TEDxPompeii Social Networking Analysis

Social Networking AnalysisPompei 20 giugno 2015

C. Di Tullio aka Dr_Who - drwho.it

– Riccardo Luna tedxpompeii.com

“Lo abbiamo voluto come matti questo TEDx e siamo partiti due anni fa, sì sono passati due anni da quando abbiamo registrato la licenza, e da

allora niente è stato facile. Niente. E strada facendo avremmo potuto fermarci tante volte: dire, ok, capito, non se ne fa nulla. Peccato. Ed

invece eccoci qui”.

– Camillo Di Tullio aka Dr_Who

“Scopo dell’analisi è individuare le persone più attive durante la conferenza e gli argomenti

maggiormente apprezzati”.

Graph Metric ValueGraph Type Directed

Vertices 227

Unique Edges 576Edges With Duplicates 332Total Edges 908

Self-Loops 102

Reciprocated Vertex Pair Ratio 0,065359477Reciprocated Edge Ratio 0,122699387

Connected Components 19Single-Vertex Connected Components 14Maximum Vertices in a Connected Component 205Maximum Edges in a Connected Component 837

Maximum Geodesic Distance (Diameter) 7Average Geodesic Distance 2,516895

Graph Density 0,012709056

ad un’ora e 10 minuti dall’inizio dell’evento, questa è la situazione

In-deg

ree

Out-degree

mappiamo i vertici in ottica multidimensionale:ascisse: out-degree ordinate: in-degree dimensione: Betweenness centrality colore: Eigenvector centrality archi: mentions

In-deg

ree

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 l’interazione (basso out-degree) mentre gli altri 3 contribuiscono ad alimentare la discussione in rete

A B

C D

In-deg

ree

Out-degree

In-deg

ree

Out-degree

Analizzando le mentions (dimensione degli archi) Riccardo Luna e Aperdichizzi sono i vertici più citati

La suddivisione in cluster ci restituisce anche un’altra informazione: nel pre evento i vertici individuati sono i “ponti” di connessione tra i vari segmenti

Qualità degli opinanti: due le dimensioni che ci restituiscono questa informazione: Betweenness centrality ed Eigenvector centrality La prima è rappresentata dalla dimensione delle sfere ci indica che tutti i vertici estratti si pongono mediamente all’interno del percorso che le news percorrono; ma questo elemento non è sufficiente. La colorazione dal bianco al rosso ci informa quanto questi vertici siano ben collegati ad altri vertici ben collegati: più forte è la colorazione, maggiore sarà questa correlazione. In questo modo è facile, nel pre evento, individuare i facilitatori di divulgazione delle news.

Cosa si aspettano le persone? Analizzando gli hashtags più utilizzati, nettando quello che identifica l’evento (#TEDxPompeii), vediamo come i temi sulla Cultura, Arte, Felicità (si sapeva essere l’intervento di Saviano) sono tra quelli maggiormente utilizzati.

Graph Metric ValueGraph Type Directed

Vertices 481

Unique Edges 1499Edges With Duplicates 1898Total Edges 3397

Self-Loops 348

Reciprocated Vertex Pair Ratio 0,039194339Reciprocated Edge Ratio 0,075432163

Connected Components 27Single-Vertex Connected Components 22Maximum Vertices in a Connected Component 450Maximum Edges in a Connected Component 3279

Maximum Geodesic Distance (Diameter) 7Average Geodesic Distance 2,533131

Graph Density 0,008268365

Al termine dell’evento questa la situazione (dati prelevati prima dell’esibizione finale di Arturo Brachetti)

In-deg

ree

Out-degree

mappiamo i vertici in ottica multidimensionale:ascisse: out-degree ordinate: in-degree dimensione: Betweenness centrality colore: Eigenvector centrality archi: mentions

In-deg

ree

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 l’interazione (basso out-degree) mentre gli altri contribuiscono ad alimentare la discussione in rete

A B

C D

In-deg

ree

Out-degree

In-deg

ree

Out-degree

In-deg

ree

Out-degree

pre evento post evento

Durante l’evento è naturalmente cambiata la geografia degli opinanti: Riccardo Luna (moderatore durante l’evento) si è arroccato come hub riducendo ovviamente l’interazione; confermato, invece, il ruolo attivo di Aperdichizzi e TedXPompeii con l’ingresso di Startup_Italia

In-deg

ree

Out-degree

In-deg

ree

Out-degree

In-deg

ree

Out-degree

Quanto sopra indicato viene confermato analizzando le mentions in termini di volumi generati nelle interazioni

In-deg

ree

Out-degree

Analizzando le mentions (dimensione degli archi) Riccardo Luna e Aperdichizzi sono i vertici più citati

La suddivisione in cluster ci restituisce anche un’altra informazione: anche durante l’evento i vertici individuati sono i “ponti” di connessione tra i vari segmenti ma con un particolare: Riccardo Luna è il target

Qualità degli opinanti: due le dimensioni che ci restituiscono questa informazione: Betweenness centrality ed Eigenvector centrality La prima è rappresentata dalla dimensione delle sfere ci indica che tutti i vertici estratti si pongono mediamente all’interno che le news percorrono; ma questo elemento non è sufficiente. La colorazione dal bianco al rosso ci informa quanto questi vertici siano ben collegati ad altri vertici ben collegati: più forte è la colorazione, maggiore sarà questa correlazione. In questo modo è facile, durante l’evento, individuare i facilitatori di divulgazione delle news.

Tra i vari interventi qual è stato il più “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” dell’Olivetti, il primo personal computer della storia, cioè il primo calcolatore commerciale ad essere digitale, programmabile, piccolo ed economico

dati al 21 giugno fonte https://tweetreach.com/reports/14203353

Who: C. Di Tullio aka DR_WHOWhat: marketer & blogger

Where: drwho.it

Social Networking Analysis