Successfully reported this slideshow.
Your SlideShare is downloading. ×

Analisis de redes sociales: una pequeña introducción

Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Upcoming SlideShare
Analisis de Redes Sociales
Analisis de Redes Sociales
Loading in …3
×

Check these out next

1 of 60 Ad
Advertisement

More Related Content

Advertisement

More from Fernando Santamaría (20)

Recently uploaded (20)

Advertisement

Analisis de redes sociales: una pequeña introducción

  1. 1. Pequeña introducción al Análisis de Redes Sociales Fernando Santamaría González Para curso de formación de Postgrado
  2. 2. Referencias bibliográficas
  3. 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. 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. 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. 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).
  7. 7. Antecedentes: Sociometría
  8. 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. 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.
  10. 10. Vértice Arista
  11. 11. Introducción de datos en un grafo dirigido Lista de vértices o nodos Vértice Arista Matriz de adyacencia
  12. 12. No dirigidos Dirigidos Fuente Wikipedia: http://es.wikipedia.org/wiki/Archivo:Ejemplos_de_aristas.png
  13. 13. Dirigido (quien se comunica con quien) Matriz de adyacencia simétrica No dirigido (quien conoce a quien)
  14. 14. Redes personales vs redes completas Red completa nal de 3 Red perso Aislado
  15. 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. 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. 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. 18. 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).
  19. 19. 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.
  20. 20. 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
  21. 21. 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.
  22. 22. 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.
  23. 23. 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
  24. 24. 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?
  25. 25. 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?
  26. 26. 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.
  27. 27. ¿Cuántos cliques hay?
  28. 28. No es Clique
  29. 29. Clique completo
  30. 30. 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.
  31. 31. 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.
  32. 32. Cohesión Características de la estructura de la red Reciprocidad Clustering Distancia Densidad Diámetro
  33. 33. Intermediación vs Cohesión
  34. 34. 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.
  35. 35. 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)
  36. 36. 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.
  37. 37. 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).
  38. 38. 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)
  39. 39. 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.
  40. 40. Los procesos de conexión preferencial están ligados a fenómenos de distribución de Pareto (Ley de Pareto)
  41. 41. 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
  42. 42. 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.
  43. 43. Tamaño y densidad
  44. 44. 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.
  45. 45. 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.
  46. 46. Densidad
  47. 47. 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.
  48. 48. 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.
  49. 49. Conectividad La medida "conectividad" es el numero de nodos que habría que eliminar para conseguir que un actor no pudiese alcanzar a otro.
  50. 50. 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.
  51. 51. 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)
  52. 52. Transitividad Si A relacionado con B y B con C entonces A con C. Si eso se cumple la relación es transitiva B C A
  53. 53. 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?
  54. 54. 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
  55. 55. 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.
  56. 56. 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
  57. 57. 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
  58. 58. Continuaremos....

Editor's Notes

  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • 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
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n

×