Centralité d’entre-deux

10.5.1 Le réseau de l’ego

Une utilisation courante de Twitter consiste à rester en contact avec votre réseau social personnel – famille, collègues, connaissances, etc. Certains de vos amis et followers sur Twitter appartiendront très certainement à des personnes dont vous êtes proche, tandis que d’autres peuvent être des connaissances éloignées ou même de parfaits inconnus. Nous appelons l’ensemble des amis et followers d’un utilisateur de Twitter son « réseau égocentrique ». Lorsque nous parlons du réseau égocentrique d’un utilisateur de Twitter, nous faisons souvent référence à cet utilisateur en tant qu' »ego » et à ses amis et followers en tant qu' »alters » (mais nous utilisons toujours le terme « ami » ou « follower » lorsque nous parlons spécifiquement de l’une de ces relations). Nous utiliserons les termes « ego » et « alter » dans cette section.

Certains liens dans le réseau égocentrique sont réciproques – l’ego suit l’alter et l’alter suit l’ego, de sorte que les deux peuvent rester au courant des mises à jour de statut de l’autre. La recherche sur les liens réciproques en sciences sociales suggère que de tels liens existent plus souvent entre des amis proches et la famille qu’entre des connaissances distantes. En suivant cette recherche, nous supposons dans cette section qu’un réseau avec de nombreux liens mutuels indique un ensemble de relations sociales fortes, où les deux personnes sont intéressées par les mises à jour de l’autre, tandis qu’un réseau avec de nombreux liens unidirectionnels indique des liens sociaux faibles, où l’ego peut même ne pas connaître le suiveur, comme dans le cas des célébrités Twitter.

Un autre indicateur de liens forts dans un réseau social est les « triades fermées », qui sont des liens entre deux altères d’un ego. Comme pour les liens réciproques, la recherche sur les triades fermées montre que les communautés serrées de liens sociaux forts comportent plus de triades fermées que les communautés lâches de liens sociaux faibles. En suivant cette recherche, nous supposons qu’un ego avec de nombreuses triades fermées parmi ses doubles est plus susceptible d’être intégré dans une communauté étroite, où tout le monde se connaît. En revanche, un ego avec peu de triades fermées entre ses alters est plus susceptible d’être solitaire ou de ne pas être un individu du tout. Par exemple, les comptes Twitter des spécialistes du marketing commercial peuvent avoir de nombreux followers intéressés par leurs produits, mais ces followers ne se connaissent souvent pas.

L’analyse des réseaux égocentriques peut souvent conduire à des résultats exploitables si vous souhaitez utiliser Twitter comme plateforme de développement ou de publicité. Les communautés serrées, par exemple, pourraient être beaucoup plus susceptibles d’adopter un produit ensemble ou pas du tout, tandis que les réseaux égocentriques clairsemés avec de nombreuses connexions à sens unique pourraient être fortement influencés par le comportement du « hub » du réseau – l’utilisateur Twitter avec beaucoup de followers mais peu d’amis. En particulier, l’analyse des réseaux égocentriques des célébrités sur Twitter nous donne un aperçu de la façon dont les riches et célèbres d’aujourd’hui utilisent les médias sociaux pour atteindre des milliers (voire des millions) de fans adorateurs.

Avec l’aide de NodeXL, vous pouvez étudier la présence ou l’absence relative de liens réciproques et de triades fermées dans votre réseau égocentrique Twitter. La plupart des réseaux égocentriques sont un mélange de liens sociaux forts et faibles, de sorte que résumer les liens réciproques et les triades en un seul chiffre conduit souvent à des conclusions incorrectes sur votre cercle social. Au lieu de cela, la visualisation de votre réseau social peut vous donner des indications sur vos liens étroits par rapport aux liens distants et sur les interactions entre vos amis proches et vos connaissances.

De nombreux utilisateurs de Twitter diffusent des événements de leur vie, des plus futiles (habitudes alimentaires) aux plus importants, comme les préparatifs de voyage, les événements majeurs de la vie, etc. Ces événements sont à court terme visibles par tous les followers de l’utilisateur, qui constituent une partie de son réseau égocentrique. Dans les réseaux égocentriques de très petite taille (par exemple, lorsque les suiveurs d’un utilisateur se limitent à sa famille), cette forme de diffusion est utile pour rester en contact avec des parents qui ont voyagé à l’étranger ou déménagé. Cependant, de nombreux utilisateurs actifs ont des réseaux égocentriques plutôt étendus et leurs tweets sont souvent envoyés à des personnes qui ne s’intéressent absolument pas à eux. En même temps, le nombre de followers qu’un utilisateur de Twitter accumule rend difficile de savoir qui lit ses tweets. NodeXL permet d’identifier assez facilement les différents groupes de vos réseaux égocentriques, par exemple les personnes qui vous suivent et qui sont vos collègues par rapport à celles qui sont votre famille. Vous pouvez profiter de la nouvelle fonction Listes Twitter pour organiser ces groupes en listes pratiques à suivre et à référencer dans vos tweets.

En haut de la boîte se trouve un champ de texte pour l’utilisateur Twitter dont vous voulez collecter le réseau égocentrique. Pour cet exemple, nous utiliserons l’un de nos propres comptes Twitter -@vlad43210. Sous le champ de texte se trouvent trois cases à cocher : Ajouter un bord pour les relations Follows, Replies-to et Mentions dans les tweets. Assurez-vous que seule la case Follows est cochée, les deux autres étant plus pertinentes pour les réseaux d’information, que nous étudierons plus tard. Assurez-vous également que la case  » obtenir à la fois les amis et les suiveurs  » est cochée afin de pouvoir collecter des données sur tous les alters, et pas seulement les amis ou les suiveurs.

Plus bas, la liste déroulante  » Obtenir des connexions jusqu’à X degrés  » vous est présentée. Sélectionnez « 1,5 » dans la liste déroulante pour capturer tous vos alters, ainsi que toutes les relations de followers et d’amis entre eux. Ce dernier ensemble de relations est nécessaire pour observer la présence de triades fermées dans votre réseau égocentrique. Ensuite, assurez-vous que les cases « Ajouter des colonnes de statistiques à la feuille de calcul Vertices (ralentissement) » et « Ajouter une colonne de Tweet à la feuille de calcul Vertices » ne sont pas cochées. Celles-ci sont très utiles pour collecter des données sur l’activité Twitter dans votre réseau égocentrique, mais pour les besoins de l’exemple actuel, nous nous concentrons sur les relations, et non sur l’activité.

Vous pouvez vous concentrer sur les liens sociaux plus forts en examinant les alters du réseau égocentrique de @vlad43210 ayant au moins deux liens avec d’autres personnes (les deux liens peuvent être avec la même personne) dans un sens ou dans l’autre, ami ou suiveur. Toutes les personnes sur lesquelles nous avons collecté des données auront au moins un lien avec @vlad43210. Les alters ayant au moins deux liens auront soit un lien avec un autre alter de @vlad43210 (indiquant qu’ils font partie d’une triade fermée), soit un lien réciproque d’ami/suiveur avec @vlad43210. Comme nous l’avons vu précédemment, ces deux facteurs peuvent indiquer la présence d’une relation sociale plus forte entre @vlad43210 et l’individu en question. Dans la représentation graphique du réseau, les alters ayant deux liens avec d’autres personnes seront représentés par des sommets ayant au moins deux arêtes (dans les deux sens) entre eux et au moins un autre sommet. Afin de se concentrer uniquement sur ces sommets, vous devez d’abord calculer le degré d’entrée et de sortie. Cliquez sur le bouton « calculer les métriques du graphique », cochez « in-degré » et « out-degré », puis cliquez sur « calculer les métriques »

Maintenant, définissons la visibilité des sommets dans le graphique en fonction du in-degré + out-degré > 1. Les sommets qui répondent à ce critère auront au moins deux amis, deux suiveurs, ou un ami et un suiveur (qui peuvent être la même personne), ce qui est précisément ce que nous recherchons. Pour ce faire, ajoutez d’abord une nouvelle colonne en cliquant sur la cellule située sous l’étiquette « Add your own Columns here » dans la feuille de calcul Vertices, puis définissez la valeur de la cellule comme étant la somme de C3 et D3 (correspondant respectivement aux degrés d’entrée et de sortie). Les autres cellules de la colonne se rempliront automatiquement avec la même formule. Intitulez maintenant cette nouvelle colonne « Somme des degrés » en modifiant l’étiquette de la colonne. Enfin, cliquez sur Autofill Columns, cliquez sur la liste déroulante à côté de « Vertex Visibility », cliquez sur « Sum Degree », puis cliquez sur le bouton à côté de la liste déroulante et tapez 1 dans la zone de texte pour indiquer que vous voulez montrer uniquement les sommets avec in-degré + out-degré > 1. Cliquez sur OK, puis sur Autofill, et enfin sur Refresh Graph. Notez que le nombre de sommets est devenu beaucoup plus petit et que le graphe ne ressemble plus à une étoile – au lieu de cela, nous voyons @vlad43210 entouré de deux groupes de sommets densément connectés avec quelques connexions entre les groupes.

Vous pouvez maintenant cliquer sur les sommets des différents clusters pour avoir une idée si les clusters représentent des partitions significatives du réseau Twitter égocentrique de @vlad43210. En effet, l’exploration de la feuille de travail révèle que le cluster violet correspond aux alters qui sont les collègues universitaires de Vlad, tandis que le cluster vert correspond aux alters qui sont ses amis (au sens commun du terme, et non au sens Twitter des utilisateurs que @vlad43210 suit). Les clusters peuvent être utilisés pour créer deux listes pour le compte Twitter de Vlad : une pour communiquer avec ses amis et une pour communiquer avec ses collègues.

Vous pouvez également utiliser les notions de centralité de vecteur propre et de centralité d’inter-communauté, décrites précédemment, pour examiner l’importance relative des acteurs dans le réseau Twitter égocentrique de @vlad43210, du point de vue de l’attention et de l’information. Comme nous l’avons vu à la section 10.3.1, les acteurs présentant une centralité de vecteur propre élevée dans le réseau des amis/suiveurs sont des centres d’attention, tandis que les acteurs présentant une centralité d’interférence élevée dans le même réseau sont des courtiers en information. NodeXL nous permet de visualiser ces deux quantités en même temps en les mettant en correspondance avec différentes propriétés des sommets dans le canevas du graphique.

Mettons en correspondance la couleur du sommet avec la centralité du vecteur propre et la taille du sommet avec la centralité de l’espacement.7 Pour ce faire, cliquez d’abord sur le bouton Métriques du graphique dans la section Analyse du ruban du menu NodeXL, puis cochez « Centralité du vecteur propre » et « Centralité de l’espacement et de la proximité » et cliquez sur « Calculer les métriques ». Cliquez ensuite sur le bouton « Autofill Columns » dans le menu NodeXL, cliquez sur la liste déroulante à côté de « Vertex Color » et sélectionnez « Eigenvector Centrality », cliquez sur la liste déroulante à côté de « Vertex Size » et sélectionnez « Betweenness Centrality ». Cliquez sur « Autofill » (remplissage automatique), puis sur le bouton Refresh Graph (rafraîchir le graphique) dans le volet d’affichage du graphique pour mettre à jour les tailles et les couleurs des sommets dans le canevas du graphique. Effectuez un dernier ajustement avant d’afficher le graphique : étant donné que @vlad43210 est au centre de son réseau égocentrique par définition, sa centralité d’interdépendance et ses centralités de vecteurs propres seront élevées mais ne nous diront rien sur la position de @vlad43210 dans son réseau. Réglez manuellement les centralités d’entrelacement et de vecteur propre de @vlad43210 à 0 dans la feuille de calcul et appuyez à nouveau sur  » Rafraîchir le graphique « .