Simon Stolz und Prof. Dr. Christian Schlereth zeigen in ihrem neuen Artikel „Predicting Tie Strength with Ego Network Structures“, wie…
In sozialen Netzwerken, wie Facebook, LinkedIn und XING, haben wir häufig eine sehr große Anzahl von Kontakten – enge Freunde aber auch viele Bekanntschaften. In der Veröffentlichung „Predicting Tie Strength with Ego Network Structures“ zeigen die Autoren Simon Stolz und Christian Schlereth, dass es möglich ist die wenigen engsten Kontakte einer Person mit Hilfe von Ego Netzwerken zu identifizieren. In der Publikation werden 18,541 einzelne Verbindungen auf Facebook mit Hilfe eines Machine Learning Ansatzes klassifiziert in „beste Freunde“ – oder „keine besten Freunde“. Während die bisherige Literatur vor allem Prädiktoren wie die Anzahl der gemeinsamen Freunde nutzt, zeigt der Beitrag, dass vor allem die Brückenpositionen innerhalb der Ego Netzwerke ein wichtiges Indiz für eine starke Verbindung sind. Die Brückenpositionen in den Ego Netzwerken verbinden dabei die sozialen Kreise einer Person (z.B. Familie und Universität). Während sich die Mitglieder eines sozialen Kreises bereits kennen (z.B. alle Familienmitglieder kennen sich untereinander) ist die Brückenposition ein Indiz dafür, dass die Verbindung durch eine bewusste Bekanntmachung des Nutzers hergestellt wurde. In Kombination mit weiteren Prädiktoren können die engsten Freunde auf diese Weise mit einer Präzision von 45% identifiziert werden. Der Artikel erschien im Journal of Interactive Marketing in Volume 54, 2021 und ist bis zum 21. Januar über diesen Link unter freiem Zugang abrufbar.
Außerdem wollen wir mit dieser Forschung auch einen reichhaltigen Datensatz teilen. Der anonymisierte Datensatz ist über die Plattform Mendeley Data veröffentlicht und kann weiter erforscht werden. Der Datensatz stellt ein anschauliches Beispiel zur Einführung in das Thema Social Network Analysis dar. Eine Präsentation des Papers ist über slideshare zu finden.