2° TENTATIVO ESERCIZI GEPHI

1. GOT
ANALISI GRAFO NEL SUO COMPLESSO
Guardando le statistiche, notiamo di avere una modularità buona
(0,53). Ciò significa che è possibile suddividere il grafo in comunità, la
densità dei legami che si creano tra comunità è superiore a quella dei
legami di comunità diverse. Gephi individua 6 comunità.

Andando a colorare il grafico, notiamo come sono ben distinti i moduli

tra loro.

ANALISI SU NODI SPECIFICI

NB: analisi su excel di data laboratory esportato (si può usare la
formattazione condizionale)
1) POPOLARITA’
GRADO
Il grado medio della rete (calcolato su excel) è di 8,66. Ma vediamo che ci sono alcuni soggetti che hanno un
grado molto più elevato (collegamenti diretti), e che quindi possiamo individuare come “più popolari”:
 Ned (57)
 Tyrion (41)
 Catelyn (37)
 Robert (36)

FORZA (GRADO PESATO)

Abbiamo un risultato simile: molto oltre la media (51,38) abbiamo come individui più popolari, tenendo
conto del peso dato dal numero di interazioni:
 Ned (1290)
 Tyrion (708)
 Catelyn (584)
 Robert (563)
Le persone più popolari sono anche quelle che hanno più interazioni.
Essendo una rete direzionata, vediamo che, per quanto riguarda il weighted indegree (interazioni in
entrata), spiccano gli stessi soggetti, mentre per weighted outdegree (interazioni in uscita) assume un ruolo
importante anche Daenerys (533, contro una media di 51,38).

2) TRANSITIVITA’
Magari far vedere dove sono nella rete: se sono verso il centro, creano triangoli con persone di diversa
comunità, se no stessa comunità
Possiamo individuare nodi che hanno un coefficiente di clustering molto sopra alla media (137.968). Questi
sono nodi che hanno una buonissima transitività, ovvero soggetti che, molto frequentemente, fanno
interagire tra di loro soggetti che hanno avuto interazioni con i primi. In ordine di transitività abbiamo:
 Baelor (472.222)
 Ilyn (444.444)
 Mord e Gregor (428.571)

3) CENTRALITA’
EIGENVECTOR (quante persone importanti conosci?)
Ordinati per numero di persone importanti conosciute (Eigenvector) abbiamo:
 Varys (973.558)
  Yoren (857.648)
 Tywin (813.046).

PAGERANK (quante interazioni importanti hai?)

Se invece andiamo ad analizzare le interazioni con persone magari meno importanti, ma con cui si hanno
relazioni più intense, lo scenario cambia. Ai primissimi posti abbiamo ora:
 Tyrion
 Yoren
 Varys

BETWEENNESS (aiuti a collegare le persone?)

Al primissimo posto abbiamo Ned, con un forte ruolo di ponte.
Chi connette? Persone di comunità diverse? esempi

CLOSENESS (chi distribuisce informazioni più velocemente?)

Il personaggio mediamente più vicino a tutti gli altri è Sansa, colei che riesce a influenzare la rete nel modo
più veloce possibile, seguita a poca distanza da Ned.

Grafo finale:
2. SCUOLA PRIMARIA
(Ricorda: rete non direzionata)
ANALISI GRAFO NEL SUO COMPLESSO
Guardando le statistiche, notiamo una modularità non molto
alta (0.341). Ciò significa che è possibile una distinzione in
comunità, ma la densità all’interno delle singole classi non è così
diversa dalla densità tra le varie classi.
→ Gephi rileva 6 moduli. Ciò non rappresenta esattamente le
classi + insegnanti, che sono più di 6.

Il coefficiente di modularità è basso: ciò vuol dire che le

comunità non sono ben distinte tra di loro

Proseguendo con l’analisi di comunità, potremmo cercare di

capire se abbiamo una struttura di tipo centro-periferia, o di rich clubs.
Possibile arricchire l’analisi con lo studio di decomposizione k-core, da vedere

Sapendo che il grado medio è di 50, e sapendo che il fenomeno centro-periferia è caratterizzato da un
nodo molto denso e da una periferia poco connessa, proviamo a verificare, numericamente e graficamente,
se si tratta di questo fenomeno. Filtriamo per grado, e osserviamo i supposti “centro” (grado > 50) e
“periferia” (grado <50)
Numericamente
La densità del grafo totale è di 0.213. Dato di per sé poco rilevante. Ma se andiamo a suddividere il grafo
notiamo che:
- La “periferia” ha effettivamente una densità molto bassa, pari a 0,13;
- Il “centro” ha effettivamente una densità più alta, pari a 0,421.

Graficamente (TOP VA BENISSIMO)

Viene confermato quanto esposto numericamente.
“Periferia” “Centro”

Lo si può notare anche colorando un nodo del centro (che raggiunge la quasi totalità del grafo) e uno della
periferia (che ha collegamenti diretti solo in una parte del grafo)
Potremmo anche parlare di rich club. Infatti, prendendo in considerazione il “centro”
dimensionando i nodi per popolarità, possiamo spannometricamente dire che,
benché non tutti i più grandi sono connessi agli altri nodi più popolari (caso di club
perfetto), ogni popolare è connesso alla maggior parte dei popolari.
Nodi popolari con nodi popolari → potrebbe esserci un rich club ma andrebbe
utilizzata metrica apposita.
(visibile passando il cursore sui nodi più grandi)

I nodi dello stesso genere tendono ad avere contatti più frequenti (DIRE
PARAMETRO), anche se la composizione delle classi è eterogenea.
(questa cosa è visibile anche dalle tabelle?)
(FILTRARE QUELLI CON DURATION PIA’ ALTA E VEDERE QUANTE SONO
OMOLIFIACHE E QUANTE MISTE)

ANALISI SU NODI SPECIFICI

Tornando al grafo nel suo complesso, andiamo a vedere:
1) POPOLARITA’
GRADO
Possiamo individuare 4 individui (ma non teachers) con un grado abbastanza
superiore rispetto alla media (>90 con una media di circa 50). Il più popolare in
assoluto (98) è 1551, un maschio della 3B.

FORZA (GRADO PESATO)

Uguale a sopra perché tutti i pesi sono pari a 1.

2) TRANSITIVITA’
Anche qui possiamo individuare alcuni individui con un coefficiente di clustering al di sopra del doppio della
media. Questi quindi sono abili nel far “diventare amici” i propri “amici”.
È interessante vedere che l’individuo più abile in ciò non è il più popolare, bensì una femmina della 1B
(1661), che presenta una popolarità sotto la media.
Con un coefficiente di clustering un po’ meno elevato (intorno ai 600.000) troviamo anche due teachers
(1753 e 1824).
Meglio guardare il coeff di clustering, perché triangoli misura assoluta, invece coeff relativa.

3) CENTRALITA’
EIGENVECTOR (quante persone importanti conosci?)
Il nostro super-popolare ha anche la caratteristica di conoscere altre persone importanti, e anche il secondo
più popolare (1780, un maschio della 3A); mentre la più “transitiva” non ne conosce molte.
Le stesse due teachers con alta transitività hanno anche un eigenvector più alto della media, ovvero
conoscono persone importanti.
PAGERANK (quante interazioni importanti hai?)
È molto curioso notare che l’individuo più popolare ha anche il maggior numero di relazioni importanti. Ci
sono anche alcune insegnanti che superano il pagerank medio. Ciò significa che queste insegnanti riescono
a instaurare diverse interazioni importanti. La migliore in questo senso è la 1745.

BETWEENNESS (aiuti a collegare le persone?)

Il bambino più popolare costituisce anche il ponte più importante. Una sola teacher
supera la betweenness media, e può quindi fungere da ponte (la 1852).
I “ponti” sono quelli più in grande in questa figura.

CLOSENESS (chi distribuisce informazioni più velocemente?)

Possiamo notare che l’individuo più popolare in assoluto è però molto scarso nel
fornire informazioni più velocemente. (centrale ma magari distante da quelli con cui è connesso)

Ne abbiamo però molti altri mediamente vicini ai compagni (in molti

risultano dal grafico piuttosto grandi), tra cui anche quasi tutte le
teachers (con una c.c. superiore alla media)

Inoltre, le teachers hanno contatti anche con studenti al di fuori della

propria classe.

Quelli più grandi sia per closeness che per betweenness connettono
individui appartenenti anche a classi diverse (in particolare, quelli della
classe rosa antico, che sono anche più centrali nel grafico)

Grafo finale