Twitter提及的內(nèi)容顯示了不同的社區(qū)結(jié)構(gòu)模式，這是由于受用戶之間的物理距離和共同性(如共享語言和歷史)影響的個人的通信偏好所致。

盡管先前的調(diào)查已經(jīng)使用其他數(shù)據(jù)(例如手機使用率和Facebook朋友聯(lián)系)來確定模式，但新英格蘭綜合系統(tǒng)研究所的研究著眼于全球社區(qū)中消息傳遞的集體效應(yīng)。該小組的結(jié)果在AIP Publishing的《Chaos》雜志上的一篇文章中進(jìn)行了報道。

科學(xué)家使用Twitter數(shù)據(jù)中的提及機制來繪制世界各地的信息流。當(dāng)用戶在其推文中明確包含另一個@username時，就會在Twitter中提及。這是直接與其他用戶通信的方法，也是重新傳輸或轉(zhuǎn)發(fā)內(nèi)容的方法。

研究人員檢查了2013年12月以來的Twitter數(shù)據(jù)，并將世界劃分為8,000個單元，每個單元寬約100公里。在此網(wǎng)格上建立了一個網(wǎng)絡(luò)，其中每個節(jié)點是一個精確的位置，鏈接或邊緣是一個位置中提到的另一個位置上的Twitter用戶數(shù)。

Twitter在多個國家/地區(qū)被禁止，并且在國內(nèi)生產(chǎn)總值較高的國家/地區(qū)更為流行，因此這會影響數(shù)據(jù)。他們的結(jié)果表明，美國和歐洲等大區(qū)域在每個區(qū)域內(nèi)部緊密相連，但與其他區(qū)域的聯(lián)系也較弱。

共同作者Leila Hedayatifar說：“牢固的聯(lián)系使群體保持凝聚力，而脆弱的聯(lián)系則使群體大規(guī)模整合，并負(fù)責(zé)整個系統(tǒng)的信息傳播。”

研究人員使用一種計算技術(shù)來確定模塊化，該值量化了與隨機排列相比網(wǎng)絡(luò)上社區(qū)之間的距離。他們還研究了一種稱為中間性中心的量，該量度了通過每個節(jié)點的最短路徑的數(shù)量。此度量突出顯示了在許多地方之間用作連接器的位置。

通過優(yōu)化模塊化，研究人員發(fā)現(xiàn)了16個重要的全球社區(qū)。美洲有三個大型社區(qū)：一個英語地區(qū)，中美洲和南美國家，以及一個屬于自己的團體的巴西。歐洲，亞洲和非洲存在多個社區(qū)。

還可對數(shù)據(jù)進(jìn)行更精細(xì)的分析，以揭示子社區(qū)。在國家甚至城市內(nèi)部都存在強大的區(qū)域協(xié)會。例如，伊斯坦布爾的Twitter對話很大程度上僅限于城市中的某些區(qū)域。

研究人員還研究了共同語言，邊界和共同歷史的影響。

Hedayatifar說：“也許令人驚訝的是，我們發(fā)現(xiàn)擁有共同定居者的國家之間的互動偏好降低了。”

她認(rèn)為與殖民國家的等級制互動可能會抑制前殖民地之間的互動。