3. Antecedentes: análisis de redes
Análisis de Redes Sociales tiene sus
orígenes tanto en las ciencias sociales y en el
campo más amplio de análisis de redes y el
gráfico de la teoría de análisis de red se ocupa de
la formulación y solución de los problemas que
tienen una estructura de red, la estructura es
normalmente capturado en un gráfico (ver la
estructura de un círculo a la derecha) La teoría
de grafos proporciona un conjunto de conceptos
abstractos y métodos para el análisis de los
gráficos. Estas, en combinación con otras
herramientas de análisis y con los métodos
desarrollados específicamente para la
visualización y análisis de social (y otros) las
redes, constituyen la base de lo que llamamos
métodos de ARS. Sin embargo, el ARS no es sólo
una metodología, sino que es una perspectiva
única sobre cómo funciona la sociedad. En lugar
Un ejemplo muy temprano de análisis de
de centrarse en las personas y sus atributos, o la red proviene de la ciudad de
macroscópico de las estructuras sociales, se Königsberg (hoy Kaliningrado). El famoso
centra en las relaciones entre individuos, grupos matemático Leonard Euler utilizó un
gráfico para demostrar que no hay un
o instituciones sociales camino que atraviesa cada uno de los
puentes de la ciudad sólo una vez
(Newman et al, 2006)
4. Antecedentes: ciencias sociales
El estudio de la sociedad desde una perspectiva
de red es el estudio de los individuos como
integrados en una red de las relaciones y buscar
explicaciones para el comportamiento social en la
estructura de estas redes en lugar de en las
personas solas. Esta "perspectiva de la red 'se
convierte cada vez más relevante en una sociedad
que Manuel Castells ha denominado la sociedad
red. ARS tiene una larga historia de las ciencias
sociales (desde años 30 con J. Moreno y su
sociograma), aunque gran parte del trabajo en la
promoción de sus métodos también ha venido de
matemáticos, físicos, biólogos y científicos de la
Esta es una representación temprana de lo computación (porque ellos también estudian las
que llamamos una red de 'ego', es decir, un
red de contactos personales. El gráfico redes de diferentes tipos) La idea de que las redes
muestra diferentes fuerzas a través de de relaciones son importantes en la vida social la
círculos concéntricos (Wellman, 1998)
ciencia no es nueva, pero la amplia disponibilidad
de datos y avances en la informática y la
metodología han hecho mucho más fácil de
aplicar ARS a una serie de problemas.
5. Antecedentes: ciencias sociales
El estudio de la sociedad desde una perspectiva
de red es el estudio de los individuos como
integrados en una red de las relaciones y buscar
explicaciones para el comportamiento social en la
estructura de estas redes en lugar de en las
personas solas. Esta "perspectiva de la red 'se
convierte cada vez más relevante en una sociedad
que Manuel Castells ha denominado la sociedad
red. ARS tiene una larga historia de las ciencias
sociales (desde años 30 con J. Moreno y su
sociograma), aunque gran parte del trabajo en la
promoción de sus métodos también ha venido de
matemáticos, físicos, biólogos y científicos de la
Esta es una representación temprana de lo computación (porque ellos también estudian las
que llamamos una red de 'ego', es decir, un
red de contactos personales. El gráfico redes de diferentes tipos). La idea de que las
muestra diferentes fuerzas empate a través redes de relaciones son importantes en la vida
de círculos concéntricos (Wellman, 1998).
social la ciencia no es nueva, pero la amplia
disponibilidad de datos y avances en la informática
y la metodología han hecho mucho más fácil de
aplicar ARS a una serie de problemas.
6. Antecedentes: otros ámbitos
El Análisis de Redes (sociales) ha encontrado
aplicaciones en muchos ámbitos más allá de las
ciencias sociales, aunque los mayores avances han
sido en general en relación con el estudio de las
estructuras generadas por los seres humanos
Un ejemplo en ciencias de la vida es el uso del análisis
de redes para estudiar las cadenas alimenticias en los
diferentes ecosistemas
Los científicos de la computación, por ejemplo, han
utilizado (e incluso desarrollado nuevos) métodos de
análisis de redes para estudiar las páginas web, el
tráfico de Internet, la difusión de información, etc. En este ejemplo, los investigadores recopilaron
una gran cantidad de datos sobre los enlaces
Los matemáticos y físicos (teóricos) se centran entre páginas web y descubrieron que la web se
compone de un núcleo de alta densidad de
generalmente en la producción de métodos nuevos y páginas intervinculadas, mientras que la mayoría
complejos para el análisis de redes, que puede utilizar de páginas web están vinculados a partir de ese
cualquier persona, en cualquier campo donde las redes núcleo. Fue una de las primeras ideas en las
estructuras a gran escala generadas por el hombre
son importantes. (Broder et al, 2000).
8. Antecedentes: otros ámbitos
Las empresas utilizan el ARS para analizar y
mejorar el flujo de la comunicación en su
organización, o con sus redes de socios y clientes.
Las fuerzas del orden (y el ejército) utilizan ARS para
identificar las redes criminales y de terroristas a partir
de los rastros de la comunicación que recogen. Luego
identifican los principales actores en estas redes.
Los sitios de redes sociales como Facebook utilizan
elementos básicos del ARS para identificar y
recomendar posibles amigos sobre la base de amigos
de amigos.
Las organizaciones de la sociedad civil utilizan el SNA
para descubrir los conflictos de interés en las
conexiones ocultas entre los organismos
gubernamentales, los grupos de presión y las empresas.
Los operadores de redes (telefonía, cable, móvil), usan
métodos del tipo del SNA para optimizar la estructura
y la capacidad de sus redes.
9. ¿Por qué y cuándo usar ARS?
Siempre que se esté estudiando una red social, ya sea offline u online, o
cuando se desee entender cómo mejorar la eficacia de la red.
• Cuando se quiera visualizar datos para descubrir patrones o interacciones
en las relaciones.
• Si desea seguir los caminos que sigue la información (o básicamente
cualquier cosa) en las redes sociales.
• Al hacer investigación cuantitativa, aunque para la investigación cualitativa
también es valiosa una perspectiva de red.
(a) La gama de acciones y oportunidades que ofrece a los individuos suele
estar en función de sus posiciones en las redes sociales; el descubrimiento de
estas posiciones (en lugar de depender de supuestos comunes sobre la base
de sus roles y funciones, tal como padres, madres, profesores, trabajadores)
puede producir resultados más interesantes y a veces sorprendentes.
(b) Un análisis cuantitativo de una red social puede ayudar a identificar los
diferentes tipos de actores en la red o los actores clave, en los que centrarse
para la investigación cualitativa:
• El ARS también es claramente útil en el análisis de los SRS y medios de
comunicación social en general, para probar hipótesis sobre el
comportamiento online y en CMC (Comunicación Mediada por
Computadora), para identificar las causas en las comunidades
disfuncionales o redes, y fomentar la cohesión social y el crecimiento de
una comunidad online.
15. Lista de aristas: añadir columna de peso
Vértices Vértices Peso
1 2 30
1 3 5
2 3 22
2 4 2
Los pesos pueden ser: 3 4 37
• Frecuencia de la interacción en el
período de observación.
• Número de artículos intercambiados
Matriz adyacente: añadir pesos en vez de I
en este período.
• Las percepciones individuales de la
fuerza de la relación.
• Los costos en la comunicación o de
intercambio, por ejemplo, en la
distancia.
• Las combinaciones de estos.
16. Pesos de los vínculos como la fuerza de las
relaciones
Las aristas/vínculos pueden representar interacciones,
flujos de información o similaridades/afiliaciones o relaciones
sociales.
Para medir las relaciones sociales de un nodo. La fortaleza de
esos enlaces son:
(a) la frecuencia de las interacciones (comunicación) y cantidad
de flujo (intercambio).
(b) La reciprocidad en la interacción o flujos.
(c) El tipo de interacción o flujo entre las dos partes (ejemplo,
intimar o no).
(d) Otros atributos de nodos o relaciones (ejemplo de
relaciones parentescas).
(e) La estructura de la vecindad de los nodos (ejemplo de
muchos amigos mutuos).
Encuestas y entrevistas nos permite establecer la existencia de la fuerza/afectividad
mutua o unilateral con mayor certeza, pero los proxies son también útiles.
17. Homofilia, transitividad y establecer “puentes” (bridging)
La homofilia es la tendencia en relacionar personas con
características similares (status, creencias, etc.):
Esto conduce a la formación de grupos homogéneos (clusters) en donde crear relaciones
es más fácil.
La homogeneización extrema puede actuar en contra de la innovación y de la generación
de ideas (la hetereofilia, por tanto, es deseable en algunos contextos).
Los vínculos homofílicos pueden ser fuertes o débiles.
La transitividad en el ARS es una propiedad de los vínculos: si hay un
vínculo entre A y B y uno entre B y C, entonces, si la red es transitiva
A también está conectado a C.
Los vínculos fuertes, a menudo, son más transitivos que los débiles. La transitividad es ,
por lo tanto, evidencia de vínculos fuertes (pero no es una condición necesaria de la
transitividad).
La transitividad y la homofilia conjuntamente conducen a la formación de cliques
(clusters plenamente conectados).
Los puentes son los nodos y vínculos que se conectan a través de
grupos.
Facilitan la comunicación intergrupo, aumentan la cohesión y ayudan a estimular la
innovación.
Habitualmente son vínculos débiles, pero no todo vínculo débil es un puente
18.
19.
20. Rutas y rutas más cortas
Un ruta o camino entre dos nodos es la
secuencia de nodos que no se repiten para
conectar los dos nodos.
El camino más corto entre dos nodos es el
camino que conecta los dos nodos con el
menor número de aristas (también llamada la
distancia entre dos nodos).
En el ejemplo de la derecha, entre los nodos 1
y 4(líneas verdes) hay dos caminos cortos:
[1,2,4] y [1,3,4].
Los caminos más largos son: [1,2,3,4], [1,3,2,4],
[1,2,5,3,4] y [1,3,5,2,4].
Las rutas cortas son convenientes cuando La ruta más corta
queramos una rápida comunicación o entre el nodo 1 y 4
intercambio de datos (es propio en estudios de
difusión de la información en red o de
propagaciones de enfermedades).
21. Conceptos básicos
• Redes: cómo representar varias redes
sociales
• Vínculos débiles: Cómo identificar en
una red social vínculos fuertes y débiles.
• Actores principales: Cómo identificar
nodos centrales/principales en una red.
• Cohesión: Medidas de la estructura
general de la red social.
22. Grado o Rango de centralidad
El grado de un nodo es la suma de sus
entradas (indegree) y salidas (outdegree).
1
En un grado no dirigido, por su puesto, son
2
idénticas.
A menudo se utiliza como medida del 3
grado de un nodo de conexión y por lo 5
tanto, también la influencia y/o
popularidad. 4 7
6
Utiles en la evaluación de los nodos que
son centrales con respecto a la difusión de
la información e influencian a otros en su
entorno inmediato de “vecindad”. Los nodos 3 y 5 tienen el mayor grado
de centralidad
23. Centralidad de intermediación
El número de caminos más cortos que
pasan a través de un nodo dividido por
todos los caminos más cortos de la red.
Es una medida de centralidad en un nodo de
una red, o sea, el número de caminos más
cortos desde todos los vértices/nodos a todos
los demás que pasan a través de ese nodo/
vértice.
Valor más alto de medida:1 y más bajo: 0
Muestra los nodos/vértices que tienen más
probabilidad de estar en comunicación con los
otros nodos.
Determina los puntos/nodos donde la red se El nodo 5 tiene una mayor
puede romper. ¿Si los nodos 3 y 5 centralidad de intermediación
que el nodo 3.
desaparecieran que pasaría?
Son nodos que puentean clusters.
24. Grado de proximidad o cercanía
La duración media de todas las rutas más
cortas desde un nodo a todos los demás nodos
de la red (es decir, ver los saltos de nodo en
nodo que se necesita para llegar a todos los
demás nodos)
Es una medida de alcance o accesibilidad.
Cuánto tiempo va tomar para llegar un nodo
particular a otros nodos
Utiles para ver la velocidad de difusión de la
información.
Cuantos más bajos sean los valores que Los nodos 3 y 5 tienen el grado
acompañan al nodo mejor será la velocidad de de proximidad más bajo: 1.33 (o
sea que el mejor)
su difusión.
25. Centralidad del vector propio
La duración media de todas las rutas más
cortas desde un nodo a todos los demás nodos
de la red (es decir, ver los saltos de nodo en
nodo que se necesita para llegar a todos los
demás nodos).
Es una medida de alcance o accesibilidad.
Cuánto tiempo va tomar para llegar un nodo
particular a otros nodos
Utiles para ver la velocidad de difusión de la
información.
Cuantos más bajos sean los valores que Los nodos 3 y 5 tienen el grado
acompañan al nodo mejor será la velocidad de de proximidad más bajo: 1.33 (o
sea que el mejor)
su difusión.
Eigenvector centrality
26. Interpretación de medidas (1)
Interpretación en redes sociales
¿A cuantas personas se puede llegar
Grado (in, out) directamente?
¿Qué probabilidad hay que una persona sea la
ruta más directa entre dos personas (nodos) en
Centralidad una red?
¿Cómo esta una persona (nodo) de accesible con
Cercanía respecto a todos los demás?
¿Cómo está de bien conectada una persona al
Vector propio resto de personas en la red?
27. Interpretación de medidas (2)
Otras posibles interpretaciones
¿En la red de colaboraciones musicales cuánta
Grado (in, out) gente ha colaborado con esta persona?
¿Qué probabilidad hay que una persona sea la
ruta más directa entre dos personas (nodos) en
Centralidad una red?
En las relaciones sexuales: la rapidez con que una
Cercanía persona puede transmitir una enfermedad de
transmisión sexual.
En una red de citación (citas bibliográficas): ¿Cúal
Vector propio es el autor que es más citado por otros autores?
28. Clique
• Se trata de un subgrafo máximo completo de
tres o más nodos, los cuales están directamente
conectados entre sí. Es un subgrupo
cohesivo.
• En la teoría de grafos un clique es un grafo no
dirigido G en un conjunto de vértices V tal que
para todo par de vértices de V, existe una arista
que los conecta.
• El término proviene de la palabra inglesa clique,
que define a un grupo de personas que
comparten intereses en común. En esta
analogía, las personas serían vértices; las
relaciones de interés, las aristas: y el hecho de
que todas comparten un mismo interés, el
grafo completo, es decir, el clique en si.
32. Red de afiliación
• Las personas suelen estar ligadas a un grupo de afiliación: un
curso corto, gimnasio, asociaciones, etc.
• En dichas redes las personas están ligadas unas a otras en una
relación de pertenencia.
• Suele ser representada en un grafo bipartito, con un vértice
(nodo) que representa el actor o evento y una arista (enlace)
que representa la participación de un actor en un evento
específico.
• Es interesante para el estudio de relaciones indirectas entre
nodos y la co-pertenencia a eventos para explicar la existencia
de vínculos (débiles) entre dos individuos.
33. Identificar los actores clave
En la red de la derecha, el nodo 10 es el
más central, de acuerdo a la centralidad de
grado.
Pero en los nodos 3 y 5, según están
posicionados, llegarán a más nodos.
El vínculo entre ellos es fundamental. Si
estos desaparecen la red se dividirá en 2
subredes aisladas.
Pensando en igualdad de condiciones,
creemos que los nodos 3 y 5 son más claves
que el 10.
Si se corta la arista o vínculo entre el 3 y 5 Los nodos 3 y 5 tienen el grado
se dividirá en 2 grafos distintos. de proximidad más bajo: 1.33 (o
sea que el mejor)
Crear la matriz de adyacencia simétrica
para ver la importancia de ese nodo aplicando
las medidas correspondientes de centralidad.
34. Cohesión
Características de la estructura de la red
Reciprocidad Clustering
Distancia
Densidad
Diámetro
36. Grado de reciprocidad
El ratio de número de relaciones, las cuales son
recíprocas (ejemplo, en una arista en ambas
direcciones) sobre el total del número de
relaciones en una red.
...donde dos vértices se dice que están
relacionados cuando hay al menos una arista
entre ellos.
En el ejemplo de la derecha, sería 2/5=0.4 (si
esto se considera alta o baja..eso depende del
contexto)
Cohesión social: Un indicador útil del grado de
reciprocidad/mutualidad e intercambio.
Sólo tiene sentido en grafos dirigidos.
37. Densidad
La densidad de una red es la razón entre el
número de segmentos de la red y el número
total de posibles segmentos entre todos los
pares de nodos (que es n(n-1)/2, siendo n el
número de vértices para un grafo no
dirigido.
En la red del ejemplo para la densidad correcta
=5/6=0.83 (es decir, es una red bastante densa;
lo opuesto sería una red incompleta.
Un grafo dirigido tendrá la mitad de densidad
de su equivalente dirigido, porque hay aristas
dobles de ida y vuelta. Es decir, n (n-1)
La densidad es útil para comparar las redes de
unos contra otros, o para hacer los mismo
entre una red de gran escala: comparar.
Los nodos 3 y 5 tienen el grado
de proximidad más bajo: 1.33 (o
sea que el mejor)
38. Clustering
El coeficiente de un nodo de agrupación es la
densidad de su entorno (es decir, la red que consiste
solamente en este nodo y en todos los demás nodos
directamente conectados a él).
Por ejemplo, el nodo 1 de la derecha tiene un valor
de 1, porque sus vecinos son de 2 y 3 y el barrio de
los nodos 1, 2 y 3 se conecta perfectamente (es
decir, se trata de una "camarilla" o clique).
El coeficiente de clustering para toda la red es el
promedio de todos los coeficientes de sus nodos.
Los algoritmos de clustering tratan de maximizar el
número de aristas (edges) que están dentro del
mismo cluster (el ejemplo mostrado a la derecha
con dos clusters identificados).
Los clustering en entornos comunitarios nos indican
la presencia de diferentes subcomunides en una red.
39. Distancia media y mas larga
La distancia más larga entre dos nodos suele
llamarse diámetro de la red. Y la distancia geodésica
más larga de un actor se le llama excentricidad. Una
medida de cuán lejos está un actor de otro más
lejano. O sea, que el diámetro se define como la
excentricidad mayor.
El diámetro de la red de la derecha es 3. Es una Diámetro
medida útil de la extensión de la red (que se opone
a considerar solo el número total de vértices o
aristas).
También indica cuánto tiempo más se tardará en
llegar a cualquier nodo de la red (por ejemplo, las
redes más dispersas por lo general tienen un
diámetro mayor).
Las medidas de todos los caminos más cortos
de una red es también interesante porque indica el
término medio de la separación entre dos nodos
(distancia media).
40. Mundos pequeños
Mundo pequeño es una propiedad que
presentan algunas redes.
Un mundo pequeño es una red que es casi
aleatoria, pero exhibe un coeficiente de
agrupamiento significativamente alto (nodos que
tienden agruparse a nivel local) y una longitud del
camino (geodésico) relativamente corto (se pueden
llegar en pocos pasos a nodos).
Es una estructura muy común en las redes
sociales debido a la transitividad en los fuertes lazos
sociales y la capacidad de lazos débiles.
Una red de este tipo tendrá subgrupos. Habrá
muchos puentes entre estos subgrupos que ayudan
a acortar la distancia.
Redes de mundo pequeño fue
desarrollado por Duncan Watts
y Steven Strogatz (1998)
41. Conexión preferencial
Una propiedad de algunas redes en las que durante su evolución y crecimiento en el
tiempo, la gran mayoría de nuevas aristas están entre los nodos que ya tienen un grado alto.
El grado de estos nodos, así, aumenta de forma no proporcional en comparación con la
mayor parte del resto de nodos de la red (ventaja acumulativa).
Véase entrada de la Wikipedia: http://en.wikipedia.org/wiki/Preferential_attachment
El resultado es una red con pocos nodos
muy altamente conectados y muchos con
un grado bajo de conexión.
Se dice que tales redes exhiben una
distribución con grado de larga cola.
Y suelen tender a tener una estructura de
mundo pequeño!
(así que, como resultado, la transitividad y las
características de los vínculos fuertes/débiles
no son necesarias para explicar las estructuras Nodos ordenados en grado descendente
de mundo pequeño, pero son comunes y
también pueden dar lugar a tales estructuras)
Un ejemplo de conexiones Esquema de distribución de grado
preferenciales de larga cola
Para un actor i con grado k, su probabilidad de recibir un vínculo adicional es proporcional a su grado actual k. Este mecanismo de
crecimiento proporcional se llama también “ventaja acumulativa” o “el rico se hace más rico” y explica la distribución de enlaces tipo Ley de
Potencia. Por eso, la principal razón para el interés científico de la conexión preferencial es que, bajo ciertas circunstancias, genera una ley
potencial de la riqueza.
42. Los procesos de conexión preferencial están
ligados a fenómenos de distribución de
Pareto (Ley de Pareto)
43. Razones para conexión preferencial
Modelo mezclado
Calidad
Popularidad
Entre los nodos de
Evaluamos la gente y todo
Queremos estar asociado atributos similares, los que
lo demás sobre la base de
con la gente popular, ideas, alcanzar la masa crítica
criterios objetivos de
objetos, con el consiguiente primero se convertirá en
calidad, por lo que los
incremento de su 'estrellas' con muchos
nodos de mayor calidad va
popularidad, amigos y seguidores
a atraer más atención, más
independientemente de las ("efecto halo")
rápido
características objetivas y Puede ser imposible
También conocido como "el
medibles. predecir quién va a
bien a mejorar '.
Lo ricos cada vez más rico. convertirse en una estrella,
aunque es importante la
calidad
44. Estructura núcleo-periféricas
Una métrica útil y relativamente simple del grado en
que una red social es centralizada o descentralizada
es la medida de centralización (normalizada tal que
toma valores entre 0 y 1).
Está basada en el cálculo de las diferencias en los
grados entre nodos. Una red que dependa
ampliamente de 1-2 nodos altamente conectados
(como resultado por ejemplo del adjunto preferencial)
mostrará grandes diferencias en el grado de
centralidad entre los nodos.
Las estructuras centralizadas puede funcionar
mejor para algunas tareas (como resolución de
problemas basada en equipos que requiera
coordinación), pero son más capaces de fallar si
desconectan los jugadores clave.
Además de la centralización, muchos grupos grandes y comunidades online
tienen un núcleo de usuarios densamente conectados que son críticos para
conectar una periferia mucho mayor.
Se pueden identificar visualmente o examinando la localización de los nodos
de alto grado y sus distribuciones conjuntas de grado. (¿los nodos de alto
grado tienden a conectarse con otros de algo grado?)
Core/Periphery Structure
El análisis de los vínculos, usado para analizar la estructura de la Web,
también puede usarse para distinguir entre el núcleo y otros elementos más
periféricos de una red.
46. Tamaño
El tamaño de una red es el número de actores.
El tamaño de una red a menudo es muy importante.
Imaginemos un grupo de 12 estudiantes en un seminario.
No sería difícil que cada uno de los estudiantes conociese a
los demás bastante bien y pudiese establecer relaciones de
intercambio (ej.: compartir apuntes). Imaginemos ahora una
clase grande con 300 estudiantes. Sería extremadamente
difícil que cualquiera de los estudiantes conociese a todos
los demás y sería virtualmente imposible construir una
sencilla red presencial para intercambiar apuntes.Véanse los
comentarios de Krebs sobre la centralidad de la red y
diferencias de tamaño de la red.
Ver The SAGE Handbook of Social Network Analysis.
47. Densidad
Es la relación entre número de vínculos
existentes en la red y un número posible
de vínculos. En el caso de una relación
antisimétrica de tamaño k, la densidad seria k * (k-1).
En el caso de una relación simétrica sería la mitad.
La densidad de una red puede dar información sobre fenómenos
tales como la velocidad a la que se difunde información entre los
nodos y la medida en que los actores tienen altos niveles de
capital social y/o coacción social.
N corresponde al número de nodos y r al número de lazos existentes.
49. El tamaño y la densidad nos dan el sentido global del rango de las
posibles estructuras sociales que podrían estar presentes en una
población u organización.
50. Accesibilidad (Reachability)
Es el grado en que
cualquier miembro de
una red puede llegar a
otros miembros de la
misma red. Un actor A es
"accesible" por otro B, si
hay un conjunto de
conexiones que permitan
ir de A a B, sin importar
cuántos se encuentran
entre ellos.
52. Distancia
Dos personas, que llamaremos A y B, pueden tener
cada una cinco amigos. Pero supongamos que ninguno
de los amigos de A tiene más amigos excepto A. Los
cinco amigos de la persona B, en contraste, tienen cada
uno cinco amigos. La información disponible para B, y
el potencial de B para la influencia es mucho mayor
que la de A. Es decir, a veces ser un "amigo de un
amigo" puede ser muy oportuno.
53. Reciprocidad
Se puede decir que existen 3 tipos de relaciones diádicas: sin
relación (no hay flecha) , de un sólo sentido (con una flecha
solo) y de ambos sentidos (doble flecha)
55. Reflexiones sobre el diseño
¿Cómo puede una plataforma de medios sociales en
línea (y sus administradores) aprovechar los métodos
y los conocimientos de análisis de redes sociales?
¿Cómo se puede fomentar una perspectiva de red
entre sus usuarios, de manera que sean conscientes
de su "vecindad" y se puede aprender a trabajar con él
y / o ampliar esto?
¿Qué medidas puede una comunidad en línea para
optimizar su estructura de red?
Ejemplo: camarillas puede ser indeseable, ya que evitan
los recién llegados.
¿Qué sería deseable para las estructuras de los
SNA inspirado a algunos de los primeros sitios de redes
diferentes tipos de plataformas en línea? (no es fácil sociales (SixDegrees, por ejemplo), pero aún no se utiliza
de responder) tan a menudo en combinación con las decisiones de sus
diseños.
¿Cómo pueden las comunidades en línea identificar y
utilizar los principales actores para el beneficio de la
comunidad?
56. Analizando tu propia red personal o
egocéntrica
Más infromación en el libro “Social Network Analysis for Startups”
Veremos en las próximas transparencias como podemos ver
nuestra red personal tanto en Facebook como en Twitter con
herramientas gratuitas.
Siga los pasos que se le indican para analizar y visualizar tu propia
red.
Piensa en los actores clave de tu red, el tipo de relaciones que
mantenemos con ellos, identificar grupos o comunidades en su red,
etc.
Es una práctica con datos reales en tus propias redes personales.
Presentar resultados
57. Visualizando tu red de Facebook
Lanza la aplicación de TouchGraph para Facebook. Enlace:
https://apps.facebook.com/touchgraph/
Después de un pequeño periodo de tiempo (depende conexión)
verás un grafo como el de la derecha.
Arriba elige el número de amigos que quieres que te visualice o
todos los amigos
Ir al botón “Advanced” y probar las distintas configuraciones.
Su visualización, al ser una red personal, es totalmente
centralizada, es decir, el nodo central es el nodo vuestro
(marcando la casilla “Significant friends”)
Grafo hecho con TouchGraph
Uno de los problemas es que no puedes exportar los datos relacionales que tiene uno.
58. Usando NodeXL para visualización
Instalación de NodeXL. Se trata de un complemento de
Microsoft Excel. En: http://nodexl.codeplex.com Ir a
Downloads. Requiere Excel 2007 o 2010.
O Inicio--> Programas --> Microsoft NodeXL
Cuando estemos en él comenzamos las prácticas con
determinadas bases de datos.
Ver:
Visualizing My Twitter Network: http://j.mp/HBQ1rl
Social Network Mapping Fun with NodeXL and Science
Online 2011: http://j.mp/HacL2A
SocialnetImporter for NodeXL: http://j.mp/H2Blnh
Analyzing Social Media Networks with NodeXL: Insights
from a Connected World: http://j.mp/H3r09A
Grafo hecho con TouchGraph
59. Usando NodeXL para visualización
Extraer datos de Facebook con dos aplicaciones de
Facebook: NameGenWeb (https://apps.facebook.com/
namegenweb/) o Netvizz ( https://cube.polsys.net/
facebook/netvizz/ )
Netvizz. Crea ficheros gdfc(opera bien con Gephi) de
grafo no dirigido. Podemos marcar el idioma, sexo y post
en muro que tiene.
NameGenWeb. Tiene 3 formatos de extracción: GUESS
(para GUESS y Gephi), UCINET (archivos .dl) y GraphML
(para NodeXL)
Luego si queremos abrirlo con NodeXL debemos dar a
“Import” y elegir “From GraphML file”
Para las medidas ir a “Graph Metrics” y probar las medidas
de grado, centralidad y misceláneos. Grafo hecho con TouchGraph
Un gráfico con 23 un vértice camarillas (sus vértices), 42 2-vértice camarillas (los bordes), 19 de 3 vértices camarillas (los triángulos de color azul claro), y 2 de 4 vértices camarillas (azul oscuro). Seis de los bordes y 11 de los triángulos forman camarillas máxima. El azul oscuro 4-dos pandillas son el máximo y el máximo, y el número camarilla de la gráfica 4.\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
Para capturar este aspecto de cómo los individuos embebidos en las redes, un enfoque común es examinar la distancia entre actores. Si dos actores son adyacentes, la distancia entre ellos es 1 (esto es, hace falta un paso para una señal que vaya desde el emisor al receptor). Si A le cuenta a B y B le cuenta a C (y A no le cuenta a C), entonces los actores A y C están a distancia 2. Las distancias entre actores en una red puede ser una macrocaracterística importante de las redes como un todo. Cuando las distancias son grandes, la información necesita mucho tiempo para difundirse a través de la población. También puede ser que algunos actores estén bastante desprevenidos y no sean influenciados por otros. Incluso sin son técnicamente alcanzables, los costes podrían ser demasiado altos como para conducir a intercambios.\n\n