Hálózatok, celebek, Ice Bucket Challenge
A különböző mutatókkal és modellekkel dolgozó hálózatkutatást nem csak olyan komoly témák vizsgálatakor lehet használni, mint a mikrofinanszírozás vagy a munkaerőpiac, hanem olyan hétköznapi játékok során is, mint a 2014 nyarán az internetet ellepő Ice Bucket Challenge. Jelen cikk a Doremus Network Analysis (DNA) 2014-es kutatásának összefoglalása, mely az imént említett játék hálózatát vizsgálja.
A videókon jéghideg víztől didergő emberek részben a jó ügy érdekében – a kampány hatására befolyó pénz az ASL-t (amiotrófiás laterálszklerózis, végzetes, bénulással járó betegség) támogatja –, részben a szórakozás kedvéért fogadták el az Ice Bucket Challenge-et. Ezen felül saját maguk is jelöltek ismerősöket, így biztosítva, hogy a játék ne szakadjon meg. A kihívás gyorsan terjedt a közösségi médián, rengeteg felhasználóhoz elért, csak Facebookra több mint 1,2 millió videót töltöttek fel. A kampány eredményességét azonban leginkább a celebeknek köszönheti, akiknek hatására sokan felfigyeltek az akcióra. Több ezer sztár aktívan részt vett a játékban, azaz azon túl, hogy posztolt egy videót, ahol jeges vizet önt magára és adományozott a szervezetnek, még néhány ismerősét is jelölte, akiknek teljesíteniük kell a kihívást. Ezáltal egy tökéletes adatbázist hoztak létre a kapcsolati hálójuk elemzésére.
A Doremus az Ice Bucket Challengeről gyűjtött adataiból egy 506 sztárból álló hálózatot hozott létre.
A grafikus ábrázolás során a pontok nagysága a jelölések számával arányos, így mutatója lehet az adott sztár népszerűségének, az őt övező tiszteletnek, stb. Azt, hogy a játék terjedésén belül ki mennyire tölt be központi szerepet, többféle mutatóval is jellemezhetjük. Ennek a legegyszerűbb formája a fokszám (hány kapcsolattal rendelkezik az adott csúcs, ld. előző cikkünket).
Ha megnézzük, hány lépés alatt juthatunk el egyik hírességtől a másikig, akkor megfigyelhető, hogy bármely két sztár közti távolság nem nagyobb hat lépésnél. Tehát a csúcsok közötti átlagos távolság a csúcsok számához képest kicsi. Ezért a vizsgált hálózatot kisvilág tulajdonságúnak mondhatjuk, ami a leggyakrabban előforduló hálózattípus. A hat lépés távolság elmélete szerint, akárcsak jelen esetünkben, a Földünkön bármely két ember legfeljebb hat lépéssel összekapcsolható.
Kicsi a világ
A „kis világ” elmélet a hálózatkutatás egyik legkorábbi kutatási kérdése. Legelőször Karinthy Frigyes fogalmazta meg 1929-ben, Láncszemek című novellájában a következőképpen:“Tessék egy akármilyen meghatározható egyént kijelölni a Föld másfél milliárd lakója közül, bármelyik pontján a Földnek — ő fogadást ajánl, hogy legföljebb öt más egyénen keresztül, kik közül az egyik neki személyes ismerőse, kapcsolatot tud létesíteni az illetővel, csupa közvetlen — ismeretség — alapon, mint ahogy mondani szokták: ‘Kérlek, te ismered X. Y.-t, szólj neki, hogy szóljon Z. V.-nek, aki neki ismerőse…’ stb”
/Karinthy Frigyes: Láncszemek (1929)/
1967-ben Stanley Milgram szociálpszichológus egy kísérlet során kívánta tesztelni az elméletet: az USA közép- és nyugati részéről véletlenszerűen kiválasztott személyeket kért arra, hogy egy levelet juttassanak el egy Massachusetts állambeli ismeretlennek. A címzettek csak neve és foglalkozása volt ismert, illetve, hogy mely város lakója, de pontos címe nem. A levelet annak az ismerősüknek kellett küldeniük, akiről úgy vélték, ismerheti a címzettet, vagy ismerhet valakit, aki ismerheti. Végül a levelek általában 5-7 ember közreműködésével jutottak el a célszemélyekhez. A hat lépés távolság elmélete tehát beigazolódni látszott Milgram kísérletében. A Facebook 2011-ben megismételte a kísérletet, és arra jutott, hogy ma már a hat lépés távolság valójában inkább csak négy: a vizsgált 69 milliárd kapcsolat elemzése kimutatta, hogy a Facebook-felhasználók 92%-a négy lépéssel összeköthető.
forrás: network blog
Jelen példánkban és a hírességeknél általában is a hálózaton (társadalmon) belüli pozíció (befolyás) a csúcsok (hírességek) legfontosabb mérőszáma. Ezek a centrális mérőszámok azonban több aspektusában vizsgálhatják a hálózaton belüli helyzetet.
Az egyik ilyen mérőszám és elemezési alap a sajátvektor centralitás (eigenvector centrality). Ez a mérőszám azt vizsgálja, hogy adott csúcs szomszédainak mekkora a fokszáma. Magyarul azt mutatja meg, hogy egy adott csúcs szomszédjai mennyire központi csúcsok (ellenben a fokszám alapú vizsgálattal, amikor csak az adott csúcs fokszáma lényeges).
1.ábra: Sajátvektor centralitás, forrás: Anna Rickman, 2014
A példán keresztül egyszerű ennek megértése. A legnagyobb sajátvektor centrális értéke Rihannának volt. Gyakorlatilag ő a „celebek celebje”. Lehet, hogy nem neki van a legtöbb ismerőse, az ismerősei annál befolyásosabbak. Ezáltal lényeges szerepe van a trend megszilárdításában, például hogy egy alapból nem kívánatos cselekedet, nevezetesen egy vödör jeges vízben fürdés divatossá (és szexivé) váljon.
Ha egy másik mérőszámot vizsgálunk, egészen más eredményhez jutunk. A köztességi centralitás (betweenness centrality) azt mutatja, hogy a hálózat csúcsait egymással összekötő legrövidebb utak közül hány halad át vizsgálni kívánt csúcson (Newman, 2010). Ez a jelen példa esetében – ellenben az előző centralitásfogalommal – nem azt méri, hogy ki milyen stílusvezér, hanem hogy ki mennyire tölti be az információs híd szerepét az adott közösségen belül. Ezek a személyek viszik az üzenetet új csoportokba, intézményekbe.
2.ábra: Köztesség centralitás, forrás: Anna Rickman, 2014
Ha visszatérünk celebkirálynőnkhöz, azt látjuk, hogy Rihanna ebben a mérőszámban már nem remekel, ellenben Mel B-vel vagy Christiano Ronaldóval. Ez azzal magyarázható, hogy Mel B. az America’s Got Talenten keresztül kapcsolódik Hollywoodhoz, ahol több barátja is található, ezen felül kapcsolatot tart fenn Victoria Beckhammel és egyéb tehetségkutató műsorok szereplőivel. Sok eltérő közösséghez tartozik, csak úgy, mint Ronaldo, aki a sport, a divat és a reklám világában is jelen van.
Nagyon leegyszerűsítve, míg a Rihannához hasonlók teszik szexivé a vödör jeges vizet, Ronaldo és társai teszik mindenki számára ismertté, elérhetővé.
Az információ vírusként terjedése a szociális hálóban inkább a random kapcsolatoknak köszönhető, mintsem a földrajzi, családi, baráti szálaknak. Hiszen az utóbbiaknak nincs meg a képességük nyitni új, vagy messzi közösségek felé, így a trend elhal.
A központi, legjobban befolyásoló, és leginkább kapcsolódó része a vizsgált sztárhalmaznak nagyon kevert. Mégis, a tévés személyiségek kiemelkednek az elemzés során. Ez abból adódik, hogy az ő közösségeik tagjai alkotják a legkülönbőbb halmazt, ők érnek el leggyorsabban a többi egyénhez. Ezt a mérőszámot közelség centralitásnak (closeness centrality) nevezzük, és szintén fontos mérőszám a vírusok terjedésében, hiszen azt mutatja, hogy relatív milyen távolságban van az adott csúcstól a többi csúcs.
A fenti példákon keresztül látható, hogy a különböző centralitás-mutatók ugyan mind a hálózaton belül betöltött szerepet fejeznek ki, mégis más és más verziójukat érdemes használni egyes esetekben, hiszen más eredményre vezet(het)nek. Rihanna sajátvektor centralitása nagy, de alacsony köztességi és közelség centralitással rendelkezik, melyet celebek, például Mel B dominálnak. A sikeres terjeszkedéshez az ismertetett centralitás-mutatók mindegyikére szükség van, azoknak párhuzamosan kell hatniuk. Az egész társadalmunkra vetítve így tud egy ötlet növekedni, terjedni, nagy távokat áthidalni, és a kiindulási pontból a legkülönbözőbb emberekig eljutni.