Resumen

Existen varios estudios en los que se establece que los flujos observados de microposts generados por redes sociales de microblogging (por ejemplo, Twitter) se caracterizan por un comportamiento tipo avalancha. Las series temporales de microposts que representan dichos flujos son series temporales con una distribución de ley de potencia, con ruido 1/f y memoria larga. A pesar de esto, no existen estudios dedicados a la detección y análisis del estado crítico autoorganizado, la fase subcrítica y la fase supercrítica. El presente artículo está dedicado a la detección e investigación de dichos estados y fases críticas. Se propone un algoritmo que permitió detectar fases críticas y condiciones críticas en Twitter, basado en el análisis de series temporales de retweets correspondientes a los tres debates de las elecciones presidenciales de Estados Unidos de 2016, como el debate más popular en la historia de América, que recopiló 84 millones de visualizaciones en vivo.

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Estudios; Microposts; Redes sociales; Distribución de ley de potencia; Estados críticos; Fases
• Keywords:Studies; Microposts; Social networks; Power-law distribution; Critical states; Phases