What Is Network Science - En.es PDF

Ciencia de red 1 ( 1): 1–15, 2013.
©C© Cambridge University Press 2013 1

doi: 10.1017 / nws.2013.2
EDITORIAL
¿Qué es la ciencia de redes?
MARCAS ULRIK
Departamento de Informática y Ciencias de la Información, Universidad de Konstanz, Alemania.
( correo electrónico: ) ulrik.brandes@uni-konstanz.de )
GARRY ROBINS
Escuela de Ciencias Psicológicas de Melbourne, Universidad de Melbourne, Australia.
( correo electrónico: ) garrylr@unimelb.edu.au )
ANN M C CRANIE
Departamento de Sociología, Indiana University Bloomington, EE. UU.
( correo electrónico: ) amccrani@indiana.edu )
STANLEY WASSERMAN
Departamentos de Ciencia y Estadística Psicológica y Cerebral, Indiana University Bloomington, EE.UU.
( correo electrónico: ) stanwass@indiana.edu )
Resumen
Este es el comienzo de Ciencia de redes. La revista ha sido creada porque la ciencia de redes está explotando. Como es típico
en un campo de formación, las discusiones sobre su alcance, contenido y fundamentos son intensas. En estas primeras
páginas de la primera edición de nuestra nueva revista, nos gustaría compartir nuestra propia visión de la ciencia emergente
de las redes.
1 ¿Hay una ciencia de las redes?
Si hay o no una ciencia de redes, y cuál debería ser el foco de dicha ciencia, pueden parecer preguntas
académicas. Utilizamos este lugar destacado para argumentar las siguientes tres declaraciones:
• Estas preguntas son más relevantes de lo que parecen a primera vista.

• Las respuestas son menos obvias que las sugeridas.
• El futuro de la ciencia de redes es brillante.
Por supuesto, los editores de una nueva revista científica van a predecir que el futuro de su ciencia es brillante.
Cambridge University Press está apostando a que sí. Sin embargo, también creemos que el campo todavía está
en formación y que su configuración esencial está teniendo lugar ahora mismo. El desarrollo y la dirección de la
ciencia de redes en una dirección fértil y beneficiosa forman nuestras motivaciones principales para crear esta
revista y asumir roles activos en su liderazgo.
La ciencia de redes, el campo, impregna una amplia gama de disciplinas tradicionales, y Ciencia de red, la
revista, agradecerá las contribuciones de todos ellos. Además, publicaremos una investigación fundamental
sobre teoría, principios, filosofía y matemática de redes.
Descargado desde https://www.cambridge.org/core . Pontificia universidad católica de valparaíso, el 22 de marzo de 2018 a las 18:28:55, sujeto al Cambridge Core
términos de uso, disponibles en https://www.cambridge.org/core/terms . https://doi.org/10.1017/nws.2013.2
2 U. Brandes y col.
Si bien hay mucha superposición en la investigación de redes disciplinarias, los límites disciplinarios inherentes
aún tienden a crear silos de diferentes intereses, métodos y objetivos. Si la ciencia de redes va a ser una ciencia, en
lugar de comunidades de investigación separadas y dispersas, o un conjunto de herramientas que los
investigadores usan para analizar redes, los silos deben ser desmantelados y al mismo tiempo reconocer las
prácticas y valores disciplinarios existentes.
Escribimos este editorial para ayudar a establecer bases comunes para nuestra revista y su campo, bases que
deberían permitir Ciencia de red sobresalir más allá de los límites disciplinarios. Visualizamos nuestros bienes
comunes como mucho más amplios que algunas interpretaciones actuales del término ciencia de redes. Por lo tanto,
trataremos de delinear los elementos de unión con bastante precisión en las próximas páginas.
Nuestra declaración principal es que vemos ciencia de redes como el Estudio de la recopilación, gestión, análisis,
interpretación y presentación de datos relacionales. Pero primero, algunas observaciones sobre nuestras percepciones
del estado actual del campo.
La afirmación de que "las redes están en todas partes" se ha convertido casi en una rutina. Los ejemplos
mencionados con frecuencia de "redes en todas partes" incluyen Internet y otras redes de infraestructura, redes
sociales, políticas y económicas, redes cienciométricas y de representación de texto, así como redes
alimentarias y redes biológicas a nivel molecular. Y hay una gran cantidad de otras redes menos mencionadas
en muchas más áreas de investigación.
Las redes y, por lo tanto, el paradigma de la red se han vuelto científicamente relevantes a través de límites
disciplinarios. Pero muchos han preguntado: ¿el paradigma de la red no es más que una frase de moda?
Claramente, un Ciencias de redes requiere una comunidad científica que cree una base para estas diferentes
corrientes de investigación. Debemos preguntarnos: ¿existe tal unidad? Y si existe, ¿este elemento unificado y
compartido realmente contribuye con algo relevante para la ciencia, o solo parece hacerlo en virtud del hecho de
que "las redes están de moda"?
Es importante responder estas preguntas porque de esta aclamada relevancia surge una promesa, una
promesa de una nueva disciplina científica.
Cuando estamos rodeados de redes, y muchas de ellas surgen de temas de la mayor relevancia social, sin
duda sentimos la necesidad de comprenderlas. Algunos investigadores, en su forma más entusiasta, han ido tan
lejos como para proclamar que la ciencia de redes no solo es útil, sino esencial. En un documental televisado
(en Australian Broadcasting Corporation ( ABC), Australia, en 2008), Duncan Watts lo dijo sin rodeos:
"Las redes son importantes porque si no las entendemos, no podemos

Comprender cómo funcionan los mercados, las organizaciones resuelven problemas o cómo
las sociedades cambian ".
En un sentido matemático, esta afirmación implica la necesidad de la ciencia de redes. Dados los numerosos
informes y comentarios que coinciden con la idea de que la ciencia de redes puede ser la clave de casi todos los
problemas importantes, uno está tentado a pensar que incluso podría ser su (ciente ( de nuevo, en un sentido
matemático).
Si bien somos escépticos sobre la singularidad y singularidad de la ciencia de redes, reconocemos su
relevancia potencial. Es sorprendente cómo muchos investigadores, de diferentes disciplinas, han declarado en
encuestas y documentos de posición que su investigación y disciplina están siendo revolucionadas por el mayor
uso e importancia.
Editorial 3
de los paradigmas de red. La ciencia política es un buen ejemplo: la ciencia de redes ha tenido un tremendo
impacto en este campo, solo en los últimos cinco años.
En todo caso, la ciencia de redes es una revolución que lleva mucho tiempo en desarrollo. A pesar de las frecuentes
afirmaciones de algunos, la ciencia de redes no apareció repentinamente cuando se dio cuenta a mediados de la década
de 1990 de que las redes podían ser modelos de sistemas complejos. Una definición tan limitada de la ciencia de redes es
simplemente inapropiada: es importante reconocer los muchos antecedentes científicos de lo que hacemos. Los enfoques
de red se han desarrollado en muchas áreas durante las últimas dos décadas (física, biología, economía, por ejemplo)
porque una perspectiva relacional claramente agrega relevancia a la disciplina.
Las raíces de la ciencia de redes son particularmente fuertes en psicología social, sociología y antropología,
lo que ha llevado a otra percepción errónea, a saber, esa red
Ciencias es la aplicación del análisis de redes en disciplinas distintas de las ciencias sociales y del comportamiento.
A veces la frase análisis de redes sociales ( "SNA") se utiliza para etiquetar todo lo que está relacionado con la red,
incluso cuando los aspectos de red del trabajo claramente no son análisis (por ejemplo, la teoría de redes). Las
siglas pueden ser atractivas, pero si todo lo que hacemos es "análisis", simplemente no podremos crear una
verdadera ciencia de redes, cumpliendo grandes promesas.
La perspectiva de la red nos permite abordar preguntas profundas sobre los sistemas humanos, biológicos,
económicos y de otro tipo que exhiben una organización interdependiente. Como investigadores de la red, y como
editores de esta revista, nos comprometemos con las promesas anteriores, a pesar de saber que muchas de ellas
siempre serán promesas.
En esta etapa de nuestra ciencia, hay demasiadas áreas en las que no podemos señalar resultados
empíricos que satisfagan convincentemente las afirmaciones que se hacen. El Proyecto Human Connectome es
solo un ejemplo que apenas nos permite estudiar conexiones de red significativas en el cerebro humano.
Además, los resultados de los estudios de redes rara vez se prueban contra conceptualizaciones alternativas, al
igual que los enfoques alternativos rara vez se prueban contra un enfoque de red.
Queremos que la ciencia de las redes se desarrolle más allá de los reclamos y las promesas. No queremos ver
que el campo se degenere en una moda científica, dejando atrás teorías e ideas desacreditadas. Con esta revista,
intentaremos avanzar en la unidad de una perspectiva científica, no metafórica, y así ayudar a que sus promesas se
hagan realidad.
Como explicaremos, el único punto más profundo que nos une no es una caja de herramientas de métodos,
sino una conceptualización que aparece mucho antes de que haya algo para analizar.
2 Ciencia de redes y teoría de redes
La afirmación mencionada anteriormente de que "las redes están en todas partes" implica que los muchos
fenómenos denominados conjuntamente "redes" pertenecen a una categoría común. Para los diversos
fenómenos que se estudian, esto solo es posible mediante la abstracción, de modo que una red y el fenómeno
denominado red son generalmente distintos. El diagrama de la Figura 1 muestra el papel de la abstracción como
prerrequisito conceptual para la representación en datos.
En consecuencia, un modelo de red debe verse explícitamente como una red representacion de alguna cosa.
Si bien el modelo se manifiesta en una representación de red, se obtiene a través de los siguientes dos pasos:
44 U. Brandes y col.
abstracción representación
fenómeno concepto de red datos de red
modelo de red
Fig. 1. Los elementos de los modelos de red.
1. Una especificación de cómo el fenómeno (en general, es decir, más generalmente que esta instanciación
particular) se abstrae en una red.
2. Una especificación de cómo esta red conceptual está representada en los datos (por ejemplo, medidos u
observados).
Como la representación generalmente se define a través de un isomorfismo, es decir, un mapeo uno a uno entre
estructuras que preservan las relaciones, un fenómeno no puede representarse directamente, sino que debe
conceptualizarse primero.
Por supuesto, esta no es una división inusual en la ciencia u otras áreas del conocimiento. Posiblemente
debido a las connotaciones gráficas y metafóricas del término red, las implicaciones de un paso de abstracción
anterior a menudo se pasan por alto o son borrosas. A veces esto puede ser a propósito para conveniencia
terminológica. Más a menudo, parece haber una falta de conciencia. Sin embargo, creemos que esta distinción
es de vital importancia para las aplicaciones serias de la ciencia de redes a la comprensión de fenómenos
sustantivos, ya que señala la delicadeza de interpretar los resultados del análisis de datos de red.
La interpretación esencialmente invierte el proceso de abstracción y representación para volver al fenómeno

de modo que se requiera una teoría sustantiva para obtener conclusiones. La abstracción facilita la
generalización y la comparación, pero al mismo tiempo presenta un obstáculo en esta dirección inversa, cuando
las declaraciones sobre una representación de red se interpretan en términos del fenómeno original. Los medios
para superar este obstáculo son necesariamente disciplinarios. Por lo tanto, consideramos que la ciencia de
redes es el estudio de tipos particulares de representaciones; Sin embargo, los problemas relacionados con la
conceptualización forman parte integral de la aplicación de la ciencia de redes a problemas sustantivos.
Reclamo 1
La ciencia de redes es el estudio de modelos de redes.
Hacemos hincapié en que, en nuestra opinión, es poco probable que los modelos de red se generalicen entre dominios.
Por lo tanto, permanecemos abiertos a, pero bastante escépticos sobre cualquier Gran Teoría de Red Unificada (GrUNT)
que ignore los contextos de investigación. En una nota relacionada, encontramos muy desafortunado que muchos estudios
de redes se denominen "análisis de redes sociales" simplemente porque los métodos aplicados se usan comúnmente para
modelos de redes sociales. Si la red está bajo modelos de escrutinio, digamos, regulación genética, el término no es
apropiado.
La teoría de redes se basa en el supuesto de que una causa, un efecto o una asociación entre aspectos
implican algo que puede conceptualizarse como una red. La prueba de hipótesis derivadas de la teoría de redes
requiere la instanciación del modelo de red. Si bien la abstracción produce el formato en el que se representará
un fenómeno, su representación real es en términos de datos que generalmente se obtienen a través de la
observación empírica.
Editorial 55
Según nuestro marco, en realidad hay dos aspectos de la teoría de redes. Por un lado, las teorías de redes
pueden sugerir y explicar, para dominios de investigación dados, cómo abstraer fenómenos en redes. Esto
incluye, por ejemplo, lo que constituye una entidad individual o una relación, cómo conceptualizar la fuerza de un
vínculo, etc. En dicha ciencia de redes aplicadas, las teorías correspondientes son epistemológicas: teorías de
redes vinculadas a clases específicas de fenómenos. Por otro lado, las teorías de la red pueden tratar aspectos
formalizados de las representaciones de la red, como la distribución de títulos, el cierre, las comunidades, etc., y
cómo se relacionan entre sí. En una ciencia de redes tan pura, las teorías correspondientes son matemáticas:
teorías de redes.
Reclamación 2
Existen teorías sobre representaciones de red y teorías de red sobre fenómenos: ambas constituyen la teoría de
redes.
Establecer la teoría de redes puede ser un desafío en disciplinas que tienen una historia altamente individualizada.
Pero sin una teoría sobre cómo conceptualizar un fenómeno como una red, no tiene sentido una teoría formal de los datos
de la red. Llegamos a la conclusión de que las redes no son solo un complemento de los enfoques existentes, por ejemplo,
un medio para agregar una variación un poco más explicada en un proyecto de investigación en ciencias sociales, sino que
requieren nuevas teorizaciones y un pensamiento diferente.
Una abstracción de red implica un compromiso ontológico con algunas características básicas que se
consideran científicamente relevantes para la representación de un fenómeno. Las características de una
abstracción de red incluyen al menos lo siguiente: elementos individuales; relaciones por pares entre esos
elementos; y un patrón global o macro que puede considerarse como estructura de red. Esta descripción básica
puede no ser suficiente para todas las circunstancias (por ejemplo, pensar en fenómenos longitudinales) y puede
extenderse de muchas maneras diferentes, pero estas son características fundamentales si llamamos a la
abstracción una red.
Por ejemplo, una red de amistad es una forma de abstraer un fenómeno social en una forma de relaciones
comparativamente más simple y mucho más general entre los actores. El fenómeno real es, por supuesto,
mucho más rico: ya estamos abstrayendo de manera bastante sustancial al concebir a los individuos como
entidades comparables de un tipo común.
Al postular una red de amistad en (digamos) un aula escolar de 25 estudiantes, hemos dado un paso teórico
que no es trivial. Supusimos que los individuos separados no son una representación adecuada, además que
incluso las díadas separadas son insuficientes; más bien, que hay una unidad dentro del aula que hace que sea
apropiado hablar de "una" red, no de 25 niños o 300 díadas.
Conceptualizar el aula en términos de red es una afirmación implícita (y fuerte) de que la conexión entre
elementos individuales es fundamentalmente importante para que el aula pueda considerarse como un
"sistema". Si aceptamos esa ontología, la inferencia científica está disponible en múltiples niveles: los
estudiantes, las díadas y, de hecho, la red en su conjunto. Además, las inferencias en un nivel no se pueden
combinar simplemente (por ejemplo, promediar) para derivar inferencias en otros niveles; El sistema en red es
más que una simple agregación de sus elementos constituyentes: está modelado, no sumado.
Por lo tanto, la afirmación de que "las redes están en todas partes", si es significativa como ciencia de redes, no es solo
una afirmación de que podemos ver muchas cosas en el mundo en términos relacionales, sino una afirmación teórica
implícita de que la explicación científica de muchos fenómenos es ayudada por abstracción a una representación sistémica
tan conectada. De lo contrario, no es más que una afirmación de que podemos ver el mundo de maneras particulares:
después de todo, los colores también están en todas partes, pero hasta la fecha nadie ha pensado que sea científicamente
útil comprender los procesos del aula en tonos de rosa y púrpura.
El punto esencial debe ser que la abstracción en una red es útil para la inferencia científica, permitiendo que
se desarrolle el conocimiento. No es necesario que sea así siempre. Pero necesitamos una base empírica para
demostrar que la representación de la red proporciona tracción científica.
Reclamación 3
La ciencia de redes debe ser empírica, no exclusivamente, sino consistente, y su valor evaluado frente a
representaciones alternativas.
3 datos de red
Hemos argumentado que las redes son abstracciones representadas en los datos, pero todavía tenemos que
discriminarlas de otras conceptualizaciones. Ahora lo haremos primero mirando las características de los tipos
estándar de datos para poder resaltar las características definitorias de los datos de la red.
La entrada al análisis de datos consiste en valores de variables. Las variables son marcadores de posición genéricos
que caracterizan las características esenciales de un concepto abstracto, permitiendo así formular pasos analíticos también
genéricamente. Los valores de instanciación generalmente se obtienen a través de alguna forma de observación, como la
medición. Tenga en cuenta, sin embargo, que diferentes fenómenos originales pueden producir la misma representación en
los datos.
Nuestra definición de lo que constituyen los datos de la red depende completamente de cómo se relacionan las
variables involucradas. Por lo tanto, es independiente de los fenómenos que se representan, los rangos de valores
que se pueden suponer y las técnicas utilizadas para analizar los datos. La importancia del siguiente reclamo se
establecerá en tres pasos a continuación.
Reclamación 4
¿Qué diferencia a los datos de red de la estructura de incidencia de su dominio?
El tercer paso también revelará la correspondencia esencial entre la firma de las variables de red y el interés
definitorio en la ciencia de redes.
Reclamación 5
En el corazón de la ciencia de redes se encuentra la dependencia, tanto entre variables como dentro de ellas.
3.1 Paso 1: tablas de datos
En el análisis de datos, las variables generalmente se asocian con un conjunto de entidades (por ejemplo,
individuos), de modo que el mismo atributo se mide para todas las entidades. Las entidades forman una población
(muestra de a) y las variables correspondientes al mismo atributo se combinan en un vector indexado por las
entidades. Variables para diferentes
Editorial 77
A xa 1
si 4 4
C1
re 2
mi 3
F 66
(a) tabla estándar: variables en columnas indexadas con entidades no relacionadas
re X
( una, f) 1
( re, mi) 5 5
( si, C) 3
(b) diádica: variables en columnas indexadas con pares de entidades no relacionadas
re X x (D) abcde F
( a, b) 0 0 una · 01010
( una, C) 1 si 0 0 · 12 · ·
( anuncio) 0 0 C11 · 020
( una, mi) 1 re 0 2 0 · 14
( una, f) 0 0 mi 1 · 21 · 2
( si, C) 1 F 00 · 042 ·
( b, d) 2
( discos compactos) 0 0
.
.
.
(c) red: variables en columnas indexadas con pares de entidades incidentes, o en matrices
Fig. 2. Formatos de datos distinguidos por la estructura del dominio.
Los atributos están convenientemente organizados en una matriz donde cada columna corresponde a todas las
variables que representan el mismo atributo y cada fila corresponde a todas las variables asociadas con la misma
entidad. Esto se ilustra en la Figura 2 (a).
Un ejemplo prototípico sería un conjunto UNA de individuos con variables género, educación, y ingresos, donde,
por ejemplo, una variable ingresos yo representa el ingreso bruto de un individuo yo ∈ UNA en euros por año. Los
datos para un atributo se combinan en un vector con conjunto de índices A. Pero una representación alternativa es
la de un mapeo
ingreso: UNA → R dónde R es un intervalo que contiene posibles valores. Más generalmente, la notación x: D → R declara
una asignación (que representa la variable) X que asigna a cada elemento en el dominio re un valor en el rango R. Los
elementos del dominio son unidades de observación o análisis.
8 U. Brandes y col.
En el ejemplo anterior, las variables género, educación, y ingresos son de diferentes tipos: mientras que todos
están definidos en el dominio común UNA, El rango de valores que pueden asumir es diferente. Aún más importante,
estos rangos exhiben un nivel diferente de estructuración. El rango de género, por ejemplo, es binario en una escala
nominal, es decir, la única relación definida es un predicado de igualdad. En otras palabras, la comparación de dos
valores produce igualdad o desigualdad, y esta es la única información que podemos obtener de la comparación.
Por ejemplo, no podemos agregar o clasificar valores de variables de género.
Supongamos ahora que educación se refiere al grado más alto obtenido por un individuo. Entonces puede ser
válido comparar dos valores y concluir que uno indica un nivel de educación más alto que el otro, y esta relación
podría ser transitiva. En este caso, el rango está ordenado y la variable está en un Escala ordinal de Educación.
Finalmente, podemos comparar ingresos por cantidad, pero también puede ser significativo calcular diferencias y
proporciones. El rango de la variable ingresos por lo tanto, puede considerarse como un continuo escala de
proporción. Sin embargo, si 0 no es significativo para un rango continuo como, por ejemplo, al medir el coeficiente
intelectual, no es apropiado calcular las relaciones y la escala se llama intervalo.
Lo interesante de observar es que un rango generalmente no es solo un conjunto de valores posibles, sino un
conjunto con relaciones adicionales, como un orden u operaciones, es decir,
estructurado. Es crucial conocer la estructura de un rango porque determina los tipos de análisis e
interpretaciones que se justifican.
Si bien el rango de atributos está estructurado, en gran parte de la ciencia, se supone que el dominio en el que se
definen las variables no tiene estructura, es decir, simplemente un conjunto. Esto puede ser por una buena razón. Si
estamos interesados en asociaciones entre, digamos, educación
y ingresos controlado por años, en realidad no queremos que haya relaciones entre individuos que también
moderen la asociación. De hecho, gran parte de las estadísticas se ocupan de detectar y eliminar tales
relaciones.
Esta es la diferencia más importante con la ciencia de redes, donde los dominios de al menos algunas
variables se configuran explícitamente para tener estructura. Las dependencias potencialmente resultantes no
son una molestia, pero la mayoría de las veces constituyen el interés real de la investigación.
3.2 Paso 2: datos diádicos
Antes de presentar la estructura de los dominios variables de red, considere un paso intermedio diádico variables,
es decir, variables definidas en pares de elementos. Un ejemplo clásico de este tipo es el estudio de
(poblaciones de) parejas. Aquí las variables, como la duración del matrimonio, el número de hijos comunes, etc.,
están asociadas con las parejas, mientras que otras variables, como la edad, la ocupación, etc., están asociadas
con los individuos que forman las parejas.
Como se ilustra en la Figura 2 (b), el dominio de las variables a nivel de pareja está compuesto por pares de
individuos que no pueden ser tratados como una nueva unidad atómica porque es importante mantener
identidades individuales para poder encontrar asociaciones entre variables en datos a nivel individual y de
pareja. De manera similar, los atributos de las parejas no pueden representarse en variables de nivel individual
porque esto significa eliminar, por ejemplo, las posibles asociaciones entre individuos y matrimonios moderados
por los atributos de los cónyuges.
Editorial 99
Un dominio que representa parejas está estructurado pero solo mínimamente. La única relación es una pareja de
individuos en díadas. Para que el análisis estadístico funcione, generalmente es deseable que estas díadas sean
disjuntas e independientes. Por ejemplo, hacer que varias personas aparezcan en dos o más díadas distintas puede
invalidar los hallazgos sobre las asociaciones entre, por ejemplo, las diferencias de edad y el número de hijos
comunes. A este respecto, los datos diádicos no son tan diferentes de las tablas de datos estándar.
3.3 Paso 3: datos de la red
Si bien las unidades de observación de los datos de la red (las entidades con las que están asociados los atributos)
también son diádicas, es por diseño que estas díadas son superposición, es decir, se cruzan. Se llaman dos díadas con
un miembro común incidente. Vea la Figura 2 (c) para una ilustración.
Si estamos interesados, por ejemplo, en los efectos de la amistad entre los niños de una clase de la escuela, y
observamos lazos de amistad para cada par de ellos, entonces el solo hecho de que el mismo niño aparezca en
varias díadas crea una dependencia potencial entre los atributos de esas diadas. Por supuesto, esto no es un
defecto del diseño del estudio. Por el contrario, los patrones encontrados en los datos sobre díadas incidentes son la
esencia de lo que buscamos porque pueden ayudar a explicar, por ejemplo, qué niños en particular pueden
considerarse cruciales para la integración de la clase.
Concretamente, podemos definir una variable de red como un mapeo x: D → R de un dominio de díadas no disjuntas re
a un rango R. En el caso común de dominios de interacción re ⊆ UNA × UNA, las unidades de observación son pares de
entidades, o actores, de un conjunto A. Una relación X luego corresponde a una red de modo único que puede
representarse, por ejemplo, como un gráfico o una matriz cuadrada. Tenga en cuenta que puede haber los llamados ceros
estructurales, es decir, entradas ( k, l) ∈ re que no son parte del análisis, a menudo las entradas diagonales.
Sin embargo, el dominio puede ser más general. Un un dominio de afiliación re ⊆ UNA × S relata actores en UNA
( ej., directores) con ajustes en S ( por ejemplo, juntas directivas de la empresa). Las redes de dos modos definidas
en tales dominios se pueden representar, por ejemplo, en una matriz rectangular, un gráfico bipartito o una
hipergrafía. Un conjunto de redes del ego se puede considerar como una red especial de dos modos en la que
cada una se modifica UNA está relacionado con exactamente un ego en S, es decir, las díadas se superponen solo
en el lado del ego. Diametral a las formas estándar de análisis de datos, las dependencias entre los elementos del
dominio están en el corazón de las representaciones de red. Por supuesto, a menudo pensamos en dos atributos
que dependen o están asociados entre sí. Por ejemplo, es posible que los ingresos estén asociados con la edad.
En términos estándar, es una asociación entre las distribuciones de dos variables, homogénea con respecto a los
individuos. No importa si individual yo es rico o antiguo (o ambos): más bien, si hay una asociación entre las dos
variables, entonces donde sea yo
está ubicado en una de las distribuciones (edad o ingresos) tiende a estar asociado con
yo 'ubicación en la otra distribución; Además, esta asociación es, en cierto sentido, un promedio de todos esos
individuos yo.
Como consecuencia, que puede no ser inmediatamente obvio, un dominio estructurado de incidencia lleva a
preguntas interesantes también sobre dentro de variable asociaciones, o
relaciones modeladas, más allá de los análisis distributivos. La primera extensión conceptual es que el ingreso de yo puede
estar relacionado específicamente con el ingreso de j, p.ej,
porque son buenos amigos que comparten información relevante para sus negociaciones salariales. En otras
palabras, en lugar de ser una dependencia entre dos tipos diferentes de variables, ahora tenemos una
dependencia dentro de los valores para un tipo de variable. Esta es una dependencia compleja porque no se
puede agregar o promediar en términos de distribución. Corresponde al tipo de dependencia analizada en las
estadísticas espaciales (con la proximidad en lugar de la amistad como mecanismo subyacente).
Sin embargo, la dependencia de la red va más allá porque la dependencia no solo se detiene en las variables
de atributos del actor. También puede aplicarse dentro del conjunto de variables de red. Cualquier variable de
red se define en un dominio de pares de individuos (es decir, las díadas), y la estructura de incidencia del
dominio captura el potencial de dependencias dentro de las variables. Una variable de vínculo de red toma un
valor, a menudo binario, a veces valorado, que indica si existe o no un vínculo entre sus dos individuos. El punto
crucial es que la presencia de un empate puede influir en la presencia de otro. En otras palabras, los vínculos no
son necesariamente variables de moderación, pero puede haber dependencias dentro de la variable de
vinculación. Si bien esto parecerá un punto de vista desconocido para algunos, es simplemente una afirmación
de que las redes pueden ser sistemáticamente diseñadas.
En la forma explícita de los modelos estocásticos, estas ideas ingresaron al análisis de redes a partir de estadísticas espaciales.
Están profundamente en el corazón de la teoría de redes, incluso si rara vez se abordan abiertamente. Conjuntos completos de
enfoques metodológicos, como los modelos de gráficos aleatorios exponenciales de la familia, dependen de la dependencia del modelo
de vinculación de manera adecuada.
Con independencia entre las variables de enlace de red, solo nos quedarían las redes aleatorias simples
conocidas como gráficos de Bernoulli, gráficos de Erd˝os-Renyi o SOL( n, p) modelo. Cabe señalar que esta
opinión no requiere una perspectiva estadística; los invariantes combinatorios de gráficos que representan redes
son de interés exactamente por la misma razón que los descriptores de características estructurales.
Debido a que casi todas las redes que observamos tienen poca semejanza con gráficos aleatorios simples, la
dependencia del vínculo es empíricamente muy común. Por ejemplo, un proceso de red familiar es el de apego
preferencial, por el cual los actores "prefieren" unirse a los actores populares para que los ricos se enriquezcan.
La presencia de muchos lazos centrados en un individuo popular puede atraer la presencia de lazos adicionales
a ese mismo individuo.
La dependencia entre lazos es, por lo tanto, el medio por el cual la estructura de la red se autoorganiza y evoluciona, o
emerge, pero no es simple. Esta es la razón por la cual la ciencia de redes a menudo se conoce como el estudio de Redes
complejas. Sigue siendo una pregunta de investigación para establecer tipos plausibles de dependencia del vínculo. Las
teorías o métodos que desean eliminar estas dependencias ignoran la estructura del dominio y, por lo tanto, son
contradictorias con un modelo de red.
Si bien la elección de la representación es realmente una cuestión de conveniencia y, por lo tanto, en relación
con cualquier escenario dado, creemos que la perspectiva orientada a los datos de un dominio estructurado es
más ágil que, por ejemplo, la estrategia común de definir redes en términos de gráficos. Los gráficos pueden ser
una de las formas más comunes de representación, pero no hacen evidente la característica más distintiva de los
datos de red. Los bordes muestran la estructura de una observación, no la configuración conceptual que la
condujo.
Editorial 11
A Ciencia de red, Anticipamos publicar trabajos sobre todo tipo de datos de red, incluidas las redes de ego.
También esperamos recibir contribuciones sobre técnicas de muestreo de red, posiblemente definiendo el dominio
en la mosca, e incluso trabajo teórico fundamental sobre dominio diádico estructurado.
También son bienvenidas las contribuciones que utilizan otras formas de datos, simulaciones o enfoques analíticos que se
centran en la construcción de la teoría, que ilustran preocupaciones prácticas sobre los datos o que presentan matices no
reconocidos en las representaciones estándar. Del mismo modo, es una investigación cualitativa rigurosa que podría ofrecer
información sobre el proceso y el significado que de lo contrario se puede perder. Con todos los artículos, el criterio más
importante es la calidad de los datos y el uso apropiado de los mismos para responder las preguntas planteadas sobre
fenómenos relacionales y complejos.
3.4 Discusión
Nuestra caracterización de los datos de la red se centra en la estructura del dominio de variables
independientemente de su rango. Hemos desarrollado nuestra exposición sobre esta definición porque
establece la distinción esencial de los datos estándar y permite una descripción más uniforme de los diferentes
tipos de red. Una ventaja adicional es la clara distinción entre díadas para las cuales no hay datos disponibles
(porque no están en el dominio) y díadas para las cuales los datos indican la ausencia o nulidad de una relación.
Las estadísticas a menudo se definen como el estudio de datos, que involucra cualquier cosa, desde su recopilación,
preparación y gestión hasta su exploración, análisis y presentación. Desde este punto de vista, nuestra definición de
ciencia de redes delinea una subárea de estadísticas relacionadas con datos de un formato peculiar. Esto implica que,
como las estadísticas generales, la ciencia de redes no está vinculada a ningún área sustantiva en particular. Por lo tanto,
las disciplinas de las cuales los editores de área han asumido la responsabilidad no deben verse como limitantes del
alcance de las presentaciones.
Las áreas abordadas, como el aprendizaje automático o la minería de datos, se distinguen de otras áreas de
estadísticas. La investigación de operaciones se distingue principalmente por el tema y sus consecuencias para los
datos y las tareas. Por el contrario, es el formato de datos especial que hace que la ciencia de la red sea
marcadamente diferente de otras áreas en las estadísticas. Primero, la abstracción a una categoría diferente de
conceptos introduce una estructura combinatoria en el dominio de las variables. Esta estructura conduce a
representaciones alternativas que piden más enfoques combinatorios que las distribuciones y la teoría de grafos en
particular. En segundo lugar, existe un enfoque inherente en la interdependencia y (en contraste con el análisis de
series de tiempo: no lineal) asociaciones dentro de las variables.
Reclamación 6
La ciencia de redes está evolucionando hacia una ciencia matemática por derecho propio.
A lo largo de esta sección, hemos avanzado el argumento en términos matemáticos y cuantitativos o

combinatorios, para aclarar el punto con precisión, pero nos apresuramos a agregar que las mismas
consideraciones se aplican a los enfoques cualitativos de red. Un enfoque cualitativo, quizás aún más, es
sensible a los problemas de conectividad, sistemática y dependencia. Para la ciencia de redes, el punto no es si
uno es
investigando de forma cualitativa o cuantitativa, pero que la comprensión del fenómeno trata la conectividad y la
dependencia relacionales como centrales.
4 La ciencia emergente de las redes
A la luz de la discusión anterior, esperamos que esta revista proporcione un espacio intelectual compartido para los
científicos de redes que trabajan en muchos campos diferentes para comunicarse entre sí acerca de los datos
relacionales.
Para llegar allí, debemos reconocer nuestras diversas historias compartidas y dispares, reconocer que este campo
está evolucionando rápidamente, comprometerse con idiomas compatibles sobre redes y estar dispuestos a hablar
fuera de intereses disciplinarios estrechos a comunidades más amplias de académicos. El beneficio, creemos, valdrá
la pena el esfuerzo.
Como editores de una revista que intentan abarcar un campo amplio con una historia larga e histórica, ya
hemos rechazado la idea de que la ciencia de la red "comenzó" con algún tipo de nuevo descubrimiento o incluso
un cambio de paradigma Kuhnian iniciado por el trabajo procedente de la física, no importa cuán interesante o in fl
uyente. La ciencia de redes no está ligada ni es "propiedad" de ningún otro campo.
No debemos ignorar los antepasados de nuestra ciencia emergente y décadas de investigación empírica. Los
últimos 15 años han visto un auge de interés en las redes que no rastrean abiertamente sus raíces, por ejemplo, a
la sociometría de Moreno o la sociología de Simmel. Incluso esta tradición más antigua se ha tomado prestada de
otros campos, como la teoría de grafos, la física o la estadística, a medida que se ha desarrollado.
Tampoco son estos los únicos progenitores de lo que ahora reconocemos como ciencia de redes. Muchas corrientes
de investigación están convergiendo para crear este nuevo flujo. El problema económico del transbordo, o encontrar las
rutas más económicas para transportar mercancías, es una de estas corrientes. La seriación, o un método de datación
relativa de artefactos arqueológicos es un chapoteo del siglo XIX que se convirtió en una corriente. Las redes
reguladoras de genes tienen su propia historia de investigación desde finales de los años sesenta y han llevado al
desarrollo de modelos de red específicos para dar cuenta de las tasas de transcripción. Y hay muchos más ejemplos
que muestran que la ciencia de redes no comienza con el advenimiento de las redes como modelos para sistemas
complejos, sino como una perspectiva centrada en las relaciones interdependientes que se desarrolló en muchas áreas.
El interés en los modelos y las herramientas aplicadas a los grandes conjuntos de datos cada vez más grandes
que las redes físicas, biológicas y sociotécnicas han aportado a la tecnología ha traído consigo innovación
metodológica y tecnológica. Hay muchas oportunidades para aprovechar el trabajo en todos los campos y mucha
historia para tener en cuenta. La revista valora el trabajo que señala las diversas corrientes de investigación que
han informado a un campo particular para que las relaciones intelectuales que dan forma a la red de ciencia de
redes puedan hacerse visibles.
Reclamación 7
La ciencia de redes es en sí misma más una red en evolución que un paradigma que se expande desde una gran explosión.
Nuestra intención es ayudar al campo de la ciencia de redes a desarrollar un canon de investigación que avance
con la publicación del trabajo más prometedor y de mayor alcance en el campo.
Editorial 13
Este objetivo trasciende los límites disciplinarios, pero también tenemos objetivos disciplinarios. Nuestros
principales campos de cobertura editorial (con editores de área entre paréntesis) incluyen ciencias de la
información (Adamic), informática y matemáticas (Brandes), comunicación, ingeniería y gestión (Contratista),
economía (Goyal), ciencias políticas y psicología (Robins), salud pública y medicina (Valente), física
(Vespignani) y estadística y sociología (Wasserman). Cada editor ha identificado temas clave y debates dentro
de su área que les gustaría ver abordados en los próximos temas de Ciencia de red y esa lista sigue a este
editorial como un archivo adjunto. Considere estos una convocatoria abierta para el trabajo, pero también
considere Ciencia de red como bienvenida al trabajo que impulsa esta nueva ciencia hacia adelante.
Estamos entusiasmados con las perspectivas de esta nueva revista, Ciencia de redes. Creemos que existe
una ciencia distintiva de las redes que cruza los límites disciplinarios tradicionales. Está listo para reunirse en
una forma coherente que trasciende los silos disciplinarios. Alentamos a todos nuestros lectores a contribuir a la
revista para ayudar a lograr estos objetivos.
Expresiones de gratitud
Parte de la investigación que condujo a este editorial fue financiada por Deutsche Forschungsgemeinschaft bajo la
subvención Br 2158 / 6-1 y el Centro de Investigación Académica de Redes Sociales y Cognitivas del Laboratorio de
Investigación del Ejército de EE. UU.
Notas de los editores del área.
Lada Adamic, editora de ciencias de la información.
La información es un campo interdisciplinario, al igual que la ciencia de redes. Por lo tanto, una amplia gama de
temas puede incluirse en este encabezado, incluida la información en red (p. Ej., La web, Wikipedia, redes de
citas), la dinámica de la información en las redes sociales en línea, organizativas y de otro tipo, y las redes que
pueden construirse representando relaciones entre datos (p. ej., datos de salud, científicos o históricos).
Invitamos a contribuciones que incluyan modelos teóricos novedosos, estudios empíricos y métodos y
aplicaciones pertenecientes a las redes de información.
Ulrik Brandes, editor de informática y matemáticas.
Invitamos a los artículos que presentan investigaciones originales en ciencia de redes estructurales y computacionales.
Esto incluye el estudio de representaciones de red, algoritmos, gestión de datos y visualización. Un documento de
teoría típico utiliza teoría de gráficos, combinatoria, algoritmos, aprendizaje automático, recuperación de información o
métodos de gráficos por computadora, mientras que un documento de sistemas se concentra en aspectos de diseño,
implementación y evaluación de desempeño. Los nuevos usos de los enfoques de red en las áreas de aplicación, y en
particular los relacionados con las redes sociales, también pueden ser adecuados para el área de la ciencia de la
información.
Noshir Contractor, editor de comunicación, ingeniería y gestión.
Administración. Las últimas décadas han sido testigos del surgimiento de nuevas formas organizativas
basadas en redes sociotécnicas fluidas y dinámicas de niveles múltiples. Invitamos a que contribuyan a nuestra
comprensión de la aparición y los resultados de estas formas novedosas de organización dentro de los
contextos intra e interorganizacionales tradicionales e informales. También invitamos a presentaciones que
investiguen cómo podemos usar estas ideas para diseñar redes más efectivas. En todas estas áreas buscamos
publicar una amplia gama de artículos que hagan avances teóricos, computacionales, empíricos y / o
metodológicos significativos.
Comunicación. Las tecnologías digitales han mejorado significativamente las modalidades y las ordenanzas
que utilizamos para comunicarnos a nivel interpersonal, grupal, organizacional, social, intercultural y global.
Estos nuevos desarrollos provocan una reconsideración de las teorías y métodos de comunicación existentes y
la exploración de nuevos. Invitamos a presentaciones que utilicen nuevas perspectivas de red para avanzar en
nuestra comprensión multinivel de los antecedentes y resultados de las estructuras y procesos de comunicación.
En todas estas áreas buscamos publicar una amplia gama de artículos que hagan avances teóricos,
computacionales, empíricos y / o metodológicos significativos.
Ingenieria. En varias disciplinas de ingeniería ha habido un creciente interés en comprender los fenómenos
desde una perspectiva de red. Estos incluyen contextos tan diversos como redes de transporte, redes de
producción, cadenas de suministro y redes logísticas, redes de telecomunicaciones, redes de tráfico, redes de
datos, redes móviles ad hoc, redes de distribución de contenido, redes punto a punto, redes de sensores, redes
neuronales, nano redes y redes reguladoras. En todos estos contextos diversos, buscamos contribuciones
teóricas, metodológicas, computacionales y empíricas que examinen cuestiones de ingeniería como arquitectura
de red, fl ujos, protocolos, confiabilidad, rendimiento, optimización, enrutamiento y congestiones.
Sanjeev Goyal, editor de economía
En el campo de la economía, nos gustaría publicar artículos que exploren los orígenes económicos y las
consecuencias de las redes. También estamos interesados en publicar artículos que exploren temas de redes
que se encuentran en la intersección de la economía y otras disciplinas como la informática, la física, la
estadística, la psicología y la sociología.
Garry Robins, editor de psicología y ciencias políticas.
Psicología. Invitamos a artículos basados en psicología social, relaciones sociales y cognición social, pero
dentro de una red social explícita o un marco de sistema social. También nos interesa la estructura de las redes
cerebrales, incluido el modelado basado en redes de datos empíricos de neurociencia relacionados con la
conectividad cerebral; la estructura de las redes cognitivas (p. ej., asociaciones de memoria); psicología
organizacional, con énfasis en resultados individuales dentro de un sistema organizacional basado en redes, o
en la estructura y resultados de diferentes tipos de sistemas organizacionales; liderazgo dentro de los sistemas
sociales basados en redes; estudios de redes de grupos pequeños;
Editorial 15
e interacción de actitudes, rasgos y comportamientos individuales, y lazos de redes sociales, incluida la in fl

uencia social basada en redes. Finalmente, también estamos interesados en la percepción de las redes
sociales, las estructuras de red típicas de diferentes grupos de edad, o de otras categorías sociales; apoyo
social basado en redes y salud mental; y redes sociales y cultura.
Ciencias Políticas. Esperamos ver estudios teóricos, empíricos o computacionales relacionados con la ciencia
política basada en redes, redes de políticas, gobernanza de redes, incluida la gestión de sistemas ambientales y la
dispersión de actitudes políticas o comportamientos relacionados con políticas en las redes sociales comunitarias.
También son bienvenidos los artículos sobre redes de sistemas de salud, redes internacionales que conectan
naciones, análisis de redes históricas, redes relevantes para movimientos sociales, redes sociales orientadas a
redes y análisis de hipervínculos de temas políticos.
Thomas Valente, editor de salud pública y medicina.
Invitamos a manuscritos que aborden todos los aspectos de cómo las redes se relacionan con la salud, el bienestar y las
enfermedades en todos los niveles ecológicos y / o sistemas ambientales. Se aceptan estudios científicos originales, así
como revisiones. También invitamos a manuscritos que desarrollen nuevas medidas, algoritmos, perspectivas o ideas
relacionadas con la incidencia, prevalencia, progresión o transmisión de la salud y la enfermedad.
Alessandro Vespignani, editor de física
Los físicos se especializan en el estudio de sistemas complejos, tanto teóricos como aplicados. Los métodos de
la física se adaptan bien a los problemas que surgen en tales sistemas; Si estos sistemas involucran información
relacional, la red se beneficia de esta investigación. Invitamos a manuscritos de físicos que estudian redes, ya
sea empírica o teóricamente, particularmente aquellos interesados en las propiedades de las redes en su
conjunto: forma, firma o topología. Las revistas de física han publicado gran parte del trabajo fundamental en la
ciencia de redes en los últimos 15 años; esperamos eso
Ciencia de red será visto como un lugar apropiado para tal investigación.
Stanley Wasserman, editor de sociología y estadística.
Sociología. Invitamos a los manuscritos que utilizan la teoría y los métodos sociológicos para estudiar las
relaciones de red entre los actores sociales y los patrones e implicaciones de estas relaciones en los grupos y la
sociedad. El análisis de la red está, por supuesto, basado en la sociología y la psicología social: muchos avances
en las últimas décadas provienen de investigadores en estos campos. Esperamos que Network Science sea un
lugar de publicación líder para los científicos sociológicos estructurales.
Estadísticas. La ciencia de redes es inherentemente una disciplina basada en datos. Dado que la estadística es la ciencia
de los datos, damos la bienvenida a la investigación sobre la teoría estadística de las redes y el modelado estadístico de
los datos que surgen de los estudios de redes. Las teorías de red han avanzado durante décadas debido al desarrollo y
cuantificación de hipótesis que pueden estudiarse con estadísticas.

What Is Network Science - En.es PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

What Is Network Science - En.es PDF

Cargado por

Copyright:

Formatos disponibles

Ciencia de red 1 ( 1): 1–15, 2013.

©C© Cambridge University Press 2013 1

¿Qué es la ciencia de redes?

1 ¿Hay una ciencia de las redes?

• Estas preguntas son más relevantes de lo que parecen a primera vista.

"Las redes son importantes porque si no las entendemos, no podemos

las sociedades cambian ".

2 Ciencia de redes y teoría de redes

Fig. 1. Los elementos de los modelos de red.

La interpretación esencialmente invierte el proceso de abstracción y representación para volver al fenómeno

La ciencia de redes es el estudio de modelos de redes.

¿Qué diferencia a los datos de red de la estructura de incidencia de su dominio?

3.1 Paso 1: tablas de datos

(a) tabla estándar: variables en columnas indexadas con entidades no relacionadas

Fig. 2. Formatos de datos distinguidos por la estructura del dominio.

3.2 Paso 2: datos diádicos

3.3 Paso 3: datos de la red

de vinculación de manera adecuada.

fenómenos relacionales y complejos.

A lo largo de esta sección, hemos avanzado el argumento en términos matemáticos y cuantitativos o

4 La ciencia emergente de las redes

Notas de los editores del área.

Lada Adamic, editora de ciencias de la información.

Ulrik Brandes, editor de informática y matemáticas.

Noshir Contractor, editor de comunicación, ingeniería y gestión.

Sanjeev Goyal, editor de economía

Garry Robins, editor de psicología y ciencias políticas.

e interacción de actitudes, rasgos y comportamientos individuales, y lazos de redes sociales, incluida la in ﬂ

Thomas Valente, editor de salud pública y medicina.

Alessandro Vespignani, editor de física

Stanley Wasserman, editor de sociología y estadística.

También podría gustarte