Anlisis de redes sociales

THAI Bloque I
ndice
Anlisis
de redes sociales (SNA)
Un ejemplo de un mtodo mixto que utiliza SNA

2
Introduccin al anlisis de redes
sociales
ndice
Introduccin
Tipos de red
Medidas ms frecuentes
Agrupamientos
Visualizacin
Apuntes sobre el uso de SNA en investigacin en TIC
Anlisis de redes sociales (SNA)
Una disciplina dedicada el estudio de las estructuras de
los grupos sociales.
Adoptada por todas las Ciencias Sociales y otras como la
Fsica o la Biologa
Utiliza mtodos formales, basados en la teora de grafos
Pueden aplicarse algoritmos, y por tanto, mtodos
computacionales, para el anlisis
Los orgenes fueron establecidos por Moreno en 1943

5
Los experimentos de Moreno (1943)
Relacin de los alumnos en la
clase:
Alumnos de varias edades
Estudio por gneros
Si pudieras elegir libremente,
a qu dos nios elegiras
como compaero?
Resultados:
A <edad> => alumnos tienden a <?>
6-8 aos => mezclarse
8-13 aos => separase
13-15 aos => mezclarse
15-17 aos => separarse

6
Qu es una red social?
Red social: Un conjunto de actores y las relaciones entre
ellos
Ejemplos:
es amigo de
es vecino de
distribuye mercancas a
es miembro de
Los actores son nodos y las relaciones se traducen en
enlaces entre los nodos
Representacin de las redes sociales:
Matriz o grafo (sociograma)

7
Representacin de redes sociales
Grafo o sociograma:
Un conjunto de nodos y las
relaciones entre ellos

Definiendo de forma separada: Nodos: Gl1, Gl2, Gl4, Gn1, Gn2

El conjunto de nodos Enlaces: (Gn2,Gl4), (Gl4,Gn1)
El conjunto de enlaces
Gl1 Gl2 Gl4 Gn1 Gn2
Gl1 0 0 0 0 0
Matriz de adyacencia
Gl2 0 0 0 0 0
Matriz que define los enlaces
Gl4 0 0 0 1 1
entre cada par de nodos
Gn1 0 0 1 0 0
Gn2 0 0 1 0 0
8
ndice
Introduccin
Tipos de red
Medidas ms frecuentes
Agrupamientos
Visualizacin
Apuntes sobre el uso de SNA en investigacin en TIC
Tipos de red
Segn los conjuntos de actores
Redes modo 1: un conjunto de actores
Redes modo-2 (bipartitas, de afiliacin): dos conjuntos de
actores
Segn su construccin
Redes completas
Redes egocntricas
Segn las relaciones
Dirigidas o no dirigidas
Dicotmicas (1/0) o con valor (los enlaces tienen peso)

10
Redes modo-1 y modo-2
Modo 1 Modo 2

Todos del mismo tipo (p.e.: Administradores

miembros de una empresa)
Sociedades

11
Redes dirigidas y no dirigidas
Dirigidas No dirigida

Ej. Ha elegido como amigo Ej. Ha trabajado con

12
Con valor o dicotmica
Con valor
Ej. Ha escrito
# mensajes

Dicotmica
Ej. Se ha comunicado
con
13 Redes Sociales en Internet 14/07/2011
 Redes egocntricas
Ego: unnodo determinado
Otros (vecinos): distancia (Ego, Otros) 1
Enlaces directos con los vecinos
Enlaces entre los vecinos

Ego-net (x38) Red completa Ego-net (x34)

14
Transformaciones
Modo 2 Modo 1

Dirigida No dirigida

Con valor Sin valor

Estrategia
Ms informacion Menos informacin
No reversible
15
 Modo 2 Modo 1

Estrategia qu representar como relacin?

A) x comparte recurso con y sin valor

B 1

2
2
1 1
1

B) x comparte # recursos con y Con valor

16
 Dirigido No dirigido

Qu
significado le damos a la
nueva relacin?
A) Estn conectados?

B) Estn conectados
De forma reciproca?
17
ndice
Introduccin
Tipos de red
Medidas ms frecuentes
Agrupamientos
Visualizacin
Apuntes sobre el uso de SNA en investigacin en TIC
Indicadores de SNA
Medidas de red:
Densidad
Centralizacin
Medidas de actores:
Centralidad / Prestigio:
Grado
Proximidad
Intermediacin

Agrupamientos:
Cliqus, componentes

19
 Medidas de red
Densidad de una red no dirigida
n effective edges
d=
n possibleedges
Eff.=0 Eff.=2 Eff.=4 Eff.=8 Eff.=10
Pos.=10 Pos.=10 Pos.=10 Pos.=10 Pos.=10

d=0 d=0.2 d=0.4 d=0.8 d=1

20
 Medidas de red
Densidad de una red dirigida
n effective edges Hay dos enlaces entre
d=
n possible edges cada par de nodos

Eff.=0 Eff.=4 Eff.=8 Eff.=16 Eff.=20

Poss.=20 Poss.=20 Poss.=20 Poss.=20 Poss.=20

d=0 d=0.2 d=0.4 d=0.8 d=1

21
Medidas de red
Expresin matmatica
Densidad: Actividad global de la red
En redes no dirigidas:
=L/[g (g -1)/2]
En redes dirigidas:
= L / g (g -1) L, nmero de enlaces
g, nmero de nodos
Centralizacin de grado: Dependencia en un solo actor

CD = 1<=i<=g [CD (n*) CD( ni)] / (g-1) (g-2),

CD (n*) = maxiCD( ni)

22
Medidas de actor
Centralidad
Quin es central en esta
red?

23
Grado en una red no dirigida
Paraun nodo: El grado es el nmero de enlaces que tiene
ese nodo

Es una de las medidas de centralidad. Tambin llamada

grado de centralidad

24
Grado de salida y de entrada en grafos
dirigidos
Grado de entrada: Nmero de enlaces que van al nodo

Grado de salida: Nmero de enlaces que salen del nodo

25 Redes Sociales en Internet 14/07/2011

Camino
Secuencia de enlaces que conectan dos nodos
C G

A B E F I J

D H
De A E : 2 caminos posibles
(A B C E)
o
(A B D E)
26
Camino (en grafo no dirigido)
C G

A B E F I J

D H
De D E: 2 caminos posibles
d(D,E) = 1
(D E)
o Distancia geodsica
(D B C E) Longitud del camino ms corto
27
Dimetro de un grafo
Dimetro:
Distancia ms larga en un grafo = Mxima distancia entre
cualquier par de nodos

Cul es el dimetro de este grafo?

28
 Grado de intermediacin
Nmero de caminos ms cortos que pasan por el nodo
Red dirigida

Red no dirigida

29 Redes Sociales en Internet 14/07/2011

 Otro ejemplo de g. intermediacin
Ms alto

Ms bajo

Fuente:
http://en.wikipedia.org/wiki/Centrality
30
 Grado de cercana
Mide la cercana de un nodo a todos los dems
Red dirigida

Red no dirigida

31 Redes Sociales en Internet 14/07/2011

ndice
Introduccin
Tipos de red
Medidas ms frecuentes
Agrupamientos
Visualizacin
Apuntes sobre el uso de SNA en investigacin en TIC
Agrupamientos
Componentes:
Subgrupos conectados
K-cores:
Los miembros de un k-core estn conectados con (al menos)
k-1 otros miembros.
K-cliqus:
Agrupamiento de k actores, todos conectados entre s
Componentes Si removemos los
puentes (cut-points)

 rompemos el componente
K-cores
Cliqus / K-cliqus
Clique: mximo subconjunto donde Cuntos
todos los nodos estn conectados cliqus?
K-clique: cliqu con k miembros => 6 cliqus

Cules son ?

1 5-clique
1 4-clique
1 3-clique
3 2-cliques
ndice
Introduccin
Tipos de red
Medidas ms frecuentes
Agrupamientos
Visualizacin
Apuntes sobre el uso de SNA en investigacin en TIC
 2. Apoyo computacional a la evaluacin

Visualizacin de sociogramas
Atributos grficos (color, grosor)
Posicin de los nodos es significativa

d =37,25% d = 17,24%
CD = 30.88% CD = 66,43%
39
 2. Apoyo computacional a la evaluacin

Visualizacin de sociogramas

ni Co(ni)
X00 100%
X26 72,2%
X33 66,7%

...
X21 5,5%
X38 5,5%
X29 0,0%

40
ndice
Introduccin
Tipos de red
Medidas ms frecuentes
Agrupamientos
Visualizacin
Apuntes sobre el uso de SNA en investigacin en TIC
Proceso de construccin de una red

42
Fuentes de datos
Comunicacin mediada por ordenador
Forums
Listas de correo
Aplicaciones web 2.0: xing, facebook, etc.
Registros / Artefactos
Bibliografas
Wikis
Sistemas de versionado (e.g. CVS)
Otros tipos de datos no automticos
Respuestas a encuestas
Observaciones directas

43
Aplicaciones a las TIC
Disciplinas orientadas a lo humano
Computer supported collaborative learning (CSCL)
Computer supported cooperative work (CSCW)
Anlisis de redes
Identificacin de cuellos de botella en redes
Tolerancia a errores y su manejo en sistemas distribudos
Estructura del conocimiento
Inters creciente en el anlisis de las estructuras de conocimiento en
red, como la wikipedia
Difusin de la informacin, redes de comunicacin
Investigacin sobre la difusin de la informacin a travs de Internet,
las estructuras sociales emergentes en las redes sociales en Internet,
etc.

44
Limitaciones del mtodo
Notodas las interacciones tienen lugar a travs del
ordenador
P.ej: trabajo cara a cara, discusiones yendo al caf, etc.
La interpretacin es difcil sin conocimiento del contexto.
Por tanto, la replicacin de los resultados es difcilmente
esperable.
Se puede combinar con otros mtodos para contrastar
estas dificultades

45
 Ejemplo de mtodo mixto de
investigacin con SNA

46
Research context
CSCL Computer Supported Collaborative Learning
Emphasises interactions among learners
F2F / Distance / Blended
Technology and models to support the whole lifecycle
Validation in authentic scenarios

47 47
Research Context
Evaluation of CSCL situations
Overall research question: How to help teachers in monitoring
participatory aspects of learning by means of technology?
Validation research question: How is the evolution of
participation structures in a classroom supported by
technology?

48 48
 Research context
What we needed Mixed evaluation
method
Integrate context
Ethnographic data
Study of real situations
sources
Participants point of view Qualitative analysis
Automatically
New forms of interaction recorded data

Scalable and efficient processes Quantitative analysis

Tools
Visualisation processes
Social network
Participatory aspects analysis
 Mixed evaluation method
Scheme of
categories Analysis
Phases
methods
Observations Interviews Questionnaires Automatic
data
Prepara- Previous Socio-
Quantita

Conclusions
tion Initial concepts
metries tive
(individual)
Daily
Throughout
work After
After milestones Qualitati
the Critics about the
experience
milestones Event ve
Face to face
project logs
interact.
SNA
End of Socio-
Final Final metries
project

Data sources
50
 Herramientas - Quest
Teacher /
Participants
evaluator
Categories
Observations
New
Answer to Designs categories
questionnaires questionnaires RTF files
Interactions through NUD*IST
the computer
Tables
QUEST
CSCL STATISTIC Statistic
tool PACKAGE indexes
XML file Interaction
maps
Event
log
Actions
el2xml obs2xml
(XML)

Pedagogical tool

SAMSA SNA indexes Evaluation tool

& sociograms or module
DL File (UCINET format) File
 Herramientas Iloca and Nud*IST
Teacher /
Participants
evaluator
Categories
Observations
Respuestas
New
cuestionarios categories

Interactions through NUD*IST

the computer

QUEST Configuration
CSCL parameters STATISTIC Statistic
tool PACKAGE indexes
Interaction
maps
Event
log
Actions iloca
el2xml obs2xml
(XML)

Pedagogical tool

SAMSA SNA indexes Evaluation tool

& sociograms or module
DL File (UCINET format) File
 Herramientas SAMSA
Teacher /
Participants
evaluator
Categories
Observations
Respuestas
New
cuestionarios categories

Interactions through NUD*IST

the computer

QUEST Configuration
CSCL parameters STATISTIC Statistic
tool PACKAGE indexes
Interaction
maps
Event
log
Actions
el2xml obs2xml
(XML)

Pedagogical tool

SAMSA SNA indexes Evaluation tool

& sociograms or module
DL File (UCINET format) File
Resultados
Anlisis cuantitativo
Cuestionarios inicial y final. Cmo es el ambiente en clase?

Ambiente colaborativo Inicial Final

en clase
Muy competitivo 11,7% 6,8%

Competitivo 30,6% 18,2%

Indiferente 10,6% 9,1%

Colab. solo con amigos 30,6% 40,9%

Colaboracin generalizada 16,5% 25,0%

La percepcin de los estudiantes mejora

54
 Anlisis de redes
Sp2 Spf
Redes sociales indirectas en BSCW =17,54% = 35,48%
CD=87,03% CD= 68,21%

55
Resultados
Anlisis cualitativo
Compartir informacin BSCW negativo:
si todos nosotros compartiramos todo, todo el mundo hara el
mismo trabajo y todo el mundo tendra la misma nota
Porque no hemos encontrado nada [interesante]
En me caso ha sido fundamental no tener acceso a Internet en casa
Compartir informacin BSCW positivo:
Usamos BSCW de forma que la gente a cargo de integrarlo todo
pudiera hacerlo en casa y luego tenamos una reunin al da siguiente
[]
BSCW: es un mtodo muy til para compartir informacin, a la que
puedes volver cuando quieras. Para m ha sido muy til para la
elaboracin del informe final.

56
Referencias
Wasserman and Faust, Social Network Analysis, Cambridge
University Press, 1994
Martnez, A., Y. Dimitriadis, B. Rubia, E. Gmez and P. de la
Fuente. Combining qualitative evaluation and social network
analysis for the study of classroom social interactions.
Computers and Education 41(4): 355-368, 2003.