Category: Reti complesse

Il successo di un sito web? Non solo una questione di traffico

comments 1 Comment
di Daniele Frongia, 01/02/2010

Qualche giorno fa SIS Magazine (la rivista online della Società Italiana di Statistica) ha pubblicato il mio articolo Il successo di un sito web? Non solo una questione di traffico: i casi Istat, SIS e Sistan (*) sui nuovi metodi e strumenti per misurare il successo di un sito.

Nell’articolo studio il caso di tre siti che si occupano di statistiche ufficiali e di promozione delle scienze statistiche: l’Istituto Nazionale di Statistica, il Sistema Statistico Nazionale e la Società Italiana di Statistica, siti che nel medio periodo verranno profondamente rinnovati. Come? Certamente si arricchiranno di nuovi servizi (in salsa Web 2.0 – lo so, il termine è un po’ inflazionato ma almeno ci capiamo), come ad esempio quelli di cui abbiamo parlato in questo blog e che sono da tempo in produzione in altri paesi: nuove tecnologie per la diffusione e la condivisione di dati, tool di visualizzazione interattiva (anche esterni al sito, come nel caso di Google Public data) e altro ancora su cui torneremo nelle prossime settimane.

Ma come misurare e dunque valutare l’introduzione di un nuovo servizio? Semplicente registrando le variazioni del traffico sul sito? Anche se prodotti per il monitoraggio del traffico come AWStats e Google Analytics offrono informazioni molto importanti (indispensabili), oggi esiste una nuova generazione di strumenti per misurare il successo di un sito che tengono meglio conto della sua natura multidimensionale. In particolare possiamo vedere il successo di un sito in funzione, oltre che del traffico, anche del suo posizionamento nella rete ovvero della sua solidità di carattere “infrastrutturale”. Il posizionamento è dunque uno dei presupposti per un successo solido e duraturo del sito e quindi anche per valutare l’eventuale miglioramento dopo l’introduzione di nuovi servizi online.

Per misurare il posizionamento e dunque l’efficacia di un sito, di pagine specifiche, di campagne di comunicazione e anche per l’analisi della reputazione sul Web, sono disponibili diversi strumenti. Io ho provato ad utilizzare CONDOR (il software del MIT mostrato nell’articolo) nel 2008, con Francesca Grippa, per monitorare il comportamento dei media durante le elezioni statunitensi, e i risultati sono stati soddisfacenti.  CONDOR consente inoltre di identificare la blogosfera di riferimento di un sito, cioè l’insieme dei blog che citano un determinato sito attraverso un collegamento ipertestuale. La figura seguente mostra la blogosfera del sito Istat.it nel periodo 1-20 settembre 2009.

Blogosfera Istat.it

Per l’analisi di un sito occorre quindi tenere in considerazione due fattori: il traffico e il posizionamento nella rete. In questi ultimi anni gli studi di fisici, matematici e sociologi stanno contribuendo a definire nuovi metodi e strumenti per l’analisi del posizionamento. Le potenzialità e le prospettive sono estremamente interessanti, anche per chi produce statistiche ufficiali e diffonde cultura statistica.

Per il successo di un sito non esiste una regola aurea ma,  specialmente in organizzazioni complesse, risultati soddisfacenti possono essere raggiunti solo con lo sforzo congiunto di esperti di comunicazione, informatici e produttori di contenuti, supportati da adeguati strumenti software. Con uno lavoro coordinato tra questi attori è possibile valutare se vengono intercettate correttamente le aspettative degli utenti, aumentare la propria rilevanza online e costruire la propria reputazione di opinion leader del settore di appartenenza.

(*) = Ne approfitto per ringraziare i ricercatori che hanno contribuito all’articolo del SIS Magazine: Matteo Mazziotta, Davide Bennato, Francesca Grippa, Daniela Cocchi e Fabio Crescenzi.

categories Blogosfera, Google, Istat, Reti complesse, Statistica, Web 2.0

Swarm intelligence – seconda parte

comments 0 Comments
di Donato Moscara, 09/11/2009
Nel mio post precedente ho parlato del fenomeno dell’emergenza, degli algoritmi ACO – Ant Colony Optimization e della loro applicazione ai problemi più studiati in informatica per la loro complessità computazionale. In questo post mostrerò alcuni risultati che ho ottenuto dall’esecuzione sul mio PC del software StarLogo che rappresenta il modello di comportamento di una formica virtuale che si muove su una griglia di caselle di due colori diversi: nero o rosso.

In ciascuna iterazione la formica controlla il colore della casella su cui si trova, quindi lo cambia e gira a destra o sinistra a seconda del colore originale. Come nel caso reale, all’inizio il movimento è caotico ma dopo un certo numero di iterazioni ecco che improvvisamente la formica prende una direzione ben precisa.
L’interprete consente anche di eseguire una serie di simulazioni in base ad un insieme di modelli preconfigurati. E’ disponibile anche una manuale del linguaggio di programmazione con cui scrivere le proprie simulazioni. Le potenzialità della swarm intelligence sono di enorme rilevanza per l’alternativa che offrono nella progettazione di sistemi robotici a controllo decentralizzato e sollevano interesse anche per applicazioni in campo militare.

categories Intelligenza collettiva, Reti complesse

Swarm intelligence – prima parte

comments 2 Comments
di Donato Moscara, 19/10/2009
Il termine emergenza si riferisce ad un fenomeno che produce un effetto non riportabile alla mera somma delle parti. In natura si possono trovare alcuni esempi studiando il comportamento di animali sociali come le api, le formiche o le termiti. Anche se i singoli individui sono dotati di capacità cognitive minime, i comportamenti della colonia presentano un alto grado di organizzazione ed intelligenza: ad esempio nelle modalità di costruzione del nido, nell’individuazione delle sorgenti di cibo o nella selezione del migliore cammino per raggiungerle. Esperimenti condotti sul comportamento della formica argentina Linepithema Humile, in cui sono stati approntati diversi nidi connessi da cammini ponte, hanno rivelato che questi animali sono in grado di risolvere il problema del minimum spanning tree.ant_robotUna questione fondamentale è come possa emergere un comportamento intelligente che vede l’azione coordinata di migliaia di individui se manca una mente unica capace di comprendere il problema nella sua globalità e di impartire alla colonia le necessarie istruzioni. Una possibile risposta è che il sistema sia auto organizzante ed a questo tipo di intelligenza collettiva viene dato il nome di intelligenza dello sciame o “swarm intelligence”. L’auto organizzazione è un meccanismo attraverso cui si realizzano strutture a livello globale a partire da interazioni tra componenti di livello più basso. Le regole che guidano l’interazione di queste componenti sono basate solo sull’informazione a livello locale senza alcun riferimento al comportamento globale che emerge come una proprietà del sistema. L’auto organizzazione si basa su quattro presupposti:
  • Amplificazione di un feedback positivo (ad esempio le formiche rilevano/rilasciano una traccia di feromone durante la loro esplorazione)
  • Presenza di un feedback negativo che possa fare da bilanciamento e stabilizzare il comportamento collettivo
  • Amplificazione di fluttuazioni casuali
  • Interazione multipla tra le diverse componenti
Gli studi in questo campo hanno portato alla formulazione degli algoritmi ACO – Ant Colony Optimization ed alla loro applicazione ai problemi più studiati per la loro complessità computazionale: TSP (Travel Salesman Problem), GCP (Graph Coloring Problem), QSP (Quadratic Assignment Problem), JSP (Job Shop Scheduling Problem), VRP (Vehicle Routing Problem). L’idea alla base di questi algoritmi è quella di usare un meccanismo di feedback positivo (ad esempio lasciando una traccia di feronome virtuale) per rafforzare quelle parti di soluzioni che contribuiscono al raggiungimento di una buona soluzione finale. Per evitare la convergenza prematura verso soluzioni non molto buone viene utilizzato contestualmente un meccanismo di feedback negativo (ad esempio l’ “evaporazione” della traccia di feromone virtuale) che introduce una componente temporale nell’algoritmo. Un ulteriore campo di applicazione di questi algoritmi è dato dalla ricerca di soluzioni al problema del routing nelle reti di telecomunicazioni (le formiche virtuali lasciano tracce di feromone sulle tabelle di routing dei singoli nodi che hanno attraversato). Il metodo ACO può tuttavia essere applicato anche ai sistemi sociali ed in tutti quei casi in cui sia possibile dare una rappresentazione del problema che consenta di:
  • Incrementare/modificare la soluzione mediante l’applicazione di una regola di transizione probabilistica
  • Individuare un grado di desiderabilità o appetibilità euristica della scelta da prendere
  • Disporre di un metodo di soddisfacimento di un vincolo per costruire soluzioni ammissibili
  • Disporre di una regola di aggiornamento della “traccia di feromone” lasciata sulla soluzione parziale trovata
Ai lettori interessati consiglio questa pubblicazione. Segnalo inoltre l’ottimo libro di Marco Dorigo dal titolo Swarm Intelligence ed il sito della Icosystem di cui Eric Bonabeau (uno degli autori del libro) è Chief Executive Officer e Chief Scientific Officer.

categories Intelligenza collettiva, Reti complesse

Articoli sull’analisi dei sistemi complessi

comments 1 Comment
di Admin segnalazionit.org, 20/09/2009
Segnalazione di Cinzia Conti
“From chaos comes complexity. From the movement of molecules within our cells to communication across an entire planet, we are part of networks. This special section shows how scientists are pushing network analysis to its limits across disciplinary fields”.
Questa è la frase introduttiva allo special issue di Science del 24 luglio 2009 www.sciencemag.org dedicato ai sistemi complessi e ai networks.

La rivista ha il pregio di proporre sia le riflessioni teoriche sul percorso compiuto dalla network analysis per lo studio dei sistemi complessi, sia una serie di applicazioni realizzate recentemente in ambiti diversi con scopi e software differenti (l’indice completo è su http://www.sciencemag.org/complexity/).
Gli esempi proposti vanno dall’analisi del terrorismo, alla ricerca sulle risorse ambientali, fino a spingersi allo studio delle emozioni: “Janusz Holyst sounds frustrated. “When I look to the textbooks on emotion, there are no numbers, there are no equations,” laments the theoretical physicist from the Warsaw University of Technology. Holyst hopes to supply what the books are lacking, however. He aims to develop the tools to analyze emotions quantitatively. Then he intends to use them to literally read your feelings” (p.406).
Una provocazione? Forse. Chi parla è un fisico però e le sue parole ripropongono in maniera forte e decisa la necessità di trasversalità e quella di superare i rigidi steccati disciplinari, non solo tra le diverse Scienze Sociali, ma anche tra Scienze Sociali e Hard Sciences fino a parlare di “Hard social sciences” ed “Econophysics”. Lo studio dei sistemi complessi rappresenta in questo senso una sfida, ma anche un’opportunità. Esso infatti è ormai comune a molte discipline (alla fine della lettura della rivista viene da chiedersi cosa non sia “sistema complesso”) e il confronto tra le diverse esperienze, la contaminazione, appaiono non soltanto necessari, ma fondamentali al progredire della ricerca in senso lato. Scrive Barbási nel suo pezzo: “Today the understanding of networks is a common goal of an unprecedented array of traditional disciplines: Cell biologists use networks to make sense of signal transduction cascades and metabolism, to name a few applications in this area; computer scientists are mapping the Internet and the WWW; epidemiologists follow transmission networks through which viruses spread; and brain researchers are after the connectome, a neural-level connectivity map of the brain. Although many fads have come and gone in complexity, one thing is increasingly clear: Interconnectivity is so fundamental to the behaviour of complex systems that networks are here to stay” (p.413)
Dai diversi autorevoli spunti di riflessione si coglie in sintesi che il futuro, ma forse già il presente, della network analysis è rappresentato dal superamento dell’approccio statico per giungere a formalizzazioni teoriche, ad applicazioni e rappresentazioni di tipo dinamico.
Resta aperto il problema della disponibilità di dati di qualità e in particolare, per la network analysis, l’individuazione dei legami e della loro rilevanza: “Can we keep the momentum and achieve this in the next decade or so? Perhaps—in my view the bottlenecks are mainly data driven. Indeed, the sudden emergence of large and reliable network maps drove the development of network theory during the past decade. If data of similar detail capturing the dynamics of processes taking place on networks were to emerge in the coming years, our imagination will be the only limitation to progress.” (Barabási, p.413)

categories Database e Data Warehouse, Reti complesse

Network Analysis: reti sociali, struttura del web e di internet

comments 2 Comments
di Vincenzo Patruno, 31/05/2009

Vi segnalo un Workshop da non perdere per tutti coloro che a vario titolo si occupano di analisi delle reti sociali e di struttura del Web. Organizzato dal Dipartimento di Informatica e Sistemistica dell’Università “La Sapienza” di Roma e dal CERMS, il Centro di Ricerca in Metodologia delle Scienze in collaborazione con il Dottorato in metodi di ricerca per l’analisi del mutamento socioeconomico, il Workshop si terrà il 4 giugno 2009 dalle ore 15 alle ore 18.00 presso la Facoltà di Scienze Statistiche – Aula I e si articolerà secondo il seguente programma:




Introduzione:
Giorgio Ausiello – DIS -Sapienza Università di Roma

Presentazioni:

Stefano Leonardi – DIS – Sapienza Università di Roma
Research challenges in social networks

Guido Caldarelli – INFM e Istituto Sistemi Complessi CNR
The social network of Wikipedia

Lucio Biggiero- Dipartimento di sistemi e istituzioni per l’ Economia -Università
dell’Aquila
L’analisi della struttura e dell’evoluzione delle reti organizzative mediante l’uso della simulazione ad agenti

Stefania Vergati – Dipartimento Sociologia e Comunicazione Sapienza Università di
Roma
La Social Network Analysis: problemi teorici ed applicativi

Davide Bennato – Università di Catania
Strategie di relazione sociale nelle piattaforme di social network

Luca Becchetti – DIS Sapienza Università di Roma
Algorithms for social network mining and analysis

Aris Anagnostopoulos – DIS Sapienza Università di Roma
Mathematical models of social networks

categories Reti complesse, Social network

Un documentario sulle reti sociali

comments 0 Comments
di Daniele Frongia, 19/04/2009

Prima di riprendere a parlare di analisi delle reti sociali vi propongo la prima parte del Documentary on networks, social and otherwise. Interessante vedere le analogie tra reti sociali e reti fisiche, e i risultati di Duncan Watts e Albert-László Barabási, dei quali abbiamo parlato in occasione dell’intervista a Ginestra Bianconi. Ovviamente viene affrontata la celebre teoria dei sei gradi di separazione, sempre molto gradita dal grande pubblico, con l’esempio del numero di Kevin Bacon (l’attore!). E per chi volesse una “dimostrazione” basta provare l’Oracolo di Bacon!

categories Reti complesse, Social network

Intervista a Ginestra Bianconi, scienziata delle reti complesse

comments 19 Comments
di Daniele Frongia, 18/01/2009
Forse dovremmo iniziare quest’intervista con un fatto del 1924: Albert Einstein riceve una lettera di un fisico indiano, Bose, e da allora, negli anni successivi, si arriva all’importante risultato noto come il condensato di Bose-Einstein. Ma andiamo per ordine e partiamo dalla fine, dal World Wide Web. Come è fatta e come evolve la rete costituita dalle pagine web? E le reti sociali, alla base del successo di molti servizi Web 2.0? Da molti anni ricercatori di diverse discipline (sociologia, fisica, matematica, biologia…) studiano le reti complesse come il Web, Internet, le reti sociali, i collegamenti neurali, le catene alimentari, etc. Nel 1999 Albert-László Barabási e la sua equipe propongono il modello a invarianza di scala per interpretare la struttura e l’evoluzione delle reti complesse. Ed è una vera rivoluzione, perchè praticamente tutte le reti complesse si comportano così. Il modello presentato nel 1999 non spiega tuttavia perchè alcuni nodi giovani diventino rapidamente degli hub, e cioè dei nodi con molti link. Un esempio? Google, che in due anni è diventato il primo hub del Web. Ed è a questo punto che Ginestra Bianconi – fisica statistica nata e cresciuta a Roma, ora ricercatrice del Centro Internazionale di Fisica Teorica “Abdus Salam” e docente della prestigiosa SISSA – entra nel team di Barabási per il suo dottorato e mette la firma su un risultato di fondamentale importanza: partendo dalla condensazione di Bose-Einstein, Bianconi definisce un nuovo modello a fitness per l’interpretazione del rapido successo di alcuni nodi. Tralasciando gli aspetti matematici possiamo dire che ciascun nodo ha un certo grado di fitness (c’è chi nasce con la camicia…), che ne determina quindi la probabilità di stabilire nuove connessioni. Google aveva un’ottima fitness, ed ecco spiegata la sua rapida ascesa.
Barabási descrive così il contributo di Ginestra: “La scoperta di Bianconi indicava che le regole di comportamento di una rete sono identiche a quelle di un gas di Bose. Alcune proprietà delle reti complesse gettano un ponte di collegamento fra il micro e il macrocosmo, con conseguenze tanto affascinanti quanto l’esistenza del collegamento stesso”.

Ringrazio Ginestra che, in una gelida mattinata di gennaio, ha concesso al nostro blog un’intervista presso l’Auditorium Parco della Musica.

Daniele Frongia: Molti ti hanno conosciuta tramite il best seller “Link” di Albert-László Barabási, in cui viene presentato il modello a fitness. Che impatto ha avuto questa notorietà improvvisa sulla tua carriera? E’ aumentata rapidamente la tua fitness di fisica?
Ginestra Bianconi: Il periodo del dottorato negli Stati Uniti nel gruppo di László è stato molto importante per me. Si può letteralmente dire che sono stata presa da un turbine. Infatti sono andata a lavorare all’Università di Notre Dame per collaborare con Barabási non sulle reti bensì sulla struttura dei quantum-dots, una sua linea di ricerca precedente. Per qualche mese infatti ho studiato la letteratura al riguardo, ma poi un giorno László mi disse: “Ti andrebbe di lavorare anche tu sulle reti? Penso che sarà un campo in rapido sviluppo e nei prossimi anni mi focalizzerò principalmente su questo”. Anche se l’entusiasmo sulle reti nel gruppo di Notre Dame era molto alto nel 1999, non mi sarei aspettata che il successo diventasse poi così rilevante. Il nostro lavoro sul modello a fitness e la caratterizzazione del processo di condensazione che può avvenire in questi sistemi rimangono tra i lavori che mi hanno stimolato e coinvolto di più. Il successo di tutto il campo, del libro “Link” e del modello a fitness mi hanno fortemente connotato nella mia carriera. Nella comunità scientifica internazionale questo è sicuramente un vantaggio mentre, nella comunità fisica nazionale, il fatto che il campo abbia avuto un successo interdisciplinare così rapido, rende scettica l’accademia, legata agli argomenti tradizionali di fisica teorica. Tuttavia ci sono professori che costituiscono un’eccezione a questa regola e spero che nel futuro ci sia una maggiore apertura riguardo al tipo di ricerca in fisica teorica sui sistemi complessi.

D.F.: Da allora hai continuato ad occuparti di reti complesse?
G.B.: Si, trovo che lavorare sulle reti sia molto affascinante. Da una parte le reti hanno una straordinaria quantità di applicazioni, e stanno diventando sempre più importanti in discipline molto diverse come la sociologia o la biologia molecolare, dall’altra sono un campo ancora inesplorato dal punto di vista della fisica teorica.
Personalmente il lavoro che preferisco fare è vedere come i fenomeni che si incontrano nello studio delle reti possano poi essere spiegati da concetti e metodi fondanti di quel campo della fisica teorica chiamato meccanica statistica. In questo contesto vedo il futuro del mio lavoro. I modi per affrontare i fenomeni delle reti possono essere riassunti con due miei lavori: nel primo descrivo l’apparizione di un super-hub nelle reti con un mapping alla condensazione di Bose-Einstein; nel secondo introduco il concetto di entropia dei grafi per valutare il livello di stocasticità e di ordine presente nelle reti reali.
E’ un po’ l’idea di Bernardo di Chartres dei “nani sulle spalle dei giganti”: noi siamo i nani ma se ci mettiamo sulle spalle dei giganti e usiamo i concetti fondamentali della fisica teorica possiamo vedere più in là, e studiare l’ordine e le universalità emergenti nei sistemi complessi.

D.F.: Linton Freeman, uno dei padri dell’analisi delle reti sociali, ha criticato il modello Barabási-Albert sulle reti ad invarianza di scala (scale-free networks). In particolare, sul suo libro sulla storia dell’analisi delle reti, ha scritto che “Paul Lazarsfeld aveva già descritto la stessa tendenza 70 anni fa e che Derek de Solla Price aveva sviluppato essenzialmente lo stesso modello fin dal 1976″. Tu cosa ne pensi? Difficoltà di comunicazione tra sociologi e fisici?
G.B.: Questa posizione di Freeman rispecchia un fenomeno che spesso accade in ambito interdisciplinare: per assurdo quanto più i campi sono vicini tanto meno le varie discipline si parlano e si rispettano. La fisica ha cominciato ad occuparsi di grafi solo dal 1998, quando Watts e Strogatz hanno pubblicato il loro lavoro sullo small world. Prima la fisica si occupava solo di reticoli regolari e delle loro simmetrie che descrivono le diverse strutture cristalline. Invece i social network erano argomento dei sociologi già dagli anni ‘60, quando i matematici già studiavano i grafi casuali da un decennio. La grande novità dei lavori di Watts e Strogatz e del 1999 di Barabási e Albert è stata l’evidenza posta sulle caratteristiche universali delle reti complesse. In questi lavori infatti vengono studiate le proprietà small world o l’invarianza di scala in una rosa molto diversificata ed ampia di network. Questo vuol dire che queste proprietà non sono più curiosità legate ad uno specifico sistema ma sono proprietà generali con un impatto significativo per l’efficienza dei processi dinamici che avvengono sulle reti. Se quindi da una parte la comunità dei fisici ha “reinventato” modelli simili a quelli già esistenti in altri contesti (come il modello di Yule-Simon o quello di Derek de Solla Price) il punto di vista è profondamente diverso: non si studia il particolare caso (come ad esempio la rete delle citazioni scientifiche di de Solla Price) ma si studiano, con la stessa metodologia, Internet, le interazioni tra proteine, le reti sociali e anche lo stesso network delle citazioni.


D.F.: Allora bisogna apprezzare solo l’approccio dei fisici?
G.B.: Tutt’altro! La chiave dello sviluppo del campo sta in un buon bilanciamento tra lo studio di “proprietà universali” e “caratteristiche specifiche” dei network sotto investigazione. Per questo c’è bisogno dell’apporto di conoscenze provenienti da tutte le discipline che possono essere coinvolte, superando i preconcetti che invece sono presenti nella posizione di Freeman.
Fortunatamente la nuova generazione di sociologi è ben più aperta all’approccio dei fisici.

D.F.: So che ci sono degli sviluppi per il modello a fitness: potresti spiegarci in cosa consiste il tuo lavoro con Luca Ferretti?
G.B.: Nei lavori con Barabási abbiamo studiato il modello a fitness in cui i nodi di un grafo che cresce attraggono nuove connessioni in proporzione alla loro connettività (il preferential attachment) e anche alla loro fitness. Quando nella dinamica c’è un solo nodo con un fitness nettamente più alta degli altri può avvenire che ci sia un fenomeno di condensazione e il nodo diventi un super-hub e si colleghi ad una frazione finita di tutti gli altri nodi nella rete. Un esempio di super-hub è senz’altro Google nel World Wide Web. Con Luca abbiamo studiato cosa succede se un nuovo nodo entra nella rete con fitness ancora più alta del nodo in cui è avvenuta la condensazione e poi ne arriva un’altro ancora con fitness ancora più alta e così via. Quello che accade è che, a breve termine, la rete riesce a premiare il migliore e il nuovo nodo diventa il super-hub, mentre a lungo termine c’è una probabilità finita che il processo si arresti e che il super-hub non sia il miglior nodo del network. Quindi in questo modello ci potrebbero essere barriere imposte dalla dinamica che proibiscono di premiare il migliore: questo accade quando il successo descritto dal preferential attachment distrugge la competizione sulla qualità.

D.F.: Quindi quand’è che la competizione premia sempre il migliore?

G.B.: Alla transizione di fase, cioè quando il super-hub ha una frazione molto ridotta di link.

D.F.: Sei da poco rientrata a Roma dopo esser stata a Seul: che lavoro hai presentato in Corea?
G.B.: In Corea ho presentato il mio lavoro sull’entropia dei grafi, finalizzato alla valutazione quantitativa dell’ordine presente nei network complessi. In particolare ho trovato che i network ad invarianza di scala hanno un’entropia minore dei network poissoniani e quindi la distribuzione scale-free riflette un sistema con una tendenza all’ordinamento.

D.F.: Come si riconcilia il fatto che molti network siano scale-free e che, al contempo, non soddisfino il principio di massima entropia?
G.B.: I processi che generano network scale-free sono processi di fuori-equilibrio quindi in questo caso ci può essere una dinamica che va verso un sistema più “ordinato”. Questi concetti teorici hanno anche applicazioni pratiche. Infatti in Corea ho presentato anche un’applicazione di questo lavoro sull’entropia dei grafi, a cui ho lavorato con Paolo Pin e Matteo Marsili, che permette di valutare quanto una caratteristica dei nodi sia importante per la struttura dei legami nel network.
Ad esempio abbiamo studiato il livello di segregazione etnica in un insieme di amicizie nelle scuole statunitensi e la posizione geografica nei collegamenti aerei.

D.F…e ora cosa vai a fare a Parigi?
G.B.: In Francia lavorerò su problemi di evoluzione e di dinamica di network molecolari e di network neurali. Mi sto muovendo verso problemi al confine tra la meccanica statistica, le reti e la biologia.

Grazie Ginestra, in bocca al lupo e tienici aggiornati sui tuoi nuovi lavori.

categories Reti complesse

FrontiereDigitali.net: Creatività, Cooperazione, Condivisione

comments Comments Off
di Ambretta Perrino, 01/10/2007

Frontiere Digitali è uno spazio di libera auto-organizzazione di persone e opinioni che nasce a Roma (Italia) nel dicembre del 2005, quale strumento collaborativo, per l’organizzazione della Settimana delle Libertà Digitali che ebbe luogo dal 18 al 21 gennaio 2006. In seguito, il 28 marzo 2006, in occasione del convegno l’Innovazione necessaria: Creatività, cooperazione, condivisione, tante associazioni e singoli si sono incontrati confrontandosi sull’idea e sugli strumenti per sostenere e rafforzare questa rete di collaborazioni.

Si propone di creare una rete di collegamento e di informazione tra singole persone, gruppi, associazioni, imprese e organizzazioni politiche che si battono con un impegno concreto ed evidente per favorire e promuovere l’accesso alla cultura, sostenere una maggiore equità delle leggi sul diritto d’autore e affermare la libertà d’informazione su ogni medium, su scala nazionale e internazionale.

Sul sito frontiere digitali trovate informazioni sui vari temi e progetti.
Ne cito uno fra tutti la “Free Hardware Foundation” che ha come scopo primario la promozione, il sostegno e la diffusione di quegli strumenti materiali o immateriali che garantiscano, l’accessibilità, l’evoluzione, la condivisione e la diffusione della conoscenza, della cultura e del sapere, liberamente e in maniera paritaria per tutti gli esseri umani:
Free Hardware Foundation

categories Idee ed eventi, Reti complesse