L'importance de l'interdisciplinarité La centralité dans l'analyse de l'influence des réseaux sociaux

Mathématiquement, ce sont les suivants:

C_Bv) = -_s-](-_]stv) /-_st]

Lorsque ε_st[ est le nombre total de chemins les plus courts depuis le nœud s jusqu'au nœud t[, et ε_stv) est le nombre de chemins qui passent par v. Ce calcul donne une note qui reflète la façon dont un nœud central est en termes de son rôle d'intermédiaire.

Pour les grands réseaux, l'interligne centralité peut être exigeante en calcul. L'algorithme Brandes, développé par Ulrik Brandes en 2001, fournit une méthode efficace pour calculer l'interligne centralité pour tous les nœuds dans un graphique avec O(=V=E=) complexité temporelle pour les graphiques non pondérés, où=V= est le nombre de nœuds et==E= est le nombre de bords.

Comprendre la base mathématique est important parce qu'elle révèle pourquoi entre la centralité de la centralité capture une dimension d'influence différente de simples mesures comme les comptes de suiveur. Un noeud avec la centralité de haute intervalence peut avoir relativement peu de connexions dans l'ensemble, mais ces connexions les placent sur les chemins critiques qui relient différentes parties du réseau.

Pourquoi la centralité entre les deux est importante pour l'influence sociale

L'influence sur les réseaux sociaux n'est pas répartie de façon uniforme.Certains individus commandent l'attention par le biais d'un nombre absolu de disciples ou d'amis, tandis que d'autres exercent une influence parce qu'ils servent de connecteurs entre divers groupes.

Les gardiens de la circulation de l'information

Les personnes ayant une centralité élevée entre les deux agissent comme gardiens de porte. Elles contrôlent les canaux par lesquels l'information passe d'une communauté à une autre. Si une nouvelle idée, un produit ou une tendance se dégage dans une partie du réseau, le gardien de porte détermine si elle atteint d'autres parties.

Par exemple, dans un cadre corporatif, un gestionnaire de niveau intermédiaire qui relie l'équipe d'ingénierie à l'équipe marketing peut avoir une centralité plus grande entre les deux que le PDG. Ce gestionnaire décide quelles innovations techniques sont communiquées au marketing et quelles perspectives marketing parviennent aux ingénieurs. Leur position dans la structure du réseau leur donne une influence sur le partage des connaissances organisationnelles, même si leur titre officiel ne reflète pas ce pouvoir.

Combler les trous structurels

Le sociologue Ronald Burt a introduit le concept de trous structuraux, qui décrit les écarts entre les groupes déconnectés dans un réseau. Les individus qui font le pont des trous structurels occupent des positions de centralité de haute interrelation.

Dans l'analyse de l'influence sociale, le fait de combler des trous structurels signifie qu'une personne peut introduire des idées d'une communauté dans une autre communauté qui ne les rencontrerait pas autrement, ce qui en fait des agents puissants du changement, car ils peuvent déclencher la propagation de nouveaux comportements, croyances ou produits au-delà des frontières du réseau.

Amplifier le contenu viral

Lorsque le contenu devient viral, il passe souvent par des individus avec une centralité élevée entre les deux à des moments critiques. Ces individus ne créent pas nécessairement le contenu eux-mêmes, mais leur position dans le réseau leur permet de le partager avec plusieurs groupes déconnectés simultanément. Sans ces chiffres de pont, le contenu viral resterait contenu dans une seule communauté et n'atteindrait jamais une portée étendue.

Les campagnes de marketing qui identifient et ciblent les personnes ayant une centralité élevée entre les deux peuvent atteindre une plus grande portée avec moins de ressources.

Comparaison entre la centralité et d'autres mesures de centralité

La centralité entre les deux est l'une des mesures importantes de centralité dans l'analyse des réseaux. Chaque mesure saisit un aspect différent de l'importance des nœuds, et les compare à leur valeur unique de centralité entre les deux pour l'analyse des influences.

Degré Centralité

Dans les réseaux sociaux, cela se traduit par le nombre d'amis, de disciples ou de contacts. Une personne avec une centralité de haut niveau a de nombreuses connexions et peut atteindre beaucoup de personnes directement. Cependant, la centralité de degré ne saisit pas la manière dont ces connexions sont distribuées dans le réseau. Un noeud avec de nombreuses connexions qui sont toutes dans la même communauté peut avoir une centralité de haut degré mais une faible centralité entre les deux, car ils ne relient pas différents groupes.

La centralité du degré est utile pour identifier les individus populaires, mais elle peut être trompeuse pour l'analyse d'influence.Une célébrité avec des millions de adeptes sur les médias sociaux peut avoir une centralité de haut degré, mais si leurs adeptes ne sont pas eux-mêmes influents ou bien connectés, la capacité de la célébrité à diffuser des informations au-delà de leur auditoire immédiat peut être limitée.

La proximité Centralité

La centralité de proximité mesure la rapidité avec laquelle un noeud peut atteindre tous les autres nœuds du réseau, calculée comme l'inverse de la distance moyenne de trajet la plus courte à tous les autres nœuds. Un noeud avec centralité de grande proximité peut diffuser l'information efficacement sur l'ensemble du réseau. Cette mesure est utile pour comprendre la vitesse de propagation de l'information, mais elle n'identifie pas nécessairement les individus qui contrôlent le flux entre les communautés.

La proximité centrale et la proximité centrale sont souvent corrélées, mais elles ne sont pas identiques. Un nœud proche de tout le monde peut aussi être un pont entre les groupes, mais un nœud peut être proche de tout le monde sans être un pont critique si le réseau est fortement connecté.

Centrale de l'Eigenvector

La centralité d'Eigenvector mesure l'influence d'un noeud basé sur l'influence de ses voisins. Un noeud avec une centralité d'Eigenvector est connecté à d'autres nœuds hautement centraux. Cette mesure capture l'idée que l'être connecté à des personnes influentes vous rend plus influent vous-même. PageRank, l'algorithme que Google utilise pour classer les pages web, est une variante de centralité d'Eigenvector.

La centralité des autochtones est puissante pour identifier les nœuds qui sont intégrés dans des communautés influentes, mais elle peut ignorer les nœuds de pont qui relient différentes communautés. Un pont entre deux communautés peut avoir une centralité faible des autochtones parce que leurs voisins ne sont pas très connectés au sein de leurs propres communautés, même si le pont lui-même est essentiel pour la circulation de l'information entre eux.

Pourquoi la centralité entre les deux est-elle distincte?

Bien que le degré, la proximité et la centralité des autochtones fournissent tous des informations précieuses, ils n'identifient pas spécifiquement les nœuds de liaison qui relient des groupes autrement déconnectés. Pour l'analyse de l'influence sociale, surtout lorsque l'objectif est de comprendre ou de faciliter la diffusion de l'information dans diverses communautés, la centralité des différences offre des indications uniques qui complètent d'autres mesures.

Applications pratiques de la centralité entre les deux

La notion de centralité entre les deux a des applications pratiques dans plusieurs domaines. La compréhension des domaines où appliquer cette mesure aide les organisations et les chercheurs à obtenir des résultats précis en matière d'influence et de flux d'information.

Marketing et promotion de la marque

Les équipes marketing utilisent la centralité entre les deux marques pour identifier les défenseurs de la marque qui peuvent amplifier les messages de campagne sur différents segments de clients. Un client qui s'engage dans de multiples catégories de produits et interagit avec diverses communautés au sein de l'écosystème d'une marque peut avoir une centralité entre les grandes.

Dans le marketing influenceur, la centralité entre les marques aide à dépasser les mesures de vanité comme compte d'abonnés. Un influenceur avec 50 000 adeptes qui relie plusieurs communautés distinctes peut conduire plus d'engagement et de conversion que l'influenceur avec 500 000 adeptes qui n'atteignent qu'un seul public homogène. En ciblant les influenceurs avec une centralité haute entre les deux, les marques peuvent atteindre une pénétration du marché plus large et une promotion plus authentique du bouche-à-oreille.

Santé publique et confinement des maladies

Lors des éclosions de maladies, les agents de santé publique utilisent la centralité entre les deux pour identifier les personnes qui peuvent accélérer ou contenir la propagation de l'infection.Dans les réseaux de recherche de contacts, les personnes ayant une centralité entre les deux peuvent être des super-distributeurs qui relient plusieurs groupes sociaux.

De même, pour les campagnes de communication sur la santé, la centralité entre les communautés aide à identifier les leaders communautaires qui peuvent diffuser efficacement des informations sur la santé dans diverses populations.Un leader religieux qui relie plusieurs groupes de quartier, ou un enseignant qui interagit avec des familles de différents milieux socio-économiques, peut avoir une centralité entre les communautés et servir de canal efficace pour la messagerie en matière de santé.

Analyse du réseau organisationnel

Les entreprises utilisent la centralité entre les deux pour cartographier les réseaux de communication informels au sein de leur organisation. Les organigrammes officiels montrent les structures de rapport, mais ils ne révèlent pas comment l'information circule réellement entre les équipes et les ministères.

Ces employés qui se trouvent en contact avec l'organisation possèdent souvent de précieuses connaissances institutionnelles et jouent un rôle clé dans la collaboration interfonctionnelle. Lorsqu'ils quittent l'organisation, les flux d'information entre les équipes peuvent se décomposer. Les entreprises peuvent utiliser les données de centralité entre les deux pour reconnaître ces employés, assurer le transfert des connaissances et créer des redondances dans leurs réseaux afin de réduire le risque de goulots d'étranglement dans l'information.

Lutte contre le terrorisme et sécurité

Les agences de sécurité appliquent la centralité entre les cellules pour analyser les réseaux de communication dans les enquêtes antiterroristes. Les nœuds avec la centralité entre les réseaux terroristes peuvent être des facilitateurs clés qui relient différentes cellules ou groupes opérationnels.

Dans le domaine de la cybersécurité, la centralité entre les éléments permet d'identifier les routeurs ou serveurs critiques dans l'infrastructure de communication. La protection de ces nœuds contre les attaques est essentielle pour maintenir la résilience du réseau, car leur échec perturberait de manière disproportionnée la communication entre les différentes parties du réseau.

Considérations informatiques pour les grands réseaux

L'algorithme Brandes, tout en étant efficace, nécessite des ressources informatiques importantes pour les réseaux avec des millions de nœuds et de bords. Les analystes travaillant avec les grands réseaux sociaux doivent envisager des stratégies d'échantillonnage, des algorithmes d'approximation et des approches informatiques parallèles.

Une approche courante consiste à rapprocher la centralité entre les deux éléments en calculant les chemins les plus courts à partir d'un échantillon aléatoire de nœuds sources plutôt que de tous les nœuds. Les recherches ont montré que même l'échantillonnage d'une petite fraction de nœuds sources produit des estimations fiables de centralité entre les deux éléments pour la plupart des nœuds, en particulier pour identifier les nœuds ayant les scores de centralité les plus élevés.

Une autre approche consiste à recourir à l'échantillonnage adaptatif, où la taille de l'échantillon augmente pour les noeuds dont la centralité est estimée plus élevée afin d'obtenir des classements plus précis.

Pour les applications en temps réel, comme la surveillance des médias sociaux pendant une campagne de marketing, les algorithmes de streaming qui mettent à jour les scores de centralité entre les deux, au fur et à mesure que de nouvelles interactions se produisent, peuvent fournir des informations continues sans recomptabiliser l'ensemble du réseau à chaque fois.

Limites et considérations contextuelles

Bien que la centralité entre les deux donne de puissants aperçus, elle comporte d'importantes limites que les analystes doivent tenir compte lorsqu'ils l'appliquent à l'analyse de l'influence sociale.

Définition de la limite du réseau

Si le réseau manque de nœuds ou de bords pertinents, les scores de centralité peuvent être trompeurs. Par exemple, une personne qui semble avoir une centralité élevée au sein d'un réseau d'entreprise peut en fait avoir moins d'influence si ses connexions à l'extérieur de l'entreprise ne sont pas saisies.

Dynamique temporelle

Les relations se forment et se dissolvent, les modes de communication changent et les individus se déplacent entre les communautés. La centralité de l'interrelation calculée à partir d'un instantané statique du réseau peut ne pas refléter la dynamique de l'influence actuelle.

Facteurs d'influence contextuelle

Certains individus qui se rapprochent peuvent choisir de ne pas partager l'information, ou ils peuvent ne pas avoir la motivation ou la crédibilité d'influencer efficacement les autres. Le pouvoir de la persuasion d'un individu dépend de facteurs tels que la confiance, l'expertise et la qualité des relations, qui ne sont pas pris en compte par la seule structure du réseau.

La combinaison de la centralité de la communication avec d'autres sources de données, comme les mesures de l'engagement, l'analyse des sentiments et l'information démographique, fournit une image plus complète de l'influence sociale.

Coût informatique des mises à jour dynamiques

Dans les réseaux en évolution rapide, comme les plateformes de médias sociaux où les interactions se produisent continuellement, recomptabiliser la centralité de l'intensité à partir de zéro chaque fois que les changements de réseau sont peu pratiques. Des algorithmes de mise à jour supplémentaires existent, mais ils ajoutent de la complexité au pipeline d'analyse.

Meilleures pratiques pour utiliser la centralité entre les deux dans l'analyse de l'influence

Pour utiliser efficacement la centralité entre les deux éléments pour l'analyse des réseaux sociaux, les praticiens devraient suivre les pratiques exemplaires établies qui tiennent compte des limites et maximisent la valeur de la mesure.

Aucune mesure de centralité ne saisit tous les aspects de l'influence.L'utilisation de la centralité de la centralité de la centralité de la centralité de la centralité de la centralité de la centralité de la centralité de la centralité de la centralité de la centralité de la centralité de la centralité de la centralité de la capacité à identifier différents types de nœuds influents.

Validation avec des données comportementales La structure du réseau suggère une influence potentielle, mais l'influence réelle dépend du comportement. Valider des prédictions basées sur la centralité en suivant les comportements réels de propagation de l'information, de mobilisation ou d'adoption.

Utiliser l'expertise du domaineLes scores de centralité entre les deux parties doivent être interprétés dans le contexte du domaine particulier.Un pont entre deux communautés d'un réseau professionnel peut avoir une dynamique d'influence différente de celle d'un pont d'un réseau social.

Choisissez des algorithmes et des méthodes d'approximation qui correspondent à la taille du réseau et aux besoins analytiques.Pour l'analyse exploratoire sur les grands réseaux, les méthodes d'approximation avec limites d'erreur raisonnables fournissent souvent une précision suffisante.

Orientations futures de l'analyse de l'influence fondée sur la centralité

Les recherches sur la centralité entre la centralité et l'influence sociale continuent d'évoluer. Les nouveaux développements incluent l'analyse multicouche du réseau, où la centralité entre la centralité est calculée simultanément entre plusieurs types de relations, et l'analyse dynamique du réseau qui saisit la façon dont la centralité change au fil du temps.

À mesure que les réseaux sociaux grandissent et se complexifient, des algorithmes efficaces pour l'analyse entre centralité de la centralité de la communication en continu et réseaux distribués deviendront de plus en plus importants.

L'intégration de la centralité entre la centralité et le traitement du langage naturel et l'analyse des sentiments permet aux chercheurs de comprendre non seulement qui relie les communautés, mais aussi quel contenu elles partagent et comment leur auditoire réagit.

Pour plus de détails sur les mesures de centralité et leurs applications, voir le travail de base de Linton Freeman sur la centralité dans les réseaux sociaux, Ulrik Brandes' algorithme paper on accessed betweenness centrality calcul , et Ronald Burt's research on structural trous and social capital.

Conclusion

La centralité entre les deux est un concept fondamental de l'analyse des réseaux sociaux, car elle identifie les personnes qui contrôlent la circulation de l'information entre les communautés, qui détiennent un pouvoir disproportionné sur ce qui se répand dans un réseau, ce qui en fait des cibles essentielles pour les campagnes de marketing, les interventions en santé publique, la gestion organisationnelle et les opérations de sécurité.

La valeur de la centralité entre les deux ne réside pas dans le remplacement d'autres mesures de centralité, mais dans leur complémentarité avec une perspective unique sur la structure du réseau. Bien que la centralité de degré montre qui a le plus de connexions, et la centralité de l'eigenvector montre qui est connecté à des personnes influentes, la centralité entre les deux révèle qui relie les groupes qui, autrement, resteraient séparés.

Les praticiens qui combinent centralité entre la centralité et validation comportementale, expertise du domaine et méthodes informatiques appropriées peuvent obtenir des connaissances plus approfondies sur la dynamique de l'influence sociale. À mesure que les réseaux grandissent et les outils analytiques deviennent plus sophistiqués, l'importance stratégique de centralité entre les deux ne fera qu'augmenter, ce qui en fera un outil indispensable pour quiconque s'intéresse sérieusement à la compréhension et à la mise à profit de l'influence sociale.