TEDxPompeii Social Networking Analysis
9 likes2,176 views
Analisi dell'evento TEDx svolto a Pompei. L'anali ha considerato l'hashtag #TedxPompeii per individuare quantit, ruolo e qualit degli opinanti. L'analisi 竪 stata effettuata con il tool NodeXL
TEDxPompeii Social Networking Analysis
- 1. Social Networking Analysis Pompei 20 giugno 2015 C. Di Tullio aka Dr_Who - drwho.it
- 2. Riccardo Luna tedxpompeii.com Lo abbiamo voluto come matti questo TEDx e siamo partiti due anni fa, s狸 sono passati due anni da quando abbiamo registrato la licenza, e da allora niente 竪 stato facile. Niente. E strada facendo avremmo potuto fermarci tante volte: dire, ok, capito, non se ne fa nulla. Peccato. Ed invece eccoci qui.
- 4. Camillo Di Tullio aka Dr_Who Scopo dellanalisi 竪 individuare le persone pi湛 attive durante la conferenza e gli argomenti maggiormente apprezzati.
- 7. Graph Metric Value GraphType Directed Vertices 227 Unique Edges 576 Edges With Duplicates 332 TotalEdges 908 Self-Loops 102 Reciprocated Vertex Pair Ratio 0,065359477 Reciprocated Edge Ratio 0,122699387 Connected Components 19 Single-Vertex Connected Components 14 Maximum Vertices in a Connected Component 205 Maximum Edges in a Connected Component 837 Maximum Geodesic Distance (Diameter) 7 Average Geodesic Distance 2,516895 Graph Density 0,012709056 ad unora e 10 minuti dallinizio dellevento, questa 竪 la situazione
- 8. In-degree Out-degree mappiamo i vertici in ottica multidimensionale: ascisse: out-degree ordinate: in-degree dimensione: Betweenness centrality colore: Eigenvector centrality archi: mentions In-degree Out-degree Interazione: analizzando le medie la maggior parte dei vertici pushano i tweet (parte bassa quadrante C) 5 i vertici che hanno il ruolo di hub: di questi due (quadrante C) non restituiscono linterazione (basso out- degree) mentre gli altri 3 contribuiscono ad alimentare la discussione in rete A B C D In-degree Out-degree
- 9. In-degree Out-degree Analizzando le mentions (dimensione degli archi) Riccardo Luna e Aperdichizzi sono i vertici pi湛 citati La suddivisione in cluster ci restituisce anche unaltra informazione: nel pre evento i vertici individuati sono i ponti di connessione tra i vari segmenti Qualit degli opinanti: due le dimensioni che ci restituiscono questa informazione: Betweenness centrality ed Eigenvector centrality La prima 竪 rappresentata dalla dimensione delle sfere ci indica che tutti i vertici estratti si pongono mediamente allinterno del percorso che le news percorrono; ma questo elemento non 竪 suf鍖ciente. La colorazione dal bianco al rosso ci informa quanto questi vertici siano ben collegati ad altri vertici ben collegati: pi湛 forte 竪 la colorazione, maggiore sar questa correlazione. In questo modo 竪 facile, nel pre evento, individuare i facilitatori di divulgazione delle news.
- 10. Cosa si aspettano le persone? Analizzando gli hashtags pi湛 utilizzati, nettando quello che identi鍖ca levento (#TEDxPompeii), vediamo come i temi sulla Cultura, Arte, Felicit (si sapeva essere lintervento di Saviano) sono tra quelli maggiormente utilizzati.
- 12. Graph Metric Value GraphType Directed Vertices 481 Unique Edges 1499 Edges With Duplicates 1898 TotalEdges 3397 Self-Loops 348 Reciprocated Vertex Pair Ratio 0,039194339 Reciprocated Edge Ratio 0,075432163 Connected Components 27 Single-Vertex Connected Components 22 Maximum Vertices in a Connected Component 450 Maximum Edges in a Connected Component 3279 Maximum Geodesic Distance (Diameter) 7 Average Geodesic Distance 2,533131 Graph Density 0,008268365 Al termine dellevento questa la situazione (dati prelevati prima dellesibizione 鍖nale di Arturo Brachetti)
- 14. In-degree Out-degree mappiamo i vertici in ottica multidimensionale: ascisse: out-degree ordinate: in-degree dimensione: Betweenness centrality colore: Eigenvector centrality archi: mentions In-degree Out-degree Interazione: analizzando le medie la maggior parte dei vertici pushano i tweet (parte bassa quadrante C e D) 4 i vertici che hanno il ruolo di hub: di questi due (quadrante A C) non restituiscono linterazione (basso out-degree) mentre gli altri contribuiscono ad alimentare la discussione in rete A B C D In-degree Out-degree
- 15. In-degree Out-degree In-degree Out-degree pre evento post evento Durante levento 竪 naturalmente cambiata la geogra鍖a degli opinanti: Riccardo Luna (moderatore durante levento) si 竪 arroccato come hub riducendo ovviamente linterazione; confermato, invece, il ruolo attivo di Aperdichizzi e TedXPompeii con lingresso di Startup_Italia
- 16. In-degree Out-degree In-degree Out-degree In-degree Out-degree Quanto sopra indicato viene confermato analizzando le mentions in termini di volumi generati nelle interazioni
- 17. In-degree Out-degree Analizzando le mentions (dimensione degli archi) Riccardo Luna e Aperdichizzi sono i vertici pi湛 citati La suddivisione in cluster ci restituisce anche unaltra informazione: anche durante levento i vertici individuati sono i ponti di connessione tra i vari segmenti ma con un particolare: Riccardo Luna 竪 il target Qualit degli opinanti: due le dimensioni che ci restituiscono questa informazione: Betweenness centrality ed Eigenvector centrality La prima 竪 rappresentata dalla dimensione delle sfere ci indica che tutti i vertici estratti si pongono mediamente allinterno che le news percorrono; ma questo elemento non 竪 suf鍖ciente. La colorazione dal bianco al rosso ci informa quanto questi vertici siano ben collegati ad altri vertici ben collegati: pi湛 forte 竪 la colorazione, maggiore sar questa correlazione. In questo modo 竪 facile, durante levento, individuare i facilitatori di divulgazione delle news.
- 18. Tra i vari interventi qual 竪 stato il pi湛 apprezzato? Stante gli hashtags quello di Nato a Vicenza nel 1942. E ingegnere e informatico italiano. Insieme agli ingenieri Pier Giorgio Perotto e Giovanni De Sandre ha realizzato nel 1964 la Programma 101 o P101 dellOlivetti, il primo personal computer della storia, cio竪 il primo calcolatore commerciale ad essere digitale, programmabile, piccolo ed economico
- 19. dati al 21 giugno fonte https://tweetreach.com/reports/14203353
- 21. Who: C. DiTullio aka DR_WHO What: marketer & blogger Where: drwho.it Social Networking Analysis