Automated Discovery and Visualization of Communication Networks - - PowerPoint PPT Presentation

▶
automated discovery and visualization of communication
SMART_READER_LITE
LIVE PREVIEW

Automated Discovery and Visualization of Communication Networks - - PowerPoint PPT Presentation

Aug 08, 2023 358 likes •606 views

Automated Discovery and Visualization of Communication Networks from Social Media Anatoliy Gruzd @gruzd gruzd@dal.ca Associate Professor, School of Information Management Director, Social Media Lab Faculty of Management / Faculty of

slide-1
SLIDE 1

Anatoliy Gruzd @gruzd gruzd@dal.ca Associate Professor, School of Information Management Director, Social Media Lab Faculty of Management / Faculty of Computer Science Dalhousie University

Automated Discovery and Visualization of Communication Networks from Social Media

Slides ¡available ¡at ¡h-p://slideshare.net/primath ¡ ¡ ¡

slide-2
SLIDE 2

Dalhousie ¡University ¡(Part ¡of ¡U15 ¡in ¡Canada) ¡ Faculty ¡of ¡Management ¡ School ¡of ¡Information ¡Management ¡ Social ¡Media ¡Lab ¡

slide-3
SLIDE 3

Social ¡Media ¡Lab ¡

slide-4
SLIDE 4

Growth of Social Media and Social Networks Data

Facebook ¡

1B ¡ users ¡

Twitter ¡

500M ¡ users ¡

Social Media have become an integral part of our daily lives! ¡

slide-5
SLIDE 5

Studying Online Social Networks

http://www.visualcomplexity.com/vc

  • Forum networks
  • Blog networks
  • Friends’ networks (Facebook,

Twitter, Google+, etc…)

  • Networks of like-minded people

(YouTube, Flickr, etc…)

slide-6
SLIDE 6

How to Make Sense

  • f Social Big Data?

Anatoliy ¡Gruzd ¡ Twi-er: ¡@gruzd ¡

6 ¡

slide-7
SLIDE 7

Social ¡Big ¡Data ¡ ¡-­‑> ¡ ¡VisualizaFons ¡ ¡-­‑> ¡ ¡Understanding ¡

(Development, ¡ApplicaFon ¡& ¡ValidaFon) ¡

How to Make Sense

  • f Social Big Data?

Anatoliy ¡Gruzd ¡ Twi-er: ¡@gruzd ¡

7 ¡

slide-8
SLIDE 8

How to Make Sense

  • f Social Big Data?

Social Network Analysis (SNA)

  • Nodes = People
  • Edges /Ties (lines) = Relations/

“Who retweeted/ replied/ mentioned whom”

Anatoliy ¡Gruzd ¡ Twi-er: ¡@gruzd ¡

8 ¡

slide-9
SLIDE 9
  • Reduce the large quantity of

data into a more concise representation

  • Makes it much easier to

understand what is going on in a group

Advantages of Social Network Analysis

Once the network is discovered, we can find out:

  • How do people interact with each
  • ther,
  • Who are the most/least active

members of a group,

  • Who is influential in a group,
  • Who is susceptible to being

influenced, etc…

Anatoliy ¡Gruzd ¡ Twi-er: ¡@gruzd ¡

9 ¡

slide-10
SLIDE 10

Common approach for collecting social network data:

  • Self-reported social network data

may not be available/accurate

  • Surveys or interviews

Problems with surveys or interviews

  • Time-consuming
  • Questions can be too sensitive
  • Answers are subjective or incomplete
  • Participant can forget people and

interactions

  • Different people perceive events and

relationships differently

How Do We Collect Information About Online Social Networks?

Anatoliy ¡Gruzd ¡ Twi-er: ¡@gruzd ¡

10 ¡

slide-11
SLIDE 11
  • Common approach: surveys or interviews
  • A sample question about students’ perceived social structures

How Do We Collect Information About Social Networks?

Please indicate on a scale from [1] to [5], YOUR FRIENDSHIP RELATIONSHIP WITH EACH STUDENT IN THE CLASS

[1] - don’t know this person [2] - just another member of class [3] - a slight friendship [4] - a friend [5] - a close friend Alice D. [1] [2] [3] [4] [5] … Richard S. [1] [2] [3] [4] [5] Source: C. Haythornthwaite, 1999

Anatoliy ¡Gruzd ¡ Twi-er: ¡@gruzd ¡

11 ¡

slide-12
SLIDE 12

Goal: Automated Networks Discovery Challenge: Figuring out what content-based features of online interactions can help to uncover nodes and ties between group members

How Do We Collect Information About Online Social Networks?

Anatoliy ¡Gruzd ¡ Twi-er: ¡@gruzd ¡

12 ¡

slide-13
SLIDE 13

Netlytic.org ¡-­‑ ¡a ¡cloud-­‑based ¡analytic ¡tool ¡

for ¡automated ¡text ¡analysis ¡& ¡discovery ¡of ¡ social ¡networks ¡from ¡online ¡communication ¡

Ne twor ks ¡ Stats ¡ C onte nt ¡ ¡

Anatoliy ¡Gruzd ¡ Twi-er: ¡@gruzd ¡

13 ¡

slide-14
SLIDE 14

Example: Twitter Network

@John @Peter @Paul

  • Nodes = People
  • Ties = “Who retweeted/

replied/mentioned whom”

  • Tie strength = The number of

retweets, replies or mentions

How to Make Sense

  • f Social Media Data?

Anatoliy ¡Gruzd ¡ Twi-er: ¡@gruzd ¡

14 ¡

slide-15
SLIDE 15
slide-16
SLIDE 16

Anatoliy ¡Gruzd ¡ Twi-er: ¡@dalprof ¡

2012 ¡Olympics ¡in ¡London ¡

slide-17
SLIDE 17

Anatoliy ¡Gruzd ¡ Twi-er: ¡@dalprof ¡

#tarsand ¡Twitter ¡Community ¡

slide-18
SLIDE 18

Anatoliy ¡Gruzd ¡ Twi-er: ¡@dalprof ¡

#1b1t ¡Twitter ¡Book ¡Club ¡

slide-19
SLIDE 19

Comments ¡on ¡Instagram: ¡#Canada ¡

slide-20
SLIDE 20

Comments ¡on ¡Youtube: ¡Ukrainian ¡news ¡channel ¡

slide-21
SLIDE 21

SocialMediaLab.ca ¡ ¡ ¡

Anatoliy ¡Gruzd ¡ Twi-er: ¡@gruzd ¡ 21 ¡

slide-22
SLIDE 22

SocialMediaAndSociety.com ¡ ¡ ¡ ¡ ¡

Anatoliy ¡Gruzd ¡ Twi-er: ¡@gruzd ¡ 22 ¡

slide-23
SLIDE 23

Anatoliy Gruzd @gruzd gruzd@dal.ca Associate Professor, School of Information Management Director, Social Media Lab Faculty of Management / Faculty of Computer Science Dalhousie University

Automated Discovery and Visualization of Communication Networks from Social Media

Slides ¡available ¡at ¡h-p://slideshare.net/primath ¡ ¡ ¡