È stato realizzato un modello informatico per descrivere la formazione di comunità online e l’ascesa degli influencer sulle piattaforme social. A riuscirci gli scienziati dell’Università di Pechino, che hanno pubblicato un articolo sulla rivista Nature Communications per descrivere i risultati del loro lavoro.

Il team, guidato da Nicolò Pagan e Wenjun Mei, ha utilizzato i dati relativi alla qualità dei contenuti generati dagli utenti. Questi risultati potrebbero migliorare la comprensione del modo in cui sorgono gli influencer.

I social network, spiegano gli esperti, possono svolgere un ruolo centrale nella diffusione delle informazioni e possono contribuire a influenzare l’opinione pubblica, ma i fenomeni che si verificano all’interno di queste piattaforme restano spesso sfuggenti.

In molti canali, come Instagram, YouTube, TikTok e Twitter, gli utenti condividono contenuti e interagiscono attivamente con i contenuti di altri utenti per formare amicizie virtuali. Spesso emergono comunità basate sugli interessi attraverso utenti più rilevanti che trainano gli altri account con i loro contenuti.

Il gruppo di ricerca ha proposto un modello matematico per descrivere la formazione delle reti sui social, dove le persone possono decidere di seguirsi a vicenda sulla base degli interessi condivisi.

Gli studiosi hanno quindi valutato il modello sulla base dei dati di Twitter in una rete composta da oltre seimila scienziati. I risultati del gruppo di ricerca suggeriscono che gli utenti mirano ad aumentare la qualità dei contenuti che ricevono e cercano fonti qualitativamente elevate attraverso motori di ricerca integrati.

Secondo il modello del team, inoltre, gli utenti in grado di produrre contenuti di qualità avevano il doppio dei follower rispetto a chi pubblicava post meno rilevanti. I ricercatori hanno infine convalidato il modello usando un set di dati di Twitch, una piattaforma popolare per i giocatori online.

Questo sistema, concludono gli autori, mappa l’aumento di popolarità e le informazioni dei social network in modo realistico e i risultati potrebbero fornire approfondimenti sul meccanismo legato alla formazione delle comunità e degli influencer dei social network. AGI