Facebook crea un algoritmo que predice cuándo romperán las parejas

El algoritmo que depende de una métrica que han llamado «dispersión» toma en cuenta las conexiones que se generan en esta red social entre los diferentes amigos.

Los investigadores utilizaron la data disponible en Facebook como su laboratorio. Seleccionaron 1.3 millones de usuarios al azar entre personas mayores de 20 años que tenían entre 50 y 2.000 amigos. Estos también tenían que señalar en su perfil que estaban en una relación o casados. Esto generó cerca de 379 millones de nodos sociales y 8.600 millones de conexiones. No se registraron nombres.

La métrica de la dispersión señala que los amigos cercanos comparten muchos amigos en común , algo llamado por los científicos como «arraigo». Pero en el caso de los personas en relaciones amorosas tratan de conectarse entre diferentes esferas . Un ejemplo, la esposa que presenta a su esposo a su círculo de amigos del trabajo o con sus amigos del colegios con los que él no tiene ninguna conexión en común.

El algoritmo de la dispersión fue capaz de identificar de forma correcta en un 60% a la esposa de un usuario en Facebook. El algoritmo también pudo identificar muy bien a la personas con la que alguien apuntaba «estar en una relación».

Pero lo que llama la atención es que cuando el algoritmo fallaba, es decir, no encontraba a la otra persona miembro de la pareja, esto era señal de que la relación está en problemas .

Una pareja en una relación declarada y sin una dispersión del 50% está más propensa a romper en los siguientes dos meses , en comparación con una pareja con alta dispersión. Los investigadores rastrearon a los usuarios cada dos meses durante dos años.

Los científicos también analizaron datos como: cada cuanto tiempo un usuario veía el perfil del otro, atendían a eventos juntos o se enviaba mensajes. El grado de dispersión lograba calcular mejor el tipo de relación romántica.

Para Facebook, la investigación forma parte de sus esfuerzos automatizados para mirar más de cerca las relaciones entre sus usuarios y así adaptar el contenido y los anuncios.