Archivio tag: networks

Masters of Networks 3: scienziati delle reti e communities insieme per progettare il futuro della discussione in rete

L’avvento di Internet è stato salutato con gioia e speranza dagli amanti della democrazia. Molti attivisti hanno visto in essa la possibilità di un’agorà elettronica, sempre accesa e dalla memoria perfetta, in grado di realizzare una democrazia partecipativa di stampo ateniese alla scala dell’intero pianeta, e mandare l’intelligenza collettiva al potere. Ma le cose si sono rivelate molto più complicate. Le comunità virtuali esistono da almeno trent’anni; alcune di esse hanno condotto discussioni interessanti e profonde, e perfino realizzato cose meravigliose; altre no. La democrazia partecipativa su larghissima scala è molto lontana dall’essere realizzata.

Masters of Networks 3: communities è un incontro che prova a mettere a frutto l’esperienza di trent’anni di dibattito online. Perché in alcuni contesti la discussione è fruttuosa e creativa, e in altri contrapposizione sterile? Esistono test oggettivi per la “buona salute” del dibattito? Possiamo prevedere l’evoluzione delle discussioni? Proveremo ad affrontare questi temi partendo dall’idea che ogni conversazione, sia in Internet che fuori, è una rete di interazione tra umani, cioè una rete sociale. Nel corso del progetto CATALYST, Wikitalia e i suoi partners hanno costruito Edgesense (demo video), un semplice software per l’analisi interattiva delle comunità online viste come reti (esempio).

Masters of Networks 3: communities è un hackathon di due giorni in cui scienziati delle reti, membri attivi di comunità online e persone interessate alla democrazia partecipativa si ritrovano per discutere di questi temi. Proveremo a visualizzare e analizzare le reti di diverse comunità online, usando come guida la conoscenza profonda di chi quei dibattiti li vive tutti i giorni; il nostro obiettivo è capire come sono fatte le reti di conversazioni “in buona salute”, e se le possiamo distinguere a colpo d’occhio da reti di conversazioni “malate” (troppo conflittuali, superficiali, polarizzate e così via).

Masters of Networks 2: communities si tiene a Roma il 10 e 11 marzo 2015. Ci saranno alcuni scienziati, programmatori e community managers del progetto CATALYST, ma abbiamo aggiunto una decina di posti a disposizione di chiunque voglia partecipare. In particolare, se gestisci una comunità online e ne vorresti una visualizzazione/analisi di rete, è probabile che possiamo aiutarti, e se possiamo lo faremo con piacere. La partecipazione è gratuita, ma l’iscrizione è obbligatoria – vai qui per iscriverti. Per fare sentire benvenuti i partecipanti non italiani, la lingua di lavoro è l’inglese.

Ci sarò anch’io. Credo che questo tema sia centrale; ho provato a dirlo meglio nel video qui sotto.

Reti, sciami e policies: in viaggio per gli strani paesaggi delle politiche pubbliche del secolo 21

1 Replica

Io una volta ero un economista. Poi negli anni duemila ho cominciato a interessarmi di complexity science. Ho inseguito un’intuizione che mi diceva che le reti sono importanti (era il 2009, mi ricordo ancora l’epifania di vedere la rete delle interazioni in Kublai) e mi sono messo a studiarle, cercando una specie di Santo Graal: progettare comunità online che esprimano intelligenza collettiva per risolvere problemi complessi, inaccessibili a singoli individui o piccoli gruppi, anche se molto intelligenti. Per impadronirmi del tema ho dovuto rivedermi algebra lineare e teoria della probabilità; a quel punto diverse letture mi hanno portato a camminare per sentieri per me interamente nuovi, leggendo paper di biologia computazionale o psicologia sperimentale.

Attraverso paesaggi strani, molto lontani dalle architetture razionali e ben illuminate dell’economia standard. Sono perfino pericolosi: pieni di trappole filosofiche (se è veramente intelligenza collettiva, saremo in grado di riconoscerla? Non sarebbe come un neurone che cerca di comprendere il cervello?) e perfino dilemmi morali (è possibile che il benessere del sistema venga ottenuto a spese delle sue componenti, proprio come una specie si evolve uccidendo i propri membri meno adatti alla sopravvivenza: cosa succede se il sistema è sociale e le componenti siamo noi?).

La cosa più strana è questa: non sono l’unico a vagare in questo posto, dovunque sia. Nel mondo delle politiche pubbliche, in cui da anni mi muovo per lavoro, praticamente ogni mese incontro nuovi compagni di viaggio. Con loro, mi trovo a parlare di reti, sciami intelligenti, etnografie online, motori di variabilità e altre cose esoteriche di questo tipo. Mi sento come un alchimista del Cinquecento: queste cose sembrano funzionare, anche se non siamo ancora sicuri di capire davvero il perché; e ci sentiamo sull’orlo di una scoperta importante, di una rivoluzione scientifica come nel Seicento. Questo mondo strano e perfino dark è riflesso bene nel mio intervento al Personal Democracy Forum di qualche mese fa a Roma. Se vi interessa un assaggio, il video è qui sotto, sia in italiano che in inglese.

(dedicato a Giulio Quaggiotto)

Rilevazione algoritmica della specializzazione nelle conversazioni online

Lascia una risposta

Ringrazio Federico Bo per la traduzione in Italiano.

Partecipanti

Alberto Cottica, Benjamin Renoust, Khatuna Sandroshvili, Luca Mearelli, Gaia Marcus, Kei Kreutler, Jonne Catshoek, Federico Bo.

Obiettivo

Scoprire quali gruppi di utenti in Edgeryders (si) sono auto-organizzati in conversazioni specialistiche, nelle quali le persone gravitano intorno a uno o due argomenti (piuttosto che disperdere la loro partecipazione in tutte le discussioni). Inoltre capire se questi “specialisti”, oltre che concentrarsi su determinati argomenti, interagiscano strettamente l’uno con l’altro.

Perché è importante

Capire le dinamiche dei social networks e delle communities e conoscere lo schema della loro infrastruttura può rivelarsi un utile strumento adisposizione dei policy makers per ripensare il modo in cui vengono sviluppate e implementate le linee guida politiche. Inoltre si potrebbe assicurare che questi indirizzi riflettano in maniera corretta bisogni e possibili soluzioni proposte dai cittadini.

Poter scoprire i legami tra i membri di un social network basati sulle loro aree di specializzazione può permettere ai decision makers di:

Attingere a reti esistenti di esperti e persone informate per capire meglio un problema di policy e i gruppi che ne sono più influenzati (cioè i beneficiari della policy).
Identificare “dal basso” pre-esistenti idee e proposte per le politiche che si intendono sviluppare e mettere in atto
Unire insieme reti diverse accomunate da un provato interesse per le politiche pubbliche, utilizzandole per progettare nuove soluzioni orientate al cambiamento e all’innovazione

Piuttosto che spendere tempo e risorse nello sviluppo e nella costruzione di sempre nuove communities intorno a vari temi, questa metodologia può aiutare ad utilizzare strutture già esistenti rafforzandole con queste reti di “esperti dal basso”, razionalizzando e rendendo più efficienti i processi decisionali.

I dati e gli strumenti

Edgeryders è un progetto nato su iniziativa del Consiglio d’Europa e della Commissione Europea nel 2011. Il suo obbiettivo era generare proposte per le nuove politiche europee sui giovani dai giovani stessi attraverso l’utilizzo di una piattaforma web aperta strutturata come un social network (maggiori informazioni). Attualmente Edgeryders è uno spinoff del progetto originale, incorporato come impresa nonprofit con sede in UK.

La piattaforma iniziale – sui dati della quale viene effettuata l’analisi – è stata realizzata con Drupal 6. Usando un set di plugin chiamato Views Datasource sono stati esportati in tre file JSON le informazioni su utenti, post e commenti.

Questi dati hanno consentito di ricreare la rete delle conversazioni nella quale gli utenti sono i nodi e i commenti gli archi. Anna e Bob sono connessi da un arco se Anna ha scritto almeno un commento su un frammento di contenuto scritto da Bob. Si è utilizzato il framework Tulip per costruire e analizzare il grafo a partire dai dati disponibili. Il risultato è stata una rete di 260 utenti attivi, circa 1600 archi e 400 commenti.

Per avvicinarsi all’obbiettivo si è arricchito il dataset con informazioni extra sulla semantica delle conversazioni.

Cosa si è fatto.

Per definire in che misura gli utenti gravitano intorno a certi argomenti e l’uno all’altro si è effettuata una “entanglement analysis” sul dataset. Questa analisi è stata proposta da Benjamin Renoust nel 2013 ed è stata eseguita con un programma chiamato Data Detangler.

1. Edgeryders come social network di commenti

Questi dati possono essere interpretati come un social network: le persone scrivono post e commenti nella rete e, naturalmente, si commentano a vicenda. Ogni commento può essere visto come un arco che connette l’autore del commento all’autore di un post o di un commento. Oppure si può interpretare il social network come un grafo bipartito che connette gli utenti al contenuto: i commenti sono archi che connettono i loro autori all’unità di contenuto che stanno commentando.

2. I post sono scritti in risposta alle “missioni”

In Edgeryders sono presenti nove “campagne” ciascuna delle quali contiene dei brief, o “missioni”. I post (e relativi commenti) sono scritti in risposta alle missioni.

3. Le keywords indicizzano le missioni

Per capire come le varie campagne e missioni sono connesse tra di loro si sono analizzate le parole chiave (keywords) di ogni missione.

Procedendo manualmente, attraverso il servizio online TagCrowd, si sono trovate e selezionate le prime 12/15 parole per ordine di frequenza presenti nelle missioni (sono state rimosse parole non significative o inerenti le funzionalità della piattaforma, tipo “add post”).

La combinazione di questi tre passi ha prodotto un “multiplex social network“(nel quale esistono relazioni multiple tra lo stesso insieme di attori) indicizzato da keywords. Vediamo quali sono stati i passi successivi.

4. Eliminare gli specialisti “spuri”

Sono stati eliminati gli archi collegati a una sola missione che identificano specialisti “spuri” (se Alice ha con Bob una sola interazione, il 100% della loro conversazione è assegnato al tema discusso in quell’unica interazione. Abbiamo ritenuto di non assegnare valore informativo a questo dato) .

5. Rimuovere conversazioni generaliste.

A questo punto si ha un social network di utenti e keywords. Ogni keyword può esser vista come un “livello” della rete, che identifica una sotto-rete: la rete delle conversazioni sul lavoro, sull’educazione ecc. Per isolare le conversazioni specializzate, per ciascun arco si sono rimosse tutte le keyword ad eccezione di quelle che apparivano in tutte le intersezioni tra due utenti. Ovvero, si è ricostruita la rete assegnando a ciascun arco l’intersezione dell’insieme di keywords comprese in ogni interazione individuale. In alcuni casi l’intersezione era vuota e quindi l’arco è stato eliminato.

Un utile effetto collaterale di questi ultimi due passi è stato quello di ridurre fortemente l’influenza dei moderatori del team di Edgeryders, che sono per definizione tra gli utenti più attivi e potrebbero distorcere i risultati dell’analisi. Il punto 4 rimuove le interazioni “one off” con gli utenti poco attivi, il punto 5 rimuove gli archi che connettono tra loro i moderatori, visto che partecipando a tutte le discussioni fanno tendere a zero l’intersezione delle parole chiave.

6. Identificazione gruppi di specialisti

Si è arrivati quindi a identificare gruppi di specialisti identificano quegli utenti che interagiscono tra loro solo con un piccolo numero di keywords. Nell’esempio n(keywords)=2.

Conclusioni

Il metodo sembra in grado di identificare “gruppi” di specialisti, dove la parola “gruppo” è intesa nel senso di un’insieme di persone che non solo contribuiscono con contenuti ma interagiscono gli uni con gli altri. Questo fa emergere l’”intelligenza collettiva” nelle conversazioni su larga scala. Nella figura 1 sono evidenziati individui (sulla sinistra) che interagiscono solo attraverso le parole “education” e “learning“. Gli individui evidenziati che non sono connessi con alcun arco evidenziato sono utenti che hanno scritto contenuti relativi a queste parole chiave ma non sono parte di interazioni su queste stesse parole.

Una volta identificati i gruppi di specialisti il passo successivo è guardare le keywords che co-occorrono negli archi che li connettono. Per esempio nella Figura 2 si possono vedere le parole che si aggiungono a “education” e “learning” nel gruppo prima identificato. Si può notare sia che anche la parola “open” è significativa (la grandezza del circolo associato è proporzionale al suo uso). Si potrebbe interpretare questo dato dicendo che gli “specialisti” in educazione in questa community pensano che il concetto di “apertura” sia importante quando si parla di educazione.

Questo metodo è scalabile. Può essere usato per scoprire inaspettati schemi di interazione che possono essere oggetto di successive ricerche.

Margini di miglioramento

Il problema principale con questo metodo d’analisi è che è estremamente sensibile alla selezione delle keywords. Si possono ottenere risultati migliori con un metodo che associ al conteggio delle occorrenze un’analisi etnografica. Purtroppo le “folksonomies” (tagging non strutturato) tendono a non funzionare perché introducono molto rumore nel sistema.