Un sistema detecta con dos meses de antelación las tendencias mundiales en redes sociales

Un equipo de investigadores se han propuesto investigar en las redes sociales la hipótesis de los sensores: ¿se puede encontrar un grupo de personas (centinelas o sensores) con una posición especial que permita monitorizar la información que se propaga de manera viral en la red a nivel global?

“Si pudiéramos hacerlo, nos podríamos adelantar a esa propagación, lo cual nos permitiría entender mejor las movilizaciones sociales, los debates de opinión, de salud, etc., y determinar cómo se vuelven globales”, explica uno de los investigadores, Esteban Moro Egido, del Grupo Interdisciplinar de Sistemas Complejos (GISC) de la UC3M.

Para conseguirlo, el equipo de Moro, junto con científicos de la Universidad Autónoma de Madrid, el NICTA australiano y las universidades de Yale y de California-San Diego, en EEUU, han utilizado una de las propiedades de las redes sociales que también se observa en Twitter y que se conoce como la paradoja de la amistad: tus amigos tienen de media más amigos que tú.

En el caso de Twitter, tras analizar en 2009 una muestra de datos de 40 millones de usuarios y 1500 millones de seguidores (followers), los investigadores han comprobado que cada usuario tenía un promedio de 25 seguidores, mientras que estos tenían, a su vez, 422 de media, es decir, casi veinte veces más. “Esto hace que los seguidores de una persona ocupen en una red social un papel que les hace relevantes a la hora de propagar o recibir información”, explica otro de los investigadores, Manuel García Herranz, del departamento de Ingeniería Informática de la Universidad Autónoma de Madrid.

Lo que han hecho en el estudio, publicado en la revista PLoS ONE, es elegir un conjunto de usuarios al azar y tomar como grupo sensor a algunos de sus seguidores. Han averiguado que estos sensores-amigos desempeñan un papel más importante de lo que se pensaba, pues reciben la información mucho antes que los usuarios previamente elegidos.

“Nos quedamos muy sorprendidos. Pensábamos que el método nos daría una alerta temprana de un par de horas, pero en vez de eso nos dio varios días e incluso a veces semanas o meses”, dice otro de los autores, James Fowler, de la Universidad de California-San Diego (EEUU). Por ejemplo, este nuevo método predice la explosión viral del hashtag #obamacare en Twitter hasta dos meses antes de convertirse en una tendencia y hasta tres meses antes de alcanzar el número máximo de apariciones en las búsquedas de Google.

Sencillo y eficaz

En general, este nuevo método resulta muy sencillo y eficaz a la hora monitorizar redes sociales, según sus creadores. Basta con utilizar los datos de 50.000 cuentas de Twitter para conseguir estos niveles de anticipación y saber lo que será viral en todo Internet.

Puede usarse en tiempo real, sobre diferentes temas, distintos idiomas o áreas geográficas, lo cual permite abarcar muy diferentes contextos: descubrir nuevas opiniones en un debate político, predecir movimientos sociales, tener un conocimiento previo de la reacción de los consumidores ante nuevos productos o analizar cómo se extienden mensajes sobre determinadas enfermedades o epidemias en el ámbito de la salud pública.

Este sistema tiene ciertas limitaciones. No se puede predecir cómo se van a difundir de manera viral informaciones asociadas a eventos como un partido de fútbol, la actualidad diaria o las catástrofes naturales, advierten los científicos. En cambio, hay otro tipo de noticias que sí se pueden prever, como los movimientos sociales (el 15M) o las ideas que llevan mucho tiempo moviéndose en la red a pequeña escala y que terminan por llegar al gran público.

“Hemos encontrado que la monitorización de las redes sociales de esta manera ofrece una forma completamente nueva de controlar la difusión mundial de información sobre todo tipo de temas", comenta otro de los investigadores, Nicholas Christakis, codirector del Instituto para la Ciencia de la Red de la Universidad de Yale. Una nueva forma, en definitiva, de predecir el futuro a través del análisis de los datos que circulan en las redes sociales.