Twitter數據揭示了全球通訊網絡

Twitter提及的內容顯示了不同的社區結構模式，這是由于受用戶之間的物理距離和共同性(如共享語言和歷史)影響的個人的通信偏好所致。

盡管先前的調查已經使用其他數據(例如手機使用率和Facebook朋友聯系)來確定模式，但新英格蘭綜合系統研究所的研究著眼于全球社區中消息傳遞的集體效應。該小組的結果在AIP Publishing的《Chaos》雜志上的一篇文章中進行了報道。

科學家使用Twitter數據中的提及機制來繪制世界各地的信息流。當用戶在其推文中明確包含另一個@username時，就會在Twitter中提及。這是直接與其他用戶通信的方法，也是重新傳輸或轉發內容的方法。

研究人員檢查了2013年12月以來的Twitter數據，并將世界劃分為8,000個單元，每個單元寬約100公里。在此網格上建立了一個網絡，其中每個節點是一個精確的位置，鏈接或邊緣是一個位置中提到的另一個位置上的Twitter用戶數。

Twitter在多個國家/地區被禁止，并且在國內生產總值較高的國家/地區更為流行，因此這會影響數據。他們的結果表明，美國和歐洲等大區域在每個區域內部緊密相連，但與其他區域的聯系也較弱。

共同作者Leila Hedayatifar說：“牢固的聯系使群體保持凝聚力，而脆弱的聯系則使群體大規模整合，并負責整個系統的信息傳播。”

研究人員使用一種計算技術來確定模塊化，該值量化了與隨機排列相比網絡上社區之間的距離。他們還研究了一種稱為中間性中心的量，該量度了通過每個節點的最短路徑的數量。此度量突出顯示了在許多地方之間用作連接器的位置。

通過優化模塊化，研究人員發現了16個重要的全球社區。美洲有三個大型社區：一個英語地區，中美洲和南美國家，以及一個屬于自己的團體的巴西。歐洲，亞洲和非洲存在多個社區。

還可對數據進行更精細的分析，以揭示子社區。在國家甚至城市內部都存在強大的區域協會。例如，伊斯坦布爾的Twitter對話很大程度上僅限于城市中的某些區域。

研究人員還研究了共同語言，邊界和共同歷史的影響。

Hedayatifar說：“也許令人驚訝的是，我們發現擁有共同定居者的國家之間的互動偏好降低了。”

她認為與殖民國家的等級制互動可能會抑制前殖民地之間的互動。