Reseña Semana 10 – Antonieta Kuz

RESEÑA DEL ARTÍCULO

Kuz, Antonieta et al. (2016) “Análisis de redes sociales: un caso práctico”. Computación y Sistemas, 20(1), pp. 89-106.

El texto (2016) es escrito por Antonieta Kuz, ingeniera en Sistemas de Información, estudiante de doctorado de UNICEN; Mariana Falco, Analista en Sistemas, estudiante de Ingeniería en Sistemas UTN FRLP; y Roxana Giandini, doctora en Ciencias Informáticas de la UNLP. Esta apoyado por las universidades Tecnológica Nacional, LINSI, y la Universidad Nacional de La Plata, LIFIA, Facultad de Informática, ambas de La Plata, Buenos Aires, Argentina.

En cuanto a la estructura formal, el autor habla de 5 secciones donde “en la sección 2, se describe el marco teórico del Análisis de Redes Sociales junto con la contextualización y definición de métricas y herramientas de software. En la sección 3, se describe la herramienta Gephi. En la sección 4, examinaremos un caso de aplicación práctica utilizando Gephi. Finalmente, en la sección 5 se exponen las conclusiones sobre el trabajo y las líneas de trabajo futuro”. Esta reseña estará dividida en tres bloques, el primero donde se resume el marco teórico de las ARS descrito en el texto, el segundo donde se hace referencia a las métricas expuestas y uno tercero dedicado a la descripción de la herramienta para la visualización de datos Gephi.

Este documento es técnico y describe los principios de una teoría que todavía no expone todas las aristas de las redes sociales, pero que permite darle forma a las investigaciones de científicos sociales, a partir de las relaciones que se practican todo el tiempo en estos espacios. Sin duda es un texto de mucha importancia para abordar el estudio de redes sociales ya que explica los principios, las métricas posibles, las herramientas, principalmente Gephi, y lo soporta en casos.

Para darle contexto al Análisis de Redes Sociales se debe abordar el estudio de La Red y Las Redes que se forman entre individuos, organizaciones e instituciones, lo que puede ser ampliado según la teoría de Latour, incluyendo también a objetos, máquinas, algoritmos, entre otros. “Mitchell define una red como un conjunto particular de interrelaciones (en inglés, linkeages) entre un conjunto limitado de individuos, con la propiedad adicional de que las características de estas interrelaciones, consideradas como una totalidad, pueden ser utilizadas para interpretar el comportamiento social de las personas implicadas. Las estructuras sociales se disponen en diversas configuraciones de las cuales el ARS puede dar cuenta al elaborar su morfología y topología específicas… Las ARS se centran en la capacidad que se genera al entender los fenómenos sociales como una red donde los individuos son de la misma relevancia que las relaciones que se crean entre ellos.” (resalte propio).

A partir del estudio de Las Redes se desprenden las ARS como una ciencia que viene en crecimiento generando sus propios métodos y herramientas. La descripción de este método de análisis (ARS) es clara en el texto, cuando cita a Ávila-Toscano, “el método de evaluación de las redes se denomina Análisis de Redes Sociales (abreviado ARS) y en general es considerado como el estudio de la estructura social, y en un sentido más amplio se puede entender como un método cuantitativo por medio del cual se obtiene la estructura social a partir de las regularidades en el patrón de relaciones establecidas entre entidades sociales definidas como personas, grupos u organizaciones”.

El proceso de recolección de datos puede darse de muchas maneras, inclusive con métodos tradicionales como la etnografía, y luego estos datos se procesan mediante los procedimientos formales: “Estos procedimientos consisten esencialmente en la Teoría de Grafos y la Teoría Matrices.”

“La teoría de grafos… es una rama de las matemáticas y las ciencias de la computación que estudia las propiedades de los grafos… Formalmente, un grafo {\displaystyle G=(V,E)} es una pareja ordenada en la que {\displaystyle V} es un conjunto no vacío de vértices y {\displaystyle E} es un conjunto de aristas.” (Wikipedia) 

Por otro lado, la teoría de matrices nos habla de la forma en que se disponen los elementos para su análisis, por ejemplo, en una matriz los elementos deben ser dispuestos de forma rectangular en filas y columnas.

El estudio de las ARS ofrece un número extenso de métricas para analizar distintas propiedades de la red. Estas métricas se centran en a. “Fuerza de los vínculos: desde el punto de vista del ARS, los lazos o vínculos interpersonales son definidos como conexiones portadoras de información entre personas o individuos. Se sostiene que los lazos interpersonales débiles son los más presentes en las redes sociales en la sociedad, así como los mayores responsables de la transmisión de información a través de dichas redes… la fuerza de un vínculo es una (probablemente lineal) combinación del tiempo, la intensidad emocional, confianza mutua y los servicios recíprocos que caracterizan a dicho vínculo. b. El grado del nodo se determina por el número de conexiones que un individuo tiene y que pueden ser direccionadas o no direccionadas… Cuando un actor de la red tiene un alto grado de entrada puede significar que esta persona tiene un alto prestigio y es muy reconocido por los demás, el grado de salida se refiere al número de conexiones de salida de un nodo con otros y puede entenderse como que este actor tiene un alto grado de influencia sobre los demás.”

Las diferentes métricas que existen para la práctica de las ARS son bastante ricas en posibilidades de análisis. Según el texto existen las de centralidad y poder, las métricas de grupos, las de análisis de cluster, o las de centralización de la red que centra su importancia en que: “si esos nodos son removidos la red rápidamente se fragmentará en subredes desconectadas.” Las redes de baja centralidad son mucho más resistentes[1]; “el grado de centralidad es el número de conexiones directas que tiene un nodo; el grado de entrada: el número de líneas que poseen a v como nodo terminal; grado de salida: el número de líneas que poseen a v como nodo inicial.”; es interesante también la métrica que habla de los peripheral players que como su nombre lo indica son métricas que permiten abordar a los actores periféricos de una red y valorar su importancia sobre esta; la teoría de mundo pequeño no solo nos habla de una métrica de ARS, sino que ha apalancado toda la teoría de Duncan Watts de los 6 pasos[2]. Esta métrica busca,  “encontrar clúster y caminos más cortos que son comunes en la red exhibiendo alta eficiencia en el comportamiento small-worlds.”; la métrica de ego network nos permite abordar métodos partiendo del individuo y analizando la red que se construye a su alrededor, “consiste en la red que se forma a partir de un nodo focal “ego” y los nodos a los cuales el ego está directamente conectados, llamados “alters” y sus lazos.” Entre muchas métricas más.

Las herramientas que expone el texto tienen unas características similares: son gratuitas, son construidas por académicos pero pensando en un uso masivo, tienen una amplia capacidad, son más básicas que las herramientas de pago, pero en general cumplen con lo mismo. Como lo afirma el texto “En primer lugar, nos encontramos con las herramientas de análisis de redes sociales, académicas y avanzadas que frecuentemente son usadas en ambientes académicos y destinadas también para realizar un análisis de redes sociales más sofisticado. Están orientadas a la usabilidad más que a la performance. Las guías de usuario y archivos de ayuda no están del todo completas, no son simples de comprender y están diseñados para audiencias sofisticadas. Ejemplo: UCINET, Pajek… Las guías de usuario y la ayuda están orientadas a una audiencia general. Ejemplo: NetMiner. Existen también las herramientas simples y fáciles de usar, como NodeXL”

En cuanto a las herramientas, el texto hace referencia a varias, pero se centra en Gephi por diferentes motivos que expone, “Finalmente, nos encontramos con las herramientas que permiten la visualización de datos generados por usuarios preexistentes que son utilizadas para analizar datos existentes disponibles para los usuarios. Son simples de usar con funcionalidades intuitivas como por ejemplo, Gephi.”

Entre los usuarios de Gephi se encuentra el New York Times “que lo usa para la visualización de la conectividad global del contenido como así también para la examinación del tráfico de Twitter.”

En general se usa para “importar, exportar, manipular, analizar, filtrar, representar, detectar comunidades y exportar grandes grafos y redes… Brinda su apoyo a la exploración de los medios sociales con funciones de importación que extraen datos de los índices de correo electrónico, Twitter, YouTube, Facebook o Foros. Así mismo, es posible la conexión a través de archivos nativos de otras herramientas como Excel.”

Las ventajas que enumera el texto son: “Disponibilidad del software: es gratuito. Interfaz: cuenta con claridad en la interfaz de usuario. Métricas: cantidad y facilidad de uso de las métricas y sus resultados. Importar/Exportar: tiene la capacidad para importar o exportar otros formatos de archivo, ya sea de otros softwares de análisis, Excel u otros. Visualización Gráfica. Capacidad para graficar redes. Documentación: tiene disponibilidad y claridad de la documentación. Actualizaciones: está frecuentemente actualizada y cuenta con nuevas versiones recientes.”

El texto da forma al Análisis de Redes Sociales y permite explorar esta metodología para apropiarla como investigador, al tiempo que aborda una herramienta técnica que da una nueva perspectiva a la comunicación de la información y convierte la visualización de datos en una forma de arte con una experiencia estética definida. Como lo menciona el texto, “el ARS ha ido evolucionando desde sus orígenes hasta la actualidad, de manera tal que actualmente un conjunto de enfoques, aplicaciones, métricas, representaciones de las relaciones, características estructurales de las redes y herramientas para cubrir el espectro que abarca.”

Por otro lado, es importante resaltar algunos elementos de las redes sociales que no son tenidos en cuenta desde esta perspectiva. Las estrategias de mercado tipo “referidos”, el uso de bots y en general las interacciones pagas deben ser tenidas en cuenta a la hora de generar análisis de ARS ya que podrían dar modelajes falsos impulsados por el pago o bien se deben contemplar como variables centrales.

El uso de Gephi permite construir una experiencia alrededor de la visualización de datos y la comunicación de información que impulsa el acercamiento de diferentes públicos y permite la producción de contenidos que pueden ser parte inclusive de portadas de periódicos.


[1] Ver libro: Brafman, O. Beckstrom, R. (2006) Starfish and the Spider: The unstoppable power of leaderless organizations. Nueva York: Penguin Group.

[2] Watts, D. (2004) Six Degrees: The Science of Connected Age. W. W. Norton & Company

Leave a Reply

Your email address will not be published.

This site uses Akismet to reduce spam. Learn how your comment data is processed.