Corre um boato de que é possível localizar a fonte de uma fofoca

Inside Science News Service
Link para o original: Rumor Has It An Algorithim Could Scope Out Gossip

Crédito da imagem: coolio-claire via flickr | http://bit.ly/1WeI3JF. Partilhada por Creative Commons.

Para localizar a fonte de uma fofoca, as redes sociais precisam ser complexas.

11 de março de 2016
Autor: Marcus Woo, Contribuidor do ISNS

(Inside Science) – Lembra daquelas fofocas que corriam soltas no seu tempo de secundário? Pode ser que agora você possa descobrir quem as espalhava.

As pesquisas nos últimos anos têm explorado meios para identificar a origem de um rumor que se espalhou por uma rede, armada tão somente da informação sobre quem ouviu. Este tipo de estudos matemáticos têm outras utilidades além de descobrir as fontes de fofocas. Eles podem achar as fontes de memes nas redes sociais, tendências, virus de computador e epidemias.

Porém, segundo um estudo recentemente publicado, se você vai conseguir achar a fonte de um rumor, depende da complexidade da rede.

“A estrutura da rede define basicamente quando se pode ou não descobrir o autor”, declara Tauhid Zaman do the Massachusetts Institute of Technology (MIT) em Cambridge. “As pessoas ainda não se deram conta de que a complexidade da rede diz quando e se você pode ficar oculto”.

Se a rede for bem simples — uma onde todos se conheçam entre si, ou uma que for linear, onde Maria só conhece João que só conhece José que só conhece David, e por aí afora — é impossível descobrir a origem de um rumor. Se todos nessa rede ouviram o rumor, é impossível descobrir qual o caminho mais provável do rumor e chegar a sua origem; todos os caminhos são possíveis. Em uma rede mais complexa e realística, entretanto, há uma boa chance de descobrir a fonte.

“Se a rede não for suficientemente complexa, jamais encontraremos a fonte do rumor”, explica ele. “Mas se for só um pouco complexa, há uma chance de uma em três de encontrar”.

E se quisermos restringir a fonte do rumor para oito suspeitos, então, segundo a análise, a probabilidade de encontrar o culpado sobre para 99%.

O estudo, publicado em Operations Research, expande o trabalho de 2010 no qual  Zaman e Devavrat Shah, também do MIT, foram uns dos primeiros a explorar o problema de encontrar a fonte de um rumor e destrinchar a matemática relativa em detalhe.

Muito embora outras pesquisas tenham se debruçado sobre como a informação se espalha ao longo do tempo, o busilis aqui é que não se sabe quando alguém ouviu o rumor em primeiro lugar. “Só sabemos que eles ouviram e que são ligados entre si”, explica Zaman. “A questão é descobrir quem foi a pessoa que começou com o rumor”.

Para descobrir a resposta – eles demonstram – se pode contar de quantas maneiras o rumor pode ter se propagado para cada uma das pessoas. Aquele que poderia espalhar o rumor pela maior quantidade de maneiras, é provavelmente aquele que começou com ele e os pesquisadores podem calcular a probabilidade.

O estudo de 2010 se focou em uma rede em árvore, cuja estrutura tem ramos, mas nenhum laço; onde ninguém tem um círculo de amizades. Por exemplo Alice conhece Bob, que conhece Carla, David e Emílio — mas nenhum desses últimos conhece Alice. Era um caso mais simples, específico, onde cada pessoa tinha a mesma probabilidade de passar o rumor para a pessoa seguinte.

Mas a análise é generalizante. Ela se estende para redes mais aleatórias, comprovando matematicamente que o método funciona para todas as redes em árvore. Uma vez que redes mais complexas e realísticas são mais difíceis de provar com matemática, segundo Zaman, os pesquisadores usaram simulações em computador para demonstrar que seus resultados se aplicam à maioria das outras redes.

Existe outra limitação. Se o rumor ainda não se espalhou muito e a rede contém algumas celebridades com um número enorme de amigos, o algorítimo apresenta a tendência de indicar essas pessoas populares. Porém, quando se leva em conta o número de amigos, os pesquisadores podem corrigir um pouco desta tendência, afirma Zaman. Embora não conseguissem comporvar matematicamente coisa alguma, suas simulações mostraram que o algorítimo ajustado trabalhava melhor com cenários realísticos

“Eu nem finjo que é um algorítimo revolucionário”, diz Zaman. “É uma ideia legal, mas de natureza teórica”.

Com efeito, outros pesquisadores vêm desenvolvendo algorítimos para descobrir fontes de rumores em cenários mais realísticos, contou Lei Ying  da Arizona State University em Tempe, o qual, juntamente com Kai Zhu, desenvolveu  um algorítimo que lida com uma rede mais realística, chamado de gráfico aleatório Erdos-Renyi.

“Claro que os resultados são ainda iniciais”, comentoui Ying acerca do trabalho de Shah e Zaman. “Dada sua rede, eles são capazes de quantificar a probabilidade de detecção — o que é uma contribuição muito significativa para a teoria”.

De fato, o estudo de 2010 ajudou a inspirar toda esta área de pesquisa referente a rumores, inclusive seu próprio trabalho, declarou Ying.

“Quando li o artigo pela primeira vez, imediatamente fiquei interessado pelo problema. Agora eu tenho vários estudantes debruçados sobre isto”, disse ele. Por exemplo, Ying está explorando casos ainda mais realísticos, como aqueles onde não se sabe o quanto o rumor se espalhou.

“São aplicações muito importantes”, diz ele. “Vivemos em um mundo cada vez mais conectado. A difusão de informações acontece todos os dias”.


Marcus Woo é um escritor de ciências freelance, residente na área da Baía de San Francisco, que já escreveu para Wired, BBC Earth, BBC Future, National Geographic News e outras publicações. Seu Tweeter é @sucramoow.

Related Posts Plugin for WordPress, Blogger...

Discussão - 0 comentários

Participe e envie seu comentário abaixo.

Envie seu comentário

Seu e-mail não será divulgado. (*) Campos obrigatórios.

Sobre ScienceBlogs Brasil | Anuncie com ScienceBlogs Brasil | Política de Privacidade | Termos e Condições | Contato


ScienceBlogs por Seed Media Group. Group. ©2006-2011 Seed Media Group LLC. Todos direitos garantidos.


Páginas da Seed Media Group Seed Media Group | ScienceBlogs | SEEDMAGAZINE.COM