INTRODUCCION A LA SOCIOFISICA 2011-I (Resumen)

Profesor:
Rafael Hurtado, rghurtadoh@unal.edu.co
Departamento de Fsica, Universidad Nacional de Colombia sede Bogot
Cdigo:
2023528
Ofrece:
Departamento de
Fsica, Facultad de Ciencias
Tipologa:
elegible
Crditos:
4
Horario:
mircoles y viernes de 4:00 a 6:00 pm Saln: pendiente
Prerrequisitos:
Este es un curso elegible que no tiene prerrequisitos, sin embargo es conveniente que los
estudiantes que participen cumplan lo siguiente:
Estudiantes de Fsica: haber cursado mecnica estadstica.
Estudiantes de pregrado en Ciencias Naturales, Ciencias Econmicas e Ingeniera, o con
conocimientos slidos en Matemticas: haber cursado las asignaturas de matemticas,
estadstica y fsica.
Estudiantes de posgrado en Ciencias Naturales, Ciencias Econmicas e Ingeniera, o con
conocimientos slidos en Matemticas: admitidos a Maestra y Doctorado.
Resumen metodolgico:
Este curso est diseado para estudiantes de posgrado o que estn cursando los ltimos
semestres de pregrado en Fsica o en disciplinas con sesgo cuantitativo en las cuales se toman
varios cursos de matemticas y de fsica o de estadstica. El curso tiene dos componentes:
Anlisis de Redes Sociales (ARS) y Redes Complejas. El ARS est soportado metodolgicamente
por la teora de grafos y la estadstica. En el caso de las Redes Complejas la literatura presenta
dos aproximaciones conceptuales y metodolgicas: una soportada principalmente por la
mecnica estadstica, ceida a los desarrollos de mayor influencia en el rea, y otra que hace
uso de resultados de la mecnica estadstica pero que sigue desarrollos metodolgicos de
otras reas del conocimiento como la Economa. Dentro del curso conviven ambas
aproximaciones. Los estudiantes de Fsica debern seguir ambos formalismos, los de otras
disciplinas debern llegar a utilizar conceptos de la mecnica estadstica. En cualquier caso, se
trata de un curso avanzado.
Resumen conceptual:
La Sociofsica es un campo de investigacin en desarrollo que atrae a fsicos e investigadores
de las Ciencias naturales y de las Ciencias humanas y sociales. Si bien desde hace varias
dcadas se han realizado aplicaciones de conceptos, metodologas y modelos de anlisis de la
fsica a los sistemas sociales, los avances de los ltimos 12 aos en el entendimiento de las
propiedades macroscpicas de las Redes Complejas constituyen el escenario en el que muchos
fsicos han logrado interactuar con investigadores de otras disciplinas y realizar aportes
importantes sobre diversos fenmenos sociales y naturales que ocurren en sistemas
complejos. El curso se centra en el Anlisis de Redes Sociales (ARS) y en el estudio de las Redes
Complejas, partiendo de bases conceptuales y analticas de las ciencias sociales para luego
incorporar resultados de la teora de grafos, la estadstica y la mecnica estadstica
principalmente. Se realizarn aplicaciones en: gestin del conocimiento, bibliometra,
cientometra, innovacin, mercados y comercio, economa, salud, medio ambiente,
ecosistemas, psicologa, procesos cognitivos, educacin, procesos organizacionales,
comunidades e Internet.

INTRODUCCION A LA SOCIOFISICA 2011- I (Extenso)

Profesor:
Rafael Hurtado, rghurtadoh@unal.edu.co
Departamento de Fsica, Universidad Nacional de Colombia sede Bogot
Cdigo:
2023528
Ofrece:
Departamento de Fsica, Facultad de Ciencias
Tipologa:
elegible
Crditos:
4
Horario:
mircoles y viernes de 4:00 a 6:00 pm
Saln:
pendiente
Horario de atencin: pendiente

Prerrequisitos:
Este es un curso elegible que no tiene prerrequisitos, sin embargo es conveniente que los
estudiantes que participen cumplan lo siguiente:
Estudiantes de Fsica: haber cursado mecnica estadstica.
Estudiantes de pregrado en Ciencias Naturales, Ciencias Econmicas e Ingeniera, o con
conocimientos slidos en Matemticas: haber cursado las asignaturas de matemticas,
estadstica y fsica.
Estudiantes de posgrado en Ciencias Naturales, Ciencias Econmicas e Ingeniera, o con
conocimientos slidos en Matemticas: admitidos a Maestra y Doctorado.
Resumen metodolgico:
Este curso est diseado para estudiantes de posgrado o que estn cursando los ltimos
semestres de pregrado en Fsica o en disciplinas con sesgo cuantitativo en las cuales se toman
varios cursos de matemticas y de fsica o de estadstica. El curso tiene dos componentes:
Anlisis de Redes Sociales (ARS) y Redes Complejas. El ARS est soportado metodolgicamente
por la teora de grafos y la estadstica. En el caso de las Redes Complejas la literatura presenta
dos aproximaciones conceptuales y metodolgicas: una soportada principalmente por la
mecnica estadstica, ceida a los desarrollos de mayor influencia en el rea, y otra que hace
uso de resultados de la mecnica estadstica pero que sigue desarrollos metodolgicos de
otras reas del conocimiento como la Economa. Dentro del curso conviven ambas
aproximaciones. Los estudiantes de Fsica debern seguir ambos formalismos, los de otras
disciplinas debern llegar a utilizar conceptos de la mecnica estadstica. En cualquier caso, se
trata de un curso avanzado.

Resumen conceptual:
La Sociofsica es un campo de investigacin en desarrollo que atrae a fsicos e investigadores
de las Ciencias naturales y de las Ciencias humanas y sociales. Si bien desde hace varias
dcadas se han realizado aplicaciones de conceptos, metodologas y modelos de anlisis de la
fsica a los sistemas sociales, los avances de los ltimos 12 aos gracias a la investigacin de las
Redes Complejas constituyen el escenario en el que muchos fsicos han logrado interactuar con

investigadores de otras disciplinas y realizar aportes importantes sobre diversos fenmenos

sociales y naturales que ocurren en sistemas complejos.
El curso se centra en el Anlisis de Redes Sociales (ARS) y en el estudio de las Redes Complejas,
partiendo de bases conceptuales y analticas de las ciencias sociales para luego incorporar
resultados de la teora de grafos, la estadstica y la mecnica estadstica principalmente. Se
realizarn aplicaciones en: gestin del conocimiento, bibliometra, cientometra, innovacin,
mercados y comercio, economa, salud, medio ambiente, ecosistemas, psicologa, procesos
cognitivos, educacin, procesos organizacionales, comunidades e Internet.
Objetivos:
Generales:
- Introducir al estudiante en las posibles aplicaciones de la fsica a los sistemas complejos en
fenmenos de naturaleza social.
- Mostrar las diferentes tendencias de investigacin de la Sociofsica, enfocndose en las redes
sociales y las redes complejas.
Especficos:
- Familiarizar al estudiante con la perspectiva de redes en las ciencias sociales y las ciencias
naturales utilizando conceptos y aspectos metodolgicos de la fsica y de la investigacin
social.
- Dar al estudiante herramientas para la observacin, la representacin y el anlisis de
sistemas complejos, identificando sus elementos y relaciones y midiendo sus propiedades
estructurales y dinmicas.
- Introducir al estudiante en metodologas y tcnicas de anlisis de sistemas sociales desde la
perspectiva de las redes, incluyendo la utilizacin de software especializado.

Fundamentacin:
La mayora de los fenmenos naturales y muchos artificiales se dan en sistemas complejos. El
estudio de estos sistemas desde la perspectiva de las redes, las cuales se definen en trminos
de nodos y relaciones, ha arrojado resultados novedosos que permiten un mayor
entendimiento de mltiples fenmenos sociales, culturales y naturales. Esta perspectiva, que
actualmente es conocida como de la Redes Complejas, avanza con xito en describir y
entender fenmenos sociales como la constitucin de movimientos sociales, procesos de
organizacin social, produccin, creacin, comunicacin, aprendizaje e innovacin adems de
aquellos propios de las ciencias naturales como la ecologa y la biologa molecular.
Durante los ltimos 12 aos, en gran medida a partir de los trabajos de Duncan Watts,
Strogatz, Sidney Redner, Albert-Lazlo Barabasi, Mark Newman y Ginestra Bianconi entre otros,
los fsicos vienen obteniendo resultados importantes en el estudio de las Redes Complejas y
han logrado que sus mtodos y resultados se constituyan en parte del acerbo metodolgico y
conceptual de muchas disciplinas. Sus principales mritos estn en haber identificado nuevos
fenmenos y propiedades macroscpicas de sistemas complejos representados como redes y
en haber expresado y entendido algunos de ellos a partir de la dinmica microscpica de sus
componentes y sus relaciones o interacciones. Entre las principales herramientas conceptuales
y analticas utilizadas por los fsicos estn la Mecnica Estadstica, que en la fsica permite
conectar el mundo microscpico con sus expresiones macroscpicas, y aquellas ms generales
utilizadas para modelar y simular sistemas fsicos.
Las analogas entre las Redes Complejas y distintos sistemas fsicos que surgen de varios
estudios han ampliado la fenomenologa de sistemas naturales y artificiales, incluidos los

sistemas sociales, y actualmente son explotadas para efectos de obtener nuevo conocimiento
y en aplicaciones de inters pblico y privado.
Si bien estos ltimos aos han sido extremadamente activos, la bsqueda de analogas entre
sistemas y fenmenos en fsica con sistemas y fenmenos sociales no es nueva y tiene
antecedentes importantes. La relacin que se traza hoy en da entre los trabajos de Sir Isaac
Newton, quien dirigi la Banca Central de Inglaterra, con los de Adam Smith y Leon Walras
puede ser un punto de partida en una exploracin histrica. Ms recientemente, autores como
Peer Bak, Serge Galam y Dietrich Stauffer entre otros, han impulsado nuevas relaciones entra
la fsica y el estudio de sistemas sociales sin enmarcarlos en el campo de investigacin de las
Redes Complejas.
La perspectiva de este curso es la de las Redes Complejas debido a su profunda relacin con
los avances tericos y metodolgicos de las ciencias sociales. En particular, la evolucin de la
Sociometra en el marco del Estructuralismo hacia el Anlisis de Redes Sociales recoge los
esfuerzos de distintas comunidades por describir la estructura y la dinmica de los sistemas
sociales a partir de la definicin de vnculos entre sus componentes y la identificacin de
patrones y estructuras. De otra parte, las inmensas dificultades en la descripcin cuantitativa
de las redes observadas fue el escenario en que los fsicos pudieron encontrar un espacio de
participacin.

Programa:
Introduccin

Anlisis de Redes Sociales: teora y aplicaciones

Aspectos histricos: estructuras elementales y sistemas sociales
Principios del anlisis de redes sociales, muestras y datos
Representaciones de las redes: grafos y matrices. Netdraw y Pajek.
Definiciones elementales. UCINET.
Propiedades estructurales y locales
Transitividad y balance estructural
Cohesin
Equivalencia estructural y regular
Modelos de bloque
Posiciones y roles
Redes complejas: topologa y dinmica

Redes aleatorias: los primeros esfuerzos

Redes de mundo pequeo: la fuerza de los vnculos dbiles y estructura
Redes de escala libre y la regla de Pareto: grandes conectores y condensacin de BoseEinstein.
Robustez ante errores y vulnerabilidad a ataques
Robustez y vulnerabilidad por conectividad
Mecnica estadstica de redes complejas
Temas adicionales:
Modelos y aplicaciones en sociofsica que no acuden al concepto de redes complejas.
Postestructuralismo: la perspectiva de la Teora del Actor Red
Aplicaciones: gestin del conocimiento, bibliometra, cientometra, innovacin, mercados y
comercio, economa, salud, medio ambiente, ecosistemas, psicologa, procesos cognitivos,
educacin, procesos organizacionales, comunidades e Internet.

Bibliografa:
Albert, R., & Barabsi A.-L. (2002) Statistical mechanics of complex networks. Reviews of
Modern Physics 74, 47-97.

Barabsi A.-L. (2002). Linked: The new science of networks. London: Plume.
Barabsi, A.-L. & Bonabeau E (2003) Scale-free networks. Scientific American 288, 60-69.

Bonifazi, P., Goldin, M., Picardo, M.A., Jorquera, I., Cattani, A., Bianconi, G., Represa, A., BenAri and, Y. & Cossart, R. (2009) GABAergic Hub Neurons Orchestrate Synchrony in
Developing Hippocampal Networks, Science, 326 1419.
Bianconi, G., Pin, P. & Marsili, M. (2009) Assessing the relevance of node features for
network structure,
PNAS 106, 11433.

Bianconi, G. (2008) Entropy of randomized network ensembles, Europhys. Lett. 81, 28005
(2008).
Bianconi, G. & Barabsi, A. -L. (2001) Bose-Einstein condensation in complex networks,
Phys. Rev. Lett. 86, 5632.
Bianconi, G. & Barabsi, A. -L. (2001) Competition and multiscaling in evolving networks,
Europhys. Lett. 54, 436.
Borgatti, S. P. (2002). NetDraw: Graph Visualization Software. Harvard, MA: Analytic
Technologies.
Borgatti, S.P., Everett, M.G., & Freeman, L.C. (2002). Ucinet for windows: Software for Social
Network Analysis. Harvard, MA: Analytic Technologies.
Brandes, U., & Erlebach, T. (2005). Network Analysis: Methodological Foundations. Lecture
Notes in Computer Science Tutorial. Berlin: Springer-Verlag.
Buchanan, M. (2002). Nexus: Small worlds and the groundbreaking science of networks. W.W.
Norton & Company. New York.
Burt, R. (1976). Positions in Networks. Social Forces, 55, 93-122.
Castellano, C; Fortunato, S; Loreto, V. (2007) Statistical physics of social dynamics.
http://arxiv.org/abs/0710.3256
Dorogovtsev, S. N., & Mendes, J. F. F. (2003). Evolution of Networks: From Biological Nets to
the Internet and WWW. Oxford University Press. Oxford.
Freeman, L.C. (2004). The development of Social Network Analysis. A study in the sociology of
science. Vancouver: Empirical press.
Freeman, L, C. (1979). Centrality in Social Networks: Conceptual Clarification. Social
Networks, 1, 215-239.
Galam, S. (2004) Sociophysics: A personal testimony.
http://arxiv.org/ftp/physics/papers/0403/0403122.pdf
Galam, S. (2008) Sociophysics: A review of Galam models.
http://arxiv.org/PS_cache/arxiv/pdf/0803/0803.1800v1.pdf
Gastner, M.T. and M.E.J. Newman. 2004. The spatial structure of networks. arXiv:condmat/0407680 v 1.
Girvan, M., & Newman, M. E. (2002). Community structure in social and biological networks.
Porc. Natl. Accad. Sci. USA 99, 7821-7826.
Granovetter, M. (1973) The Strength of Weak Ties, American Journal of Sociology, 78:
1360-1380.
Granovetter, M. 1978. Threshold Models of Collective Behavior, American Journal of
Sociology, 83: 1420-1443.

Hanneman, R., & Riddle, M. (2005). Introduction to social network methods.

http://www.faculty.ucr.edu/~hanneman/
Johnson, S. C. (1967) Hierarchical clustering schemes. Psychometrika, 32, 241-253.
Newman, M., Barabasi, A.-L., & Watts, D.J, (2006). The structure and dynamics of networks.
New Jersey: Princeton University Press.
Watts, D.J., & Strogatz, S.H. (1998). Collective dynamics of "small-world" networks. Nature,
393, 409-410.
Watts, D. J. (1999). Small Worlds. New Jersey: Princeton University Press.
Watts, D. J. (2003). Six degrees. The science of a connected age. New York: W.W. Norton &
Company.
Wasserman, S., & Faust, K. (1994). Social Network Analysis: Methods and Applications.
Cambridge: Cambridge University Press.
Wasserman, S., Scott, J., & Carrington, P.J. (2005). Introduction. In S. Wasserman, J. Scott and
P. J. Carrington (Eds.) Models and methods in social network analysis, pp 1-7.
Cambridge, UK: Cambridge University Press.

Metodologa
El curso tendr presentaciones magistrales de aspectos tericos y metodolgicos y de
aplicaciones. Durante las sesiones se presentarn o realizarn ejercicios de anlisis que
incluyen el modelamiento y la simulacin de sistemas y el anlisis utilizando programas
especializados. Los estudiantes, como parte de sus trabajos, podrn presentar algunos temas
del curso.
Evaluacin
Se realizarn dos exmenes y dos trabajos durante el semestre, asociados a los temas de
Anlisis de Redes Sociales y de Redes Complejas. Uno de los trabajos es una profundizacin
sobre un desarrollo conceptual o analtico o sobre una aplicacin a un sistema especfico, y
uno es una aplicacin. Los trabajos tendrn una parte escrita y una parte oral. Cada nota tiene
igual valor.