influenciam as pessoas a participarem de eventos. Nesse estudo, os autores concluíram que apesar de a popularidade do evento ser um forte atrativo, os aspectos sociais são, de fato, fundamentais para que usuários realizem check-ins em locais que estão ocorrendo eventos, como uma conferência, por exemplo. O trabalho de JIANG; LI (2016) fez uma análise ainda mais detalhada a respeito desses fatores, considerando dados de uma rede social baseada em eventos.
Já em uma linha de pesquisa mais voltada para aspectos psicológicos, DONG; JIN; KNIJNENBURG (2015) estudaram, por sua vez, os fatores que podem levar os usuários a compartilharem informações privadas, ou sensitivas. Foi mostrado que a “confiança” na audiência (i.e. as pessoas que visualizam os check-ins) atua como um fator influenciador da decisão do usuário sobre o compartilhamento ou não de sua localização geográfica. Isso significa que é mais provável que um usuário de uma rede do tipo LBSN compartilhe um local que o mesmo visitou para um amigo ou um familiar no lugar de compartilhá-lo com um colega de trabalho, por exemplo.
Além da confiança, DONG; JIN; KNIJNENBURG (2015) observaram que a “privaci- dade” do local também atua como um importante fator que influencia a decisão do usuário em compartilhar ou não sua localização. Ou seja, existe uma pequena probabilidade de usuários publicaram que estão em um banco ou em uma delegacia de polícia, por exemplo, o que não ocorre com restaurantes, cinemas ou shopping centers. Outro fator que também é bastante considerado por usuários antes de compartilhar sua localização é a “adequação”. A adequação diz respeito ao fato de que diferentes categorias de locais são, normalmente, compartilhadas com diferentes públicos. Por exemplo, é mais provável que usuários compartilhem com seus familiares de que o mesmo está em um hospital do que com seus amigos. Isso pode não ser verdade quando o local é um bar ou um restaurante, por exemplo.
Uma importante conclusão de DONG; JIN; KNIJNENBURG (2015) foi o fato de que existe uma alta tendência de um usuário compartilhar na rede social que está no mesmo local que outros amigos. De acordo com os autores, esta observação é, inclusive, consistente com o fator psicológico de que as pessoas gostam de demonstrar que são aceitas por um grupo de pessoas.
3.4 Análise da Mobilidade de Usuários
FERRARI et al. (2011) fizeram uso de dados geo localizados do Twitter e de um modelo probabilístico LDA para avaliar padrões de mobilidade espacial de usuários da cidade de Nova Iorque. Modelos LDA são comumente utilizados para mineração de texto e consideram cada palavra de um determinado documento como sendo a unidade básica para análise do texto. Neste caso, os autores definiram que o CEP do local (i.e. o zip code) seria a palavra a ser analisada pelo modelo LDA. Este modelo adaptado foi capaz de identificar padrões de mobilidade considerando-se tanto a dimensão espacial quanto a dimensão temporal. O modelo revelou também características bem conhecidas da movimentação urbana. A Figura 3.3, por exemplo,
3.4. ANÁLISE DA MOBILIDADE DE USUÁRIOS 51 ilustra um dos padrões capturados pelos autores, que consiste em um padrão de movimentação da vida noturna em Nova Iorque. O lado esquerdo apresenta a probabilidade de um referido local (i.e. zip code) ser frequentado em um dado instante de tempo (i.e. hour). Esse padrão é exibido no mapa do lado direito, ilustrando um padrão sequencial da movimentação dos usuários tal qual relatado nas palavras do lado esquerdo da figura. O gráfico da Figura 3.3 mostra também a distribuição dos locais de acordo com os dias da semana.
Figura 3.3: Comportamento rotineiro de usuários em um sábado a noite em Nova Iorque (FERRARI et al., 2011)
NOULAS et al. (2011) estudaram a mobilidade dos usuários por meio das categorias dos locais em que os mesmos fizeram check-in. Eles descobriram que as atividades de usuários de redes sociais baseadas em localização variam no decorrer da semana e esses check-ins ilustram, de fato, padrões muito semelhantes às atividades do dia a dia de uma pessoa. Por exemplo, a Figura 3.4(a) relaciona o número de check-ins com as categorias de locais do Foursquare para os dias da semana, a Figura 3.4(b), por sua vez, faz o mesmo para os finais de semana. Pode-se observar que as duas curvas apresentam padrões consideravelmente diferentes. Nos dias de semana pode-se observar três categorias mais utilizadas: enquanto que pela manhã as pessoas estão no trabalho, na hora do almoço e entre 18 e 20 horas, as pessoas estão em casa ou em shoppings centers ou bares. Já nos fins de semana, a curva indica que os locais mais frequentados são locais com atividades de lazer predominantes.
O impacto da distância espacial nas relações sociais dos usuários foi estudado (BACKS- TROM; SUN; MARLOW, 2010; SCELLATO et al., 2011; MOYANO; THOMAE; FRÍAS- MARTÍNEZ, 2012). BACKSTROM; SUN; MARLOW (2010) fizeram uso de dados do Facebook bem como de informações de localização fornecidas pelos próprios usuários para investigar a relação entre os laços sociais dos usuários e a distância entre eles. Em um estudo semelhante mas fazendo uso de dados da rede telefônica, MOYANO; THOMAE; FRÍAS-MARTÍNEZ (2012) analisaram dados espaço-temporais com o objetivo de avaliar até que ponto a mobilidade do usuário influencia na formação da rede social do indivíduo. Os resultados indicaram que existe uma dependência entre a estrutura social da rede e a distribuição espacial dos usuários. Já em (SCELLATO et al., 2011), os autores mostraram que além da distância, outras propriedades podem influenciar as interações sociais dos usuários.