際際滷

際際滷Share a Scribd company logo
SNATWITTER LIST
ipotesi di analisi	

!
by: C. Di Tullio aka Dr_Who
drwho.it
La scienza si fa con i fatti come una casa si fa con i
mattoni, ma laccumulazione dei fatti non 竪 scienza pi湛 di
quanto un mucchio di mattoni non sia una casa Henri Poincar竪
Step1:	

scarico la lista di 84 persone daTwitter. Lista nella
quale ci sono anche io
Step2:	

la depuro da me: eliminando i miei dati dal foglio vertex e tutti
i collegamenti a me relativi dal foglio edges
Step3:	

domanda: come identi鍖care le persone pi湛 in鍖uenti da contattare?	

calcolo le metriche
Step3:	

come primo valore considero lEigenvector: misura limportanza e
lin鍖uenza di un nodo allinterno della rete in cui si relaziona.	

valore medio 0,014
In auto鍖ll columns
imposto la vertex
size con i valori della
eigenvector come
massimo 42 (0,42) e
come minimo il
valore della media 14
(0,014)
Step4:	

per renderla leggibile la divido in cluster. 4 i cluster identi鍖cati
Group, group by
cluster, ok	

!
Layout, option,
outlines
Step5:	

il solo valore di eigenvector non 竪 particolarmente discriminante, a
questo punto considero gli in-degree: un valore alto signi鍖ca che il
nodo 竪 popolare.
La media 竪 pari a 10;
il valore massimo 竪
pari a 24. Con i 鍖ltri
dinamici setto questi
due valori 	

da cui individuo i nodi
strategici
Step5:	

il solo valore di eigenvector non 竪 particolarmente discriminante, a
questo punto considero gli in-degree: un valore alto signi鍖ca che il
nodo 竪 popolare.
La media 竪 pari a 10;
il valore massimo 竪
pari a 24. Con i 鍖ltri
dinamici setto questi
due valori 	

da cui individuo i nodi
strategici
Step6:	

in-degree non 竪 ancora suf鍖ciente: non mi discrimina il cluster azzurro.	

Per farlo osservo la betweenness: quanto spesso un vertice si pone nel
percorso pi湛 breve.
la medi 竪 pari a 67, il
massimo 竪 1285.
imposto il tutto con i
鍖ltri dinamici. 	

!
Step6:	

in-degree non 竪 ancora suf鍖ciente: non mi discrimina il cluster azzurro.	

Per farlo osservo la betweenness: quanto spesso un vertice si pone nel
percorso pi湛 breve.
la medi 竪 pari a 67, il
massimo 竪 1285.
imposto il tutto con i
鍖ltri dinamici.	

!
nel lavorare il 鍖ltro mi
sono fermato a 48
come valore per non
perdere la visibilit
del vertice C e del
vertice N	

!
Step7:	

con 18 persone stimolate, questa dovrebbe essere la copertura della lista

More Related Content

Ipotesi di analisi lista twitter

  • 1. SNATWITTER LIST ipotesi di analisi ! by: C. Di Tullio aka Dr_Who drwho.it
  • 2. La scienza si fa con i fatti come una casa si fa con i mattoni, ma laccumulazione dei fatti non 竪 scienza pi湛 di quanto un mucchio di mattoni non sia una casa Henri Poincar竪
  • 3. Step1: scarico la lista di 84 persone daTwitter. Lista nella quale ci sono anche io
  • 4. Step2: la depuro da me: eliminando i miei dati dal foglio vertex e tutti i collegamenti a me relativi dal foglio edges
  • 5. Step3: domanda: come identi鍖care le persone pi湛 in鍖uenti da contattare? calcolo le metriche
  • 6. Step3: come primo valore considero lEigenvector: misura limportanza e lin鍖uenza di un nodo allinterno della rete in cui si relaziona. valore medio 0,014 In auto鍖ll columns imposto la vertex size con i valori della eigenvector come massimo 42 (0,42) e come minimo il valore della media 14 (0,014)
  • 7. Step4: per renderla leggibile la divido in cluster. 4 i cluster identi鍖cati Group, group by cluster, ok ! Layout, option, outlines
  • 8. Step5: il solo valore di eigenvector non 竪 particolarmente discriminante, a questo punto considero gli in-degree: un valore alto signi鍖ca che il nodo 竪 popolare. La media 竪 pari a 10; il valore massimo 竪 pari a 24. Con i 鍖ltri dinamici setto questi due valori da cui individuo i nodi strategici
  • 9. Step5: il solo valore di eigenvector non 竪 particolarmente discriminante, a questo punto considero gli in-degree: un valore alto signi鍖ca che il nodo 竪 popolare. La media 竪 pari a 10; il valore massimo 竪 pari a 24. Con i 鍖ltri dinamici setto questi due valori da cui individuo i nodi strategici
  • 10. Step6: in-degree non 竪 ancora suf鍖ciente: non mi discrimina il cluster azzurro. Per farlo osservo la betweenness: quanto spesso un vertice si pone nel percorso pi湛 breve. la medi 竪 pari a 67, il massimo 竪 1285. imposto il tutto con i 鍖ltri dinamici. !
  • 11. Step6: in-degree non 竪 ancora suf鍖ciente: non mi discrimina il cluster azzurro. Per farlo osservo la betweenness: quanto spesso un vertice si pone nel percorso pi湛 breve. la medi 竪 pari a 67, il massimo 竪 1285. imposto il tutto con i 鍖ltri dinamici. ! nel lavorare il 鍖ltro mi sono fermato a 48 come valore per non perdere la visibilit del vertice C e del vertice N !
  • 12. Step7: con 18 persone stimolate, questa dovrebbe essere la copertura della lista