+ info: TDX
Las redes sociales online (OSNs) son cada vez más utilizadas por diferentes sectores de la sociedad, y tienen el propósito de informar e influir a la gente. Estos sectores son, entre otros: gobiernos, partidos políticos, organizaciones no gubernamentales, proveedores de bienes y servicios, etc. A ellos les sería muy útil poder pronosticar el alcance de la propagación de la información y de la influencia que transmiten a través de las redes sociales. Actualmente existen muchos modelos matemáticos utilizados en trabajos científicos, que pronostican el alcance de esas propagaciones, muchos de los cuales se basan, a su vez, en uno de siguientes modelos referentes: Linear Threshold Model (L TM) y lndependent Casca de Model (ICM).
En este documento presentamos Lucy Model (LM), un nuevo modelo matemático predictor, que incorpora varios elementos que no han sido tomados en cuenta en los modelos base ni en sus modelos derivados, pero que están presentes en la vida real y afectan el alcance de la propagación de mensajes en redes sociales online. Estos nuevos elementos son los siguientes:
a) Nosotros distinguimos tres clases de mensajes: mensajes meramente informativos; mensajes que tienen la intensión de influir apelando a las emociones y sentimientos de la gente; y mensajes que tienen la intensión de influir apelando a las conveniencias e intereses personales.
b) Nosotros planteamos que la intensidad de la relación entre individuos (tie-strength) depende de la relevancia y de la afinidad entre ellos. La probabilidad de que el mensaje sea recibido por un individuo es directamente proporcional a esta intensidad de relación.
c) También, nosotros consideramos que un mensaje con mayor importancia tiene más probabilidad de propagarse entre la gente que un mensaje con menos importancia.
d) Finalmente, nosotros sostenemos que los individuos son informados o influenciados (activados) luego de superar un umbral, el cual depende de la clase e importancia de mensaje y de la relevancia o afinidad, según el caso, entre individuos. Por otro lado, determinamos una forma de cuantificar la afinidad entre nodos y la fortaleza de la relación entre nodos, y esta la ligamos a la probabilidad de que un nodo reciba un mensaje.
