Informação e medidas em análise de redes sociais aplicada às empresas

864 views

Published on

Este trabalho desenvolve-se no contexto das dinâmicas e características das redes sociais, fazendo uma interpretação de algumas das medidas de Análise de Redes Sociais (ARS) a partir da posição de atores dentro de uma determinada rede social. Essa análise é precedida por um breve relato sobre o desenvolvimento teórico dos modelos de ARS e a apresentação dos principais conceitos e terminologias, que incluem atores, alteres, canais de comunicação e fluxos de informação. As medidas de redes apresentadas são: a força dos laços fracos de Granovetter, clique, conjunto lambda, densidades de redes, e centralidades degrau, proximidade e intermediação. As medidas são exemplificadas e apresentadas graficamente fazendo uso de um estudo de caso em uma ‘Editora’, chamada genericamente por este nome, onde os atores são designados pela letra ‘A’ seguida de um número de ordem.

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
864
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
28
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Informação e medidas em análise de redes sociais aplicada às empresas

  1. 1. Informação e medidas em Análise de Redes Sociais aplicada às empresas Marcos L. Mucheroni, Gonçalo C. Ferreira Escola de Comunicações e Artes – USP – SPResumo: Este trabalho desenvolve-se no contexto das dinâmicas e características dasredes sociais, fazendo uma interpretação de algumas das medidas de Análise de RedesSociais (ARS) a partir da posição de atores dentro de uma determinada rede social. Essaanálise é precedida por um breve relato sobre o desenvolvimento teórico dos modelos deARS e a apresentação dos principais conceitos e terminologias, que incluem atores,alteres, canais de comunicação e fluxos de informação. As medidas de redesapresentadas são: a força dos laços fracos de Granovetter, clique, conjunto lambda,densidades de redes, e centralidades degrau, proximidade e intermediação. As medidassão exemplificadas e apresentadas graficamente fazendo uso de um estudo de caso emuma ‘Editora’, chamada genericamente por este nome, onde os atores são designadospela letra ‘A’ seguida de um número de ordem.Palavras-chave: fluxo da informação, análise de redes sociais, medidas em redes sociaisAbstract: This paper develops in the context of the dynamics and characteristics of socialnetworks, interpreting some social network analysis (SNA) measures from the position ofactors within a given social network. This analysis is preceded by a brief description on thedevelopment of theoretical SNA models and the presentation of key concepts andterminology, including actors, dumbbells, communication channels and information flow.The networks measures presented are: Granovetter´s strength of weak ties of, click,lambda set, network density and degree, closeness and betweeness centralities. Themeasures are illustrated and graphically presented using a case study in a Publisher,addressed by ‘Editora’, where the actors are designated by the letter A followed by aserial number.Keywords: Information flow, social network analysis, social network measures.
  2. 2. 1. INTRODUÇÃOInformação pode ser vista não dentro de uma visão única direcionada ao campo social,cognitivo ou administrativo, pois nestes casos ela terá uma natureza fragmentária, mas sefor vista dentro de um conjunto de relações humanas que significam verificar a suasubstância tanto de ordem social, intelectual quanto de impulsos sensoriais, isto é aindamais válido e verificável agora que as redes sociais podem ser vistas como fluxos deinformação.Entendemos aqui informação como além da estrutura formal, numa visão de “umarenascença da dimensão ontológica das raízes gregas de informatio além de uma visãohumanista restritiva” (Capurro e Hjorland, 2007). Na medida em que existe um conjuntoextenso de definições de informação e esta assume formas e diferentes possibilidadesconsoantes o período histórico, as definições a seguir apresentadas não são nemexaustivas nem exclusivas.Uma sequencia de dados com significado, como no código genético de um organismo ouo código binário de um software, é por muitos, entendida como informação. Noutroscontextos, informação é contrastada com ruído, e ambos os fenômenos são entendidoscomo aleatórios e não previsíveis, i.e., informação não se refere a uma só mensagem,mas sim ao caráter estatístico de todo um conjunto possível de mensagens e não temnada a ver com significado. Há muitas formas de conceber informação sendo que o termoinformação terá tido origem no conceito de dar forma, tangível ou intangível, a algo oualguém (informatum, informatur, informator) e atualmente uma das definições maisutilizadas é a de informação como ato de comunicar conhecimento. Capurro e Hjorland(2007) proporcionam uma fundamentada viagem histórica até a etimologia e ao longo daevolução do termo e explicam quais são, na atualidade, as diferentes concepções edefinições de informação e como estas dependem dos contextos em que são utilizadas.Neste artigo, as informações e fluxos de informações resultam das combinaçõesdinâmicas de pessoas em redes sociais sobre as quais as medidas serão aplicadas.Assim, num contexto de redes sociais e em virtude das suas dinâmicas características,procede-se a um recorte epistemológico do conceito de informação e entende-seinformação como um processo de troca permanente, como fluxo de elementos, explícitosou tácitos, de conhecimento em âmbito social. Segundo Marteleto, a combinação 2
  3. 3. informação e redes gera informação fluxo, e nas suas palavras, (...) quando uma‘informação sistema’ que gera memória e registro, tem permanência no tempo ecoloração local, parece dar lugar a uma ‘informação-fluxo’, fluida, rizomática, enredadanos movimentos das redes, canais e dispositivos técnicos de comunicação e informação(Marteleto, 2007). Partindo da informação em fluxo percebe-se que os produtores deinformação e conhecimento raramente trabalham isoladamente, mas inseridos em amplasredes, e segundo Tomaél (2006) “as informações emergem das praticas profissionais esociais dos atores e quando entram em interação – na rede – começam a deixar de sersingulares e vão tornando-se coletivas”. A rede pode então servir para estudar osprocessos coletivos de produção de sentidos e de conhecimento, o sistema de posições einterações dos atores desses processos, as lutas de poder e prestígio, os capitais sociais,simbólicos e informacionais.Nos EUA em 1964 vivia-se o auge da guerra fria. Paul Baran, que trabalhava comoinvestigador na RAND Corporation, desenhou uma proposta para o sistema decomunicações Norte-Americano que, por forma a fazer face à ameaça soviética, fosseinvulnerável a um possível ataque nuclear. Baran classificou dois tipos fundamentais deredes: as centralizadas e as distribuídas. Mas, como se formam as redes? Quais são asleis que governam o surgimento de cada um dos seus elementos e estrutura? Estasquestões permaneceram sem qualquer resposta até meados do séc. XX quando,exatamente em 1951, os norte-americanos Ray Solomonoff e Anatol Rapoport publicaramConnectivity of Random Nets onde introduziram o conceito de redes aleatórias (DeCastro, 2007; Barabási, 2009).São importantes para o desenvolvimento da ciência das redes os trabalhos dosmatemáticos húngaros Paul Erdös e Alfréd Rényi, que entre 1958 e 1968 publicaram oitoartigos que revolucionaram o estudo das redes e estabeleceram a teoria randômica dosgrafos, e o experimento social de Stanley Milgram (1967) que, com o objetivo deencontrar a distância entre duas pessoas quaisquer nos EUA, deu origem ao conceito demundo pequeno ou ‘small-world’. (De Castro, 2007; Barabási, 2009). O sociólogo norte-americano Mark Granovetter define e explora em dois artigos de 1973 e 1983 o conceitoda força dos laços fracos, strength of weak ties, argumentando que os laços fracos, aocontrario do que possa parecer num primeiro momento de análise, são de extraordináriaimportância na difusão de informação e no acesso ao novo, tendo um papel muitoimportante na vida social dos indivíduos, grupos e sociedades (Granovetter, 1973; 3
  4. 4. Granovetrer, 1983).2 – AS REDES SOCIAISDas ciências sociais surgem os pioneiros da Analise de Redes Sociais (ARS). Dapsicologia social Moreno, Cartwright, Newcomb e Bavelas e da antropologia Michell eJohn Barnes. A Barnes é atribuído o primeiro uso do termo rede social (social network),quando em 1954 começou a usá-lo sistematicamente para mostrar os padrões dos laços,incorporando os conceitos tradicionalmente usados quer pela sociedade quer peloscientistas sociais (Wasserman & Faust,1994). Figura 1 – Laços fortes, médios e fracos. Fonte: escola de redes.Aqueles a quem estamos fracamente ligados são mais propensos a mover-se em círculosdiferentes dos nossos e assim ter acesso a informação diferente daquela que nós temos,ou nas palavras de Barabási, “quando se trata de arranjar emprego, saber da novidades,abrir um restaurante, ou espalhar a ultima fofoca, nossos vínculos sociais fracos são maisimportantes que as solidas amizades que cultivamos (Barabási, 2009: 38). Por outro lado,os laços fortes promovem a coesão local na rede e propiciam a redundância e reforço dainformação. Em diversos exercícios de análise de redes, ‘a força’ de uma relação é dedifícil caracterização prática pelo que importa explicitar este conceito. Para Granovetter,“a força de uma ligação é uma combinação da quantidade de tempo, da intensidadeemocional, da intimidade (confidências mútuas), e dos serviços recíprocos quecaracterizam o vínculo” (Granovetter, 1973:1361). A representação do mundo social quesubjaz aos trabalhos de Granovetter, é formada por pequenos círculos de amigos 4
  5. 5. totalmente, ou quase totalmente, conectados, que se unem por vínculos sólidos comomostram as linhas escuras da figura 1. Os laços fracos, representados por linhastracejadas, conectam os componentes desses círculos de amizade a seus conhecidos,que, por seu turno, possuem laços fortes com seus próprios amigos.Outra publicação relevante é a de Ronald Burt em 1992 e refere-se aos buracosestruturais que podem proporcionar benefícios a atores que ocupem esses locais na rede.Esses atores intermediários são os ‘brokers’ e a forma como desempenham as suasfunções na rede pode catalisar e dinamizar os fluxos, e nesse caso o ‘broker’ é um‘enabler’ ou, pelo contrário, promover ou contribuir para gargalos ou estrangulamentosnos fluxos da rede, e nesse caso o ‘broker’ é um ‘bottleneck’ (Cross, 2004). O conceitoestá ligado às idéias de capital social na medida em que quem estabelece a conexãoentre duas pessoas que não estão ligados, pode controlar essa comunicação (Schultz-Jones, 2009).Em meados de 1990, Duncan Watts trabalhando em sua tese de doutorado emmatemática aplicada na universidade de Cornel, foi incumbido de investigar um curiosoproblema: como os grilos sincronizam seus cri-cris. Os grilos fêmea evitam a ostentaçãoouvindo cuidadosamente os outros grilos à sua volta, ajustando o próprio cri-cri parasincronizá-lo com o dos seus companheiros. Se juntarmos muitos deles, da cacofoniasurgirá uma sinfonia (Barabasi, 2009: 41). A pesquisa acerca dos grilos fez de Watts umestudioso de redes sociais e o mundo das redes aleatórias começou a mudar quandoDuncan Watts e Steve Strogatz (1998) sugeriram que a densidade de conexões de algunsvértices de muitas redes reais é tipicamente maior do que num grafo aleatório com omesmo número de vértices e ligações. Essa tendência ao agrupamento dos nós équantificada pelo coeficiente de clusterização ou agrupamento e foi utilizado pela primeiravez por esses autores nesse artigo, onde relatam algumas das primeiras observaçõesfeitas em redes reais, pois as mesmas tem propriedade indo além dos grafos aleatórios.Observa-se neste trabalho que poucos links extras são suficientes para reduzirdrasticamente a separação média entre nós. Assim, no decorrer nos seus experimentos,Watts e Strogatz constataram que: 1) a densidade de conexões de alguns vértices étipicamente maior em redes reais do que em grafos aleatórios e que 2) poucos links extrasão suficientes para reduzir drasticamente a separação média entre nós e nas suaspalavras “o fenômeno do mundo pequeno não é uma mera curiosidade de redes sociais, 5
  6. 6. nem um artefato de um modelo idealizado, provavelmente é genérica para muitas redesgrandes e esparsas encontrados na natureza.” (Watts e Strogatz, 1998 – tradução livre). Figura 2 – As redes reais não são aleatórias. Fonte: Watts e Strogatz, 1998.3 – AS REDES SOCIAIS COMPLEXASNo mesmo ano da publicação do artigo de Watts e Strogatz, em 1998, Albert-LászlóBarabási e Réka Albert iniciaram uma extensa investigação à estrutura da WWW com aexpectativa de mapear a rede subjacente e constatar que ela tinha características de redealeatória. Para tal, utilizaram um robô cuja missão foi viajar pela WWW, maisespecificamente, pelas ligações existentes entre as páginas da WWW. Com esseprocedimento foi possível iniciar a construção do mapa da rede, em que as paginas sãoos nós e as arestas as ligações percorridas pelo robô. Por ventura esperavam encontraruma distribuição de conectividades que seguisse a distribuição de Poisson, tal comohavia sido demonstrado, em 1982 pelo matemático húngaro-inglês Béla Bollobás (1943-),que acontecia para a forma da distribuição de conectividades do modelo de Erdös eRényi. De acordo com a distribuição de Poisson, cuja forma é semelhante à distribuição‘normal’ de Gauss ou distribuição em forma de sino, seria de esperar uma distribuição deconexões por nó que exibisse um pico num determinado valor, evidenciando que emmédia as páginas fossem igualmente populares (De Castro, 2007; Barabási, 2009).No entanto, não foi isso que aconteceu. Os dados recolhidos pelo robô na viagem entreas paginas da WWW através dos seus links indicaram que a maioria das paginas tinhampoucos links e que algumas, poucas, páginas concentravam a grande maioria dos links.Na terminologia da ciência de redes, a maioria das paginas exibia baixo ‘grau’ (baixonumero de links) ao passo que algumas, poucas, páginas exibiam elevado ‘grau’. Aotentarem ajustar o histograma de conectividades das páginas constataram que a 6
  7. 7. distribuição de Poisson (ou outra distribuição em forma de sino) não servia por não seajustar ao conjunto de pontos no espaço numero de links/numero de nós. Os pontosajustaram-se bem a uma distribuição lei de potência (‘power law’) tendo Barabási e Albertapelidado de ‘redes sem escala’ as redes cuja distribuição de grau segue a lei de potência(De Castro, 2007; Barabási, 2009).A distribuição lei de potência descreve fenómenos onde eventos de grande escala sãoraros e eventos de escalas menores são frequentes. As lei de Pareto e de Zipf descrevemo mesmo tipo de fenômenos, tendo a primeira sido proposta pelo economista e sociólogoitaliano Vilfredo Pareto (1848-1923) para descrever a distribuição de renda entre pessoase a segunda proposta pelo norte-americano, professor de linguística, George KingsleyZipf (1902-1950) para descrever a frequência da ocorrência de palavras nos textosescritos. As três - lei de potência, lei de Pareto e lei de Zipf - descrevem o mesmofenômeno de concentração de alguma característica em poucos eventos ou elementos aopasso que a maioria dos eventos ou elementos exibe muito pouco da característica emcausa (De Castro, 2007; Barabási, 2009). Figura 3 – Redes aleatórias e redes sem escala: Fonte: Barábasi, 2009: 64.Com referência à figura 3, de referir que a distribuição de grau de uma rede randômicasegue uma curva de sino, informando-nos que a grande maioria dos nós possui o mesmonumero de links e não existem nós com grande quantidade de links. Em contraponto, adistribuição de grau em lei de potência de uma rede sem escala prevê que muitos nóspossuem apenas poucos links, articulados por poucos ‘hubs’ altamente conectados.Depois de estudar a rede WWW, Barabási e Albert pesquisaram diversas outras redes,entre elas a rede de filmes de Hollywood e a internet, e todas emergiam a característica 7
  8. 8. recorrente de que o numero de links ou vértices dessas redes seguia sempre a lei depotência. É nessa esteira que no decorrer dos últimos anos do século XX e do inicio daprimeira década do século XXI, Albert-László Barabási dá o passo seguinte nasdescobertas do mundo das redes. Explicita que existem dois aspectos genéricos dasredes reais que não estão incorporadas nos modelos anteriores de Erdös-Rényi e Watts-Strogatz. Por um lado, o crescimento das redes e do número de vértices e por outro, aprobabilidade de que um novo vértice se conecte a um outro vértice existente na rede nãoé aleatória, mas exibe a propriedade de ligação preferencial (De Castro, 2007; Barabási,2009).No que diz respeito ao crescimento das redes, Barabási nota que, não obstante suadiversidade, a maioria das redes reais compartilha esse traço essencial de crescimento eque as redes geradas pelos modelos de Erdós-Rényi e de Watts-Strogatz são estáticas, oque significa que o numero de nós permanece imutável durante a vida da rede (Barabási,2009: 75). Relativamente ao tipo de ligações que se observam nas redes reais, a conexãonunca é aleatória. Pelo contrário, a popularidade é atrativa. As paginas da Web com maisconexões têm maior probabilidade de ser conectadas de novo, atores altamenteconectados são mais frequentemente cogitados para novos papeis, trabalhos altamentecitados têm maior probabilidade de ser citados novamente, conectores fazem mais novosamigos. A evolução das redes é governada pela lei subtil, embora inexorável, da conexãopreferencial (Barabási, 2009: 78). O modelo de escala livre proposto por Barabásiincorpora assim esses dois aspectos - o crescimento e as ligações preferenciais - quecaracterizam o tipo de redes a que, na literatura científica, se convencionou chamar deredes complexas. O modelo de redes complexas pode de modo simplificado explicado comoestruturas de conexão que não seguem um padrão regular, ainda que não seja definidoclaramente na literatura o que é um “padrão regular”, significa que não há uma topologiaúnica em estrela, hierárquica ou com alguma natureza geométrica exata, uma vez que elasempre tem a possibilidade da conexão de novos nós e pode também ter nós que sãoretirados ou estão desconectados da estrutura, sem entretanto deixar de manter asconexões da rede e seu funcionamento. Assim mesmo sem uma estrutura regular ela mantém seu padrão defuncionamento e o estudo de medidas em uma rede é exatamente para determinar se elamantém ou diminui o padrão regular de seu funcionamento. 8
  9. 9. 4 – TERMINOLOGIA BASE E FERRAMENTAS ANALÍTICAS PROPOSTAS PARAESTUDOS DE CASONesta seção fazem-se alguns esclarecimentos sobre a terminologia de redes edescrevem-se as ferramentas analíticas propostas para a ARS Com o objetivo deexemplificar e ilustrar graficamente as definições das ferramentas analíticas descritas aseguir, faz uso dos resultados de um estudo de caso efetuado em julho de 2010 numaEditora do estado de São Paulo que, por motivos de confidencialidade, designaremos porEditora. A escolha da Editora deve-se ao fato desta ser uma empresa que trabalhadiretamente com a informação, e de ser do terceiro setor, o que suscita interesse doponto de vista de funcionamento em rede, no sentido humanitário de uso da informação.Atores são os agentes sociais sobre nos quais se enfoca a ARS. São os colaboradoresdas empresas que responderam aos questionários. Alteres são as entidades indicada porpelo menos um ator, mas que não são atores. Canal de Comunicação é a ligação, nãodirecionada, entre um ator e outro ator ou alter. Considera-se que existe um canal decomunicação entre A e B sempre que se verifique pelo menos uma relação entre A e B,isto é, A indica B ou B indica A ou A e B indicam-se mutuamente. A existência de umcanal denota possibilidade de relação biunívoca. O canal pode ser estabelecidopresencial e/ou remotamente. Relação é a ligação, direcionada, entre um ator e outro atorou alter. O sentido do arco é dado pela relação. Fluxo é o evento que se manifesta numarelação, como por exemplo, trabalho, envio de informação, conselho, etc.Não há formas e indicadores certos e/ou errados na abordagem a redes sociais, a autilização de uns ou de outros depende dos objetivos da análise e característicastopológicas e de dinâmica da rede que se pretendem enfatizar. Da miríade deferramentas analíticas disponíveis na literatura de ARS (Wasserman & Faust, 1994;Hanneman, 2001), apresentam-se em seguida algumas medidas que, por um lado,endereçam a estrutura topológica das redes estudadas e, por outro, exploram os papeis eas posições dos atores nas redes. As ferramentas analíticas propostas para a abordagemà estrutura de rede são os laços fortes e laços fracos, os cliques e o conjunto lambda (λ) eas medidas ou ferramentas analíticas propostas para a abordagem aos papeis e posiçõesdos atores na rede são a densidade de rede, a centralidade de grau (degree centrality), 9
  10. 10. centralidade de proximidade (closeness centrality) e centralidade de intermediação(betweeness centrality).A força dos laços fracos de Granovetter: Aqueles a quem estamos fracamente ligados sãomais propensos a mover-se em círculos diferentes dos nossos e assim ter acesso ainformação diferente daquela que nós temos. Por outro lado, os laços fortes promovem acoesão local na rede. Nas palavras do próprio sociólogo norte-americano, “a força de umaligação é uma combinação da quantidade de tempo, da intensidade emocional, daintimidade (confidências mútuas), e dos serviços recíprocos que caracterizam o vínculo”(Granovetter, 1973: 1361). Figura 4 - Laços fortes e laços fracos na rede Editora. Fonte: os autoresNão existe uma definição e notação matemática unívoca para o calculo destas medidas,devendo as mesmas ser calculadas a partir da interpretação de elementos qualificativosdas relações entre os atores da rede. No caso da Editora, cada ator classificou asrelações em varias dimensões, duas das quais foram a frequência e proximidade. Para adefinição de laços fortes e fracos, tomamos como parâmetros o fato das relações serembidirecionais ou unidirecionais, a frequência (F) (5 – diária, 4 – semanal, 3 – mensal, 2 –trimestral e 1 – menos frequente), e a proximidade (P) (5– ao lado, 4 – mesmo andar, 3 –outro andar, 2 – outro edifício e 1 – outra cidade). Definimos laços fortes como os demaior frequência e proximidade possível, isto é, laços bidirecionais com frequência (F)=5e proximidade (P)=5, representados em negrito no grafo. Definimos laços fracos como os 10
  11. 11. de menor frequência e proximidade possível, ou seja, laços unidirecionais com F+P=2 eF+P=3, representados a tracejado no grafo da figura 4.Clique: Genericamente, um clique é um subconjunto de uma rede no qual os atores estãomais perto e intensamente ligados uns aos outros do que com o demais membros darede. Utilizamos a mais forte definição de clique, isto é, um subconjunto da rede em queos seus atores têm entre eles todas as relações possíveis. Os cliques, ou pequenosgrupos, são uma forma tipicamente eficaz de difusão da informação e do conhecimentonas redes. É uma abordagem a atores chave (Wasserman & Faust, 1994: 254;Hanneman, 2001:79). A figura 5 mostra que na rede de canais de comunicação daEditora há um clique com sete atores e oito cliques com seis atores cada. O ator A5pertence a oito cliques e os atores A21 e A24 pertence a sete cliques cada. Figura 5 - Cliques na rede Editora. Fonte: os autoresConjuntos lambda (λ): É uma abordagem a relações chave ao estabelecer o ranking dasrelações da rede avaliando quanto dos fluxos entre atores na rede passa por cada umadessas relações. Com isso, é possível identificar as ‘pontes’, que são as relações que, seretiradas, podem provocar importantes disrupções ou desconexão na rede (HANNEMAN,2001, p.87). O valor λ (i,j,k) representa o numero de canais de comunicação que deve serremovido por forma a que deixem de existir caminhos entre os nós i, j e k, e na suaformalização matemática um conjunto lambda (λ) é um subconjunto de nós, ⊆ de tal 11
  12. 12. forma que para os n s i, j, k ∈ ,el∈ - , λ (i,j) > λ (k,l) (WASSERMAN & FAUST,1994, p.269, 270). Abaixo a representação gráfica de uma hipotética sequencia dedisrupção da rede da Editora, por exclusão sucessiva dos subconjuntos de nós commaiores valores de λ. Figura 6 - Conjuntos lambda (λ) na rede Editora. Fonte: os autoresA densidade de rede pode ser expressa em densidade de canais, , ou densidade derelações, . A densidade de canais é o quociente entre o número de canais existentes(C) e número total possível de canais nessa rede, que é dado pela expressão = = , onde N é o número de atores. A densidade de relações é o quocienteentre o número de relações existentes (R) e número possível total de relações nessarede, que é dado pela expressão = , isto é, a proporção de todas as relaçõesque poderia logicamente estar presente (WASSERMAN e FAUST, 1994:101;HANNEMAN, 2001:41).Centralidade de grau (degree centrality): Número de relações que um ator tem comoutros atores e representa o poder do ator na rede. OutDegree (OD) é o número derelações ou fluxos ‘saintes’ e significa a influência do ator e o InDegree (ID) é o númerode relações ou fluxos ‘entrantes’, significa prestigio. Quantas mais relações um ator tem,maior o poder desse ator e o numero de relações que um ator têm, afeta quão rápido e sea informação lhe chega. Quanto maior o numero de relações maior a hipótese de ouvir 12
  13. 13. sobre alguma coisa. De notar que isto nem sempre é positivo: se o que flui através darede é uma doença contagiosa, quanto mais relações um ator tem maior a probabilidadede ser contaminado (HANNEMAN, 2001:63).Em termos de notação matemática o grau do nó , d( ), é o numero de vérticesconectados ao nó n; o grau de centralidade é ( ) = d( ) = = , sendo ovalor da célula ij da matriz quadrada de adjacência. ( )= , sendo g o numero totalde nós da rede, é a centralidade de grau normalizada (ODN e IDN) (WASSERMAN &FAUST, 1994:178). Figura 7 - Centralidades de grau da rede de relações da Editora. Fonte: os autoresCentralidade de proximidade (closeness centrality): Distância de um ator em relação atodos os outros na rede com base na distância geodésica (mais curta). InCloseness é aproximidade para ser alcançado e o OutCloseness é a proximidade para alcançar. Estamedida representa a independência do ator por significar a possibilidade de comunicaçãocom os demais, com um número mínimo de intermediários. Esta medida leva em conta oslaços diretos e indiretos de cada ator (Hanneman, 2001: 65). Seja d( , ), o numero dearcos do caminho geodésico entre os atores i e j; a distancia total de i a de todos osdemais atores é , para todos os nós j≠i. A centralidade de proximidade é 13
  14. 14. ( )= . A centralidade de proximidade normalizada (OCN e ICN) é dadapela expressão ( )= =(g-1) ( ). (WASSERMAN & FAUST,1994:184). Figura 8 - Centralidades de proximidade da rede de relações da Editora. Fonte: os autoresCentralidade de intermediação (betweeness centrality): Centralidade de um ator queadvêm do fato deste se situar nos caminhos geodésicos entre outros atores, por isso estacentralidade considera um ator como meio para alcançar outros atores. É uma medida deintermediação de informação ou fluxo que corre na rede, caracterizando o poder decontrolar as informações e o trajeto que elas percorrem (Hanneman, 2001: 66). Paraproceder ao calculo desta medida, primeiro apura-se o numero de caminhos geodésicosentre os nós j e k, notado como . Em seguida, se todos esses caminhos geodésicossão igualmente prováveis, a probabilidade da comunicação usando qualquer um deles é . Considera-se também a probabilidade de um ator distinto, i, estar ‘envolvido’ nacomunicação entre os dois atores, sendo a expressão o numero de caminhosgeodésicos entre os dois atores j e k que contém o ator i. A probabilidade de que umacomunicação entre j e k, através de um caminho geodésico, inclua o ator i é dada pelaexpressão . A centralidade de intermediação de é simplesmente a somadestas probabilidades estimadas para todos os pares de atores que não incluam o ator i: 14
  15. 15. ( )= , para i diferente de j e k. A medida depende do numero de nósda rede pelo que a centralidade de intermediação normalizada é dada pela expressão( )= , onde é o numero de pares de atoresque não incluem (WASSERMAN & FAUST, 1994:190). Figura 9 - Centralidades de intermediação da rede de relações da Editora. Fonte: os autores5 – INTERPRETAÇÃO DE MEDIDAS EM REDES SOCIAISNa figura 7, os dois nós com maior grau de influência (em azul) são, o 1º nível hierárquicodas assinaturas e um funcionário de 2º nível hierárquico da administração (o presidentenão é um deles), enquanto que os três nós de maior prestígio são o presidente e os 1ºnível hierárquico da redação e do comercial, o que revela que estes graus decentralidade, a influencia e o prestigio na rede, estão bem distribuídos.Na figura 8, identificam-se os nós com maior proximidade para alcançar (azul) e para seralcançado (verde), demonstram que o presidente e o 1º nível hierárquico da redação temmaior ‘facilidade’ de ser alcançados e um determinado elemento da redação maior‘dificuldade’ a ser alcançado.Na figura 9 estão identificados os níveis de controle da informação, centralizados nopresidente, no 1º nível hierárquico da reação e num funcionário da administração, fato 15
  16. 16. interessante, uma vez que o funcionário é de nível subalterno e com funçõesextremamente simples, não identificadas aqui por razões éticas.O quadro geral mostrou uma boa distribuição de poderes na empresa, um nível deconexão da rede satisfatório, com alguns níveis de centralidade são modificados.6 - CONSIDERAÇÕES FINAISO trabalho para identificação do funcionamento da rede na Editora mostrou-se satisfatórioe o resultado da ARS mostrou-se efetivo mesmo não sendo exaustivo. Foi feita aapresentação do trabalho os membros da Editora, na qual os nomes dos atores foramomitidos e substituídos por notações de letras e números, tendo os resultados sidoconsiderados importantes no sentido de promover medidas de correção da gestão e parao bom funcionamento da empresa.7 – REFERÊNCIASBARABÁSI, Albert-Lázló. Linked: A nova ciência dos networks. SP: Leopardo Ed., 2009.CAPURRO, Rafael; HJORLAND, Birger. O conceito de informação. Perspectivas emciência da informação, Belo Horizonte, v.12, n.1, p.148-207, 2007.CROSS, Rob; PARKER, Andrew. The hidden power of social networks. Boston: Harvardbusiness school press, 2004.DE CASTRO, P. A. Rede complexa e criticalidade auto-organizada: Modelos eAplicações. 2007. Tese (Doutorado) – Instituto de Física de São Carlos, Universidade deSão Paulo.ESCOLA DE REDES. Redes complexas: da internet às redes sociais. Disponível em:<http://escoladeredes.net/profiles/blogs/redes-complexas-da-internet-as>.GRANOVETTER, Mark. The stength of weak ties. The American Journal of Sociology, v.78, n. 6, p. 1360-1380, Maio 1973.GRANOVETTER, Mark. The stength of weak ties: a network theory revisited. SociologicalTheory, v. 1, p.203-233, 1983.HANNEMAN, Robert A. - Introduction to social network methods. 2001. Disponível em:<http://faculty.ucr.edu/~hanneman/networks/nettext.pdf>.MARTELETO, Regina Maria. Informação, redes e redes sociais – fundamentos etransversalidade. Londrina: Informação & Informação, v.12, n. esp., 2007.MILGRAM, S. The small world problem. Psychology Today, v.1, n.1, p. 61-67 May 1967.SCHULTZ-JONES, Barbara. Examining information behavior through social networks.Journal of Documentation, v.65, n.4, p. 592-631, 2009. 16
  17. 17. TOMAÉL, Maria Inês; MARTELETO, Regina Maria. Redes sociais: posição dos atores nofluxo da informação. Encontros Bibli: Revista Eletrônica de Biblioteconomia e Ciência daInformação, n. esp, p. 75-91, 1° sem 2006: VI ENANCIB.WASSERMAN, Stanley; FAUST, Katherine. Social network analysis: methods andapplications. Cambridge: Cambridge University Press, 1994.WATTS, D. J.; STROGATZ, S. H. Collective dynamics of ‘small-world’ networks. Nature, n.393, p. 440-442, 1998. 17

×