Publicat per

Repte 3, tasca 3.

Publicat per

Repte 3, tasca 3.

Anàlisi i interpretació dels resultats En aquest treball s’ha fet l’anàlisi del canal de YouTube VisualPolitik, que compta amb gairebé 4 milions…
Anàlisi i interpretació dels resultats En aquest treball s’ha fet l’anàlisi del canal de YouTube VisualPolitik, que compta amb…

Anàlisi i interpretació dels resultats

En aquest treball s’ha fet l’anàlisi del canal de YouTube VisualPolitik, que compta amb gairebé 4 milions de seguidors i un gran volum de comentaris.

El gràfic final té 1307 nodes (vídeos) i 282362 arestes, i és un gràfic no dirigit i ponderat. 

L’algorisme Force Atlas 2 i la mètrica de grau mitjà de 432,077 revelen que cada vídeo del conjunt de dades comparteix usuaris que comenten amb aproximadament 432 vídeos més del canal. Això implica que és una xarxa molt densa i cohesionada, on els hàbits de participació estan interconnectats. 

La modularitat és de 0,185 i en total té 8 comunitats. Malgrat això, el fet de tenir un valor de modularitat tan baix indica que l’audiència no es troba tancada de forma hermètica en bombolles de filtre, ja que hi ha un flux constant de participació que connecta les diferents temàtiques del canal. 

L’anàlisi del PageRank té una probabilitat de 0,185 i una èpsilon de 0,001 i mostra una distribució concentrada en la immensa majoria en valors de base, mentre que només una minoria està en la part alta del gràfic. Aquests que estan “apartats” funcionen com a hubs informatius que mantenen la cohesió de la conversa en tot el canal. 

Per a poder analitzar les dades de les diferents comunitats, s’ha descarregat un fitxer amb les dades de Gephi i s’ha filtrat de nou amb l’Excel. 

A partir d’una lectura d’aquestes dades, s’han analitzat les temàtiques de les 8 comunitats: 

La primera comunitat que es veu és la de color verd, amb 466 vídeos i un 35,7% de la xarxa tracta sobre geopolítica i conflictes de potències mundials i representa el nucli del contingut del canal. Les paraules clau d’interacció són Trump, Iran, Guerra, Rússia i Ucraïna. 

La segona, la de color rosa, té 443 vídeos i un 33,9% de la xarxa total. Aquesta parla sobre dinàmica de política interna de nacions en específic, l’escrutini de polítics concrets i les crisis globals. Les paraules clau són la Xina, Milei, Maduro, Coronavirus i fracàs polític. 

La tercera comunitat, la de color blau, té 240 vídeos i representa un 18,4% de la xarxa. Aquesta constitueix un bloc centralitzat en l’eix del conflicte eurasiàtic, focalitzant les reaccions dels usuaris en la seguretat i les aliances militars. Les seves paraules clau són Putin, Rússia, Ucraïna, Moldàvia i OTAN. 

L’última comunitat visible, la marró, té 154 vídeos i un 11,8% del gràfic. Aquesta és la comunitat que parla sobre economia, mercats i tecnologies. Les paraules clau són IA, Wall Street, Dòlar, Veneçuela i mercats. 

Les quatre comunitats que falten representen dades molt baixes, amb un vídeo cada una, i corresponen a contingut aïllat, com promocions i el llançament de cursos de formació. Aquests són els nodes que apareixen desconnectats de la gran xarxa, perquè l’usuari que consumeix i comenta vídeos sobre política, per exemple,  rarament creua la seva activitat amb aquests altres tipus de vídeos. 

Figura 1. Gràfic extret de l’eina Gephi

Debat0el Repte 3, tasca 3.

No hi ha comentaris.

Publicat per

R2 parcial: visualització de la xarxa @clavero

Publicat per

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…
Per a dur a terme l’apartat 5 de visualització de la xarxa, s’ha seleccionat el canal de YouTube de…

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

 

Debat1el R2 parcial: visualització de la xarxa @clavero

  1. Judith Salido Utrilla says:

    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.