R2 parcial: visualització de la xarxa @clavero

Anna Camps Romero
Visibilitat: Públic - - 1 comentari a R2 parcial: visualització de la xarxa @clavero

Per a dur a terme l’apartat 5 de visualització de la xarxa, s’ha seleccionat el canal de YouTube de @clavero, ja que té més de 2 milions de seguidors i 231 vídeos publicats. Així s’ha assegurat un volum elevat de comentaris als vídeos.

Primer, s’ha seguit tots els passos de la guia de YouTube Data Tools i s’ha descarregat l’arxiu related video network. Aquest s’ha penjat a Gephi, indicant que es tracta d’una xarxa no dirigida, ja que és una relació necessàriament recíproca. A més, s’ha fet servir l’algorisme de força bruta Force Atlas 2. El resultat ha sigut el següent:

S’ha donat forma a la xarxa modificant el panell de distribución: S’ha marcat la casella Dissuadir Hubs, per ajudar a separar els vídeos més centrals dels secundaris i la de Prevenir solapamiento, per assegurar que els nodes no es trepitgin. També s’ha executat l’algorisme Force Atlas 2.

 

Després s’han calculat les mètriques necessàries. S’ha executat el grado promedio, la modularitat i el PageRank. El grado promedio diu la connectivitat mitjana dels vídeos, la modularitat detecta les diferents comunitats i el Page Rank identifica quins són els “influencers” dins del canal.

Quan ja s’han fet tots els càlculs, s’ha accedit a la pestanya d’aparença, on s’ha modificat el color (nodos → partition) i s’ha seleccionat Modularity class, per assegurar que cada comunitat de vídeos (en aquest cas n’hi ha tres) tindrà un color diferent. També s’ha modificat la mida (nodos → ranking), perquè els vídeos amb més co-comentaris es vegin més grans. 

Finalment, el gràfic final amb i sense les etiquetes és el següent:

El canal @clavero té 231 nodes (vídeos) i 15.634 arestes (connexions per audiència compartida). Es tracta d’un gràfic no dirigit i ponderat. El grado medio és de 135,359, el que vol dir que, de mitjana, cada vídeo comparteix audiència amb uns 135 vídeos més del seu canal. Això indica una audiència molt fidel.

L’estructura mostra una alta cohesió central, cosa que indica un nucli de continguts amb una forta recurrència d’interaccions creuades, mostrant una comunitat molt interconnectada on la informació viatja ràpidament. Els vídeos que apareixen al centre són els que tenen una audiència més general i els que queden als costats comparteixen menys espectadors que la resta. Els colors identifiquen les tres comunitats de modularitat, cosa que permet detectar tres temàtiques força diferenciades entre elles. La mida defineix la importància, que es mostra amb el Page Rank i les etiquetes mostren els títols dels vídeos.

Citacions bibliogràfiques

  • Clavero. (s. d.). Clavero [canal de YouTube]. YouTube. https://www.youtube.com/@Clavero
  • Grandjean, Martin (2015). “GEPHI – Introduction to Network Analysis and Visualization”, https://www.martingrandjean.ch/gephi-introduction
  • Morales i Gras, J. [Jordi]. (2021). Comprensió de les xarxes socials (1a ed.) [recurs d’aprenentatge textual]. Fundació Universitat Oberta de Catalunya (FUOC).
  • Morales i Gras, J. [Jordi]. (2021). Representació de les xarxes socials (1a ed.) [recurs d’aprenentatge textual]. Fundació Universitat Oberta de Catalunya (FUOC). 
  • YouTube Data Tools – Overview (May 2023) [en línia]. Disponible a: https://youtu.be/TmF4mWZYnbk

 

Entrega coevaluación R2. Lliurament coavaluació R2

Debat1

  1. Judith Salido Utrilla
    Visibilitat: Públic

    M’ha semblat una entrega molt completa perquè no només mostra el graf final, sinó que també explica bastant detalladament el procés seguit a YouTube Data Tools i a Gephi. Es veu clarament que ha identificat el tipus de xarxa, ha aplicat Force Atlas 2 i ha treballat tant el color dels nodes segons la modularitat com la mida segons una mètrica de rellevància. També trobo positiu que inclogui les dues versions del graf, amb etiquetes i sense etiquetes, perquè això ajuda a veure la diferència entre una visualització més neta i una altra més informativa.

    Crec que un dels punts forts és que l’explicació incorpora dades concretes, com els 231 nodes, les 15.634 arestes i el grau mitjà de 135,359. Això fa que la interpretació no es basi només en allò que es veu visualment, sinó també en les mètriques obtingudes a Gephi. També és interessant la lectura que fa de la cohesió central de la xarxa i de la presència de tres comunitats diferenciades per modularitat.

    Com a millora, crec que la visualització podria guanyar una mica de claredat si les arestes fossin menys visibles o més transparents, ja que en la versió final amb etiquetes el centre queda una mica carregat i costa llegir alguns títols. També seria útil indicar el valor exacte de la modularitat, no només el nombre de comunitats, perquè així es podria valorar millor fins a quin punt aquests tres grups són realment significatius. Finalment, quan es parla de PageRank com a identificador d’“influencers”, potser matisaria que en aquesta xarxa els nodes són vídeos, no persones; per tant, seria més precís parlar de vídeos més rellevants o més centrals dins la xarxa, i no d’influencers.

    En conclusió, considero que és una visualització ben resolta i una explicació força completa. La xarxa permet entendre que el canal té una audiència molt recurrent i connectada entre vídeos, i l’ús de colors, mida i etiquetes ajuda a interpretar-ne l’estructura. Amb algun canvi visual i una mica més de precisió en la interpretació de les mètriques, l’anàlisi quedaria encara més sòlida.

Deixa un comentari