque utilisateur ayant publié au moins 10 URL. Ce dernier varie en fonction du nombre de personnes ayant republié les liens qu'a pu tweeter l'utilisateur en question. Toutefois, au cours de leur étude, les chercheurs ont rencontré un problème majeur, à savoir la quantité de tweets effectués chaque jour. L'importance de cette dernière les a ainsi obligés à ne sélectionner qu'une petite partie du total des publications effectuées (un logiciel sélectionnait aléatoirement les tweets à analyser ou non). Ils reconnaissent toutefois le côté incomplet de la méthode, et visent à pouvoir intégrer d'autres contenus à l'analyse sans pour autant que l'amas de données ne devienne trop important

Haut de page

Vos commentaires

(If you're a human, don't change the following field)
Your first name.
(If you're a human, don't change the following field)
Your first name.
Le contenu de ce champ sera maintenu privé et ne sera pas affiché publiquement.
  • Aucune balise HTML autorisée
  • Les lignes et les paragraphes vont à la ligne automatiquement.

Plus d'informations sur les options de formatage

En soumettant ce formulaire, vous acceptez la politique de confidentialité de Mollom.

Mentions légales © L’Atelier BNP Paribas