fbpx Rete sociale virtuale, uno specchio della reale | Scienza in Rete

C'è poca differenza fra reti virtuali e reali

Primary tabs

Tempo di lettura: 15 mins

Piattaforme online come Facebook e Twitter stanno cambiando il modo di comunicare e gestire le nostre relazioni sociali. La promessa implicita è di creare un mondo di relazioni interpersonali potenzialmente illimitato stringendo relazioni di amicizia con migliaia di persone, senza alcuna limitazione geografica, e con la possibilità di avere milioni di follower.

La possibilità che le reti sociali online siano in grado di migliorare la nostra capacità sociale è di particolare interesse scientifico alla luce dei risultati della ricerca in antropologia sull’esistenza di un limite alla dimensione delle reti sociali umane nel mondo reale, che possiamo definire "offline". Questo limite è rappresentato in maniera sintetica dal numero di Dunbar, che fissa a 150 il numero delle relazioni sociali che un individuo può mantenere contemporaneamente attive, dedicandovi un livello minimo di attenzione (un’interazione all’anno, come gli auguri di Natale o di compleanno)1.

Neocorteccia e tempo, i limiti alla socializzazione

Nella letteratura scientifica si ritiene che il limite alla nostra capacità di mantenere attivo un numero ristretto di relazioni sociali sia il risultato della combinazione di un vincolo cognitivo del nostro cervello e di un vincolo temporale utilizzabile per socializzare. Il vincolo cognitivo, noto come l'ipotesi del cervello sociale (social brain hypothesis), si basa sull'osservazione che nei primati la dimensione tipica dei gruppi sociali è strettamente correlata con la dimensione della neocorteccia2. Analizzando varie specie, è stato osservato che al crescere della dimensione della neocorteccia corrisponde un aumento della dimensione dei gruppi sociali che la specie è in grado di gestire. Ciò sembra implicare che la capacità di elaborazione delle informazioni da parte del cervello limiti il numero di relazioni che gli individui di una particolare specie possono gestire. Quando vengono superate le capacità di elaborazione del cervello, i gruppi sociali diventano instabili e tendono a disgregarsi.

Vi sono, inoltre, vari studi che indicano che il tempo impone un ulteriore vincolo alla nostra capacità di socializzare. Gli individui sono costretti infatti a scegliere tra investire il proprio tempo su un piccolo numero di altri individui, o su un numero maggiore ma con minore intensità temporale3. Ad esempio, è stato mostrato che, rispetto agli introversi, le persone estroverse hanno in genere più individui nella loro rete sociale, ma la loro vicinanza emotiva a questi individui è significativamente inferiore. Individui che hanno reti sociali estese distribuiscono la loro capacità sociale disponibile in quote più piccole rispetto agli individui che hanno reti sociali minori4. Questi risultati mostrano che la socializzazione ha limiti ben precisi.

Ego network, la rete tra noi e gli altri

La capacità di socializzare è distribuita in modo non uniforme tra gli individui della propria rete sociale, come è ben rappresentato dal modello di rete sociale denominato “ego network”. La ego network è la rete sociale formata da un individuo, l’ego, e da tutte le persone con cui l'ego ha un collegamento sociale, indicate come “gli altri”. Esistono in antropologia numerosi studi sulle reti sociali offline che mostrano che, all’interno della ego network, gli altri possono essere raggruppati in ordine decrescente in termini dell’investimento sociale dell’ego verso di loro5. In base a questo raggruppamento, emergono strutture sorprendentemente regolari e ben definite. Infatti, come mostrato in Figura 1, una ego network si può rappresentare come una serie di cerchi concentrici, centrati sull’ego, con investimento decrescente di risorse cognitive. Il cerchio più esterno contiene il numero massimo di individui con cui l’ego può mantenere una relazione sociale attiva, noto in letteratura come il numero di Dunbar. I vari cerchi corrispondono a differenze marcate, sia nella frequenza di contatto tra l’ego e gli altri, sia nella vicinanza emotiva7. L’esistenza di quest'organizzazione a cerchi concentrici è spiegata, in base all’ipotesi del “cervello sociale”, come il risultato della formazione di una serie di alleanze, con diverso livello d'importanza e intensità, per mantenere la coesione e la stabilità nei gruppi sociali.

Figura 1. La struttura a livelli della ego network. Il rapporto di scala, in termini di dimensioni, tra cerchi successivi è particolarmente stabile e pari a circa 3. Il primo cerchio include circa 5 individui e i successivi 15, 50 e 150 individui6; il più esterno il numero massimo di persone con cui l'ego può mantenere una relazione attiva (numero di Dunbar)

Il numero di Dunbar e l’organizzazione a livelli della ego network caratterizzano quindi la capacità sociale dell’individuo e la modalità con cui la ripartisce tra tutti i componenti della sua rete sociale. Pertanto, non è sorprendente che nel momento in cui stabiliamo una nuova relazione sociale questo avvenga a discapito di quelle esistenti. Ad esempio, quando ci si fidanza si crea una relazione sociale così forte che per compensarla viene ridotto l’investimento sociale, tipicamente verso uno dei migliori amici e un parente stretto. In questi casi si osserva infatti che, mentre il partner entra a far parte del cerchio più interno della ego network, un amico e un familiare vengono spostati dal cerchio interno verso i cerchi più esterni, in conseguenza della diminuzione dell’investimento emotivo verso queste persone8.

Lo studio di come si riorganizza la ego network di un individuo quando si trasferisce in una nuova città o in un nuovo Paese fornisce importanti informazioni sul suo grado di integrazione sociale nella nuova realtà. Questo può essere valutato misurando, ad esempio, l’inserimento nella sua ego network di nuove relazioni sociali relative al nuovo contesto e la riduzione di intensità, o addirittura la rimozione, di molte relazioni sociali precedenti.

In particolare, lo studio di come si riorganizza la ego network di un individuo costituisce uno strumento importante per analizzare il livello di integrazione dei migranti9. Studiando la trasformazione della ego network di un migrante è infatti possibile valutare il suo livello di integrazione nel nuovo Paese. Il grado d'integrazione può essere stimato osservando se la sua ego network continua a contenere gli stessi individui presenti prima della migrazione (livello di assimilazione assente), oppure si trasforma ma contiene membri della stessa etnia di origine (livello di assimilazione basso). Infine, nel caso di una completa integrazione, la ego network diventa multietnica, includendo un numero significativo di membri della nuova nazione in cui il migrante si trova (livello di assimilazione elevato).

La ego network virtuale

L’analisi delle ego network rappresenta pertanto uno strumento molto efficace per caratterizzare le relazioni sociali umane, i loro limiti e la loro evoluzione. Partendo dalla struttura delle ego network nelle relazioni sociali offline, l’impatto delle reti sociali online sulle nostra capacità di socializzare può essere valutato cercando di rispondere al quesito: le reti sociali online cambiano fondamentalmente la struttura e le proprietà delle ego network, oppure no?

Per rispondere a questa domanda abbiamo analizzato i dati raccolti dalle reti sociali online. In particolare, sono stati utilizzati due insiemi di dati estratti da Facebook10 e uno estratto da Twitter11. Per questi dataset sono stati quindi analizzati i messaggi che caratterizzano le interazioni tra ciascun ego e gli altri individui per studiare le proprietà delle loro ego network: i messaggi (post) e i commenti sulla bacheca di un utente in Facebook e i messaggi di reply in Twitter12.

Il primo passo dello studio è stato quello di modellare la forza dei legami sociali tra ogni ego e i suoi “altri”. Dall’analisi dei messaggi estratti da Facebook e Twitter sono state stimate le frequenze con cui ciascun ego interagisce con le persone della propria rete sociale. Nella letteratura scientifica è stato infatti dimostrato che la frequenza di interazione costituisce una buona stima del livello di vicinanza sociale tra due persone. Come nelle reti umane offline, la frequenza minima di interazione per mantenere una relazione sociale attiva è stata fissata a 1 interazione/anno.

Una volta identificato, per ciascun ego, l’insieme delle relazioni sociali attive, tramite tecniche di clustering è stata analizzata la struttura delle sue relazioni sociali online per verificare se, anche in questo caso, emergesse un’organizzazione della ego network a cerchi concentrici, come osservato nelle reti sociali offline. La risposta è stata positiva: non solo l’analisi di clustering fa emergere una struttura a cerchi, ma anche il numero dei cerchi è quasi uguale a quello osservato nelle reti sociali offline. Infatti, nella grande maggioranza dei casi, le ego network che emergono nelle relazioni online hanno un numero di cerchi pari a 4 o 5. In particolare, dai due insiemi di dati di Facebook emergono ego network con una struttura prevalentemente a quattro cerchi, mentre dai dati di Twitter emergono ego network con una struttura a cinque cerchi. Inoltre, come si osserva in Tabella 1, le dimensioni assolute di questi cerchi e le frequenze medie di contatto tra l’ego e gli altri presenti in ciascun cerchio corrispondono assai bene ai valori osservati nelle reti sociali offline. Inoltre, per tutti e tre i dataset, si osserva un rapporto di scala delle dimensioni tra i livelli successivi molto vicino a 3.

In Tabella 1, i livelli 1-4 corrispondono ai quattro livelli presenti nelle reti sociali offline mentre il livello 0 identifica un nuovo livello che è emerso dall’analisi dei dati delle reti sociali online. Tutti e tre i dataset rivelano l'esistenza di un livello più interno (e per questo denominato livello 0) rispetto al primo livello osservato nelle reti sociali offline, formato da circa 1,5 individui, e che si integra perfettamente con i livelli esterni in termini di fattore di scala (sempre circa uguale a 3 rispetto al successivo). L’esistenza di questo livello era già stata ipotizzata negli studi antropologici, però non era mai stato possibile misurarlo a causa della scala limitata dei dati disponibili sulle relazioni sociali offline. Il livello 0 è il cerchio più interno di una ego network, e ha una speciale importanza per l’ego poiché gli individui che appartengono a questo livello vengono contattati con frequenza molto alta, in media almeno una volta ogni cinque giorni su Facebook e a giorni alterni su Twitter, indicando quindi un investimento sociale molto elevato dell’ego verso di loro.

Per tutti i dataset, le dimensioni totali delle ego network sono inferiori alle dimensioni delle reti offline (pari al numero di Dunbar 150). Questo è soprattutto evidente per i dataset di Facebook, dove il livello di rete più esterno della ego network è completamente assente. Molto probabilmente, la ragione di questa differenza è che questi dataset sono stati ottenuti nei primi anni di diffusione di Facebook, quando l’utilizzo di questa rete sociale era ancora piuttosto limitato e gli utenti tendevano a stabilire relazioni di amicizia solo con le persone che conoscevano bene e con cui avevano già una relazione sociale attiva nel mondo reale.

Nella Tabella 1 sono riportate anche le frequenze di contatto tra l’ego e gli individui presenti in ciascun livello della sua ego network. Le frequenze d’interazione sono espresse in numero di messaggi che l’ego invia agli altri durante l’anno. La frequenza di un livello, fL, corrisponde al valore della frequenza minima di interazione corrispondente a quel livello, cioè tutti gli individui appartenenti a quel livello sono contattati dall’ego con una frequenza ≥ fL. Il valore riportato in tabella è il valore medio stimato sull’insieme delle ego network del dataset corrispondente. Questi risultati indicano che, in Facebook, gli “altri” presenti nel livello 0 vengono contattati approssimativamente almeno ogni cinque giorni, quelli del livello 1 almeno una volta ogni dodici giorni, almeno una volta al mese quelli del livello 2, e almeno una volta ogni sei mesi quelli del livello 3. Questi valori sono compatibili con quelli riscontrati nelle reti sociali offline. Nel dataset di Twitter, le frequenze di contatto sono più alte13. Ciò sembra dipendere dalla specificità di questa piattaforma che è stata progettata esplicitamente per lo scambio di messaggi brevi e frequenti tra gli utenti e, quindi, con un investimento emotivo, per ogni tweet inviato, inferiore a un'interazione su Facebook o a un’interazione sociale offline.

 

      Livello        
      0 1 2 3 4
Reti sociali offline14 numero di altri   - 4,6 14,3 42,6 132,5
  frequenza d'interazione   - 48 12 2 1
Facebook #1 numero di altri   1,68±0,01 5,28±0,02 14,92±0,06 40,93±0,20 -
  frequenza d'interazione   77,36±0,77 30,28±0,24 11,15±0,07 2,53±0,01 -
Facebook #2 numero di altri   1,87±0,03 4,34±0,09 10,72±0,23 26,99±0,61 -
  frequenza d'interazione   58,54±2,62 22,19±0,74 7,93±0,23 1,37±0,04 -
Twitter numero di altri   1,55±0,02 4,52±0,06 11,17±0,15 28,28±0,32 88,31±0,87
  frequenza d'interazione   276,63±4,06 113,12±1,49 49,63±0,66 16,89±0,21 2,54±0,02

Tabella 1. Caratterizzazione delle ego network online e offline

Lavoro social: cambia la ego network? 

Questi risultati sono stati ottenuti facendo riferimento a un generico utente delle reti sociali online. Possiamo domandarci se particolari categorie di utenti, che utilizzano le piattaforme online come parte del loro lavoro, e quindi potenzialmente dedicano maggiori risorse cognitive e di tempo a Facebook o Twitter, abbiano un capitale sociale caratterizzato da un numero di relazioni sociali attive maggiore rispetto al numero di Dunbar. Per rispondere a questa domanda sono state analizzate le ego network dei politici italiani, osservando il loro utilizzo di Twitter. In particolare, è stato osservato il comportamento di 304 membri del parlamento italiano della legislatura 2013-201815. Nello specifico, sono stati analizzati i politici per i quali la frequenza di utilizzo di Twitter corrispondeva a un utilizzo di tipo personale dell’account, eliminando invece i politici per i quali la frequenza di utilizzo sembrava indicare la presenza di uno staff dedicato alla sua gestione.

I risultati di questa analisi sono riportati in Tabella 2 e mostrano che, sebbene i politici usino Twitter principalmente come mezzo di autopromozione e per influenzare l’agenda politica16, la struttura delle loro ego network segue il modello definito per le reti sociali offline e le dimensioni delle loro reti sono molto vicine alle dimensioni delle ego network degli utenti generici. Questo indica che il modo con cui i politici organizzano le loro relazioni su Twitter segue gli stessi principi che sono alla base della formazione e della gestione delle relazioni sociali umane in generale. Simili risultati sono stati osservati anche analizzando le ego network dei giornalisti17. Infine, focalizzando l’attenzione solo sui politici che utilizzano prevalentemente le reply come strumento di interazione su Twitter18, le dimensioni delle loro ego network sono molto vicine a quelle delle ego network offline. In particolare, la dimensione dell’intera ego network (livello 4) è molto vicina al numero di Dunbar.

 

  Livello        
  0 1 2 3 4
Utenti generici 1,55±0,02 4,52±0,06 11,17±0,15 28,28±0,32 88,31±0,87
Membri del Parlamento 1.58±.21 4.89±.70 12.3±.1.9 29.50±4.97 70.26±13.0
Membri del Parlamento che utilizzano principalmente le reply 2.07±.89 7.5±3.1 20.1±7.7 52±18.41 141±46.19

Tabella 2. La struttura delle ego network dei politici su Twitter18

Reti sociali virtuali e reali a confronto

I risultati sperimentali indicano quindi che le relazioni sociali online mostrano le stesse proprietà strutturali di quelle del mondo reale. Questo ci permette di fornire una risposta alla domanda iniziale sull’impatto delle reti sociali online sulla nostra capacità di socializzare. In particolare, i risultati ottenuti indicano chiaramente che le piattaforme sociali, quali Facebook e Twitter, pur avendo avviato un cambiamento radicale nel modo di gestire le relazioni sociali, non sembrano essere in grado di aumentare la nostra capacità di socializzare. La struttura delle reti sociali online e offline sembrano essere dominate dagli stessi limiti cognitivi e temporali umani.

L'analisi del grande volume di dati disponibili su Facebook e Twitter ha permesso anche di capire meglio alcuni aspetti delle strutture sociali umane, come l’esistenza di un nuovo livello all’interno delle ego network che contiene in media 1,5 persone. L’esistenza di questo livello era stata ipotizzata nella letteratura delle reti sociali offline, ma non era stato possibile metterla in evidenza a causa della dimensione limitata dei dataset disponibili per queste reti (poche centinaia di individui). Questo risultato, oltre a essere importante per sé, perché ha permesso di identificare un nuovo tipo di legame sociale molto importante per l’ego, suggerisce che possiamo utilizzare i dati resi disponibili dalle reti sociali online per approfondire la conoscenza del comportamento sociale umano.

In effetti, i dati che possono essere raccolti attraverso le piattaforme online rappresentano una sorta di microscopio sociale, basato sulle tecnologie dei BigData, per l’analisi della società umana. Un microscopio che permette di indagare le relazioni sociali a un livello di dettaglio non possibile con i mezzi tradizionali e che ci consente di evitare le deviazioni soggettive che si verificano utilizzando questionari con valutazioni retrospettive da parte degli utenti.

 

Note
1. Arnaboldi V, Passarella A, Conti M, Dunbar R, Online Social Networks: Human Cognitive Constraints in Facebook and Twitter Personal Graphs, Elsevier, October 2015.
2. Dunbar RIM, The social brain hypothesis. Evolutionary Anthropology, 6, 178–190.
3. Miritiello G, Moro E, Lara R, Martínez-López R, Belchamber J, Roberts SGB, Dunbar RIM. Time as a limited resource: communication strategy in mobile phone networks. Soc. Netw. 35 (1), 89–95
4. Roberts SBG, Dunbar RIM. The costs of family and friends: an 18-month longitudinal study of relationship maintenance and decay. Evol. Hum. Behav. 32, 2011, 186–197.
5. Dunbar RIM, Spoors M, Social networks, support cliques and kinship. Hum.Nat. 6, 1995, 273–290
6. Zhou W, Sornette D, Hill RA, Dunbar R. Discrete hierarchical organization of social group sizes. Proceedings of the Royal Society of London, 272B, 439–444.
7. Sutcliffe A, Dunbar RIM, Binder J, Arrow H, 2012. Relationships and the socialbrain: integrating psychological and evolutionary perspectives. Br. J. Psychol.103 (2), 149–168.
8. Dunbar RIM, The Anatomy of Friendship, Trends in Cognitive Sciences, January 2018, Vol. 22, No. 1, pp. 32-51.
9. Verdery AM, Mouw T, Edelblute H, Chavez S. Communication flows and the durability of a transnational social field. Social Networks 53 (May 2018), 57–71. https://doi.org/10.1016/J.SOCNET.2017.03.002
10. I due dataset di Facebook sono stati raccolti prima del 2009, quando le impostazioni di default della privacy di Facebook consentivano agli utenti all'interno della stessa rete regionale di avere pieno accesso ai dati personali degli altri utenti della stessa rete. Il primo dataset (Facebook #1) contiene il Facebook wall di 130.338 individui e 5.289.910 link sociali attivi; il secondo dataset (Facebook #2) contiene il Facebook wall di 5.761 individui e 107.029 relazioni sociali attive. Il secondo dataset, sebbene molto più piccolo, contiene informazioni più dettagliate per ogni individuo, ed è stato usato per validare i risultati del primo dataset. Le informazioni presenti nei due dataset sono state rese anonime dai ricercatori che le hanno raccolte, prima di renderle disponibili alla comunità scientifica.
11. Il dataset di Twitter, dopo aver rimosso gli utenti non attivi, contiene 60.790 utenti e 5.323.195 relazioni sociali.
12. Gli utenti di Twitter possono interagire tramite i messaggi di reply, mention e retweet. Tra questi, le reply sono considerati quelli con il maggior coinvolgimento emotivo. Una reply, infatti, rappresenta un messaggio diretto inviato dall’ego a uno dei suoi contatti e quindi l'intenzionalità di comunicare con questa persona.
13. In Twitter, gli “altri" che appartengono al livello 0 sono contattati approssimativamente almeno una volta ogni 1-2 giorni, quelli nel livello 1 almeno ogni tre giorni, nel livello 2 almeno una volta alla settimana, nel livello 3 almeno una volta al mese, e nel livello 4 almeno 2-3 volte l'anno.
14. Zhou W-X, Sornette D, Hill RA, Dunbar RIM, 2005. Discrete hierarchical organization of social group sizes. Proc. R. Soc. Lond. 272B, 439–444.
15. I dati sono stati raccolti nel periodo giugno-dicembre 2015.
16. Arnaboldi V, Conti M, Passarella A, Dunbar R, Structure of Ego-Alter Relationships of Politicians in Twitter, Journal of Computer-Mediated Communication, Vol 22(5), pp. 231-247 (2017) DOI: 10.1111/jcc4.12193.
17. Boldrini C, Toprak M, Conti M, Passarella A, Twitter and the press: an ego-centred analysis, OSNED 2018 - WWW2018 Satellite Workshops, 24 April 2018, Lyon France.
18. L’uso delle reply è quello che si avvicina di più a un uso sociale di Twitter.
19. La maggiore variabilità dei dati per i politici è dovuta al numero ridotto di utenti rispetto al numero di utenti generici.

 


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Why have neural networks won the Nobel Prizes in Physics and Chemistry?

This year, Artificial Intelligence played a leading role in the Nobel Prizes for Physics and Chemistry. More specifically, it would be better to say machine learning and neural networks, thanks to whose development we now have systems ranging from image recognition to generative AI like Chat-GPT. In this article, Chiara Sabelli tells the story of the research that led physicist and biologist John J. Hopfield and computer scientist and neuroscientist Geoffrey Hinton to lay the foundations of current machine learning.

Image modified from the article "Biohybrid and Bioinspired Magnetic Microswimmers" https://onlinelibrary.wiley.com/doi/epdf/10.1002/smll.201704374

The 2024 Nobel Prize in Physics was awarded to John J. Hopfield, an American physicist and biologist from Princeton University, and to Geoffrey Hinton, a British computer scientist and neuroscientist from the University of Toronto, for utilizing tools from statistical physics in the development of methods underlying today's powerful machine learning technologies.