Análisis de redes sociales (5)

Definido el asunto de las mediciones y métricas, revisamos ahora cuáles son, con mayor detalle. Como se ha señalado en las últimas entradas, mucho depende el propósito del estudio y de la naturaleza de la red lo que se mide y cómo se interpreta.

 

Es importante distinguir entre las medidas y mediciones. Éstas últimas asociadas a un método, técnica o herramienta (software o algoritmo, por ejemplo). En lo que respecta a las medidas, podemos mencionar (sin ningún orden especial):

Modularidad.- Una medida de la estructura de las redes, diseñada para medir la fuerza de la división de una red en módulos (también llamados grupos o comunidades). Las redes con alta modularidad tienen conexiones densas entre los nodos dentro de los módulos, pero escasas conexiones entre los nodos en diferentes módulos. La modularidad se utiliza a menudo en métodos de optimización para la detección de estructura de la comunidad en las redes. Sin embargo, se ha demostrado que la modularidad sufre un límite de resolución y, por tanto, es incapaz de detectar pequeñas comunidades. Redes biológicas, incluyendo los cerebros animales, exhiben un alto grado de modularidad.
Diámetro.- Es el valor geodésico más grande.
Distancia media más corta.- Distancia media de nodo a nodo, también conocida como longitud media del camino más corto, del inglés average shortest path.
Centralidad de cercanía.- En inglés closeness centrality. Una medida que permite identificar a los nodos que a pesar de tener pocas conexiones, sus arcos permiten llegar a todos los puntos de la red más rápidamente que desde cualquier otro punto. Representan una excelente posición para monitorear el flujo de información de toda la red.
Centralización de la red.- Network centrality. Es una medida de contribución de una posición en la red en la importancia e influencia de un actor en la red. Una alta centralidad en la red es dominada por uno o pocos nodos. Si esos nodos son removidos, la red rápidamente se fragmentará en subredes desconectadas. Por otro lado, una red con baja centralidad no tiene un único punto de falla por lo que las hace mucho más resistentes.
Centralidad del vector.-  Eigenvector centrality. Medida de la influencia de un nodo en una red. Asigna puntuaciones relativas a todos los nodos de la red con base en que  las conexiones de los nodos de alta puntuación contribuyen más a la puntuación del nodo, en cuestión de la igualdad de las conexiones a los nodos de baja puntuación.
Cohesión.- Describe la interconexión de los actores en la red.
Accesibilidad.- Reachability, en inglés. Mide de qué manera los actores de una red, sea directa o indirectamente, están relacionados con todos los demás. Los actores que no están conectados con otro actor se los denomina aislados (en inglés, isolates).
Densidad.- En inglés, density. Es el número total de relaciones existentes dividido por el total posible de la red.
Estructura de la comunidad.- En inglés, community structure, mide el nivel de descomposición de la red en comunidades modulares. Una alta modularidad indica una sofisticada estructura interna.
Grado.- Degree. El grado de un vértice v es el número de líneas que tienen a v como nodo de uno de sus extremos.
Grado de entrada.-  Indegree, en inglés. Es el grado de entrada de un vértice v que poseen a v como nodo terminal.
Grado de salida.- En inglés, outdegree, es el número de líneas que poseen a un nodo v como nodo inicial.
Grado de centralidad.- Del inglés, degree centrality.  Los investigadores de redes sociales miden la actividad en la red usando a partir del número de conexiones directas que tiene un nodo.
Pesos.- Weight, es el costo o facilidad asociado al enlace entre dos vértices que los une.
Núcleos.- Un vértice perteneciente a un k-núcleo está unido al menos a otros k vértices.
Límites de trascendencia.- Boundary Spanners son nodos que conectan su grupo a otros que terminan teniendo medidas con valores altos en la red. Estos nodos están posicionados para ser innovadores, dado que ellos acceden a ideas e información de otros clústeres. Ellos están en una posición para combinar diferentes ideas y conocimientos en nuevos productos y servicios.
Jugadores de periferia. Los Peripheral Players (nodos con baja centralidad) de la red llegan a ser vistos como actores de muy poca importancia. Aunque estos nodos son a veces conectados a redes que no están actualmente mapeadas. Estos nodos podrían ser una fuente de una información para una compania.
Centralización.- En inglés Network Centralization, es una medida de contribución de una posición en la red para la importancia e influencia de un actor en la red. La relación entre las centralidades de todos los nodos pueden revelar mucho sobre la estructura global de la red. Una alta centralidad en la red es dominada por uno o pocos nodos. Si esos nodos son removidos la red rápidamente se fragmentará en subredes desconectadas. Por otro lado, una red con baja centralidad no tiene un único punto de falla por lo que las hace mucho más resistentes.
Equivalencia estructural.- Del inglés structural equivalence, permite determinar que nodos juegan roles similares en la red.
Razón E/I.- Busca determinar que grupos en la red están abiertos o cerrados a otros grupos de la red.
Distancia geodésica.- Distancia más corta entre dos nodos.
Centralidad de Intermediación.- Del inglés betwenness centrality, es un indicador de centralidad de la red. Es igual al número de caminos más cortos de todos los vértices a todos los otros que pasan a través de ese nodo. Un nodo con un valor alto de betwenness centrality tiene una gran influencia en la transferencia de los nodos a través de la red, asumiendo que cada nodo transfiere siguiendo los caminos más cortos.
Coeficiente de agrupamiento.- Del inglés clustering coefficient, cuantifica qué tanto está interconectado con sus vecinos.
Distancia.- Mide la distancia entre dos actores (no necesariamente entre dos vértices).

En lo que respecta a técnicas y métodos, de los cuales pueden derivar resultados y medidas, son:

Análisis de agrupamiento.- Del inglés, cluster analysis, busca encontrar grupos dentro de la red de acuerdo a partir de sus relaciones.
Mundos pequeños.- Small Worlds busca encontrar grupos y camiones más cortos que son comunes en la red.
Descomposiciones.- Consiste en dividir a la red en grupos más pequeños para realizar en éstas análisis más elaborados.
Reducción.- Contraer un grupo de nodos a un único nodo.
Cortes.-consiste en encontrar “grupos interesantes” dentro de una red basados en sus propiedades o alguna característica especial.
Pesos de citas.- En inglés Citation Weight, es un procedimiento de análisis que define 3 índices, pesos de arcos que son proporcionales al número de diferentes caminos pasando a través del arco.
Núcleos generalizados.- Establece que un vértice perteneciente al k-ésimo núcleo, está unido al menos a otros k vértices.
k-anillos.- El número de diferentes anillos de k aristas que se encuentran en la red.
k-vecinos cercanos.- k-Nearest Neighbors, k-NN, es un algoritmo usado para clasificación y regresión.
Reducción.- Es la reducción de una sección transversal o su proyección que omite ciertos aspectos de su estructura y conserva otros.
Pagerank.- Algoritmo que asigna el nivel de relevancia de un documento con base en los enlaces que llegan y salen a éste.
Ego network.- Consiste de una red que se forma a partir de un nodo focal, “ego”,  y los nodos a los cuales está directamente conectados llamados “alters”.
Cliques.-Es un algoritmo que nos permite conocer los diferentes grupos a los que pertenece un actor. Las camarillas constituyen una subgráfica completamente conectada, es decir, una subgráfica en la cual todos los nodos están conectados entre sí.

Asimismo, tenemos características que llegan a ser importantes, en el proceso de cuantificación o cuantificación de una red, sus actores, relaciones y estructuras y fenómenos que se dan en éstos.

Broker.- Se trata de trata de un actor con un papel de intermediación, que si se quita la red se divide en subredes o componentes.
Lazos débiles.- Relaciones especializadas entre dos actores.
Lazos fuertes.- Indican relaciones cercanas y solidarias.
Contenido Transaccional.- El tipo de intercambio en la red: Expresión de afecto, influencia, intercambio de información, intercambio de recursos o de bienes y servicios.
Naturaleza de los nexos, lazos o enlaces.- 1. Intensidad: Fuerza de la relación; 2. Reciprocidad: Grado en que la relación es comúnmente percibida por todas las partes relacionadas; 3. Claridad de las expectativas: Grado de expectativas claramente definidas; 4, Multiplicidad: Grado en que los individuos se vinculan por relaciones múltiples.
Dimensiones.- 1. Tamaño: Número de personas en la red; 2. Densidad o conectividad: Número de nexos reales en la red como proporción de los nexos totales posibles; 3. Agrupamiento: número de regiones densas o de conglomerados en la red; 4. Centralidad: Grado de jerarquía y restricción a la comunicación en la red; 5. Estabilidad: Grado en que el patrón de la red cambia en el tiempo; 6. Accesibilidad: Número promedio de nexos entre dos individuos cualesquiera en la red; 7. Apertura: Número de nexos externos reales como proporción de los nexos externos totales posibles; 8. Estrella: Individuo con el número más alto de nombramientos; 9. Puente: Individuo miembro de múltiples enracimados en una red; 10. Árbitro: Estrella que vincula también la red con redes externas; 11. Aislado: Individuo con pocos (o nulos) nexos con otros en la red.
Homofilia.- La homofilia es la tendencia de los individuos a asociarse con individuos similares, donde la similitud de los nodos afecta la formación de relaciones entre nodos.
Contagio social.- El contagio social puede interpretarse como un mecanismo de impacto o influencia social que se extiende a través de una red de relaciones.
Confusión.- La confusión es un fenómeno que describe un efecto simultáneo en los individuos conectados en las redes sociales, donde el factor externo afecta a las personas conectadas en una relación.
Propagación de influencia.- El efecto en la toma de decisiones que una red social opera sobre los individuos es un importante mecanismo del que han buscado hacer uso en la mercadotecnia viral.
Búsqueda de expertos.- La búsqueda de autoridades en conocimiento de un tópico.
Predicción de enlaces.- La inferencia sobre las posibles interacciones o relaciones que pueden ser establecida entre determinados miembros de una red.
Recomendaciones.- La sugestión de que tiempo de material o información puede ser suministrada a un determinado individuo o grupo de consumidores.
Predicción de confianza y desconfianza.- El pronóstico en el establecimiento de un determinado nivel de seguridad o inseguridad que pueda existir entre los miembros de un grupo, comunidad o red.
Conducta y análisis del estado anímico.- La determinación de la conducta y respuestas emocionales que una persona o grupo de éstas puedan experimentar ante determinados estímulos que son transmitidos en una res social por medio de cierto contenido.
Minería de opiniones.- Detección de prospectos y necesidades, así como reacciones y sentimientos ante ciertas creencias, productos, servicios, decisiones o eventos.

Referencias

  1. Social Network Analysis“, Wikipedia, web. Retrived: 2018.07.14. URL: https://en.wikipedia.org/wiki/Social_network_analysis.
  2. Antonieta Kuz, Mariana Falco, Roxana Giandini, “Análisis de Redes Sociales: Un Caso Práctico“, Computación y Sistemas, Vol. 20, No. 1, 2016, pp. 89-106, IPN.
  3. Eduardo Lazcano Vargas, “Una Propuesta en la Evaluación del Riesgo para el Otorgamiento de Crédito a Partir de Perfiles en Redes Sociales“, tesis de maestría, UPIICSA, IPN. 2018 (en proceso de presentación).
  4. Brand Monsalve, Edinson Gabriel y Henry Gómez, “Análisis de redes sociales como metodología de investigación. Elementos básicos y aplicación“, La Sociología en sus Escenarios, (13), 1–28. Universidad de Antioquia. URL: http://bibliotecadigital.udea.edu.co/dspace/handle/10495/2542.
  5. Błażej Żak and Anita Zbieg, “Model for simulating mechanisms responsible of similarities between people connected in networks of social relations“, The 3rd International Conference on Social Informatics (SocInfo), Singapore Management University, Singapore, 06-08.10.2011. URL: https://arxiv.org/abs/1411.7727
  6. Aditya Kumar Agrawal et al, “Data Mining Techniques for Online Social Network Analysis“, International Journal of Computing and Technology, Volume 1, Issue 10, November 2014, URL: https://pdfs.semanticscholar.org/6381/7434d57681a023555b683a00940e4de706f3.pdf.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios .