Notes for a workshop I’m giving at a local high school today on visualising your Facebook network.

Dette er stikkord til en workshop jeg skal ha på Nordahl Grieg videregående skole i dag om hvordan man visualiserer Facebooknettverket sitt i Gephi, en programvare for analyse av sosiale nettverk.

  • Last ned og installer Gephi fra http://gephi.org
  • Logg inn på Facebook og søk etter “Netvizz“. Installer appen. Last ned “your personal friend network” uten å kryss av for likes og antall poster hver venn har (det blir for komplisert nå i starten, prøv gjerne det seinere!) (Alternativer dersom Netvizz ikke virker: NetGet Application,
  • Husk å høyreklikke og “lagre som” når du lagrer filen din. Filtypen skal være .gdf — dersom den er blitt lagret som .txt vil den ikke åpne i Gephi og da må du endre filtypen til .gdf.
  • Åpne Gephi, og åpne så filen din. Om det står “Directed” så endrer du det til “Undirected”, ellers aksepterer du bare det som foreslås. Nettverket ditt ser noenlunde slik ut, litt som en stor hårball.

Gephi-workshop-Gephi-new-project

 

  • Øv på å zoome og flytte rundt i grafen – scrollbar på musen eller to fingre på touchpad. Høyreklikk (cntr-klikk på mac) for å dra.
  • Klikk på Data Laboratory øverst i midten. Hva slags informasjon har du egentlig lastet ned? Se på Nodes og Edges oppe til høyre. Hvor mange noder? Hvor mange forbindelser (edges)? Hva er en node i dette nettverket?
  • Velg en layout nede til venstre. Force Atlas 2 er som oftest best til denne typen grafer, begynn med den. Klikk RUN og så STOP når den har spunnet seg litt til ro. Hva skjedde?
  • Se litt på hvem folk er. Sett på “labels” (altså vis navnene til folk) ved å klikke på bokstaven T i nederste meny. Klikk på den lille pilen til høyre i det feltet for å få mer kontroller frem. Sjekk gjerne i Preview – det kan være lettere å lese navnene da. Du kan skru av navn i overview og så bruke ikonet med pil og spørsmålstegn (til venstre i hovedvinduet) for å få opp info om enkeltnavn. Og du kan høyreklikke på et navn i Data Laboratory og velge “Select in Overview”.
  • Endre størrelsen på nodene etter “degree” eller grad, som betyr antall forbindelser. Altså skal du gjøre de som har flest felles venner med deg størst. Gå til “ranking” oppe til venstre, velg “degree” og klikk på den lille trekanten for å velge å sortere etter størrelse. Er det noen overraskelser her eller er det som du ville forventet? Er personene du har flest felles venner med de viktigste personene i ditt egentlige sosiale nettverk? Speiler Facebook virkeligheten eller ikke? 
  • La oss fargelegge nettverket etter forskjellige klynger i nettverket ditt – f.eks. har du sannsynligvis (?) en gjeng med venner fra ungdomsskolen som kjenner hverandre men ikke kjenner så mange av de du går på videregående med. Sjekk at “Statistics” fanen er fremme på høyre side av skjermen (i bildet over er “Filters” øverst). Kjør “Modularity” algoritmen, som finner “moduler” eller klynger i nettverket. Nå kan du velge “Partition” fanen oppe til venstre og fargelegge nodene etter klyngen. Har du tydelige klynger? Du ser at layouten Force Atlas 2 også har funnet fram til lignende klynger. Sjekk navnene på folk – stemmer klyngene? Gir de mening? 
  • Jeg snakket om sterke og svake bånd på foredraget. Broer er også viktige, altså personer som forbinder ellers adskilte klynger i nettverket ditt. Det er ofte gjennom slike broer (som ofte er svake bånd) informasjon overføres mellom sosiale grupper. Finner du noen broer i nettverket ditt? Er båndene mellom dem og deg, og mellom dem og dine andre venner svake eller sterke syns du? Får du egentlig informasjon gjennom disse personene eller gjennom andre? Det er slett ikke sikkert at de som ser størst ut i Facebooknettverket er de du egentlig ser mest av på Facebook – eller at det er de som er viktigst for deg.

Nå har du visualisert nettverket ditt. Om vi har tid, viser jeg gjerne litt flere ting, som hvordan man kan filtrere ut noder og sånt. Jeg er også nysgjerrig på om dere har samme typen nettverk som hverandre. Studentene mine hadde f.eks. mye tettere nettverk enn meg, med veldig store klynger med felles venner, og så kanskje en nesten helt adskilt klynge fra et utvekslingsopphold eller fra jobben deres.

Jeg kommer også til å fortelle litt om typen analyser man kan gjøre av Facebook-sider, f.eks., ved å bruke noen av de andre funksjonene i Netvizz.

Ellers pleier det å fungere bra å utforske videre selv! Det fins også en rekke tutorials om å bruke Gephi for å visualisere Facebookdata [1, 2, 3, søk videre selv] som er langt grundigere enn mitt.

Ja og her er mitt nettverk, forresten.

My Facebook friends

Leave A Comment

Recommended Posts

Triple book talk: Watch James Dobson, Jussi Parikka and me discuss our 2023 books

Thanks to everyone who came to the triple book talk of three recent books on machine vision by James Dobson, Jussi Parikka and me, and thanks for excellent questions. Several people have emailed to asked if we recorded it, and yes we did! Here you go! James and Jussi’s books […]

Image on a black background of a human hand holding a graphic showing the word AI with a blue circuit board pattern inside surrounded by blurred blue and yellow dots and a concentric circular blue design.
AI and algorithmic culture Machine Vision

Four visual registers for imaginaries of machine vision

I’m thrilled to announce another publication from our European Research Council (ERC)-funded research project on Machine Vision: Gabriele de Setaand Anya Shchetvina‘s paper analysing how Chinese AI companies visually present machine vision technologies. They find that the Chinese machine vision imaginary is global, blue and competitive.  De Seta, Gabriele, and Anya Shchetvina. “Imagining Machine […]

Do people flock to talks about ChatGPT because they are scared?

Whenever I give talks about ChatGPT and LLMs, whether to ninth graders, businesses or journalists, I meet people who are hungry for information, who really want to understand this new technology. I’ve interpreted this as interest and a need to understand – but yesterday, Eirik Solheim said that every time […]