{"id":2137,"date":"2016-03-11T15:29:04","date_gmt":"2016-03-11T18:29:04","guid":{"rendered":"http:\/\/scienceblogs.com.br\/chivononpo\/?p=2137"},"modified":"2016-03-11T15:29:04","modified_gmt":"2016-03-11T18:29:04","slug":"corre-um-boato-de-que-e-possivel-localizar-a-fonte-de-uma-fofoca","status":"publish","type":"post","link":"https:\/\/www.blogs.unicamp.br\/chivononpo\/2016\/03\/11\/corre-um-boato-de-que-e-possivel-localizar-a-fonte-de-uma-fofoca\/","title":{"rendered":"Corre um boato de que \u00e9 poss\u00edvel localizar a fonte de uma fofoca"},"content":{"rendered":"

\"Inside<\/a>
\nLink para o original: Rumor Has It An Algorithim Could Scope Out Gossip<\/a><\/p>\n

\n
\n
\"\"<\/div>\n<\/div>\n<\/div>\n
\n
Cr\u00e9dito da imagem:\u00a0coolio-claire via flickr | http:\/\/bit.ly\/1WeI3JF. Partilhada por Creative Commons.<\/div>\n<\/div>\n
<\/div>\n
<\/div>\n
\n
\n

Para localizar a fonte de uma fofoca, as redes sociais precisam ser complexas.<\/h4>\n<\/div>\n<\/div>\n
\n
11 de mar\u00e7o de 2016<\/div>\n
<\/div>\n<\/div>\n
\n
\n
Autor: Marcus Woo, Contribuidor do ISNS<\/strong><\/div>\n<\/div>\n<\/div>\n
\n
\n
\n

(Inside Science) \u2013 Lembra daquelas fofocas que corriam soltas no seu tempo de secund\u00e1rio? Pode ser que agora voc\u00ea possa descobrir quem as espalhava.<\/p>\n

As pesquisas nos \u00faltimos anos t\u00eam explorado meios para identificar a origem de um rumor que se espalhou por uma rede, armada t\u00e3o somente da informa\u00e7\u00e3o sobre quem ouviu. Este tipo de estudos matem\u00e1ticos t\u00eam outras utilidades al\u00e9m de descobrir as fontes de fofocas. Eles podem achar as fontes de memes nas redes sociais, tend\u00eancias, virus de computador e epidemias.<\/p>\n

Por\u00e9m, segundo um estudo recentemente publicado, se voc\u00ea vai conseguir achar a fonte de um rumor, depende da complexidade da rede.<\/p>\n

“A estrutura da rede define basicamente quando se pode ou n\u00e3o descobrir o autor”, declara Tauhid Zaman<\/a>\u00a0do the Massachusetts Institute of Technology (MIT) em Cambridge. “As pessoas ainda n\u00e3o se deram conta de que a complexidade da rede diz quando e se voc\u00ea pode ficar oculto”.<\/p>\n

Se a rede for bem simples \u2014 uma onde todos se conhe\u00e7am entre si, ou uma que for linear, onde Maria s\u00f3 conhece Jo\u00e3o que s\u00f3 conhece Jos\u00e9 que s\u00f3 conhece David, e por a\u00ed afora \u2014 \u00e9 imposs\u00edvel descobrir a origem de um rumor. Se todos nessa rede ouviram o rumor, \u00e9 imposs\u00edvel descobrir qual o caminho mais prov\u00e1vel do rumor e chegar a sua origem; todos os caminhos s\u00e3o poss\u00edveis. Em uma rede mais complexa e real\u00edstica, entretanto, h\u00e1 uma boa chance de descobrir a fonte.<\/p>\n

“Se a rede n\u00e3o for suficientemente complexa, jamais encontraremos a fonte do rumor”, explica ele. “Mas se for s\u00f3 um pouco complexa, h\u00e1 uma chance de uma em tr\u00eas de encontrar”.<\/p>\n

E se quisermos restringir a fonte do rumor para oito suspeitos, ent\u00e3o, segundo a an\u00e1lise, a probabilidade de encontrar o culpado sobre para 99%.<\/p>\n

O estudo, publicado em Operations Research<\/em><\/a>, expande o trabalho de 2010<\/a>\u00a0no qual \u00a0Zaman e Devavrat Shah, tamb\u00e9m do MIT, foram uns dos primeiros a explorar o problema de encontrar a fonte de um rumor e destrinchar a matem\u00e1tica relativa em detalhe.<\/p>\n

Muito embora outras pesquisas tenham se debru\u00e7ado sobre como a informa\u00e7\u00e3o se espalha ao longo do tempo, o busilis aqui \u00e9 que n\u00e3o se sabe quando algu\u00e9m ouviu o rumor em primeiro lugar. “S\u00f3 sabemos que eles ouviram e que s\u00e3o ligados entre si”, explica Zaman. “A quest\u00e3o \u00e9 descobrir quem foi a pessoa que come\u00e7ou com o rumor”.<\/p>\n

Para descobrir a resposta \u2013 eles demonstram \u2013 se pode contar de quantas maneiras o rumor pode ter se propagado para cada uma das pessoas. Aquele que poderia espalhar o rumor pela maior quantidade de maneiras, \u00e9 provavelmente aquele que come\u00e7ou com ele e os pesquisadores podem calcular a probabilidade.<\/p>\n

O estudo de 2010 se focou em uma rede em \u00e1rvore, cuja estrutura tem ramos, mas nenhum la\u00e7o; onde ningu\u00e9m tem um c\u00edrculo de amizades. Por exemplo Alice conhece Bob, que conhece Carla, David e Em\u00edlio \u2014 mas nenhum desses \u00faltimos conhece Alice. Era um caso mais simples, espec\u00edfico, onde cada pessoa tinha a mesma probabilidade de passar o rumor para a pessoa seguinte.<\/p>\n

Mas a an\u00e1lise \u00e9 generalizante. Ela se estende para redes mais aleat\u00f3rias, comprovando matematicamente que o m\u00e9todo funciona para todas as redes em \u00e1rvore. Uma vez que redes mais complexas e real\u00edsticas s\u00e3o mais dif\u00edceis de provar com matem\u00e1tica, segundo Zaman, os pesquisadores usaram simula\u00e7\u00f5es em computador para demonstrar que seus resultados se aplicam \u00e0 maioria das outras redes.<\/p>\n

Existe outra limita\u00e7\u00e3o. Se o rumor ainda n\u00e3o se espalhou muito e a rede cont\u00e9m algumas celebridades com um n\u00famero enorme de amigos, o algor\u00edtimo apresenta a tend\u00eancia de indicar essas pessoas populares. Por\u00e9m, quando se leva em conta o n\u00famero de amigos, os pesquisadores podem corrigir um pouco desta tend\u00eancia, afirma Zaman. Embora n\u00e3o conseguissem comporvar matematicamente coisa alguma, suas simula\u00e7\u00f5es mostraram que o algor\u00edtimo ajustado trabalhava melhor com cen\u00e1rios real\u00edsticos<\/p>\n

“Eu nem finjo que \u00e9 um algor\u00edtimo revolucion\u00e1rio”, diz Zaman. “\u00c9 uma ideia legal, mas de natureza te\u00f3rica”.<\/p>\n

Com efeito, outros pesquisadores v\u00eam desenvolvendo algor\u00edtimos para descobrir fontes de rumores em cen\u00e1rios mais real\u00edsticos, contou Lei Ying<\/a>\u00a0 da Arizona State University em Tempe, o qual, juntamente com Kai Zhu, desenvolveu \u00a0um algor\u00edtimo<\/a>\u00a0que lida com uma rede mais real\u00edstica, chamado de gr\u00e1fico aleat\u00f3rio\u00a0Erdos-Renyi.<\/p>\n

“Claro que os resultados s\u00e3o ainda iniciais”, comentoui Ying acerca do trabalho de Shah e Zaman. “Dada sua rede, eles s\u00e3o capazes de quantificar a probabilidade de detec\u00e7\u00e3o \u2014 o que \u00e9 uma contribui\u00e7\u00e3o muito significativa para a teoria”.<\/p>\n

De fato, o estudo de 2010 ajudou a inspirar toda esta \u00e1rea de pesquisa referente a rumores, inclusive seu pr\u00f3prio trabalho, declarou Ying.<\/p>\n

“Quando li o artigo pela primeira vez, imediatamente fiquei interessado pelo problema. Agora eu tenho v\u00e1rios estudantes debru\u00e7ados sobre isto”, disse ele. Por exemplo, Ying est\u00e1 explorando casos ainda mais real\u00edsticos, como aqueles onde n\u00e3o se sabe o quanto o rumor se espalhou.<\/p>\n

“S\u00e3o aplica\u00e7\u00f5es muito importantes”, diz ele. “Vivemos em um mundo cada vez mais conectado. A difus\u00e3o de informa\u00e7\u00f5es acontece todos os dias”.<\/p>\n

\n

Marcus Woo \u00e9 um escritor de ci\u00eancias<\/em> freelance, residente na \u00e1rea da Ba\u00eda de San Francisco, que j\u00e1 escreveu para Wired, BBC Earth, BBC Future, National Geographic News e outras publica\u00e7\u00f5es. Seu Tweeter \u00e9 <\/em>@sucramoow<\/em><\/a>.<\/em><\/p>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Link para o original: Rumor Has It An Algorithim Could Scope Out Gossip Cr\u00e9dito da imagem:\u00a0coolio-claire via flickr | http:\/\/bit.ly\/1WeI3JF. Partilhada por Creative Commons. Para localizar a fonte de uma fofoca, as redes sociais precisam ser complexas. 11 de mar\u00e7o de 2016 Autor: Marcus Woo, Contribuidor do ISNS (Inside Science) \u2013 Lembra daquelas fofocas que […]<\/p>\n","protected":false},"author":480,"featured_media":2138,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"pgc_sgb_lightbox_settings":"","_vp_format_video_url":"","_vp_image_focal_point":[],"footnotes":""},"categories":[10,29],"tags":[152,279,281],"class_list":["post-2137","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-comportamento","category-matematica","tag-fofocas","tag-redes","tag-redes-sociais"],"jetpack_featured_media_url":"https:\/\/www.blogs.unicamp.br\/chivononpo\/wp-content\/uploads\/sites\/224\/2016\/03\/rumors-top.jpg","_links":{"self":[{"href":"https:\/\/www.blogs.unicamp.br\/chivononpo\/wp-json\/wp\/v2\/posts\/2137","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.blogs.unicamp.br\/chivononpo\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.blogs.unicamp.br\/chivononpo\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.blogs.unicamp.br\/chivononpo\/wp-json\/wp\/v2\/users\/480"}],"replies":[{"embeddable":true,"href":"https:\/\/www.blogs.unicamp.br\/chivononpo\/wp-json\/wp\/v2\/comments?post=2137"}],"version-history":[{"count":0,"href":"https:\/\/www.blogs.unicamp.br\/chivononpo\/wp-json\/wp\/v2\/posts\/2137\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.blogs.unicamp.br\/chivononpo\/wp-json\/wp\/v2\/media\/2138"}],"wp:attachment":[{"href":"https:\/\/www.blogs.unicamp.br\/chivononpo\/wp-json\/wp\/v2\/media?parent=2137"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.blogs.unicamp.br\/chivononpo\/wp-json\/wp\/v2\/categories?post=2137"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.blogs.unicamp.br\/chivononpo\/wp-json\/wp\/v2\/tags?post=2137"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}