MAESTRIA EN ESTUDIOS ORGANIZACIONALES

Aprendizaje en redes de práctica

Tres casos de Grupos CREA

Héctor Chaskielberg

Legajo: 1953

Tutor de tesis: Alejandro Artopoulos

Buenos Aires, Argentina

2010

1
Abstract

Recientemente ha surgido un reconocimiento de la fundamental influencia que ejercen

las interacciones sociales sobre el comportamiento económico individual, el crecimiento
económico, el aprendizaje y el desarrollo rural (Cf. Goyal 2007, Fafchamps 2006,
Granovvetter 2005, Bebbington 1999, Manski 2000, Durston 2002, Woolcock y
Narayan, 2000).

La forma en que, cada vez más recurrentemente, se organizan estas interacciones

sociales son las redes de práctica. Es a través de estas redes donde fluye el aprendizaje
ya que conectan gente que trabaja en prácticas similares pero que pueden no llegar a
conocerse entre sí.

El sector agropecuario en Argentina tiene una relevancia central para el desempeño

económico de este país y el aprendizaje constituye un factor central para su desarrollo
en los últimos años.

Esta tesis se ha propuesto explorar un modelo de redes de práctica conformado por

organizaciones agropecuarias basadas en los grupos CREA1. Exploramos cómo se
relacionan los miembros de las organizaciones en estas redes de práctica y los
aprendizajes que ellas generan, centrándonos particularmente en la función del asesor y
el Presidente de los grupos.

Utilizamos el estudio de tres casos correspondientes a empresas vinculadas al sector

agropecuario agrupadas en los grupos CREA Henderson Daireaux , CREA Pirovano La
Larga y CREA Pergamino que forman parte de redes de práctica agropecuaria.

También investigamos en estos casos a la luz del análisis de redes sociales (ARS).
Llama la atención, que los estudios realizados en Argentina y Latinoamérica acerca de
este tema, no hayan aprovechado las potencialidades del análisis de redes sociales
(ARS) para abordar de una forma más precisa la interacción social.

El ARS se ha utilizado incesantemente desde mediados del siglo XX para el estudio de

la difusión de información e innovaciones en mercadotecnia, desarrollo industrial,
sociología médica y otros campos. No obstante, su aplicación al estudio del aprendizaje
en las redes de práctica ha sido mucho más limitada en cantidad y profundidad (Cf.

1
CREA es el acrónimo de Consorcios Regionales de Experimentación Agrícola. Estos grupos forman
parte del Movimiento homónimo nucleados en la Asociación Civil AACREA (Asociación argentina de
consorcios regionales de experimentación agrícola). www.crea.org.ar

2
Boahene et al. 1999, Conley y Urdí 2001, Nyblom et al. 2003, Hogset 2005, Bandiera y
Rasul 2006, Van den Broeck y Dercon 2007, Katungi et al. 2008).

Los resultados obtenidos nos iluminan sobre los roles del asesor y del presidente en el
aprendizaje de los grupos, que dependiendo de su topología se potencian o restringen
según se trate de aprendizaje experto o novedoso.
Conocer el poder potencial de los asesores y presidentes puede facilitar tanto el diseño
de su función como el desarrollo de las relaciones que permitan continuar generando el
aprendizaje en los grupos CREA.

3
 TABLA DE CONTENIDOS

 Portada…………………………………………………………………….1

 Abstract……………………………………………………………………2

 Tabla de contenidos……………………………………………………….4

Capítulo 1: Introducción…………………………………………………………6

 Contexto y pertinencia del tema…………………………………………...7

 Motivaciones personales y supuestos básicos subyacentes……………….8

 Contextualización: Aacrea y los grupos Pirovano La Larga, Henderson Daireaux

y Pergamino………………………………………………………………10

Capítulo 2: Marco teórico

 Redes……………………………………………………………………..11

 Redes de práctica…………………………………………………………12

 Aprendizaje……………………………………………………………….13

 Poder……………………………………………………………………...14

Capítulo 3: Estrategia metodológica

 Análisis de casos………………………………………………………….16

 Análisis de las redes sociales (ARS)……………………………………..18

 Fuente de datos y procedimientos………………………………………...21

 Preguntas de investigación e hipótesis …………………………………...24

Capítulo 4: Análisis y Resultados

 1. Análisis de los casos……………………………………………………26

 1.1 Primeros pasos y acuerdos metodológicos……………………………26

 1.2 Recolección de datos…………………………………………….…….27

 1.3 ¿Cómo funcionan los grupos CREA?....................................................28

 1.4 Los grupos: Matriz comparativa……………………………………….31

 1.5 Caso: Crea Pirovano La larga………………………………….………31

4
  1.6 Caso: Crea Henderson Daireaux…………………………………………32

 1.7 Caso. Crea Pergamino……………………………………………………32

 2. Análisis de redes sociales…………………………………………...……..35

 2.1 Mapas y datos reticulares (Anexo 3)……………………………….…… 35

 Hipótesis 1:

 2.2 Análisis parciales (por pregunta y por grupo)…………………………....35

 2.3. Análisis general……………………………………………………….…43

 Hipótesis 2:

 2.4 Análisis parciales (por pregunta y por grupo)……………………………46

 2.5 Análisis general…………………………………………………………..49

Capítulo 5: Conclusiones…………………………………………………………....51

Reconocimientos……………………………………………………………….53

Bibliografía…………………………………………………………………………..55

Anexos:………………………………………………………………………………60

 Anexo 1: Cuestionario…………………………………………………….….61

 Anexo 2: Acuerdo de Confidencialidad………………………………………69

 Anexo 3: Medidas de grado, intermediación y cercanía……………………...71

 Anexo 4: Medidas de densidad……………………………………………….119

 Anexo 5: Mapas………………………………………………………………123

5
 CAPÍTULO 1: INTRODUCCIÓN

Los primeros grupos CREA fueron creados para hacer frente a los problemas cotidianos
con el entorno, fundamentalmente climáticos o productivos. Desde el primer momento
su misión fue agruparse para aprender. El aprendizaje se creaba en las interacciones
sociales, conversando, compartiendo información, problemáticas comunes y
experiencias individuales. Su eje central fue la constitución de una red de práctica
agropecuaria que permita a sus miembros desarrollar y hacer crecer sus empresas.

Los grupos CREA son importantes para la Argentina y el mundo siendo pioneros en la
creación de redes de práctica como modalidad de trabajo y como difusores de
tecnologías avanzadas como la siembra directa. Son uno de los colectivos “no políticos”
orientados al aprendizaje del ámbito más grandes del país, sino del mundo.

Como sector productivo, el sector agropecuario siempre ha sido de vital relevancia para
la economía nacional. El Movimiento CREA tiene 50 años de historia y genera entre el
6 y el 20% de la producción nacional según la actividad. Podemos destacar la relevancia
del movimiento CREA considerando que en el año 2010, después de USA y Brasil,
Argentina es el tercer productor mundial de soja.

El rápido crecimiento del Movimiento CREA en cantidad de miembros, grupos y zonas,

sumado a la creciente complejidad del entorno (cambios climáticos, tecnológicos,
productivos, organizacionales, políticos, sociales y económicos), abre un replanteo
institucional acerca de cómo organizar esta red de práctica para potencian el
aprendizaje de los miembros en los grupos CREA.

Las teorías sociales del aprendizaje organizacional señalan la importancia de las

relaciones sociales en la adquisición de información ( e.g., Granovetter 1973, Allen
1977, Buró 1992), aprender como hacer un trabajo (e.g. Lave y Wenger 1991, Brown y
Duguid 1991, Orr 1996) y colectivamente resolver cognitivamente temas complejos (e.g.
Weick y Roberts 1993, Hutchins 1991, Morelan et al. 1996, Hollingshead 1998).
Diferentes estudios demuestran que los empleados entre el 80 y 85% de los casos
prefieren preguntar a un compañero antes que consultar las bases de datos disponibles
(Cross, R., Parker, A., y Borgatti, S. P. 2002).

Más allá de saber que las relaciones son importantes para la adquisición de la
información (Granovetter 1973, Allen 1977, Buró 1992) y que la creación de

6
conocimiento es un proceso social (Mead 1934, Wittgenstein 1953, Berger y Luckman
1966), poco sabemos acerca de las características de las relaciones y el aprendizaje.

La perspectiva de red puede enriquecer nuestro entendimiento acerca de cómo aprenden

miembros de las redes de práctica entre ellos. Es importante, entonces, ampliar nuestro
conocimiento acerca de los modos en que los tipos de relación (en complemento con las
propiedades estructurales) influyen en el aprendizaje que fluye en estas redes.

Contexto y pertinencia del tema

En Argentina existen organizaciones agroindustriales que tienen tradición en este

modelo de trabajo en redes de práctica basado en la colaboración y el aprendizaje. El
caso paradigmático es Aacrea y sus grupos CREA. Estos grupos surgen ante la
necesidad de resolver problemas similares referidos inicialmente a aspectos productivos
y climáticos (de allí su agrupación zonal) y actualmente también son relevantes temas
de negocios y gestión empresaria (Bisang, 2003, Artopoulos, 2009).

Siendo Aacrea una de las más antiguas organizaciones con estos diseños en redes de
práctica, llama la atención la poca investigación que ha sido desarrollada tanto a nivel
institucional como de los grupos CREA.

En este trabajo, nos centraremos en tres grupos CREA, el Crea Pergamino, uno
recientemente creado, el Pirovano La Larga, y en el Crea Henderson Daireaux que es el
grupo Crea más antiguo de Aacrea.

Las redes de práctica constituyen un factor estratégico especialmente para la adaptación

y desarrollo de organizaciones en un contexto de conocimiento intensivo, alta
competitividad global, innovación tecnológica y acceso equitativo a distintos recursos
(económicos, tecnológicos y conocimientos).

Conocer cómo las relaciones informales impactan en el aprendizaje de los actores en

redes de empresas, puede ser importante tanto para el diseño de las redes como para
comprender y potenciar las relaciones para el aprendizaje en las mismas.

Distintos especialistas han hecho foco en industrias donde las redes de práctica
constituyen la forma de gobernancia para coordinar productos o servicios complejos en
un entorno incierto y competitivo, industrias como semiconductores (Saxenian, 1990),
biotecnología (Barley, Freeman y Hybels, 1992, Powell, 2006), films (Faulkner y
Anderson, 1987), música (Peterson y Berger, 1971), servicios financieros (Eccles y

7
Crane,1988; Podolny, 1993,1994), moda (Uzzi, 1986, 1997) y textiles italianos
(Lazerson, 1995; Mariotti, y Cainarca, 1986).

En los últimos 20 años, junto con la globalización y las nuevas tecnologías, fueron
creciendo las redes de práctica como nuevos y dinámicos procesos de organizarse. En
esta situación de cambios (sociales, técnicos, normativos y organizativos) más radicales,
veloces, continuos y complejos, las redes de práctica para el aprendizaje, donde los
socios se comprometen a aprender o internalizar información critica o capacidades de
otros (Prahalad ana Hamel, 1990; Hamel, 1991; Khanna, Gulati y Nohria, 1998) se han
tornado fundamentales.

La liberalización de la mayoría de los sectores económicos y de las economías, así

como la globalización de los mercados, han tenido como consecuencia un incremento
en la rivalidad competitiva a la que las empresas deben hacer frente actualmente
(Wehster, 1992). En este entorno competitivo tan agresivo, las empresas deben
esforzarse continuamente por generar un mayor valor para los clientes (Parasuraman,
1997), mejorando la relación entre los beneficios ofrecidos a los clientes y los costes
asumidos para poder realizar dicha oferta. La gran dotación de recursos y capacidades
necesarios para poder sobrevivir en este contexto, obliga a la empresa a buscar en el
establecimiento de relaciones inter-organizacionales la estrategia para adquirir los
recursos, incrementar sus competencias y aumentar, en definitiva, su desempeño
(Kothandaraman y Wilson, 2001).
A pesar de la importancia que tienen los procesos de aprendizaje, tanto desde un punto
de vista teórico como empresarial, no se ha observado una preponderancia de
investigación empírica y teórica sobre la generación de aprendizaje en relaciones inter-
organizacionales y, en especial, estudios detallados sobre los mecanismos o rutinas para
compartir conocimiento entre miembros de empresas en redes de práctica y su efecto
sobre el desempeño de las mismas.

Motivaciones y supuestos básicos subyacentes

Desde fines del 2007 hasta finales del 2009 hemos sido convocados para acompañar y
facilitar la conformación de un grupo CREA que hiciera foco en las problemáticas de
negocio y organizacionales de las empresas pero que no respondiera al criterio de
regionalización (todos los participantes son productores en la misma zona).

8
Quienes nos han convocado participaban de otros grupos CREA y algunos eran y/o
habían sido presidentes de otros grupos durante años. Su experiencia era que los temas
que se trataban eran “técnicos” (de ingeniería agropecuaria) y no tenían un espacio para
desarrollar otro tipo de inquietudes.

Estas otras inquietudes, que en otros momentos no hubieran sido relevantes o

consideradas como temas a ser pensados en los grupos, fueron las que conformaron el
centro de mi interés de este nuevo grupo desde el comienzo.

En base a la formación e historia de este grupo y las observaciones acerca del

funcionamiento de otros grupos, nos hemos hecho una idea acerca de los contenidos
compartidos en las reuniones y de la dinámica de aprendizaje en los mismos.

Un aspecto que atrajo particularmente nuestro interés es el modo en que las funciones
del asesor y del presidente influyen en esta dinámica / flujo de aprendizajes dentro de
estas redes de práctica, así como la conformación de la estructura organizativa
(reuniones, congresos, dispositivos para la reflexión y/o toma de decisiones) donde los
mismos se generan2.

Aacrea es una institución donde sus asociados declaman permanentemente el ser parte
de una red, y entre sus lineamientos estratégicos figuran:

“Compromiso con el funcionamiento de la red:

 Potenciar el funcionamiento de la red de intercambio a través de una estructura

organizacional acorde que permita una mejor comunicación y una mayor
participación y compromiso del miembro CREA.

 Fomentar el desarrollo personal con énfasis en la predisposición al cambio y a la

mejora continua de la persona y de la empresa.” 3

Por la relevancia del las transformaciones observadas a nivel institucional es que ha

surgido el interés por explorar las redes de práctica en los grupos CREA.

2
En este link hay información relevante en relación a este punto:
http://www.crea.org.ar/aacrea/site/PortalInstitucional-
internet/Institucional/Acerca/Qu%E9%20es%20CREA.html?uri=urn:kbee:ea5b4320-6fca-11de-
9a73-00151745c388&page-uri=urn:kbee:592a4580-a1b4-11dc-9675-005056c00008. Consulta:
25.6.10.
3
(http://www.aacrea.com.ar/congresos2009/oeste.php;
http://www.crea.org.ar/aacrea/site/PortalInstitucional-internet/index.html). Consulta: 25.6.10.

9
Contextualización: Aacrea y los grupos Pirovano La Larga, Henderson Daireaux y
Pergamino.

Aacrea es una Asociación civil sin fines de lucro originada por el Arq. Pablo Hary en
1957 y fundada en 1960. Está integrada y dirigida por productores agropecuarios.

Su objetivo es promover el desarrollo integral del empresario agropecuario para lograr

empresas económicamente rentables y sustentables en el tiempo, probando tecnología y
transfiriéndola al medio para contribuir con el sector y el país.

Hoy cuenta con 1800 miembros, organizados en 190 grupos asesorados por 200
asesores y distribuidos en 17 zonas geográficas a lo largo de todo el país.
El eje de la asociación es el trabajo en grupo, en donde se intercambian experiencias e
información con el fin de capitalizar las habilidades y conocimientos individuales para
buscar soluciones a los problemas de las empresas y mejorar las técnicas de producción
y de gestión empresaria.

Para llevar a cabo su misión, AACREA - a través de sus grupos de trabajo,

denominados CREA - desarrolla e implementa proyectos de capacitación,
experimentación y transferencia. Conjugando la realidad de los productores y el
conocimiento de los asesores técnicos, busca anticiparse a las necesidades futuras del
empresario agropecuario.

El grupo CREA es un conjunto de productores de una misma región que comparte sus
experiencias a fin de capitalizar las habilidades y conocimientos individuales para
encontrar mejores soluciones y tomar decisiones más acertadas con respecto a sus
empresas agropecuarias.

Cada grupo, formado por diez o doce empresarios agropecuarios, cuenta con el
asesoramiento de un técnico capacitado tanto en el aspecto técnico y empresario como
también, en la dinámica grupal, que colabora con el planeamiento y el seguimiento
técnico de las empresas del grupo.

10
 CAPÍTULO 2: MARCO TEÓRICO

En este capítulo se desarrollarán los conceptos centrales de la tesis: redes, redes de

práctica, aprendizaje y poder.

Los conceptos de aprendizaje y poder, por tratarse conceptos de amplia tradición y de

variadas acepciones, el de redes, redes de práctica y la metodología de trabajo (estudio
de casos con ARS) por ser temas novedosos y a la vez complejos.

Redes

Los términos “organización red” (Miles y Snow, 1986), “redes como formas de
organización” (Powell, 1990), “red interfirmas”, “redes organizacionales” (Uzzi, 1996-
1997), “especialización flexible” (Piore y Sabel, 1984) y “cuasi firmas” (Eccles, 1981)
son utilizadas frecuentemente, y también metafóricamente para referirse a la
coordinación entre firmas que están caracterizadas por sistemas sociales informales u
organizados, en contraste a las estructuras burocráticas dentro de las firmas y relaciones
contractuales formales entre ellas. Existen dos tradiciones, por un lado el estudio de la
“organización red” y por otro el de las “redes como formas de organización”. Aquí me
he inclinado por la segunda.

La amplia literatura sobre redes que se ha desarrollado en los últimos años brinda
conocimientos particularizados sobre las razones que sustentan su formación y sobre las
diversas formas de funcionamiento. Si bien existen diferentes tipologías de redes y
definiciones que varían según el alcance y objetivos específicos de los trabajos, lo
fundamental son las dos condiciones necesarias para que se forme una red: la
vinculación de un conjunto de personas y el establecimiento de una relación específica
dentro de la misma (económica, social, cultural, etc.). Las reglas y convenciones que se
establecen para mantener estas relaciones expresan entonces la constitución de una red.
(Szarka, 1998)

En la opinión de Savage (1996:89) la estructura organizacional del siglo XXI será de

tipo red, en el mismo sentido Lipnack, Stamps y Peci (1992:12) afirman que la red está
surgiendo como forma principal de organización en esta era de la información;
confirmando las propuestas anteriores Nohria (1992) comenta que las organizaciones
están evitando la integración vertical y el control jerarquizado a favor de la
participación en networks ínter organizacionales.

11
Un aspecto importante en la definición de la red es la relación de interdependencia entre
las organizaciones socias. Así, en la opinión de Amoroso (1994:36) y Castells
(2000:191), la red reconoce la independencia pero también apoya la interdependencia de
los participantes autónomos unidos por valores e intereses compartidos, esto
lógicamente bajo una gestión coordinada conjunta entre las socias (Freire, 1998:465).

El foco de análisis principal en el estudio de estas redes de práctica serán las relaciones
de poder potencial del asesor y Presidente y la topología de las mismas en relación al
aprendizaje.

Como expresáramos, la aproximación a las redes sociales enfatiza que el poder es

inherentemente relacional (Hanneman y Riddle, 2005). Esta definición de poder se
asocia y fortalece con la que Lave y Wenger hacen entendiendo la operación de poder
para posibilitar o impedir el acceso a las comunidades de práctica (“participación
legítima periférica”).

Es difícil sino imposible aprender una práctica (saber como) y ser identificado como
miembro de una comunidad de práctica, cuando las relaciones de poder impiden o
niegan el acceso a estas prácticas (Lave y Wenger, 1991). Los mismos autores sostienen
que son las relaciones de poder y sus condiciones de legitimación las que definen las
posibilidades de aprender (Lave y Wenger, 1991, p. 98).

Redes de práctica

Red de Prácticas es un concepto originado por John Seely Brown y Paul Duguid. Este
concepto, relacionado con el trabajo en comunidades de práctica por Jean Lave y
Etienne Wenger, se refiere a las emergentes redes sociales informales que facilitan el
intercambio de información entre individuos con objetivos relacionados con la práctica-.

El término red implica un conjunto de individuos que están conectados a través de las
relaciones sociales, sen fuertes o débiles. Términos tales como “comunidad” denotan
una forma más fuerte de relación, pero las redes se refieren a todas las redes de
relaciones sociales, ya sean débiles o fuertes. El término práctica representa el sustrato
que conecta a los individuos en sus redes. Las ideas principales son que la práctica
implica acción de individuos y grupos a la hora de realizar su trabajo y que implica la
práctica de la interacción entre los individuos.

Lo que distingue a una red de la práctica de otras redes es que la razón principal para el
surgimiento de las relaciones dentro de una red de práctica es que los individuos

12
interactúan a través de intercambio de información con el fin de realizar su trabajo,
pedir y compartir conocimientos con los demás.

Estos autores sostienen que “aprendemos como” en la práctica y distinguen dos tipos de
redes relacionadas: “Redes de Práctica” (networks of practice) que conectan gente que
trabaja en prácticas similares pero que pueden no llegar a conocerse entre sí y
“Comunidades de Práctica” (communities of practice) conformadas por grupos mucho
más cercanos, unidos también por la práctica, que trabajan juntos en tareas comunes o
similares. Muchas comunidades de práctica que juntas forman parte de estas redes de
práctica, que no solo se extienden a lo largo de una organización sino más allá de ellas.

Las diferentes redes de práctica cortan horizontalmente a través de organizaciones

integradas verticalmente y se extienden más allá de los límites de estas. A lo largo de
estas redes el aprendizaje fluye.

Las redes de práctica pueden ser vistas como una estructura de intercambio social con
su propia estructura de gobernancia y patrones de interacción donde los flujos de
recursos entre unidades independientes tienen lugar.

Se ha considerado apropiado definir a los grupos CREA como redes de práctica, donde
las prácticas giran en torno a la actividad agropecuaria, las empresas son atravesadas por
estas redes y los miembros de los grupos no necesariamente se conocen entre ellos o
tienen lazos fuertes.

Aprendizaje

En términos de teorías del aprendizaje o perspectivas pedagógicas, los supuestos

subyacentes en esta tesis se nutren de la teoría del “aprendizaje situado” (Lave y
Wenger, 1991) y del conectivismo (George Siemens, 2004).

Estas teorías se encuadran dentro de una nueva concepción del aprendizaje desde una
perspectiva conexionista, pragmática, situacional y ambientalista. Desde esta
perspectiva las interacciones sociales generan conocimiento emergente y el
conocimiento (información crítica, representaciones, procesos intencionales) genera
(inter)acción social.

El conectivismo es la integración de principios explorados por las teorías del caos, redes,
complejidad y auto-organización. El aprendizaje (definido como conocimiento
aplicable) puede residir fuera de nosotros (al interior de un grupo o una base de datos),

13
está enfocado en conectar conjuntos de información especializada, las conexiones que
nos permiten aprender más tienen mayor importancia que nuestro estado actual de
conocimiento.

Un verdadero reto para cualquier teoría de aprendizaje es activar el conocimiento

adquirido en el sitio de aplicación (poder usar el conocimiento cuando se lo necesita).
Sin embargo, cuando el conocimiento se necesita pero no es conocido, la habilidad de
conectarse con fuentes que corresponden a lo que se requiere es una habilidad vital.

Estas perspectivas se ajustan a las características del aprendizaje en los grupos CREA
como redes de práctica en cuanto a la relevancia del sitio de aplicación (pertinencia
geográfica: aplicabilidad según las necesidades territoriales) y el momento de aplicación
(pertinencia temporal: actualización de aprendizajes debido a la corta vida media de
algunos conocimientos).

Se ha definido al aprendizaje, para esta tesis, como el acceso y adquisición de

información critica, saber como, o capacidades del “socio” de aprendizaje (Hamel,
1991; Khanna et al., 1998).

Este es el tipo de aprendizaje al que hace referencia la literatura de redes de práctica

inter organizacionales. Este aprendizaje es el beneficio privado que alienta a las
personas y organizaciones a participar en estas redes (Khanna et al., 1998) y
primariamente involucra la adquisición de dos tipos de conocimiento: a) información y
b) saber-como (Kogut y Zander, 1992) y dos tipos de habilidades: a) distinguir la
información crítica de la que no lo es y b) reconocer cuando la nueva información altera
el entorno basado en las decisiones tomadas anteriormente (George Siemens, 2004).

La información es definida como conocimiento fácilmente codificable (Nelson ana

Winter, 1982; Szulan- ski, 1996). Von Hippel (1988) define el saber-como como la
habilidad práctica acumulada o el expertise que permite a uno hacer algo eficientemente.

En este sentido, me he referido al aprendizaje en relación a la adquisición de

información crítica y al saber-como resolver un problema con dicha información en el
momento indicado.

Distinguiremos en esta tesis entre aprendizaje experto, aquel aprendizaje relacionado

con el conocimiento institucionalizado o basado en la tradición, y el aprendizaje
novedoso, aquel aprendizaje basado en la innovación. El aprendizaje novedosos implica
el acceso a nueva información y/o a variaciones en la forma en como se hacen las cosas.

14
Poder

Para esta tesis se ha tomado la perspectiva de redes en la comprensión del poder social.
La perspectiva de las redes sociales enfatiza que el poder es inherentemente relacional.

Dado que el poder es una consecuencia de los patrones de relación, la cantidad de poder
en las estructuras sociales pueda variar. Si un sistema está débilmente acoplado (baja
densidad) poco poder puede ser ejercido, en sistemas de alta densidad existe el potencial
para mayor poder. El poder es una propiedad sistémica (macro) y relacional (micro).

El poder en las redes de práctica puede ser visto tanto como una propiedad micro
(relaciones de los asesores y presidentes con otros actores) como una propiedad macro
(el grupo entero). Lo macro y lo micro están íntimamente conectados en esta teoría.

Tener una posición favorable en una red significa que un actor puede extraer mejores
ofertas en los intercambios y que será un foco para la deferencia y atención por parte de
aquellos en posiciones menos favorables.

Para esta tesis trabajaremos en base al concepto de “poder potencial”. Definimos

“poder potencial” como la probabilidad asociada a un actor de transmitir o impedir la
transmisión de aprendizajes, nuevas ideas o prácticas en la red.

Se han utilizado tres medidas, que serán definidas en el glosario de análisis de redes
sociales, para definir la posición favorable de un actor: grado, cercanía e intermediación.

También hemos dispuesto de las medidas de densidad y del contínuo centralidad-

distribución para analizar la estructura de relaciones y el aprendizaje en los grupos.

15
 CAPÍTULO 3: ESTRATEGIA METODOLÓGICA

En este capítulo se desarrollarán las metodologías utilizadas: análisis de casos y análisis

de redes sociales (ARS).

Se describirán las fuentes de datos y los procedimientos, también los pasos

metodológicos y el cronograma de actividades. Presentamos la descripción de la
muestra y el cuestionario realizado como fuente central de esta investigación. Por
último desarrollamos las hipótesis de nivel micro y macro que dan sentido a esta tesis.

Análisis de casos

Los diversos métodos de investigación social tienen ventajas y desventajas según el tipo
de problema abordado y sus circunstancias. En la decisión de qué método elegir deben
considerarse tres condiciones: (a) el tipo de pregunta de investigación que se busca
responder, (b) el control que tiene el investigador sobre los acontecimientos que estudia,
y (c) la “edad del problema”, es decir, si el problema es un asunto contemporáneo o un
asunto histórico. Cada método se aplica en situaciones específicas.

Los casos son particularmente válidos cuando se presentan preguntas del tipo "cómo" o
"por qué", cuando el investigador tiene poco control sobre los acontecimientos y cuando
el tema es contemporáneo. Muchas de las preguntas de tipo "¿qué?" son descriptivas y
se contestan realizando encuestas o consultando bases de datos; por ejemplo: qué
formas de reclutamiento de nuevos empleados se utilizan en las empresas argentinas.

Las preguntas "cómo" y "por qué" son más exploratorias y llevan fácilmente al estudio
de casos, la historia y los experimentos, porque tratan con cadenas operativas que se
desenvuelven en el tiempo, más que con frecuencias. Las preguntas sobre el “cómo” y
el “porqué” son especialmente relevantes, porque sus respuestas son las teorías.

En la literatura de organización, Yin (1994) es sin duda el autor más citado en la

investigación basada en casos, habiéndose convertido en referencia casi obligada para
todos los que utilizan esta metodología. Siguiendo a este autor, el estudio de casos es
una investigación empírica que estudia un fenómeno contemporáneo dentro de su
contexto real, en la que los límites entre el fenómeno y el contexto no son claramente
visibles, y en la que se utilizan distintas fuentes de evidencia. Estas condiciones se
manifiestan en esta tesis, siendo los grupos Crea parte de la institución Aacrea, y la
misma parte de un conjunto de instituciones que representan un sector productivo. A su
vez debemos considerar que al fenómeno del aprendizaje en red un fenómeno

16
contemporáneo, lo que puede requerir distintos tipos de abordajes difícilmente
parametrizables.

La larga presencia e influencia del estudio de casos en la literatura de la organización se

refleja en algunos de los trabajos empíricos más citados en los textos y manuales, entre
los que destacan los de Mayo (1946), Lawrence y Lorsch (1967), Mintzberg (1979) y
Hamel y Prahalad (1995). Así, podemos remontarnos a las consideraciones que
Mintzberg (1979) hacía respecto a la investigación científica, abogando más por un
planteamiento inductivo que deductivo. De hecho, se trata, primeramente, de realizar un
trabajo detectivesco en la búsqueda de patrones y de consistencias para, en un segundo
paso, ser capaz de describir algo nuevo más allá de lo esperado (Mintzberg, 1990). La
idea básica es que “[…] la investigación empírica avanza sólo cuando va acompañada
del pensamiento lógico y no cuando es tratada como un esfuerzo mecánico” (Yin, 1994:
xv).

Así, en primer lugar, debemos enfatizar la creciente complejidad de los fenómenos

inter-organizativos, lo que requiere de una investigación de carácter exploratorio y
comprensivo más que de búsqueda de explicaciones causales, y para ello los estudios de
casos pueden ser el método de investigación más apropiado. En este sentido, Mintzberg
(1990:109) sostiene que “No importa cuál sea el estado del campo, si es nuevo o
maduro, toda investigación interesante explora. De hecho, parece que cuanto más
profundamente investigamos en este campo de las organizaciones, más complejas
descubrimos que son, y más necesitamos recurrir a metodologías de investigación de las
denominadas exploratorias en oposición a las consideradas «rigurosas»”.

En segundo lugar, este cambio de tendencia también se fundamenta en la mayor

frecuencia de publicaciones de trabajos que utilizan esta metodología, principalmente en
las revistas de mayor difusión y calidad en el área de la Organización de Empresas, lo
que indica un mayor nivel de apoyo, legitimidad y credibilidad (Bonache Pérez, 1999).

En tercer lugar, la aplicación del estudio de casos como herramienta de investigación

también se ha intensificado por los esfuerzos realizados para disipar las consideraciones
erróneas respecto a la misma, que han llevado a que sea considerada como una forma de
investigación menos deseable que otras (Yin, 1994).

El propósito de esta herramienta de investigación es comprender la interacción entre las

distintas partes de un sistema (miembros de los grupos) y de las características

17
importantes del mismo, de manera que este análisis pueda ser aplicado de manera
genérica (Hartley, 1994), incluso a partir de tres casos, en cuanto que se logra una
comprensión de la estructura, los procesos y las fuerzas impulsoras, más que un
establecimiento de correlaciones o relaciones de causa y efecto. Ahora bien, no se puede
generalizar acerca de hasta qué punto son comunes -cuánto, con qué frecuencia y
cuántos- estos tipos de sistemas y patrones de interacción, ya que para ello es necesario
acometer estudios basados en un gran número de observaciones (Gummesson, 2000).

Análisis de las redes sociales (ARS)

El análisis de redes sociales tiene su punto de partida en la sociometría en la década de

1930 cuando Moreno (1934) describió el sociograma. Sin embargo, el término “red
social” se le atribuye a Barnes (1954) trabajando en el campo de antropología. La
atención puesta en las redes, que comenzó a comienzos de los 1970s, tuvo un enorme
resurgimiento a partir del interés del rol de las redes en la economía.

El análisis de redes sociales (ARS) es el estudio de las relaciones sociales entre un

conjunto de actores, enfocándose en los patrones de las relaciones (Wasserman y Faust
1994). El ARS es un conjunto de técnicas de análisis para el estudio formal de las
relaciones entre actores y para analizar las estructuras sociales que surgen de la
recurrencia de esas relaciones o de la ocurrencia de determinados eventos.

El análisis de redes comienza prestando atención especial al estudio de las estructuras

sociales insistiendo, por tanto, menos en por qué la gente hace lo que hace y más en la
comprensión de los condicionantes estructurales de sus acciones. La asunción básica del
análisis de redes es que la explicación de los fenómenos sociales mejoraría analizando
las relaciones entre actores. El análisis de redes sociales generalmente estudia la
conducta de los individuos a nivel micro, los patrones de relaciones (la estructura de la
red) a nivel macro, y las interacciones entre los dos niveles.

En el análisis de redes se describen y estudian las estructuras relacionales que surgen

cuando diferentes organizaciones o individuos interaccionan, se comunican, coinciden,
colaboran etc., a través de diversos procesos o acuerdos, que pueden ser bilaterales o
multilaterales; de este modo la estructura que emerge de la interrelación se traduce en la
existencia de una red social. Las redes sociales son, por tanto, conjuntos de relaciones
sociales o interpersonales que ligan individuos u organizaciones en “grupos”.

18
Como fruto de las relaciones directas e indirectas entre actores (la interacción, la
comunicación, el intercambio, etc.) se pueden identificar estructuras relacionales a las
que atribuir la emergencia de propiedades sistémicas; éstas estructuras emergentes nos
pueden ayudar a comprender, y por tanto a predecir e incluso a gestionar mejor, los
resultados de la acción humana.

El ARS pretende analizar las formas en que individuos u organizaciones se conectan o

están vinculados con el objetivo de determinar la estructura general de la red, sus grupos
y la posición de los individuos u organizaciones singulares en la misma. El ARS se ha
aplicado en un número significativo de campos, desde “las organizaciones comunitarias
sin ánimo de lucro” (Laumann y otros 1978) hasta entre las empresas (Stokman y otros
1985), pasando por la estructura de poder en la Florencia de los Medici (Padgett , 1993;
Breiger y Pattison, 1986 ). Pero la consolidación del análisis de redes ha venido
precisamente de evidenciar los efectos que los diferentes patrones y estructuras de red
tienen en el acceso de los miembros a los recursos (Granovetter 1973 y 1974). Así pues,
el acceso a los recursos, del tipo que sean, parece fuertemente asociado a la forma de las
redes sociales.

La red de práctica es un constructo relacional, en el cual las descripciones se basan en

los conceptos de vínculos (ties) que unen actores (nodes) que pueden ser personas,
grupos, organizaciones o clusters de vínculos -así como de personas- en un sistema
social.

El análisis estructural y de redes se fundamenta, empíricamente, en la creación y

desarrollo de la matriz de relaciones y en la construcción del grafo. Un grafo es la
representación gráfica en un espacio matemático de relaciones binarias entre elementos
de un conjunto. Cuando va a desarrollarse un análisis relacional, el material básico para
el análisis es la construcción de la matriz que liga a los actores entre sí. Frente a la
forma tradicional de las variables, los atributos, para llevar a cabo análisis de redes hay
que transformar los datos disponibles a una forma relacional, que tiene normalmente la
forma de matriz.

Para la comprensión de las redes sociales, es necesario conocer un conjunto de términos

básicos, las medidas que describen su análisis. Se presenta a continuación un glosario
extraído del manual elaborado por Hanneman y Riddle (2005).

19
  Densidad: Mide la proporción de relaciones existentes sobre el total de
relaciones posibles. Indica la intensidad de las relaciones en el conjunto de la red.

 Centralidad: Estudia los actores más centrales, más prominentes, más poderosos
y prestigiosos. Se utilizan varios indicadores y cada uno de ellos aporta una
información específica sobre las dimensiones del prestigio y del poder. Entre las
medidas que se utiliza para su medición están el grado, la intermediación y la
fluidez.

 Grado de centralidad (Degree centrality): Es una medida de poder. Si un actor

tiene más lazos con otros actores, tendrá diversas formas de satisfacer sus
necesidades y ser menos dependiente de otros individuos; tendrá más acceso y
contará con más recursos dentro de la red; y tendrá más oportunidad de
aprovechar su posición de intermediario entre otros actores.

 Grado de Entrada (InDegree): Número de actores que se relacionan de forma

directa (se contactan) a un determinado actor. Se considera que los actores que
son contactados por muchos otros actores son prestigiosos. Posiblemente es el
indicador ideal para el análisis de poder y prestigio.

 Grado de Salida (OutDegree): Número de conexiones/relaciones directas que se

originan de un actor hacia los otros actores. Refleja la actitud social de cada
actor, así como su capacidad para acceder al resto de actores. Los actores que
muestran una alta centralidad de grado de salida se dice que son actores
influyentes.

 Intermediación (“Betweenness centrality”): Medida de poder. Nos indica en qué

medida el actor está en una posición intermediaria en las comunicaciones más
cortas entre el resto de actores. Los actores con mayor intermediación tienen un
gran poder porque controlan los flujos de comunicación óptimos.

Existen tres topologías básicas de redes:

Red centralizada: todos los nodos, menos uno, son periféricos y sólo pueden
comunicarse a través del nodo central. La caída del nodo central priva del flujo a todos
los demás nodos.

Red descentralizada: aparece por interconexión de los nodos centrales de varias redes
centralizadas. Como resultado no existe un único nodo central sino un centro colectivo

20
de conectores. La caída de uno de los nodos centralizadores, conlleva la desconexión de
uno o más nodos del conjunto de la red mientras que la caída del cluster centralizador
produciría necesariamente la ruptura o desaparición de la red.

Red distribuida: Todos los nodos se conectan entre sí sin que tengan que pasar
necesariamente por uno o varios centros. Desaparece la división centro/periferia y por
lo tanto el poder de filtro sobre la información que fluye por ella. La red es robusta ante
la caída de nodos: ningún nodo al ser extraído genera la desconexión de otro.

Ambas hipótesis se explorarán a través de los mapas y datos que se generen a partir de
las preguntas del cuestionario realizado en los grupos.

Fuente de datos y procedimientos

La estrategia cuali-cuantitativa de recolección de información que se utilizó consistió en

combinar varias técnicas que puedan resultar consistentes y complementarias. Entre las
técnicas a utilizar están: la observación participante y las entrevistas a algunos
miembros claves de los grupos y (cualitativa), encuestas a cada miembro con
información demográfica y preguntas cerradas, diseño de la red de los grupos a través
de un soporte tecnológico (Ucinet, 6) para el ARS (cuantitativa) y comparación de
datos cuantitativos y visuales.

Hemos realizado entrecruzamientos y triangulaciones de la información con el propósito

de robustecer las explicaciones y abrir nuevos interrogantes acerca de las relaciones y el
aprendizaje en esta red. El orden de aplicación de las técnicas fue sucesivo y en algunos
casos simultáneos o en forma de espiral (volver un paso para poder avanzar).

También hubo pasos intermedios que son desiciones tácticas del proceso investigativo,
por ejemplo: nuevas entrevistas individuales, criterios de análisis, etc.

21
TABLA 1

Pasos metodológicos:

Elaboración de las encuestas y entrevistas

Aplicación de las encuestas y entrevistas

Consolidación de las respuestas en matrices (encuestas)

Carga de datos en software

Visualizar la red de Visualizar la red de Análisis de las entrevistas

interacciones flujo de aprendizaje
personales

ARS-modelo de ARS- modelo de Entrecruzamientos y

relaciones relaciones triangulaciones de la
información

Elaboración del informe final

TABLA 2

Cronograma de actividades para la realización de la tesis:

Actividades/ Meses Julio Agosto Setiembre Octubre Marzo Mayo

10 10
09 09 09 09

Elaboración del marco

teórico

Trabajo de campo

Análisis de datos

Redacción del informe

final

22
 TABLA 3

Descripción de la muestra utilizada para la tesis:

Cantidad de personas
Cantidad de personas encuestadas 43
Cantidad de personas Pirovano La Larga 15
Cantidad de personas Crea Henderson Dereaux 17
Cantidad de personas Crea Pergamino 11
Porcentaje de Mujeres y Hombres
Femenino 5%
Masculino 95%
Porcentaje Nivel Educativo
MBA 12%
Universitario 77%
Universitario Incompleto 5%
Terciario 2%
Secundario 2%
Secundario Incompleto 2%
Porcentaje de actividades de las empresa
Asesoramiento 14%
Agricultura 38%
Producción 33%
Gerenciamiento 5%
Ganadería 10%

Los datos para este estudio fueron recabados entre los meses de Agosto y Octubre del
2009.

La cantidad total de miembros de ambos grupos que respondieron el cuestionarios son

43, que representa el 100% de los realizados (response rate). Este nivel es óptimo como
rango para realizar un ARS (Cross y otros 2004).

23
El cuestionario: formato y utilización

En la primera página del Cuestionario (Anexo 1) se le solicitó a los encuestados que

completen sus datos atributivos. Estos datos nos permitieron distinguir a los actores en
el gráfico y analizar las relaciones a la luz de los mismos.

La primera pregunta buscó establecer el tipo de relación que existe entre los miembros
del grupo y la calidad de las mismas (frecuencia). La frecuencia tiene referencias de
intensidad para completar. Es una pregunta con listado de nombres cerrada (los
miembros del grupo).

La segunda pregunta también buscó saber a quienes conocen de la zona. El listado es

abierto a ser completado y mantiene el interés en el tipo de relación y la frecuencia.

La tercera pregunta se centró en las relaciones de expertise dentro del grupo (listado
impreso) y fuera del grupo (abierto). También solicita el tema de consulta experta y la
frecuencia de la misma.

La cuarta pregunta se centró en las relaciones de innovación y tiene la modalidad de la

pregunta anterior.

La quinta pregunta buscó relevar las relaciones de confianza dentro del grupo. Esta
pregunta se basó en que la confianza es considerada como un antecedente de la
colaboración y ésta como condición para compartir información relevante.

La pregunta seis buscó saber acerca de la información y/o expertise recibida que ha sido
aplicada en algún proyecto reciente.

La última pregunta indagó acerca de las herramientas /tecnologías utilizadas por los
miembros del grupo y con que frecuencia. A través de esta pregunta sabremos quienes
utilizan las distintas herramientas disponibles.

A los fines de esta tesis nos hemos centrado en analizar más profundamente las
respuestas a las preguntas 2, 3 y 4. Las otras respuestas fueron utilizadas para fortalecer
el análisis y hacer triangulaciones.

Preguntas de investigación e hipótesis

El interés de esta tesis se centra en las relaciones entre los miembros de la red de
práctica y el aprendizaje en la misma.

A nivel micro hemos indagado:

24
¿Cómo influyen las funciones del asesor y del presidente en el aprendizaje de cada
grupo Crea?

Hipótesis 1: Los asesores y presidentes ocupan posiciones de máximo poder potencial

en el aprendizaje del grupo.

Para operacionalizar la variable poder potencial hemos utilizado los siguientes

indicadores obtenidos a través de Ucinet 6:

Grado (in-degree y out-degree): los actores que tienen más relaciones tienen más poder.

Cercanía: los actores que son capaces de alcanzar a otros en longitudes de caminos más
cortas, o quienes son más accesibles por otros actores en longitudes de caminos más
cortos, tienen más poder.

Grado de intermediación: los actores que están en una posición intermediaria en las
comunicaciones más cortas entre el resto de actores, tienen más poder. Este indicador es
una medida del control que ejerce un actor en el flujo de la red.

A nivel macro hemos indagado:

¿Cómo influye la topología de la red en el aprendizaje del mismo?

Hipótesis 2. Los grupos conforman redes de aprendizaje densas y distribuidas.

Esta hipótesis se ha analizado y operacionalizado en base a los datos de densidad y el

eje centralidad-distribución de cada grupo.

La densidad mide la proporción de relaciones existentes sobre el total de relaciones

posibles e indica la intensidad de las relaciones en el conjunto de la red.

También se consideraron las medidas de centralidad del grupo.

En este nivel macro nos hemos centrado en analizar las topologías de las distintas redes,
es decir, la descripción de la forma en la que se conectan sus nodos.

25
 CAPÍTULO 4: ANÁLISIS Y RESULTADOS

En este capítulo se desarrollará una descripción de cómo se han seleccionado los grupos
estudiados, y los acuerdos con los mismos para la realización de la investigación.

Describimos como funcionan los grupos CREA haciendo foco en los roles de asesor,
presidente y las instancias de comunicación formales e informales del grupo e
institucionales.

Presentaremos una matriz comparativa de los grupos y luego el análisis de cada grupo
en particular.

Finalmente se presentarán los resultados para cada hipótesis obtenidos mediante el

análisis de redes sociales y un análisis general.

1. Análisis de los casos:

1.1 Primeros pasos y acuerdos metodológicos

Para este tipo de investigación, donde el foco son los vínculos y el aprendizaje, se ha
considerado importante explicitar los procesos que están “detrás de escena”, o sea, la
forma en que se gesta y desarrolla la investigación como proceso vincular-investigativo.

En este sentido, se ha creído relevante explicitar el proceso de selección de los grupos

como parte de la comprensión de los casos.

La elección de los grupos a investigar tiene 3 dimensiones:

1. Una dimensión estratégica: se consideró que la diversidad de trayectorias o

historias grupales podían ser de relevancia investigativa.

2. Una dimensión geográfica: se consideró que los casos al menos debían

corresponder a dos zonas. Los grupos CREA pertenecen a zonas geográficas
diferentes, los casos de CREA Henderson Daireaux y Pirovano la Larga son de
la zona Oeste y el CREA Pergamino corresponde a la zona Norte.

3. Una dimensión pragmática: solicitar y ofrecer la inclusión de los grupos a la

investigación a personas con las que ya haya un vínculo previo

Una vez aceptado el pedido a los distintos grupos, a través de personas con las que
existía un vínculo previo, se realizó una reunión con los presidentes de los grupos. En
esta reunión se les explicó el propósito de la investigación y el valor que pudieran

26
obtener de la misma. También se acordó lo siguiente en relación a la modalidad de
implementación:

 La realización de cuestionarios individuales, 2 observaciones de reuniones

CREA por grupo y entrevistas individuales.

 Los cuestionarios (Anexo 1) se realizarán en papel y en la primera reunión

CREA de observación.

 La muestra incluirá a los miembros que participan de las reuniones del grupo.

 Previo al cuestionario, se realizará al grupo una breve exposición del objeto de

la investigación, la metodología a utilizar y los resultados esperados.

 Previo a esta primera reunión los presidentes contarán con los cuestionarios a
realizar para hacer eventualmente algún comentario o sugerencia de cambio.

 Previo a esta primera reunión se firmarán acuerdos de confidencialidad con cada

grupo (Anexo 2).

 Previo a la primera reunión los presidentes de los grupos proveerán del listado
de miembros del grupo, fechas y lugares de las reuniones y la historia de cada
grupo.

 Durante el proceso de investigación y al finalizar el mismo se presentará a

grupos los avances obtenidos. Y se re-acordarán los ajustes metodológicos
necesarios.

Si bien las reuniones tuvieron lugar en Aacrea, las mismas tuvieron un carácter no
institucional. Claramente pudimos observar un alto grado de confianza inicial más allá
del grado de prudencia asumido en los acuerdos informales y formales (acuerdo de
confidencialidad).

1.2 Recolección de datos

La estrategia de recolección de datos fue consensuada en algunos acuerdos básicos

detallados anteriormente, también fue ajustada y consensuada durante todo el proceso.

Completar el cuestionario realizado lleva aproximadamente 30 minutos y tiene

preguntas tanto atributivas como relacionales.

Es importante destacar que la decisión de realizarlo en papel e in situ se debe al pedido

de los presidentes de grupo en base a que muchos de los miembros del grupo no

27
manejan la tecnología requerida para realizarlo vía mail. Esto implicó un cambio
metodológico y el mismo fue aprobado previamente por los presidentes de cada grupo
habiendo cumplido con sus pedidos de ajuste.

Esta forma de recolección de datos facilitó la obtención de la información en forma

simultánea y también la posibilidad de aclarar o explicar las dudas que pudieran surgir
en relación a los cuestionarios. También impactó positivamente en el porcentaje de
respuestas obtenida.

Al realizarlo de esta forma la percepción de confidencialidad fue mayor ya que fue

visible la recogida de los cuestionarios.

Para los miembros del grupo que no estuvieran presentes se les envió el cuestionario vía
mail. En estos casos se tuvo que solicitar la mediación de los presidentes para obtener
su respuesta.

Otro aspecto metodológico en la recolección de datos es la delimitación de la muestra,

es decir, la definición de quienes son los miembros de los grupos. Los miembros del
grupo pueden ser los dueños de las empresas y familiares de los dueños (sus
esposas/esposos, hijos, hermanos) vinculados a la dirección de la empresa, pero sucede
que también participan los gerentes y los empleados técnicos y administrativos de las
empresas. El criterio fue considerar al miembro como el que habitualmente representa a
esa empresa en el grupo.

1.3 ¿Cómo funcionan los grupos CREA?

El trabajo del grupo se centra fundamentalmente en el conocimiento de todas las

empresas de sus integrantes del grupo, así como también de las posibilidades y
problemáticas de cada uno. El grupo de trabajo comparte sus experiencias, durante la
denominada Jornada de Tranqueras Abiertas.

Para ello se realiza una reunión mensual en la que todos los integrantes del grupo
analizan y recorren una explotación. Estas reuniones toman lugar en los campos de cada
miembro en forma rotativa cada mes.

Se detectan los problemas, se sugieren soluciones y se aportan ideas con el apoyo del
asesor técnico. Se intercambian todas las experiencias de los miembros CREA para
buscar la mejor solución a los temas planteados por el dueño del campo.

28
Se analizan temas de interés para el grupo. A partir de allí, se organiza un plan de
trabajo para el grupo que incorpora, según las inquietudes, acciones de capacitación,
ensayos, visitas a otras empresas y todas las acciones que ayuden a alcanzar el objetivo
planteado por la totalidad del grupo.

Funciona en un grupo reducido: consideran que uno de los métodos activos más
eficaces para que el hombre se capacite y desarrolle habilidades mientras cumple tareas.

Potencia las individualidades: intenta luchar contra el individualismo, sin que ello
signifique que la puesta en común que promueve anule la creatividad de la persona. No
busca masificar sino potenciar las individualidades a las que respeta, interpreta y
estimula.

Propicia el encuentro: busca que el productor no esté solo frente a sus problemas o sus
productos, creando un ámbito de intercambio entre los productores para que puedan
poner en común aciertos y errores.

Busca una actitud de apertura: responde a una política de "tranqueras abiertas", no sólo
las de madera sino también las mentales.

El cargo de presidente en un CREA significa ser capaz de animarlo y proyectarlo a la

acción. Su influencia en la marcha y el espíritu de grupo es realmente decisiva. Si bien
el presidente debe actuar ayudando al grupo a avanzar y no conducirlo
autocráticamente, también es importante que sepa ejercer autoridad cuando es
necesario. Asimismo, debe conducir la reunión mensual del grupo a un intercambio
entre los productores para obtener resultados prácticos de encuentro.

El asesor de CREA es por lo general un profesional vinculado a las ciencias

agropecuarias. Su rol fundamental es ser facilitador del proceso de intercambio que se
da en el CREA y nexo de comunicación dentro del grupo y fuera de él. Es también el
responsable de gerenciar el Plan de Trabajo del CREA y forma con el Presidente un
equipo responsable de velar por el buen funcionamiento del grupo.

El CREA lo contrata para cumplir el rol mencionado. Entre las tareas que habitualmente
desarrolla se incluyen la preparación y la asistencia a la reunión mensual, el contacto
individual con cada empresa y la recopilación y análisis de la información producida
por el grupo como así también la búsqueda permanente de nueva información. Se reúne
en forma mensual con los otros asesores CREA de su región, generando un intercambio
que aporta al funcionamiento de su grupo tanto como a su propia capacitación.

29
Las firmas que forman parte del Movimiento Crea y todas en general, usan estas redes
para ganar competitividad en el mercado, acceder o internalizar nuevas tecnologías,
para explotar las economías a escala o para compartir el riesgo o incertidumbre con sus
socios (Powell, 1987; Bleeke y Ernst, 1991).

En términos de la estructura formal de reuniones y eventos en la que los asesores y

presidentes se relacionan (aprenden), creo relevante exponer el relato de uno de los
presidentes de uno de los grupos investigados: “Los presidentes y asesores se reúnen
mensualmente (por separado), AACREA tiene 17 zonas y hay 17 reuniones de
presidentes, se reúnen por zona y por lo general en su zona. Oeste (mi zona) se reúne en
AACREA el último viernes de cada mes, y los asesores de oeste se reúnen en AACREA
el último martes de cada mes. A cada zona lo representa un vocal que además se reúne
con los otros 17 vocales el último miércoles de cada mes y un coordinador (por
asesores) que se reúne con los otros 17 el último jueves de cada mes. Además hay
reuniones mensuales de comisión directiva, comisión reducida, y las mesas de trabajo
de cada tema o proyecto; lideres, gestión del conocimiento, lechería, ganadería,
agricultura, economía, etc...”

Por su lado los miembros de los grupos participan de las reuniones de grupo CREA, y
pueden participar de congresos, capacitaciones y otros eventos institucionales, en
algunos casos serán zonales, regionales o nacionales.

En cuanto a las herramientas de vinculación basadas en tecnologías de la información,

esta misma persona nos comenta: “en cuanto a las herramientas tecnológicas hay
distintas según cada grupo y zona algunos usan ning, otros tienen portal zonal o pagina
CREA del grupo, otros usan los google apps, calendarios google, google docs, edit gris,
etc. Todas herramientas para compartir información y conocimiento. Además desde
AACREA se esta trabajando en un portal CREA, tratando de unificar todo esto, por
ahora y hasta donde yo se bastante despelotado.”

Nos brinda detalle de estas herramientas uno de los responsables de la gestión del
conocimiento en Aacrea: “Las herramientas que listo abajo las estamos utilizando para
comunicarnos entre los miembros y técnicos CREA. La intranet es de acceso restringido
a miembros y técnicos CREA. Cada uno de los 2900 usuarios de la red puede ver el
contenido de todas las regiones CREA (18), y de los proyectos (59). Algunos grupos
CREA también tienen su portal. Congresos Regionales, Jornadas de actualización

30
técnica, tienen sus portales de acceso público con contenidos de las charlas /
presentaciones.”

El portal Institucional: www.crea.org.ar , es de acceso libre y su objetivo es comunicar a

la comunidad todas las novedades, capacitaciones, comunicados de prensa,
publicaciones y novedades de la asociación.

En cuanto a las herramientas de gestión del conocimiento que están utilizando nos
enumera:

 “Intranet , CMS de la empresa Novamens ( KBEE )

 Foros: jforum, adaptado a look and feel de Aacrea

 CRM: uno de código abierto bajo Linux.

 Fotos: copermind, es de código abierto

 APPS de Google: Docs, Calendar, Talk, gmail

 Videos: plataforma de kbee, Youtube y algunos en Blip TV.

 E-Learning: Moodle”

Las reuniones, encuentros de Aacrea y las tecnologías o bases de datos que disponen
constituyen recursos importantes que conforman la estructura institucional para el
desarrollo y aprendizaje de los miembros y los grupos.

1.4 Los grupos: Matriz comparativa

TABLA 4
Grupo CREA Henderson Dereaux Pirovano La Larga Pergamino
Antigüedad como
grupo 1957 2002 2004
Cantidad de
participantes 17 15 11
Zona Oeste Oeste Norte
El primer grupo Abierto al
Característica principal CREA intercambio Miembros jóvenes
Desarrollo Vanguardia Innovación
Principal aporte institucional tecnológico organizativa
productiva

31
1.5 Caso: Crea Pirovano La larga

El Crea Pirovano La Larga comenzó a gestarse a fines del 2001, en plena crisis
Argentina y desde abril de 2002 forma parte de AACREA. Durante este período
salieron 2 miembros y otros 2 se incorporaron.

Destacamos del relato de la historia del grupo realizada por su presidente: “Nuestro
CREA nace a fines del año 2001, impulsado fuertemente por Nacho Maqueda, quien
nos ayudó a formar el grupo, elegir asesor y participó activamente de las primeras
reuniones, fue realmente un gran padrino.”

Tanto en este párrafo como en las observaciones realizadas notamos las referencias a la
amistad y la familia como metáforas discursivas. También aparece como relato el
entretejido de relaciones fue creando las condiciones de existencia y funcionamiento del
grupo.

Más adelante comenta: “Tenemos reuniones muy entretenidas e interesantes, somos un

grupo de amigos que trabajamos juntos, hacemos un viaje todos los años a ver otras
zonas o actividades, o a los congresos. Debemos agradecer en el poco tiempo que
tenemos de historia haber tenido la oportunidad de participar activamente en el
movimiento, dentro de comisiones, equipos de congresos, comisión directiva, vocal
zonal, Educrea, Ridzo, etc. Este año tuvimos la dolorosa perdida de Marta Borrel de
Liceaga, una gran persona, de excelente humor, fuerte, emprendedora y muy
compañera.”

Con respecto a su identidad resalta “Fuimos abanderados de la expansión agrícola en el

Oeste, teniendo muy en cuenta la sustentabilidad de los sistemas y participado
activamente en el desarrollo del manejo de la “agricultura por ambientes” en conjunto
con el CREA Henderson – Daireaux. Siempre fuimos un grupo muy abierto al
intercambio con los otros grupos de la zona y a la vez un grupo que siempre busco estar
en la vanguardia tecnológica.”

Este grupo se conformó hace 8 años y asume la vanguardia tecnológica como un

aspecto destacable de su identidad. En sus reuniones los aspectos técnicos son centrales
y se desarrollan con rigurosidad. Podemos decir que son el eje de sus reuniones.

Hemos observado en las reuniones del grupo que el asesor es centro de consulta y quien
concentra la información que se va compartiendo a través de un proyector conectado a
su notebook. El Presidente del grupo otorga la palabra a los miembros y vela por la

32
atención de todos a quien tiene la palabra. También observamos que la participación
está centrada en 3 o 4 miembros que están físicamente cercanos al asesor y al Presidente
(están sentados uno junto al otro).

1.6 Caso: Crea Henderson Daireaux

Así relata su presidente la historia del grupo: “Somos el CREA Nº 1, ya que empezamos
a funcionar en marzo de 1957. Festejamos los 50 años, con una gran fiesta, y un viaje a
Estados Unidos. Al ser tan veteranos, tenemos tanto que contar!!! Desde las
memorables discusiones entre don Pablo Hary y Eduardo Carrique, hasta los agudos
intercambios actuales, también respetuosos, interesantes y divertidos.”

Observamos la fuerte impronta de la tradición y la relevancia de ser el primer grupo

CREA, el grupo donde el fundador del Movimiento CREA (Pablo Hary) formó parte y
que fue el inicio del mismo.

Más adelante nos dice: “ De las empresas fundadoras, quedan cuatro participando
activamente en el CREA. Hoy conducidas por la 2da generación, y algunas dando paso
a la tercera. Y siempre tuvimos la suerte de incorporar nuevos miembros, que son un
importante factor de animación. El recambio generacional siempre fue una fortaleza en
nuestro CREA. Hubo épocas en que concurría a las reuniones toda la familia, lo que
aumentaba la cohesión y la amistad. Y enloquecía a la dueña de casa. Hoy es común
que vayan padres con sus hijos mayores, y esto, unido a que en muchas empresas va
mas de un representante, hace que las reuniones sean multitudinarias, más de 30
personas.”

No sólo vuelve a aparecer la relevancia del vínculo cercano, sino la importancia de que
haya una trascendencia familiar de la práctica agropecuaria.

En este relato se manifiesta la tensión del tiempo: el pasado y el futuro (Peirano, M.E:,
2007), y la manera de transitarlo a través de la decendencia generacional y en el espacio
del grupo.

En cuanto a las innovaciones que se fueron dando en el tiempo destaca: “ La estructura

de las empresas de los 12 miembros del CREA, hoy es muy distinta de la de hace 50
años. La gran mayoría de las actuales trasciende los alambrados de su campo, por
alquileres, asociaciones u otras actividades, e incluso hay 3 que no tienen campo propio.
Esa innovación nos llevó entre otras cosas a explorar diferentes maneras de

33
asesoramiento del grupo, y a la formación del Grupo de Gerentes, hoy una parte muy
importante del funcionamiento del CREA.”

Este grupo ha innovado en cuanto a la organización de las reuniones y la creación de

nuevos espacios en las redes de práctica.

En este grupo los temas organizacionales e institucionales “son una parte destacada de
las reuniones, y alimentan a los miembros que actúan en AACREA”.

En cuanto a las redes de práctica comenta: “Hoy hablamos de redes, redes que casi sin
saberlo venimos generando y alimentado desde el nacimiento del CREA, esperemos
saber hacer un buen uso de la potencialidad que la tecnología hoy nos presenta para que
junto con nuestra experiencia de 50 años, seamos capaces de generar redes mucho mas
amplias que permitan la inclusión de todos los argentino. Parece utópico o romántico,
pero no mas que el sueño de nuestros fundadores”.

El aprendizaje y la gestión del conocimiento son temas centrales para los grupos CREA,
ellos conforman redes de empresas en los grupos, redes de grupos en las zonas, redes de
zonas en el Movimiento Crea, redes de asesores, presidentes y miembros. También
redes interinstitucionales, tanto con otras instituciones del sector como con otros
sectores.

Este grupo en particular ha seguido la tradición en la constitución de redes de práctica

en un proceso de innovaciones institucionales.

1.7 Caso: Crea Pergamino

Este es un breve relato que hace su Presidente acerca del grupo: “Comenzamos a fines
del 2004, la característica creo que es que somos todos menores de 45. Creo que lo mas
novedoso es que nos hemos organizados por proyectos y que en una época el asesor no
recorría los campos y ahora lo hace 1 vez cada 2 meses”.

Este grupo, en oposición al anterior, se destaca por la juventud del grupo y sus
miembros. La forma en que se han organizado internamente es innovadora.

Su asesor reseña: “Allá por Mayo del 2005 el grupo consensuó su primer plan de
trabajo, que establecía las actividades a desarrollar durante el año y explicitaba el
objetivo y espíritu del grupo. Decía el documento: El CREA Pergamino, es un grupo de
pares, interesado en el intercambio de experiencias, ideas e información, en su propia

34
formación humana y de los equipos de sus empresas, generando incomodidad e
inquietudes, en un ambiente abierto y sincero".
Este grupo ha realizado rápidos cambios en su organización, en sus reuniones se
observa el uso de generalizado de tecnología, ha modificado la constitución de sus
miembros en base a cambios accionarios y de negocios de sus empresas miembros, ha
cambiado de asesor y de los procesos de gestión interna.
En relación a este último punto nos menciona: “Los formatos de las reuniones
comenzaron a cambiar. De estar centradas en la problemática de la empresa que
organizaba la reunión, se pensó en pasar a centrarla en temas comunes que se deciden
en el momento de la planificación del año. Esto no implica que se le asigne una menor
importancia a la problemática empresarial, ya que los temas planteados por las empresas
se siguen trabajando con la misma intensidad y compromiso de siempre. Durante el año
2009 se incluyeron algunos otros puntos al trabajo del CREA. Se realizó la primera
reunión de gestiones comparadas, en las que las empresas presentaron sus resultados
globales de la campaña. Además se avanzó en el importante tema de la capacitación de
los gerentes de producción en diferentes tecnologías (cosecha, fumigaciones, manejo de
sistemas GIS). Durante el año 2009, además, el asesor del grupo incluyó en su equipo
de trabajo a dos jóvenes ingenieros que comenzaron a apoyar los trabajos en el grupo.
Milagros Sobredo se encarga actualmente de liderar los análisis de campaña y la
actualización de los protocolos de manejo de cultivos y Federico Hasicic, quien se
encargará de analizar el impacto esperado de la agricultura por ambientes en las
empresas del grupo.”
2. Análisis de redes sociales:

Para cada una de las hipótesis he desarrollado los siguientes items:

2.1 Mapas y datos reticulares por pregunta (Anexo 3)

 Análisis parciales (por pregunta y por grupo)

 Análisis general

¿Cómo influyen las funciones del asesor y del presidente en el aprendizaje de cada
grupo Crea?

H1: Los asesores y presidentes ocupan posiciones de máximo poder potencial en el

aprendizaje del grupo.

2.2 Análisis parciales (por pregunta y por grupo)

35
Pregunta 2. ¿Con quienes se relaciona se su zona que pertenezcan a Aacrea
(miembros, asesores, autoridades), que tipo de relación/es tiene (grupo Crea, negocios,
familiar, amistad, ocio, etc.) y con que frecuencia interactúa en esa/s relación/es con
estas personas?

Dentro de las preguntas realizadas en el cuestionario, la pregunta 2 nos permite

observar las relaciones de los miembros del grupo con otros miembros de la institución
(Aacrea) que pertenecen a su misma zona. Desde una perspectiva reticular micro
podemos observar el grado de poder de los miembros del grupo en una red más extensa
(la zona).

Esta es la única pregunta donde se consulta abiertamente de las relaciones de los

miembros al exterior del grupo, siendo los grupos actores de una red mayor (a nivel
macro o institucional), donde podemos observar cuan articulados están estos grupos con
otros.

Esta pregunta nos ofrece información acerca de los tipos de relación que los miembros
mantienen con personas de la zona y la fuerza de dichos lazos (medidos por su
frecuencia).

Para enriquecer el análisis de esta pregunta le he sumado los atributos de edad y la

actividad de la empresa. El primero de los atributos nos permite observar si existen
patrones de relaciones basados en la edad (en intervalos de décadas), el segundo nos
permite detectar relaciones vinculadas a la actividad principal de cada empresa
(miembro).

Las métricas que seleccioné como referencia para analizar el poder en esta red son las
de centralidad: de grado, intermediación y cercanía. Estas métricas me permiten hacer
observaciones basadas en cada dimensión de poder potencial y comparar las mismas
entre los grupos (TABLA 4).

Cuando observamos las relaciones de los miembros de los grupos con otras personas de
Aacrea podemos destacar lo siguiente:

Sólo en uno de los grupos (Pirovano La Larga) observo claramente que el asesor y el
presidente son los que tienen mayor grado de relaciones, cercanía e intermediación.

 El asesor tiene indicadores superiores al presidente en lo que se refiere a grado

de entrada y salida.

36
  Tanto el asesor como el presidente son los grandes intermediarios (puentes) del
grupo.

 Sólo en este caso podemos observar la influencia del presidente y asesor en la

relación del grupo con otras personas de Aacrea.

 Podemos decir que no sólo serán el asesor y el presidente quienes más

probabilidades tengan de obtener información novedosa por la cantidad de
relaciones hacia fuera del grupo, sino de actuar como hubs (concentradores) de
la misma. Un aspecto central en la efectividad del grupo está relacionado con el
flujo de información y la distribución del aprendizaje.

 Al interior de las redes podemos distinguir a los hubs: punto central en el que se
concentran caminos o flujo de conocimiento para ser redistribuidas o redirigidas,
el hub es un “concentrador” que cumple la función de concentrar y redistribuir el
tráfico de red.

 Al observar los tipos de relaciones que mantienen el asesor y el presidente,

notamos que el primero tiene muchas relaciones en base a su asesoramiento y
también de relaciones múltiples (más de un tipo de relación).

 El presidente tiene la mayoría de sus relaciones con otros miembros Crea y tiene
contacto directo con el asesor a través de varios actores intermediarios.

 En cuanto a las edades, observamos diversidad en las mismas, Los actores de

más contactos pertenecen a décadas diferentes.

En el grupo Henderson Dereaux, si bien tienen los indicadores similares al grupo

anterior, la ubicación central la tiene uno de los miembros. En este grupo, ni el
presidente ni el asesor aparecen con indicadores que nos muestren su influencia.

 La composición en este grupo es marcadamente diferente, ya que se observan

varios clusters o subgrupos aislados. La influencia se ejerce por la cantidad de
contactos individuales a los conectores (estructura radial).

 Tanto el asesor como el presidente forman parte de estos clusters aislados.

 La red está intermediada por pocos actores, existiendo un alto grado de poder en
ellos, sobre todo en el miembro U.

 La relación A-U es fundamental para la integridad de la red.

37
  Las edades, como en el grupo anterior, corresponden a distintas décadas.

 En este grupo notamos una similitud en la actividad desarrollada por las

empresas (agricultura).

En el caso del grupo Crea Pergamino es muy menor la cantidad de lazos (grado) del
grupo, y existe una gran fragmentación de díadas (3), tríadas (1) y un cluster
descentralizado (radial).

 Los pocos actores del grupo que conforman este mapa (5) pertenecen a tres
rangos etarios diferentes (3 décadas).

 Los actores del grupo que conforman este mapa (5) presentan a cuatro
actividades diferentes (agricultura, ganadería, producción y asesoramiento).

 El asesor y presidente conforman aisladamente dos díadas.

 Como en los otros dos grupos, existen una gran cantidad de agujeros
estructurales sobre todo entre los miembros del grupo y los distintos actores que
no pertenecen al grupo.

TABLA 5

Medidas del asesor y el presidente para la Pregunta 2:

Pregunta 2 medidas del asesor- presidente

Grupo Función Grado Intermediación Cercanía
Pirovano LL asesor in:0 - out:26 0 in:1.19 -out:1.72
presidente in:0 out:18 0 in:1.51 -out:1.19
Henderson D. asesor in:0 - out:2 0 in:1.72 -out:1.78
presidente in:0 - out:3 0 in:1.72-out:1.81
Pergamino asesor in:0 - out:1 0 in:4.76 -out:5
presidente in:0 - out:1 0 in:4.76 -out:5

Análisis parciales (por pregunta y por grupo)

Pregunta 3. ¿A quienes acude por consulta experta en relación a su trabajo, en que

temas y con que frecuencia?

Con la pregunta 3 busco obtener información de las relaciones en cada grupo donde los
actores buscan ayuda experta.

38
Las relaciones de ayuda experta permiten a los miembros aprender acerca de la forma
(know how) en que se hacen las cosas. Este aprendizaje resulta fundamental para
resolver situaciones que vienen ocurriendo en forma cotidiana y recurrente.

El aprendizaje basado en el expertise permite dar respuesta rápida ante problemáticas

que otros ya han resuelto eficientemente.

La pregunta busca indagar acerca de los temas en que se consultan y la frecuencia de la

misma (tipo de lazo).

Las métricas son las mismas que para la pregunta anterior (TABLA 5).

A partir de las mismas podremos observar quienes son los miembros del grupo,
haciendo foco en los asesores y presidentes, que tienen máximos poder en la red.

En base a la métrica de grado podremos distinguir a los más prestigiosos (mayor

indegree) y a los influyentes (mayor outdegree).

Cuando analizamos el poder de los asesores y presidentes en términos de relaciones de

expertise (ayuda experta), en base a la pregunta 3 del cuestionario, observamos lo
siguiente:

En el grupo Pirovano La Larga el asesor ocupa posiciones relevantes de grado,

cercanía e intermediación cuando se trata de obtener ayuda experta.

 Si bien el presidente también está entre los más influyentes, existe una marcada
diferencia (tiene menor poder) en relación a la centralidad del asesor.

 Las relaciones del asesor son en su mayoría de expertise técnico, mientras que
las del presidente son administrativas y de producción.

 El asesor es la persona más prestigiosa cuando se trata de buscar a alguien para

consulta experta, su grado de entrada es claramente el más elevado (12).

 El asesor es también un claro intermediario en el grupo, comparativamente tiene

el nivel más alto en los tres grupos.

 El presidente es la persona más influyente en términos de cantidad de miembros

a los que tiene acceso, su grado de salida es el más elevado (11).

 No parece haber un patrón vincular asociado a las actividades que realizan las
empresas.

39
  Este es el grupo donde más notoriamente el asesor y el presidente son las
personas de mayor poder potencial.

En el grupo Henderson Daireaux el asesor y el presidente no tienen posiciones de

influencia máxima en el grupo.

 El grupo tiene una amplia variedad de tipos de relaciones entre los miembros.

 También existe una homogeneidad en los grados de centralidad de los miembros

(distribución).

 El asesor tiene mayoría de relaciones de asistencia técnica con los miembros.

 El cluster (F-D-A-H) de producción y comercial tiene una alta frecuencia de

consulta experta entre los miembros que lo componen.

 También podemos identificar a los mismos miembros más el B en un cluster de

alta frecuencia y máxima densidad (todos se relacionan con todos los demás).

En el grupo Pergamino prevalecen las relaciones de expertise técnico.

 El miembro I tiene una gran cantidad de lazos a quienes le consulta (outdegree:

16), mientras el asesor y el miembro L son las personas más consultada del
grupo (indegree: 8).

 El asesor es una persona de prestigio en el grupo en cuanto a su capacidad de

asistencia experta.

 Salvo el caso del miembro I, cuyo nivel de intermediación es el más alto, la red
es una red distribuida en términos de centralidad.

 Este grupo tiene una alta densidad de ayuda experta. La cercanía del asesor y
presidente es alta en comparación con los otros dos grupos.

 Observamos una centralización muy alta en la posibilidad de buscar ayuda y

menor en cuanto a recibirla: Network Centralization (Outdegree) = 72.022%,
Network Centralization (Indegree) = 27.701%.

40
 TABLA 6

Medidas del asesor y presidente para la Pregunta 3:

Pregunta 3 medidas del asesor- presidente

Grupo Función Grado Intermediación Cercanía
Pirovano LL asesor in:9 - out:12 123 in:4.75 -out:6.94
presidente in:11 out:5 75 in:4.70 -out:6.97
Henderson D. asesor in:7 - out:1 42 in:11.23 -out:25.92
presidente in:6 - out:5 14 in:11.73-out:25.61
Pergamino asesor in:2 - out:8 37 in:9.89 -out:48.71
presidente in:4 - out:4 16 in:9.64 -out:35.84

Análisis parciales (por pregunta y por grupo)

Pregunta 4. ¿Con quien discute nuevas ideas, innovaciones y mejores formas de

hacer las cosas y con que frecuencia?

Con la pregunta 4 hago foco en otro aspecto del aprendizaje, en este caso se trata de
analizar las relaciones de los asesores y presidentes en cuanto a ideas novedosas e
innovadoras.

A través de este aprendizaje los miembros del grupo pueden resolver problemas nuevos,
característicos de entornos cambiantes y complejos.

Pondremos especial atención a las posiciones de intermediarios, ya que son ellos son
fundamentales durante la difusión temprana de nuevas ideas y comportamientos (saber-
como), debido a que proveen acceso a otras partes de la red que de otra forma estarían
desconectadas (Granovetter, 1973 y 1982; Levin y Cross, 2004).

Los resultados se pueden observar en la TABLA 6.

Los atributos serán los mismos que en las preguntas anteriores, las edades y las
actividades de las empresas.

Será interesante observar si las relaciones tienen algún patrón asociado a las edades y/o
son las actividades de las empresas las que caracterizan dichas relaciones.

En cuanto a las relaciones de aprendizaje novedoso o innovador (pregunta 4),

observamos lo siguiente:

Si bien en el grupo Pirovano La Larga el asesor tiene una posición de máxima

influencia, el grupo presenta una mayor densidad de relaciones (distribución) que en la
pregunta anterior.

41
  El asesor es la persona de mayor influencia (16) y de prestigio (13).

 Cuentan con un alto grado de salida (14 y 16) los miembros M y K lo que les
permite obtener innovaciones de diversas fuentes.

 El asesor tiene un alto número de relaciones que son múltiples (por ejemplo:
familia y negocios) y/o tiene mayor frecuencia. Esto significa que sus lazos son
más fuertes al interior del grupo.

 Es importante destacar el alto nivel de intermediación del asesor en

comparación con los otros miembros, sobre todo considerando que los
aprendizajes nuevos ocurren ante la diversidad de significados y experiencias.

 El presidente tiene un nivel medio de lazos de salida (10) y un nivel alto de

entrada (6).

El grupo Henderson Daireaux presenta relaciones con menor frecuencia promedio.

En este grupo el asesor y presidente no tienen una influencia destacada en lo referido a

aprendizajes novedosos.

 El grado de salida de los miembros L y N es muy alto (18) esto les permite una
gran cantidad de opciones a la hora de pedir nuevas informaciones o formas de
resolver los temas.

 La red está distribuida, los datos son parejos para todos los miembros.

 En cuanto a quienes reciben consulta por nuevas ideas (indegree) se destacan el

presidente (9) y los miembros A y D.

 Llama la atención el nulo grado de entrada (0) que tiene el asesor del grupo para
ser consultado por nuevas ideas, además su grado de salida es menor en relación
a otros actores.

 El nivel de intermediación del asesor también es nulo. Siendo los miembros F-

D-A los brokers del grupo.

A diferencia del grupo anterior, en el grupo Pergamino prevalecen las relaciones de alta
frecuencia (lazos fuertes). La frecuencia es importante ya que facilita la transferencia de
conocimiento tácito especialmente en lo referido a conocimiento especializado. La alta
frecuencia también establece las condiciones para adaptar, coordinar y salvaguardar los
intercambios efectivamente (Williamson, 1985:60).

42
  Como en los grupos anteriores no se observan patrones vinculares asociados a la
edad y a la actividad de la empresa.

 El asesor tiene máxima intermediación en el grupo, mientras que el presidente

no tiene una posición de poder.

 El asesor es el más consultado del grupo (indegree: 8).

 Existen tres miembros del grupo (I-H-A) con los más altos niveles de influencia

TABLA 7

Medidas del asesor y presidente para la Pregunta 4:

Pregunta 4 medidas del asesor- presidente

Grupo Función Grado Intermediación Cercanía
Pirovano LL asesor in:16 - out:13 154 in:5.55 -out:12.14
presidente in:10 out:6 22 in:5.48 -out:11.76
Henderson D. asesor in: 6 - out: 0 0 in:4.76 -out:58.82
presidente in:7 - out:9 34 in:15.74-out:35.71
Pergamino asesor in:5 - out:8 39 in:8.96 -out:48.78
presidente in:3 - out:4 11 in:8.77 -out:31.74
2.3 Análisis general

¿Cómo influyen las funciones del asesor y del presidente en el aprendizaje de cada
grupo Crea?

H1: Los asesores y presidentes ocupan posiciones de máximo poder potencial en el

aprendizaje del grupo.

En base a estos hallazgos hemos detectado que el poder de los asesores y de los
Presidentes en el aprendizaje de los grupos es diferenciable (TABLA 8 y 9).

En términos reticulares entre ambas funciones no existe equivalencia estructural (mismo

patrón de relaciones de aprendizaje con todos los otros).

Los presidentes tienen un bajo grado de poder potencial salvo en el caso del grupo Crea
Pirovano La Larga en todas sus redes y en el caso de Henderson Daireaux como
prestigioso en la red de aprendizaje novedoso.

Los asesores resultan ser actores de máximo poder potencial en dos de los tres grupos
(Pirovano La larga y Pergamino) en los distintos tipos de redes analizadas. Este poder
se observa tanto en la cantidad de vínculos de aprendizaje en el grupo (con los

43
miembros) como con los vínculos con personas ajenas al mismo, sobre todo en la
accesibilidad e intermediación.

Los asesores son los actores más prestigiosos de los grupos, este prestigio es
fundamentalmente técnico. Es importante destacar que la formación de los asesores en
los tres casos es de ingenieros agrónomos, y a que parte de su función/identidad como
asesores está muy ligada al conocimiento técnico.

Los asesores resultan ser claramente hubs de aprendizaje experto y novedoso.

Estas conclusiones no aplican al asesor del grupo Henderson Daireaux, quien no tiene
un lugar de poder potencial en el grupo. El presidente de este grupo sólo lo tiene en
cuanto a su prestigio en aprendizaje novedoso.

Este grupo tiene los niveles de densidad más altos en todas las preguntas y sus redes son
las más distribuidas. Siendo las redes de Pirovano La Larga las de mayor centralización
en comparativa con los otros dos grupos.

Como observamos, los asesores y presidentes no ocupan posiciones de máximo poder

en todas las redes. Las condiciones en las cuales los asesores y presidentes ocupan
posiciones de poder varían de acuerdo a la densidad de la red y la distribución del poder
en la red. En las redes de menor densidad y distribución, los asesores y presidentes,
aumentan su poder en términos de intermediación. En las redes de mayor densidad y
distribución las relaciones de poder se minimizan. En estas redes los actores tienen
mayores alternativas de búsqueda y obtención de información.

No hemos encontrado diferencias en base a los atributos (edad, actividad principal de la

empresa, formación, etc.) de los actores y las relaciones que existen con el asesor y el
presidente.

La formación de los miembros de los grupos es uniforme (el 77% es universitario), y no

parece ser un factor distintivo en las relaciones de aprendizaje. La formación no sólo es
uniforme en cuanto a su nivel educativo, también lo es en cuanto al tipo de formación y
expertise de los miembros, algunos son ingenieros agrónomos, otros vienen de familias
con campos y otros trabajan hace años vinculados a la actividad agropecuaria.

En cuanto a las edades, si bien existen diferencias entre los grupos en cuanto a su
promedio de edad, en las relaciones de aprendizaje no observo un patrón particular.

44
Las actividades de las empresas son básicamente de producción agropecuaria (71%),
tampoco parecen ser un diferencial en las relaciones de aprendizaje.

Sin embargo, encontramos una relación entre la antigüedad y el poder del asesor y el
Presidente en los grupos. El grupo CREA Henderson Daireaux es largamente el más
antiguo (el primer grupo CREA), los grupos CREA Pergamino y Pirovano son más
nuevos.

En las observaciones y entrevistas pudimos observar que los encuentros del grupo
Henderson Daireaux tienen una distribución de la participación muy alta. Esta
distribución se ha observado tanto en cuanto a los miembros del grupo como para con
personas de otros grupos que participan como expositores en algún tema y luego forman
parte de la reunión. Este grupo mantiene la estructura tradicional de las reuniones con
algunas variaciones, una de ellas es la inclusión de presentaciones de temas de interés
para el grupo, estas presentaciones son realizadas por personas del grupo que conozcan
de dicho tema y/o expertos externos. Vale la pena mencionar que sus miembros tienen
muchos años juntos en el grupo y como expertos en la práctica agropecuaria.

A pesar de tratarse de un solo caso en tres, creemos en base a la información cualitativa

y cuantitativa obtenida, la relación entre antigüedad del grupo y distribución del poder
puede ser relevante.

El poder potencial del asesor y el Presidente aparecía como obviamente central para el
aprendizaje del grupo, sin embargo hemos encontrado aquí algunas distinciones en
términos de su despliegue y también hemos hallado relaciones relevantes que inciden en
las condiciones en que aparecen y se desarrollan en estas redes de práctica.

45
TABLA 8:

Comparativo grupal según el tipo de poder (influencia o prestigio) para cada

función (asesor y Presidente)
x x .- x x .-
Prestigio Prestigio
x x .- .- .- .-
Influencia Influencia
Asesor Presidente Asesor Presidente Asesor Presidente

Pirovano Henderson Daireaux Pergamino

Referencias:
x= con poder
.-= sin poder

TABLA 9:

Comparativo grupal entre el Poder y la Antigüedad del grupo

.+
Henderson Dereaux

Antigüedad
del grupo
Pergamino
Pirovano
.-
.- .+
Poder

¿Cómo influye la topología de la red en el aprendizaje del mismo?

Hipótesis 2. Los grupos conforman redes de aprendizaje densas y distribuidas.

2.4 Análisis parciales (por pregunta y por grupo)

Pregunta 2. ¿Con quienes se relaciona se su zona que pertenezcan a Aacrea

(miembros, asesores, autoridades), que tipo de relación/es tiene (grupo Crea, negocios,
familiar, amistad, ocio, etc.) y con que frecuencia interactúa en esa/s relación/es con
estas personas?

46
Analizándolas redes conformadas por los tres grupos para esta pregunta, los mismos
muestran un diseño de red descentralizada en dos casos y centralizada en uno (Pirovano
La Larga). Sin embargo sus estructuras son bastante diversas. Las métricas se muestran
en la TABLA 7.

La red Pirovano La Larga es la de mayor densidad. En esta red de práctica participan

todos los miembros del grupo y su interconexión es claramente la más importante en
comparación con los otros dos grupos.

 Si bien aparecen tres miembros fuera de la red el resto comparte varias

relaciones con personas de la zona. En caso de eliminarse al asesor y al
presidente el grupo quedaría desarticulado.

En el grupo Henderson Daireaux hay 5 miembros fuera de la red y cinco conformando

la red. Esta red es mucho menos cohesiva que la anterior.

 Existen cuatro relaciones con personas ajenas a la red que la sostienen como tal,
la ausencia de cualquiera de ellas dejaría afuera de la red a uno de los miembros
y sus relaciones.

La red Crea Pergamino sólo se observan 5 de sus miembros con algunas pocas
relaciones. Uno de sus miembros muestra una red centralizada con cinco relaciones con
personas ajenas al grupo.

TABLA 10

Medidas de los grupos para la Pregunta 2:

Pregunta 2 medidas de grupo

Grupo Densidad Centralidad
Pirovano LL 40.60% in:3.42%
out:30.25%
Henderson D. 39.90% in:3.94%
out:21.79%
Pergamino 71.40% in:2.75%
out:23.75%

Análisis parciales (por pregunta y por grupo)

Pregunta 3. ¿A quienes acude por consulta experta en relación a su trabajo, en que

temas y con que frecuencia?

47
Al observar la red Pirovano La Larga detecto por un lado una densidad importante y
por otro una gran cantidad de agujeros estructurales.

 Su apariencia es el de una red distribuida entre algunos actores centrales del

grupo y descentralizada entre otros, sobre todo al incluir las relaciones con
personas ajenas al grupo.

El grupo Henderson Daireaux tiene un diseño de red medianamente distribuida. Quedan

agujeros estructurales en las relaciones del asesor con personas ajenas al grupo y en el
caso del miembro I sólo con una relación que lo une al grupo.

El grupo Crea Pergamino es una red relativamente distribuida, centralizada en algunos

miembros que tienen relaciones con personas ajenas al grupo. En esta red existen
miembros con una gran cantidad de lazos, se destaca por su centralidad la figura del
miembro I teniendo acceso a 16 personas.

Su centralidad de salida (outdegree) es muy alta, mostrando una desigualdad en el poder

individual, muchos lazos se concentran en pocas personas.

TABLA 11

Medidas de los grupos para la Pregunta 3:

Pregunta 3 medidas de grupo

Grupo Densidad Centralidad
Pirovano LL 16.43% in:30.85%
out:27.73%
Henderson D. 48.27% in:27.89%
out:32.88%
Pergamino 39.21% in:27.70%
out:72.02%

Análisis parciales (por pregunta y por grupo)

Pregunta 4. ¿Con quien discute nuevas ideas, innovaciones y mejores formas de

hacer las cosas y con que frecuencia?

La red del grupo Pirovano La Larga para esta pregunta presenta un alto grado de
distribución. Sin embargo hay un miembro sólo unido a través de una relación con una
persona ajena al grupo.

 Es notoria tanto la densidad como la frecuencia de las relaciones en cuanto al

aprendizaje novedoso.

48
  Si bien el asesor posee gran cantidad de relaciones en ningún caso de
desaparecer quedarían miembros aislados, el mínimo de lazos del grupo es tres.

En el caso de la red de Henderson Daireaux también se trata de una red de práctica muy
distribuida. A pesar de existir miembros con gran cantidad de relaciones, los miembros
poseen al menos cinco relaciones con otros miembros. En caso de eliminar a uno o
varios actores los miembros seguirían vinculados. El rango promedio del grupo es muy
elevado, y la cercanía entre sus miembros es la más elevada en comparación con los
otros grupos.

La red de Pergamino también posee una apariencia distribuida, incluyendo a algunas

personas ajenas al grupo. No sólo se incluyen todos los miembros sino que su
centralidad de grado es pareja.

 En este grupo vuelven a observarse una mayoría de relaciones de alta frecuencia

(lazos fuertes).

TABLA 12

Medidas de los grupos para la Pregunta 4:

Pregunta 4 medidas de grupo

Grupo Densidad Centralidad
Pirovano LL 33.87% in:32.11%
out:42.44%
Henderson D. 88.57% in:32.25
out:63.75%
Pergamino 52.86% in:22.25%
out:69.50%

2.5 Análisis general

Los grupos conforman redes de práctica de densidad irregular de acuerdo al tipo de

variable que se mida.

Si bien las redes no son definitivamente distribuidas (todos los actores tienen vínculos
con todos los otros), se observa en general una paridad en la centralidad de los
miembros del grupo.

Como hemos mencionado anteriormente, sólo los asesores poseen una centralidad
superior cuyo poder se ve atenuado en las redes más distribuidas.

49
En las redes de práctica, en el aprendizaje basado en el expertise el asesor posee un
poder máximo (salvo en el caso del grupo Henderson Daireaux, donde son varios los
miembros del grupo que son expertos y el asesor es el influyente) y es más notorio ya
que la distribución es media.

La distribución es mayor en el caso de las redes de práctica donde el aprendizaje está

basado en la novedad. En este caso el poder está más distribuido, es decir, los
miembros poseen varias alternativas para recibir información crítica.

Interpretamos que en estos grupos Crea el conocimiento experto está centralizado

mientras que los aprendizajes innovadores residen en la red de práctica.

50
 CAPITULO 5: Conclusiones

El rediseño de las estructuras y tecnologías institucionales que permitan potenciar el

aprendizaje colectivo en tiempos de cambio serán centrales para el futuro de las
organizaciones.

Aacrea tiene una larga historia basada en el pluralismo y la creación de redes. Su

importante crecimiento y transformación “interna”, observada en la cantidad de
miembros, grupos y zonas, más la complejidad “externa” en términos del negocio, la
política y los mercados, conforman hoy un escenario de altísima complejidad para la
gestión del aprendizaje en redes de práctica.

La información y los recursos son fundamentales en los momentos de cambio y pueden

ser movilizados fácil y rápidamente a través de las conexiones a lo largo de
determinadas estructuras. Esto quiere decir que, la capacidad de adaptación y
supervivencia de la organización, depende en parte de aquellas personas cuyas
decisiones están guiadas por puntos de vista ajustados y flexibles que se han construido
en base a las informaciones y recursos provenientes de los distintos vínculos que
mantienen con diferentes partes de la organización. Replantearse las estructuras e
identidades organizacionales y específicamente las funciones del asesor y el presidente
debería formar parte de la agenda organizacional.

En la historia de Aacrea la definición de la función del asesor está asociada a su rol

como “facilitador del proceso de intercambio que se da en el CREA y nexo de
comunicación dentro del grupo y fuera de él”.

Creemos importante destacar que más allá de la definición formal de la función del
asesor, existe una expectativa en los grupos de que sea él mismo quien de respuesta
experta a sus inquietudes. Este rol de experto se construye en base a estas expectativas
de los miembros y la aceptación del asesor de jugar ese rol. Sobre todo en los grupos
donde los temas tratados en los grupos CREA son predominantemente productivos o
técnicos.

Los hallazgos en cuanto al aprendizaje experto, donde el asesor ocupa un lugar central
en alguno de los grupos estudiados, muestran al asesor en posiciones de máxima
influencia. Cómo líderes de opinión ellos adoptan más temprano que los demás las
innovaciones culturalmente aceptables y se muestran como oponentes de aquellas
culturalmente inaceptables (Becker 1970). Al ocupar posiciones centrales suelen estar

51
bien situados para influir sobre las percepciones que tienen otros actores de la realidad a
través de la influencia social y del control del flujo informativo (Brass y Bukhardt;
Cook y Emerson, 1984).

Según lo observado en los grupos, el asesor propicia la participación de todos los

miembros del grupo en las reuniones y comparte la información que cree relevante para
el grupo y/o alguno de sus miembros.

Aunque desarrolla el rol de “facilitador de procesos de intercambio” el asesor no posee

una formación específica en gestión de redes (networking) ni utiliza frecuentemente las
estructuras de gestión para estos intercambios. Como mencionaran anteriormente
distintos testimonios que dan cuenta de las tecnologías utilizadas en Aacrea, estas están
a disposición de los socios Crea, ni institucionalmente ni a nivel grupal existe una
apropiación de los mismos como recursos para la promoción de las relaciones de
aprendizaje, y cada grupo elige e incluso diseña fragmentadamente con respecto al resto
su propia tecnología de aprendizaje.

Los espacios de aprendizaje y conocimiento (tecnologías, cursos y eventos) que ofrece

Aacrea son preferentemente técnicos, para los temas que salen de la temática productiva
agroganadera concurren a otros expertos. Esta práctica está muy instalada tanto grupal
como institucionalmente, basta ver quienes son convocados a los distintos congresos
regionales y nacionales para tratar temas políticos, sociales, económicos o de
management y el formato expositivo de esas disertaciones.

Un aspecto de implicancia práctica es la posibilidad del diseño de la formación del

asesor para que pueda generar y desarrollar relaciones de aprendizaje entre los
miembros del grupo y con personas fuera de él. De generar estas relaciones, por un lado
el asesor perdería poder ya que no sería el concentrador de estas relaciones, por otro
lado estar vinculado a otros conectados le permitiría ganar centralidad. Según Bonacich
la centralidad es una función de cuántas conexiones tiene uno y los actores en relación
con uno.

Como hemos destacado, la conformación y el desarrollo de los grupos tiene una

dimensión afectiva importante, la amistad y lo familiar son valores de los grupos
investigados. Los vínculos afectivos entre los miembros de un grupo tienden a ser
vínculos fuertes y robustos. Los vínculos fuertes fomentan y aseguran el acceso a
relaciones de solidaridad, mientras que los vínculos débiles proveen información y

52
recursos más allá de los que están disponibles en el círculo de acción de un actor (Buró,
1992; Granovetter, 1973). Los vínculos débiles son fuertes en la difusión de
innovaciones e información, mientras que los vínculos fuertes entre los miembros de un
grupo contribuyen a la cohesión del grupo.

Justamente notamos una alta densidad y cohesión, en cuanto a las redes de práctica de
aprendizaje, aquí los asesores y presidente no poseen un nivel de influencia máximo en
los grupos debido a que los miembros poseen otras alternativas para acceder al
aprendizaje. Los aprendizajes se comparten y provienen de los mismos miembros, son
ellos quienes en su experiencia van aprendiendo y compartiendo con otros.

Esta cohesión es importante ya que facilita el intercambio de conocimientos al reducir

los impedimentos competitivos y motivacionales que existen para ello, en especial por
el hecho de que la transferencia de saber-como es beneficiosa para el receptor pero
costosa para la fuente; la presencia de vínculos densos con terceros alrededor de una
relación puede ayudar a superar tales impedimentos (Reagans y McEvily 2003). Los
vínculos fuertes (homófilos) que caracterizan las relaciones cohesivas, son claves para
la difusión de aprendizajes al interior de la red (especialmente para la transmisión de
conocimiento tácito, que es el característico de innovaciones técnicas), debido a su rol
relevante en los procesos de influencia, comparación y aprendizaje social. Pero también
puede ser importante cierto nivel de vínculos débiles (heterofilia) para que los
aprendizajes novedosos se difundan entre distintos grupos y subgrupos (Dagenne y
Forsé 1999, Feder y Savastano 2006).

Una relación que puede ser interesante continuar investigando es como influye la
variable temporal (años de antigüedad del grupo) en la transformación topológica de la
red, es decir como se distribuye el poder en la red de práctica o se concentra en el asesor
y Presidente.

Los temas de aprendizaje novedoso no son sólo técnicos o productivos, sino que
incluyen temas comerciales, legales, de recursos humanos, u otros atenientes al negocio.
Estos aprendizajes ubican a los miembros de los grupos CREA más como empresarios
agroganaderos que productores (farmers). La práctica parece estar asociado a la
producción y las ideas nuevas al negocio.

Esto trae aparejado implicancias prácticas centrales en el aprendizaje de los grupos

CREA ya que este cambio identitario de productores a empresarios de agrobussines va

53
acompañado de cambios en el entramado vincular. En estas transformaciones quizás sea
propicio repensar los criterios de distinción y conformación de los grupos, sus redes
informales, las funciones tanto del asesor como del Presidente, como la gestión del
aprendizaje en los grupos.

Comprender e implementar los recursos que permitan cartografiar y obtener

información de las relaciones de aprendizaje será un aspecto estratégico para la
continuidad y el desarrollo de esta institución como modelo de trabajo en redes de
práctica.

Reconocimientos

Esta tesis es presentada en la Universidad de San Andrés, agradezco el soporte

institucional para su concreción.

Reconozco a los miembros de los grupos Crea investigados por su colaboración en esta
investigación y también a los miembros de Aacrea que me brindaron información.

También fue importante para mí el apoyo de los presidentes de los tres grupos para la
coordinación y desarrollo de la investigación.

Agradezco la colaboración de Ignacio Zuberbhuler y Santiago Venzano por haberme

abierto las relaciones que me dieron acceso a los grupos investigados.

Contar con la ayuda de Emilia Pasos para la carga de datos y el procesamiento en

Ucinet 6 fue fundamental. La participación de Jorge Miceli aportando rigurosidad y
conocimiento experto en el análisis de redes sociales. Ellos fueron parte de mi soporte
para esta tesis.

A Alejandro Artopoulous, mi tutor de tesis, quien tuvo la calidad y calidez para

señalarme el nivel de profundidad justa para cada parte de la investigación.

Héctor Chaskielberg

30.6.2010

54
 BIBLIOGRAFÍA

Andrews Steven, Basler C.R:, Coller X., Redes, cultura, e identidades en las
organizaciones. Centro de Investigaciones Sociológicas. Reis, N°97 (Jan-Mar., 2002).

Argote, L., P. Ingram, J.M. Levine, R. L. Moreland. 2000. Knowledge Transfer:

Learning from the experience of others. Organ. Behavior Human decision Processes
82 1-8.

Artopoulous, A. FLACSO Argentina, La sociedad del conocimiento. De la sociedad

industrial y sus herencias. Módulo: Gestión del conocimiento en las organizaciones.
FLACSO virtual. Sesión de trabajo: 1.

, A. FLACSO Argentina, Estrategias y transferencias. Principios de

gestión del conocimiento. Módulo: Gestión del conocimiento en las organizaciones.
FLACSO virtual. Sesión de trabajo: 2.

, A. FLACSO Argentina, Estructuras sociales del conocimiento.

Comunidades, redes y sistemas emergentes. Módulo: Gestión del conocimiento en las
organizaciones. FLACSO virtual. Sesión de trabajo: 3.

Barabasi, A. L., 2002. Linked: The New Science of Networks. Cambridge, MA,
Perseus Publishing.

Barnes, J.A., 1979. Network analysis: Orienting Notion, Rigorous Technique, or

Substantive Field of Study?. Pp. 403-23 in Perspectives on Social Network Analysis,
edited by P.W. Holland y S. Leinhardt. New York: Academic.

Bonacich, P. 1987. Power and Centrality: A Family of Measures. American Journal

of Sociology 92:1170-82.

Borgatti S. P., Cross R.. A Relational View of Information Seeking and Learning in
Social Networks. Carroll School of Management, Boston College, Chestnut Hill,
Massachusetts 02467 Mclntire School of Commerce, University of Virginia,
Charlottesville, Virginia 22904 borgatts@bc.edu robcross@virginia.edu

Borgatti S. P. y Everett M.. 1992. Notions of Position in Social Network Analysis.

Sociological Methodology, Vol. 22pp. 1-35

55
Borgatti S, Jones C., Hesterly W.,Oct.. 1997. A General a theory of network
governance: Exchange Conditions and Social Mechanisms. The Academy of
Management Review, Vol. 22, N° 4 pp. 911-945.

Brown J. S. y Duguid P.. 1991. Organizational learning and communities –of-

practice: toward a unified view of working, learning and innovation.. Organization
Science.

Brown J. S. y Duguid P.. 2001. Knowledge and Organization: A Social-Practice

Perspective. Organization Science, Vol. 12, No. 2, 198-213.

Burt, R. 1987. Social contagion and innovation: Coahesion versus structural

equivalence. American Journal of Sociology 92:1287-1335.

Burt, R. 1992. Structural Holes. Cambridge, MA: Harvard University Press.

. 2000. The Network Structure of Social Capital. Research in Organizational

Behavior 22.345-423.

Choh H., Lee J.-S., Stefanone M. and Gay G.. Development of computer-supported
collaborative social networks in a distributed learning community. Communications
and New Media Programme, National University of Singapore, Singapore. School of
Communication and Information, Nanyang Technological University, Singapore HCI
Group, Department of Communication, Cornell University, Ithaca, NY, USA.
Department of Communication, Information Science HCI Group, Information Science
Program, Cornell University, Ithaca, NY, USA

Contu A., Willmott H., Re-Embedding Situatedness: The Importance of Power

Relations in Learning Theory. Department of Management Learning, University of
Lancaster, Bailrigg, Lancaster, United Kingdom LA] 4YW Judge Institute of
Management Studies, University of Cambridge, Trumpington Street, Cambridge,
United Kingdom CB2 JAG a.contu@ lancaster.ac.uk * h.willmott@jims.cam.ac.uk

Cross R., Parise S., Weiss L., The role of networks in organizacional change.. The Mc
Kinsey Quartely

Granovetter, M. 1973. The Strength of Weak Ties. American Journal of Sociology

78:1360-80.

Granovetter, M. 1974. Getting a Job. Cambridge: Harvard University Press.

56
Hanneman R.. 2005. Introducción a los métodos del análisis de redes sociales.
Capítulo sexto. Departamento de sociología de la Universidad de California Riverside.

Kogut, B. & Zander, U. 1996. What firms do? Coordination, identity, and learning.
Organization Science, 7: 502-518.

Lave, J. E. Wenger. 1991. Situated Learning: Legitimate Peripheral Participation.

Cambridge University Press. Cambridge, UK:

Levin D. Z., Cross R.. November 2004. The strength of weack ties you can trust: the
mediating role of trust in effective knowledge transfer. Management Science. Vol. 50,
N° 1, pp. 1477-1490.

Nohria, N. 1992. Is network perspective a usefull way of studyng organizations?. In N.

Nohria & R. G. Eccles (Eds.). Networks and organizations: Structure, form and action:
1-22. Boston: Harvard University Press.

Nohria, N. & Eccles, R. G.1992. Face to face.: Making network organization work. In
N. Nohria & R. G. Ec cles (Eds.). Networks and organizations: Structure, form and
action: 288-308. Boston: Harvard University Press.

Peirano-Vejo M. E.. Diciembre 2007. How does knowledge gets created in practice?
An analysis of farmers groups as communities of practice. Iberoamerican Academy of
Management Conference.

Perez Monge M., Hartwich F.. Junio 2008. Análisis de Redes Sociales aplicado al
studio de los procesos de innovación agrícola. Reviste hispana para el análisis de
redes sociales, Vol. 14,#2. Instituto de Investigación sobre Política Alimentaria (IFPRI).

Powell W., Koput K., Smith-Doerr .. Mar.,1996. Interorganizational collaboration

and the locus of innovation: networks of learning in biotechnology. Administrative
Science Quartely. Vol. 41, N° 1 pp.116-145.

Powell W. y Smith-Doerr L.. March 2003. Networks and economic life. The handboock
of Economic Sociology. Strategic Management Journal, Vol. 21, No. 3, Special Issue:
Strategic Networks pp. 217-237 Published by: John Wiley &amp.

Prashant K., Harbir S., Perlmutter H., Mar.. 2000. Learning and Protection of
Proprietary Assets in Strategic Alliances: Building Relational Capital.

57
Rizova P.. Spring 2006. Are your networked for successful innovation?. MIT Sloan
Management Review, vol. 47, n°3.

Saxenian, Anna L. 1994. Regional Advantage: Culture and competition in Silicon

Valley and Route 128. Cambridge, MA: Harvard University Press.

Sevillano, A. L.; Aparicio J. M.. Mayo 2009. Relaciones y estructuras de la red social
en la realimentación de ideas creativas. JMVA-ALShttp://aulatica.net

Siemens G.. 2004. Colectivismo: una teoría del aprendizaje para la era digital.
http://www.connectivism.ca/

Sydow J. y Windeler A.. May - Jun., 1998. Organizing and Evaluating Interfirm
Networks: A Structurationist Perspective on Network Processes and Effectiveness.
Source: Organization Science, Vol. 9, No. 3, Special Issue: Managing Partnerships and
Strategic Alliances pp. 265-284 Published by: INFORMS

The Mckinsey Quartely. 2007. Harnessing the power of informal employee networks.
Number 4.

Uzzi, B. 1996. The sources and consequences of embeddenes for the economic
performance of organizations: The network effect. American Sociological Review,
61:674-698.

Uzzi B. y Lancaster R.. Apr., 2003, Relational Embeddedness and Learning: The Case
of Bank Loan Managers and Their Clients. Source: Management Science, Vol. 49, No.
4, Special Issue on Managing Knowledge in Organizations: Creating, Retaining, and
Transferring Knowledge, pp. 383-399 Published by: INFORMS Stable URL:
http://www.jstor.org/stable/4133946

Van Baalen, Bloemhof-Runwaard J., Van Heck E..January 2005, Knowledge sharing in
an emerging network of practice: the role of a knowledge portal. Erasmus Research
Institute of Management (ERIM) report series research in management. Erasmus
Universiteit Rotterdam. ERS-2005-003-LIS.

Walker G., Kogut B., Shan W.. Mar-Apr., 1997. Social capital, structural holes and
the formation of an industry network. Organization Science, Vol. 8, N° 2, pp. 109-125.

Wayne E. B.. April-June 2001. Building Social capital as an HR Competence. IHRIM

Journal.

58
Wasserman, Stanley y Faust K., 1994. Social Network Analysis: Methods and
Applications. New York: Cambridge University Press.

Watts, D. y Strogatz S.H., 1998. Collective Dynamics of Small-Word Networks. Nature

363:202-04,

Wenger E.. 2000. Communities of practice: Learning, meaning, and identity.

Cambridge: Cambridge University Press. ISBN 0-521-66363-6.

Williamson, O. 1985. The economic institutions of capitalism: Firms, markets and

relational contracting. New York: Free Press

Yin. 2003. Case Study Research. Sage.

59
Anexos:

 Anexo 1: Cuestionario

 Anexo 2: Acuerdo de Confidencialidad

 Anexo 3: Medidas de grado, intermediación y cercanía

 Anexo 4: Medidas de densidad

 Anexo 5: Mapas

60
 Anexo 1: Cuestionarios

Aprendizaje en redes de práctica

Tres casos de Grupos CREA

Cuestionario
o Nombre y apellido:
o Fecha de nacimiento:
o Nombre de su empresa:
o Año de inicio de actividades de la empresa:
o Actividad/es de la empresa (ganadería, comercialización, producción,
asesoramiento, etc.):
o Ubicación geográfica de la empresa (localidad/provincia):
o Cantidad de empleados actual:
o Facturación anual promedio:
o Desde que año pertenece su empresa a este grupo?:
o Su puesto/responsabilidad en la empresa:
o Desde que año pertenece usted a este grupo?:
o Nivel educativo completo (primario, secundario, terciario, universitario):
o Pertenece usted a algún otro grupo Crea, cual?:
o Tiene alguna otra actividad vinculada a Aacrea? (especifique cual/es):

o Tiene alguna otra actividad vinculada a alguna otra institución del sector?
(especifique cual: gremial, de investigación, asociativa, etc.):

61
 Nombres: Relación/es Frecuencia

1. ¿Qué tipo de relación/es

tiene con cada uno (grupo
Crea, negocios, familiar,
amistad, ocio, etc.) y con que
frecuencia interactúa en esa/s
relación/es con estas personas?
 Detalle la frecuencia
para cada relación.

o Referencia para
responder la
“Frecuencia”:
-Nunca: 0
-Anualmente: 1
-Cuatrimestralmente: 2
-Mensualmente: 3
-Semanalmente: 4
-Diariamente o más: 5

62
 Nombres: Relación/es Frecuencia

2. ¿Con quienes se relaciona

de su zona que pertenezcan a
Aacrea (miembros, asesores,
autoridades), que tipo de
relación/es tiene (grupo Crea,
negocios, familiar, amistad,
ocio, etc.) y con que
frecuencia interactúa en
esa/s relación/es con estas
personas?
 Detalle la frecuencia
para cada relación.

o Referencia para
responder la
“Frecuencia”:
-Nunca: 0
-Anualmente: 1
-Cuatrimestralmente: 2
-Mensualmente: 3
-Semanalmente: 4
-Diariamente o más: 5

63
 Nombre: Temas Frecuencia

3. ¿A quienes acude
por consulta
experta en relación
a su trabajo, en que
temas y con que
frecuencia?

 Si las hubiera
complete abajo los
nombres y apellidos
de personas ajenas al
grupo.

Referencia para
responder la
“Frecuencia”:
-Nunca: 0
-Anualmente: 1
-Cuatrimestralmente: 2
-Mensualmente: 3
-Semanalmente: 4
-Diariamente o más: 5

64
 Nombre: Frecuencia

4. ¿Con quien discute

nuevas ideas,
innovaciones, y
mejores formas de
hacer las cosas y con
que frecuencia?

 Si las hubiera
complete abajo los
nombres y apellidos
de personas ajenas
al grupo.

Referencia para
responder la
“Frecuencia”:
-Nunca: 0
-Anualmente: 1
-Cuatrimestralmente: 2
-Mensualmente: 3
-Semanalmente: 4
-Diariamente o más: 5

65
 Nombres: Confianza

5. ¿Cuánto confiás
en estas personas?

Referencia para
responder la
“Confianza”:
-Nada: 4
-Poco: 3
-Bastante: 2
-Mucha: 1

66
 Nombres:

6. Considere un proyecto
relevante
profesionalmente, para
usted y/o su empresa, en
el que usted está
involucrado actualmente
o ha terminado
recientemente (últimos
tres meses), ¿quienes
son las personas que le
han dado información
clave o su experiencia
para poder hacer su
trabajo en este
proyecto?

67
 Tecnologías: Frecuencia

Computadora

Navega en
Internet

Mails

Chat
7. ¿Qué tecnologías/herramientas utiliza
Wikis
y con que frecuencia?
Sigue blogs
o Referencia para responder la
Redes sociales:
“Frecuencia”:
 Nunca: 0 facebook/linkdin
 Anualmente: 1 /otras
 Cuatrimestralmente: 2
 Mensualmente: 3 Celular
 Semanalmente: 4
 Diariamente o más: 5 Mails en celular

Mensajes en
celular

Página Aacrea

Portal zonal

Blog Ridzo

Otro:

Otro:

Otro:

MUCHAS GRACIAS POR SU PARTICIPACIÓN

68
 Anexo 2: Acuerdo de confidencialidad

COMPROMISO DE CONFIDENCIALIDAD

Buenos Aires, 14 de Octubre de 2009.

En relación a la elaboración de la investigación de tesis “Relaciones y Aprendizaje en

Redes de Empresas de Agronegocios” para la Universidad San Andrés (en adelante
denominado el "Proyecto"), los miembros del GRUPO CREA PERGAMINO (en
adelante la "GRUPO CREA”) nos estarán brindando Información Confidencial (tal
como dicho término se define más abajo) vinculada a datos personales, de su empresa,
del GRUPO CREA, y relacionales.

En virtud de lo antedicho y atento al carácter confidencial

de la información a suministrarse, nos comprometemos (incluyendo sin limitación
alguna, al líder del Proyecto, responsable de carga de datos, mentor de tesis, todos ellos
en forma conjunta denominados "Equipo de Trabajo") a: (i) mantener la más estricta
reserva y confidencialidad respecto de toda la información y documentación que
suministre el GRUPO CREA al Equipo de Trabajo, como así también toda la
información y documentación que éste obtenga o tenga acceso como resultado de la
elaboración del Proyecto, sea que pertenezca al GRUPO CREA o a cualquiera de sus
miembros; (ii) no vender, transferir, comercializar, publicar o divulgar la Información
Confidencial, sin el previo consentimiento del GRUPO CREA; (iii) no utilizar ni
permitir el uso de la Información Confidencial para un propósito distinto al de generar
la tesis de investigación vinculada al Proyecto.

El compromiso asumido en virtud del presente cederá cuando por disposición legal o
mandato judicial cualquier miembro del Equipo de Trabajo se viera compelido a revelar
dicha Información Confidencial o así lo acuerden las partes.

A los efectos de este compromiso, Información

Confidencial incluye la siguiente información, sin importar la forma en la cual dicha
información se comunique o almacene, que ha sido, es o será revelada: todos los datos,
notas , informes, análisis, recopilaciones, estudios, archivos, presentaciones,
interpretaciones, pronósticos o registros, y cualquier otro documento o material
electrónico o escrito relacionada con el GRUPO CREA, obtenida con anterioridad o
posterioridad a este Compromiso de Confidencialidad, en forma oral o escrita.

Sin embargo el término Información Confidencial no incluye: (i) la información que sea
o pase a ser de carácter público; o (ii) la información que sea o pase a ser disponible
para el Equipo de Trabajo por una vía que no nos obligue a mantenerla confidencial, tal
como la originada en una fuente a la cual, a vuestro juicio, no le esté impuesta una que
le prohíba revelar la información.

El presente Compromiso se rige y deberá interpretarse de

conformidad con las leyes de la República Argentina.

69
 A todos los fines del presente, aceptamos someternos a la
jurisdicción de los Tribunales Ordinarios competentes de la Ciudad de Buenos Aires,
con expresa renuncia a todo otro fuero o jurisdicción.

Nombre: __________________________ Nombre: ______________________

Cargo: Cargo:

70
 Anexo 3: Medidas de grado, intermediación y cercanía

Procesamiento de preguntas 2, 3, 4 y 6 para datos dicotomizados y medidas de

centralidad básicas

Pregunta 2:

¿Con quienes se relaciona se su zona que pertenezcan a Aacrea (miembros,

asesores, autoridades), que tipo de relación/es tiene (grupo Crea, negocios,
familiar, amistad, ocio, etc.) y con que frecuencia interactúa en esa/s relación/es
con estas personas?
Degree

Pirovano La Larga

FREEMAN'S DEGREE CENTRALITY MEASURES

--------------------------------------------------------------------------------

Diagonal valid? NO
Model: ASYMMETRIC
Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\Pregunta numero 2
relación Dic

1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 A 26.000 0.000 31.325 0.000
15 O 18.000 0.000 21.687 0.000
3 C 16.000 0.000 19.277 0.000
4 D 8.000 0.000 9.639 0.000
2 B 6.000 0.000 7.229 0.000
10 J 6.000 0.000 7.229 0.000
7 G 6.000 0.000 7.229 0.000
13 M 4.000 0.000 4.819 0.000
12 L 4.000 0.000 4.819 0.000
11 K 2.000 0.000 2.410 0.000
9 I 1.000 0.000 1.205 0.000
6 F 1.000 0.000 1.205 0.000
5 E 1.000 0.000 1.205 0.000
14 N 1.000 0.000 1.205 0.000
8 H 0.000 0.000 0.000 0.000
16 P 0.000 3.000 0.000 3.614
17 Q 0.000 2.000 0.000 2.410
18 R 0.000 1.000 0.000 1.205
19 S 0.000 1.000 0.000 1.205
20 T 0.000 1.000 0.000 1.205
21 U 0.000 1.000 0.000 1.205
22 V 0.000 1.000 0.000 1.205

71
23 W 0.000 2.000 0.000 2.410
24 X 0.000 1.000 0.000 1.205
25 Y 0.000 2.000 0.000 2.410
26 Z 0.000 1.000 0.000 1.205
27 AA 0.000 1.000 0.000 1.205
28 AB 0.000 1.000 0.000 1.205
29 AC 0.000 1.000 0.000 1.205
30 AD 0.000 1.000 0.000 1.205
31 AE 0.000 1.000 0.000 1.205
32 AF 0.000 1.000 0.000 1.205
33 AG 0.000 1.000 0.000 1.205
34 AH 0.000 1.000 0.000 1.205
35 AI 0.000 1.000 0.000 1.205
36 AJ 0.000 1.000 0.000 1.205
37 AK 0.000 2.000 0.000 2.410
38 AL 0.000 3.000 0.000 3.614
39 AM 0.000 3.000 0.000 3.614
40 AN 0.000 1.000 0.000 1.205
41 AO 0.000 2.000 0.000 2.410
42 AP 0.000 1.000 0.000 1.205
43 AQ 0.000 1.000 0.000 1.205
44 AR 0.000 2.000 0.000 2.410
45 AS 0.000 4.000 0.000 4.819
46 AT 0.000 1.000 0.000 1.205
47 AU 0.000 1.000 0.000 1.205
48 AV 0.000 4.000 0.000 4.819
49 AW 0.000 3.000 0.000 3.614
50 AX 0.000 1.000 0.000 1.205
51 AY 0.000 2.000 0.000 2.410
52 AZ 0.000 1.000 0.000 1.205
53 BA 0.000 1.000 0.000 1.205
54 BB 0.000 3.000 0.000 3.614
55 BC 0.000 1.000 0.000 1.205
56 BD 0.000 4.000 0.000 4.819
57 BE 0.000 1.000 0.000 1.205
58 BF 0.000 1.000 0.000 1.205
59 BG 0.000 1.000 0.000 1.205
60 BH 0.000 1.000 0.000 1.205
61 BI 0.000 2.000 0.000 2.410
62 BJ 0.000 1.000 0.000 1.205
63 BK 0.000 2.000 0.000 2.410
64 BL 0.000 3.000 0.000 3.614
65 BM 0.000 1.000 0.000 1.205
66 BN 0.000 1.000 0.000 1.205
67 BO 0.000 1.000 0.000 1.205
68 BP 0.000 1.000 0.000 1.205
69 BQ 0.000 1.000 0.000 1.205
70 BR 0.000 1.000 0.000 1.205

72
71 BS 0.000 1.000 0.000 1.205
72 BT 0.000 1.000 0.000 1.205
73 BU 0.000 1.000 0.000 1.205
74 BV 0.000 1.000 0.000 1.205
75 BW 0.000 2.000 0.000 2.410
76 BX 0.000 1.000 0.000 1.205
77 BY 0.000 1.000 0.000 1.205
78 BZ 0.000 1.000 0.000 1.205
79 CA 0.000 1.000 0.000 1.205
80 CB 0.000 1.000 0.000 1.205
81 CC 0.000 1.000 0.000 1.205
82 CD 0.000 1.000 0.000 1.205
83 CE 0.000 1.000 0.000 1.205
84 CF 0.000 1.000 0.000 1.205

DESCRIPTIVE STATISTICS

1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 1.190 1.190 1.434 1.434
2 Std Dev 4.007 0.932 4.828 1.123
3 Sum 100.000 100.000 120.482 120.482
4 Variance 16.059 0.868 23.311 1.261
5 SSQ 1468.000 192.000 2130.933 278.705
6 MCSSQ 1348.952 72.952 1958.125 105.897
7 Euc Norm 38.314 13.856 46.162 16.694
8 Minimum 0.000 0.000 0.000 0.000
9 Maximum 26.000 4.000 31.325 4.819

Network Centralization (Outdegree) = 30.251%

Network Centralization (Indegree) = 3.426%

Henderson – Daireaux

FREEMAN'S DEGREE CENTRALITY MEASURES

--------------------------------------------------------------------------------

Diagonal valid? NO
Model: ASYMMETRIC

73
Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Henderson Daireaux\Dicotomizadas\Pregunta numero 2 Dic

1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
3 C 13.000 0.000 22.807 0.000
1 A 11.000 0.000 19.298 0.000
4 D 6.000 0.000 10.526 0.000
2 B 4.000 0.000 7.018 0.000
15 O 3.000 0.000 5.263 0.000
11 K 3.000 0.000 5.263 0.000
7 G 2.000 0.000 3.509 0.000
12 L 2.000 0.000 3.509 0.000
13 M 1.000 0.000 1.754 0.000
5 E 1.000 0.000 1.754 0.000
10 J 0.000 0.000 0.000 0.000
9 I 0.000 0.000 0.000 0.000
6 F 0.000 0.000 0.000 0.000
14 N 0.000 0.000 0.000 0.000
8 H 0.000 0.000 0.000 0.000
16 P 0.000 0.000 0.000 0.000
17 Q 0.000 0.000 0.000 0.000
18 R 0.000 1.000 0.000 1.754
19 S 0.000 1.000 0.000 1.754
20 T 0.000 1.000 0.000 1.754
21 U 0.000 3.000 0.000 5.263
22 V 0.000 1.000 0.000 1.754
23 W 0.000 1.000 0.000 1.754
24 X 0.000 1.000 0.000 1.754
25 Y 0.000 1.000 0.000 1.754
26 Z 0.000 1.000 0.000 1.754
27 AA 0.000 2.000 0.000 3.509
28 AB 0.000 2.000 0.000 3.509
29 AC 0.000 2.000 0.000 3.509
30 AD 0.000 1.000 0.000 1.754
31 AE 0.000 1.000 0.000 1.754
32 AF 0.000 1.000 0.000 1.754
33 AG 0.000 1.000 0.000 1.754
34 AH 0.000 1.000 0.000 1.754
35 AI 0.000 1.000 0.000 1.754
36 AJ 0.000 1.000 0.000 1.754
37 AK 0.000 1.000 0.000 1.754
38 AL 0.000 1.000 0.000 1.754
39 AM 0.000 1.000 0.000 1.754
40 AN 0.000 1.000 0.000 1.754
41 AO 0.000 1.000 0.000 1.754

74
42 AP 0.000 1.000 0.000 1.754
43 AQ 0.000 1.000 0.000 1.754
44 AR 0.000 1.000 0.000 1.754
45 AS 0.000 1.000 0.000 1.754
46 AT 0.000 1.000 0.000 1.754
47 AU 0.000 1.000 0.000 1.754
48 AV 0.000 1.000 0.000 1.754
49 AW 0.000 1.000 0.000 1.754
50 AX 0.000 1.000 0.000 1.754
51 AY 0.000 1.000 0.000 1.754
52 AZ 0.000 1.000 0.000 1.754
53 BA 0.000 1.000 0.000 1.754
54 BB 0.000 1.000 0.000 1.754
55 BC 0.000 1.000 0.000 1.754
56 BD 0.000 1.000 0.000 1.754
57 BE 0.000 1.000 0.000 1.754
58 BF 0.000 1.000 0.000 1.754

DESCRIPTIVE STATISTICS

1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 0.793 0.793 1.391 1.391
2 Std Dev 2.398 0.609 4.207 1.069
3 Sum 46.000 46.000 80.702 80.702
4 Variance 5.750 0.371 17.699 1.142
5 SSQ 370.000 58.000 1138.812 178.516
6 MCSSQ 333.517 21.517 1026.523 66.227
7 Euc Norm 19.235 7.616 33.746 13.361
8 Minimum 0.000 0.000 0.000 0.000
9 Maximum 13.000 3.000 22.807 5.263

Network Centralization (Outdegree) = 21.791%

Network Centralization (Indegree) = 3.940%

Actor-by-centrality matrix saved as dataset C:\Archivos Proyectos

Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Henderson
Daireaux\Dicotomizadas\P2 HD Frecuencia FreemanDegree Running time: 00:00:01
Output generated: 12 Abr 10 13:41:30

Crea – Pergamino

FREEMAN'S DEGREE CENTRALITY MEASURES

75
-------------------------------------------------------------------------------
Model: ASYMMETRIC
Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pergamino\Dicotomizadas\Pregunta numero 2 Dic
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
9I 5 0 25 0
8H 2 0 10 0
6F 1 0 5 0
7G 1 0 5 0
3C 1 0 5 0
5E 0 0 0 0
2B 0 0 0 0
1A 0 0 0 0
4D 0 0 0 0
10 J 0 0 0 0
11 K 0 0 0 0
12 L 0 1 0 5
13 M 0 1 0 5
14 N 0 1 0 5
15 O 0 1 0 5
16 P 0 1 0 5
17 Q 0 1 0 5
18 R 0 1 0 5
19 S 0 1 0 5
20 T 0 1 0 5
21 U 0 1 0 5
DESCRIPTIVE STATISTICS
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 0.476 0.476 2.381 2.381
2 Std Dev 1.139 0.499 5.694 2.497
3 Sum 10.000 10.000 50.000 50.000
4 Variance 1.297 0.249 32.426 6.236
5 SSQ 32.000 10.000 800.000 250.000
6 MCSSQ 27.238 5.238 680.952 130.952
7 Euc Norm 5.657 3.162 28.284 15.811
8 Minimum 0.000 0.000 0.000 0.000
9 Maximum 5.000 1.000 25.000 5.000
Network Centralization (Outdegree) = 23.750%
Network Centralization (Indegree) = 2.750%

76
Intermediación

Pirovano La Larga

FREEMAN BETWEENNESS CENTRALITY

--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\Pregunta numero 2
relación Dic

Important note: this routine binarizes but does NOT symmetrize.

Un-normalized centralization: 0.000

1 2
Betweenness nBetweenness
------------ ------------
1 A 0.000 0.000
2 B 0.000 0.000
3 C 0.000 0.000
4 D 0.000 0.000
5 E 0.000 0.000
6 F 0.000 0.000
7 G 0.000 0.000
8 H 0.000 0.000
9 I 0.000 0.000
10 J 0.000 0.000
11 K 0.000 0.000
12 L 0.000 0.000
13 M 0.000 0.000
14 N 0.000 0.000
15 O 0.000 0.000
16 P 0.000 0.000
17 Q 0.000 0.000
18 R 0.000 0.000
19 S 0.000 0.000
20 T 0.000 0.000
21 U 0.000 0.000
22 V 0.000 0.000
23 W 0.000 0.000
24 X 0.000 0.000
25 Y 0.000 0.000
26 Z 0.000 0.000

77
27 AA 0.000 0.000
28 AB 0.000 0.000
29 AC 0.000 0.000
30 AD 0.000 0.000
31 AE 0.000 0.000
32 AF 0.000 0.000
33 AG 0.000 0.000
34 AH 0.000 0.000
35 AI 0.000 0.000
36 AJ 0.000 0.000
37 AK 0.000 0.000
38 AL 0.000 0.000
39 AM 0.000 0.000
40 AN 0.000 0.000
41 AO 0.000 0.000
42 AP 0.000 0.000
43 AQ 0.000 0.000
44 AR 0.000 0.000
45 AS 0.000 0.000
46 AT 0.000 0.000
47 AU 0.000 0.000
48 AV 0.000 0.000
49 AW 0.000 0.000
50 AX 0.000 0.000
51 AY 0.000 0.000
52 AZ 0.000 0.000
53 BA 0.000 0.000
54 BB 0.000 0.000
55 BC 0.000 0.000
56 BD 0.000 0.000
57 BE 0.000 0.000
58 BF 0.000 0.000
59 BG 0.000 0.000
60 BH 0.000 0.000
61 BI 0.000 0.000
62 BJ 0.000 0.000
63 BK 0.000 0.000
64 BL 0.000 0.000
65 BM 0.000 0.000
66 BN 0.000 0.000
67 BO 0.000 0.000
68 BP 0.000 0.000
69 BQ 0.000 0.000
70 BR 0.000 0.000
71 BS 0.000 0.000
72 BT 0.000 0.000
73 BU 0.000 0.000
74 BV 0.000 0.000

78
75 BW 0.000 0.000
76 BX 0.000 0.000
77 BY 0.000 0.000
78 BZ 0.000 0.000
79 CA 0.000 0.000
80 CB 0.000 0.000
81 CC 0.000 0.000
82 CD 0.000 0.000
83 CE 0.000 0.000
84 CF 0.000 0.000

DESCRIPTIVE STATISTICS FOR EACH MEASURE

1 2
Betweenness nBetweenness
------------ ------------
1 Mean 0.000 0.000
2 Std Dev 0.000 0.000
3 Sum 0.000 0.000
4 Variance 0.000 0.000
5 SSQ 0.000 0.000
6 MCSSQ 0.000 0.000
7 Euc Norm 0.000 0.000
8 Minimum 0.000 0.000
9 Maximum 0.000 0.000

Network Centralization Index = 0.00%

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos

Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pirovano La
Larga\Dicotomizadas\P2 PLL Intermediación

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 13:59:43
Copyright (c) 1999-2005 Analytic Technologies

79
Henderson – Daireaux

FREEMAN BETWEENNESS CENTRALITY

--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Henderson Daireaux\Dicotomizadas\Pregunta numero 2
relación Dic
Important note: this routine binarizes but does NOT symmetrize.
Un-normalized centralization: 0.000

1 2
Betweenness nBetweenness
------------ ------------
1 A 0.000 0.000
2 B 0.000 0.000
3 C 0.000 0.000
4 D 0.000 0.000
5 E 0.000 0.000
6 F 0.000 0.000
7 G 0.000 0.000
8 H 0.000 0.000
9 I 0.000 0.000
10 J 0.000 0.000
11 K 0.000 0.000
12 L 0.000 0.000
13 M 0.000 0.000
14 N 0.000 0.000
15 O 0.000 0.000
16 P 0.000 0.000
17 Q 0.000 0.000
18 R 0.000 0.000
19 S 0.000 0.000
20 T 0.000 0.000
21 U 0.000 0.000
22 V 0.000 0.000
23 W 0.000 0.000
24 X 0.000 0.000
25 Y 0.000 0.000
26 Z 0.000 0.000
27 AA 0.000 0.000
28 AB 0.000 0.000
29 AC 0.000 0.000
30 AD 0.000 0.000
31 AE 0.000 0.000
32 AF 0.000 0.000
33 AG 0.000 0.000
34 AH 0.000 0.000
35 AI 0.000 0.000

80
36 AJ 0.000 0.000
37 AK 0.000 0.000
38 AL 0.000 0.000
39 AM 0.000 0.000
40 AN 0.000 0.000
41 AO 0.000 0.000
42 AP 0.000 0.000
43 AQ 0.000 0.000
44 AR 0.000 0.000
45 AS 0.000 0.000
46 AT 0.000 0.000
47 AU 0.000 0.000
48 AV 0.000 0.000
49 AW 0.000 0.000
50 AX 0.000 0.000
51 AY 0.000 0.000
52 AZ 0.000 0.000
53 BA 0.000 0.000
54 BB 0.000 0.000
55 BC 0.000 0.000
56 BD 0.000 0.000
57 BE 0.000 0.000
58 BF 0.000 0.000

DESCRIPTIVE STATISTICS FOR EACH MEASURE

1 2
Betweenness nBetweenness
------------ ------------
1 Mean 0.000 0.000
2 Std Dev 0.000 0.000
3 Sum 0.000 0.000
4 Variance 0.000 0.000
5 SSQ 0.000 0.000
6 MCSSQ 0.000 0.000
7 Euc Norm 0.000 0.000
8 Minimum 0.000 0.000
9 Maximum 0.000 0.000

Network Centralization Index = 0.00%

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos

Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Henderson
Daireaux\Dicotomizadas\P2 PLL Intermediación Relación
----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:06:42

81
Crea – Pergamino

FREEMAN BETWEENNESS CENTRALITY

--------------------------------------------------------------------------------
Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pergamino\Pregunta numero 2 relación
Important note: this routine binarizes but does NOT symmetrize.
Un-normalized centralization: 0.000
1 2
Betweenness nBetweenness
------------ ------------
1A 0.000 0.000
2B 0.000 0.000
3C 0.000 0.000
4D 0.000 0.000
5E 0.000 0.000
6F 0.000 0.000
7G 0.000 0.000
8H 0.000 0.000
9I 0.000 0.000
10 J 0.000 0.000
11 K 0.000 0.000
12 L 0.000 0.000
13 M 0.000 0.000
14 N 0.000 0.000
15 O 0.000 0.000
16 P 0.000 0.000
17 Q 0.000 0.000
18 R 0.000 0.000
19 S 0.000 0.000
20 T 0.000 0.000
21 U 0.000 0.000
DESCRIPTIVE STATISTICS FOR EACH MEASURE
1 2
Betweenness nBetweenness
------------ ------------
1 Mean 0.000 0.000
2 Std Dev 0.000 0.000
3 Sum 0.000 0.000
4 Variance 0.000 0.000
5 SSQ 0.000 0.000
6 MCSSQ 0.000 0.000
7 Euc Norm 0.000 0.000
8 Minimum 0.000 0.000
9 Maximum 0.000 0.000
Network Centralization Index = 0.00%

82
Cercanía

Pirovano La Larga

CLOSENESS CENTRALITY
--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\Pregunta numero 2
relación Dic
Method: Geodesic paths only (Freeman Closeness)
Output dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\P2 PLL Cercanía Relación

Note: Data not symmetric, therefore separate in-closeness & out-closeness computed.

The network is not connected. Technically, closeness centrality

cannot be computed, as there are infinite distances.

Closeness Centrality Measures

1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
48 AV 6640.000 6972.000 1.250 1.190
56 BD 6640.000 6972.000 1.250 1.190
45 AS 6640.000 6972.000 1.250 1.190
54 BB 6723.000 6972.000 1.235 1.190
49 AW 6723.000 6972.000 1.235 1.190
64 BL 6723.000 6972.000 1.235 1.190
16 P 6723.000 6972.000 1.235 1.190
39 AM 6723.000 6972.000 1.235 1.190
38 AL 6723.000 6972.000 1.235 1.190
41 AO 6806.000 6972.000 1.220 1.190
51 AY 6806.000 6972.000 1.220 1.190
25 Y 6806.000 6972.000 1.220 1.190
23 W 6806.000 6972.000 1.220 1.190
63 BK 6806.000 6972.000 1.220 1.190
44 AR 6806.000 6972.000 1.220 1.190
17 Q 6806.000 6972.000 1.220 1.190
61 BI 6806.000 6972.000 1.220 1.190
37 AK 6806.000 6972.000 1.220 1.190
75 BW 6806.000 6972.000 1.220 1.190

83
47 AU 6889.000 6972.000 1.205 1.190
57 BE 6889.000 6972.000 1.205 1.190
52 AZ 6889.000 6972.000 1.205 1.190
53 BA 6889.000 6972.000 1.205 1.190
24 X 6889.000 6972.000 1.205 1.190
46 AT 6889.000 6972.000 1.205 1.190
26 Z 6889.000 6972.000 1.205 1.190
43 AQ 6889.000 6972.000 1.205 1.190
50 AX 6889.000 6972.000 1.205 1.190
29 AC 6889.000 6972.000 1.205 1.190
30 AD 6889.000 6972.000 1.205 1.190
31 AE 6889.000 6972.000 1.205 1.190
32 AF 6889.000 6972.000 1.205 1.190
55 BC 6889.000 6972.000 1.205 1.190
34 AH 6889.000 6972.000 1.205 1.190
35 AI 6889.000 6972.000 1.205 1.190
36 AJ 6889.000 6972.000 1.205 1.190
27 AA 6889.000 6972.000 1.205 1.190
28 AB 6889.000 6972.000 1.205 1.190
18 R 6889.000 6972.000 1.205 1.190
40 AN 6889.000 6972.000 1.205 1.190
20 T 6889.000 6972.000 1.205 1.190
42 AP 6889.000 6972.000 1.205 1.190
22 V 6889.000 6972.000 1.205 1.190
65 BM 6889.000 6972.000 1.205 1.190
66 BN 6889.000 6972.000 1.205 1.190
67 BO 6889.000 6972.000 1.205 1.190
68 BP 6889.000 6972.000 1.205 1.190
69 BQ 6889.000 6972.000 1.205 1.190
70 BR 6889.000 6972.000 1.205 1.190
71 BS 6889.000 6972.000 1.205 1.190
72 BT 6889.000 6972.000 1.205 1.190
73 BU 6889.000 6972.000 1.205 1.190
74 BV 6889.000 6972.000 1.205 1.190
33 AG 6889.000 6972.000 1.205 1.190
76 BX 6889.000 6972.000 1.205 1.190
77 BY 6889.000 6972.000 1.205 1.190
78 BZ 6889.000 6972.000 1.205 1.190
58 BF 6889.000 6972.000 1.205 1.190
59 BG 6889.000 6972.000 1.205 1.190
60 BH 6889.000 6972.000 1.205 1.190
19 S 6889.000 6972.000 1.205 1.190
62 BJ 6889.000 6972.000 1.205 1.190
21 U 6889.000 6972.000 1.205 1.190
84 CF 6889.000 6972.000 1.205 1.190
80 CB 6889.000 6972.000 1.205 1.190
81 CC 6889.000 6972.000 1.205 1.190
82 CD 6889.000 6972.000 1.205 1.190

84
83 CE 6889.000 6972.000 1.205 1.190
79 CA 6889.000 6972.000 1.205 1.190
2 B 6972.000 6474.000 1.190 1.282
3 C 6972.000 5644.000 1.190 1.471
4 D 6972.000 6308.000 1.190 1.316
5 E 6972.000 6889.000 1.190 1.205
1 A 6972.000 4814.000 1.190 1.724
12 L 6972.000 6640.000 1.190 1.250
13 M 6972.000 6640.000 1.190 1.250
14 N 6972.000 6889.000 1.190 1.205
15 O 6972.000 5478.000 1.190 1.515
6 F 6972.000 6889.000 1.190 1.205
7 G 6972.000 6474.000 1.190 1.282
8 H 6972.000 6972.000 1.190 1.190
9 I 6972.000 6889.000 1.190 1.205
10 J 6972.000 6474.000 1.190 1.282
11 K 6972.000 6806.000 1.190 1.220

Statistics

1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
1 Mean 6873.190 6873.190 1.208 1.211
2 Std Dev 77.350 332.611 0.014 0.076
3 Sum 577348.000 577348.000 101.451 101.744
4 Variance 5982.964 110630.156 0.000 0.006
5 SSQ 3968725248.0003977515776.000 122.543 123.718
6 MCSSQ 502568.938 9292933.000 0.016 0.482
7 Euc Norm 62997.820 63067.547 11.070 11.123
8 Minimum 6640.000 4814.000 1.190 1.190
9 Maximum 6972.000 6972.000 1.250 1.724

Network centralization not computed for unconnected graphs

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos
Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pirovano La
Larga\Dicotomizadas\P2 PLL Cercanía Relación

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:16:50
Copyright (c) 1999-2005 Analytic Technologies

85
Henderson – Daireaux

CLOSENESS CENTRALITY
--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Henderson Daireaux\Dicotomizadas\Pregunta numero 2
relación Dic
Method: Geodesic paths only (Freeman Closeness)
Output dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\P2 HD Cercanía Relación

Note: Data not symmetric, therefore separate in-closeness & out-closeness computed.
The network is not connected. Technically, closeness centrality
cannot be computed, as there are infinite distances.

Closeness Centrality Measures

1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
21 U 3135.000 3306.000 1.818 1.724
28 AB 3192.000 3306.000 1.786 1.724
27 AA 3192.000 3306.000 1.786 1.724
29 AC 3192.000 3306.000 1.786 1.724
31 AE 3249.000 3306.000 1.754 1.724
32 AF 3249.000 3306.000 1.754 1.724
33 AG 3249.000 3306.000 1.754 1.724
34 AH 3249.000 3306.000 1.754 1.724
38 AL 3249.000 3306.000 1.754 1.724
39 AM 3249.000 3306.000 1.754 1.724
37 AK 3249.000 3306.000 1.754 1.724
41 AO 3249.000 3306.000 1.754 1.724
35 AI 3249.000 3306.000 1.754 1.724
40 AN 3249.000 3306.000 1.754 1.724
30 AD 3249.000 3306.000 1.754 1.724
45 AS 3249.000 3306.000 1.754 1.724
46 AT 3249.000 3306.000 1.754 1.724
18 R 3249.000 3306.000 1.754 1.724
19 S 3249.000 3306.000 1.754 1.724
20 T 3249.000 3306.000 1.754 1.724
36 AJ 3249.000 3306.000 1.754 1.724
22 V 3249.000 3306.000 1.754 1.724
23 W 3249.000 3306.000 1.754 1.724
24 X 3249.000 3306.000 1.754 1.724
25 Y 3249.000 3306.000 1.754 1.724
26 Z 3249.000 3306.000 1.754 1.724
42 AP 3249.000 3306.000 1.754 1.724
43 AQ 3249.000 3306.000 1.754 1.724

86
44 AR 3249.000 3306.000 1.754 1.724
58 BF 3249.000 3306.000 1.754 1.724
52 AZ 3249.000 3306.000 1.754 1.724
53 BA 3249.000 3306.000 1.754 1.724
47 AU 3249.000 3306.000 1.754 1.724
48 AV 3249.000 3306.000 1.754 1.724
49 AW 3249.000 3306.000 1.754 1.724
50 AX 3249.000 3306.000 1.754 1.724
51 AY 3249.000 3306.000 1.754 1.724
55 BC 3249.000 3306.000 1.754 1.724
56 BD 3249.000 3306.000 1.754 1.724
54 BB 3249.000 3306.000 1.754 1.724
57 BE 3249.000 3306.000 1.754 1.724
2 B 3306.000 3078.000 1.724 1.852
3 C 3306.000 2565.000 1.724 2.222
1 A 3306.000 2679.000 1.724 2.128
16 P 3306.000 3306.000 1.724 1.724
17 Q 3306.000 3306.000 1.724 1.724
4 D 3306.000 2964.000 1.724 1.923
5 E 3306.000 3249.000 1.724 1.754
6 F 3306.000 3306.000 1.724 1.724
7 G 3306.000 3192.000 1.724 1.786
8 H 3306.000 3306.000 1.724 1.724
9 I 3306.000 3306.000 1.724 1.724
10 J 3306.000 3306.000 1.724 1.724
11 K 3306.000 3135.000 1.724 1.818
12 L 3306.000 3192.000 1.724 1.786
13 M 3306.000 3249.000 1.724 1.754
14 N 3306.000 3306.000 1.724 1.724
15 O 3306.000 3135.000 1.724 1.818

Statistics
1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
1 Mean 3260.793 3260.793 1.748 1.752
2 Std Dev 34.718 136.685 0.019 0.088
3 Sum 189126.000 189126.000 101.398 101.600
4 Variance 1205.337 18682.715 0.000 0.008
5 SSQ 616770688.000617784384.000 177.288 178.425
6 MCSSQ 69909.516 1083597.500 0.020 0.450
7 Euc Norm 24834.867 24855.268 13.315 13.358
8 Minimum 3135.000 2565.000 1.724 1.724
9 Maximum 3306.000 3306.000 1.818 2.222

Network centralization not computed for unconnected graphs

87
Crea – Pergamino

CLOSENESS CENTRALITY
--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Pergamino\Dicotomizadas\Pregunta numero 2 relación Dic
Method: Geodesic paths only (Freeman Closeness)
Output dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pergamino\Dicotomizadas\P2 CP Cercanía Relacion

Note: Data not symmetric, therefore separate in-closeness & out-closeness computed.

The network is not connected. Technically, closeness centrality

cannot be computed, as there are infinite distances.

Closeness Centrality Measures

1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
21 U 400.000 420.000 5.000 4.762
12 L 400.000 420.000 5.000 4.762
13 M 400.000 420.000 5.000 4.762
14 N 400.000 420.000 5.000 4.762
15 O 400.000 420.000 5.000 4.762
16 P 400.000 420.000 5.000 4.762
17 Q 400.000 420.000 5.000 4.762
18 R 400.000 420.000 5.000 4.762
19 S 400.000 420.000 5.000 4.762
20 T 400.000 420.000 5.000 4.762
1A 420.000 420.000 4.762 4.762
2B 420.000 420.000 4.762 4.762
3C 420.000 400.000 4.762 5.000
4D 420.000 420.000 4.762 4.762
5E 420.000 420.000 4.762 4.762
6F 420.000 400.000 4.762 5.000
7G 420.000 400.000 4.762 5.000
8H 420.000 380.000 4.762 5.263
9I 420.000 320.000 4.762 6.250
10 J 420.000 420.000 4.762 4.762
11 K 420.000 420.000 4.762 4.762

Statistics

88
 1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
1 Mean 410.476 410.476 4.875 4.891
2 Std Dev 9.989 22.778 0.119 0.330
3 Sum 8620.000 8620.000 102.381 102.704
4 Variance 99.773 518.821 0.014 0.109
5 SSQ 3540400.000 3549200.000 499.433 504.575
6 MCSSQ 2095.238 10895.238 0.297 2.288
7 Euc Norm 1881.595 1883.932 22.348 22.463
8 Minimum 400.000 320.000 4.762 4.762
9 Maximum 420.000 420.000 5.000 6.250

Network centralization not computed for unconnected graphs

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos
Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pergamino\Dicotomizadas\P2
CP Cercanía Relacion

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:23:54
Copyright (c) 1999-2005 Analytic Technologies

89
Pregunta 3:

¿A quienes acude por consulta experta en relación a su trabajo, en que temas y con
que frecuencia?

Degree

Pirovano La Larga

FREEMAN'S DEGREE CENTRALITY MEASURES

--------------------------------------------------------------------------------

Diagonal valid? NO
Model: ASYMMETRIC
Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\Pregunta numero 3 Dic

1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
15 O 11.000 5.000 33.333 15.152
1 A 9.000 12.000 27.273 36.364
10 J 7.000 4.000 21.212 12.121
6 F 6.000 0.000 18.182 0.000
9 I 5.000 0.000 15.152 0.000
4 D 5.000 7.000 15.152 21.212
8 H 5.000 0.000 15.152 0.000
7 G 4.000 9.000 12.121 27.273
2 B 4.000 3.000 12.121 9.091
12 L 4.000 1.000 12.121 3.030
13 M 3.000 2.000 9.091 6.061
3 C 3.000 2.000 9.091 6.061
5 E 2.000 0.000 6.061 0.000
14 N 2.000 0.000 6.061 0.000
11 K 2.000 0.000 6.061 0.000
16 P 0.000 1.000 0.000 3.030
17 Q 0.000 1.000 0.000 3.030
18 R 0.000 1.000 0.000 3.030
19 S 0.000 1.000 0.000 3.030
20 T 0.000 3.000 0.000 9.091
21 U 0.000 1.000 0.000 3.030
22 V 0.000 1.000 0.000 3.030
23 W 0.000 1.000 0.000 3.030
24 X 0.000 1.000 0.000 3.030

90
25 Y 0.000 1.000 0.000 3.030
26 Z 0.000 4.000 0.000 12.121
27 AA 0.000 1.000 0.000 3.030
28 AB 0.000 3.000 0.000 9.091
29 AC 0.000 2.000 0.000 6.061
30 AD 0.000 1.000 0.000 3.030
31 AE 0.000 1.000 0.000 3.030
32 AF 0.000 1.000 0.000 3.030
33 AG 0.000 1.000 0.000 3.030
34 AH 0.000 1.000 0.000 3.030

DESCRIPTIVE STATISTICS

1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 2.118 2.118 6.417 6.417
2 Std Dev 2.908 2.621 8.812 7.942
3 Sum 72.000 72.000 218.182 218.182
4 Variance 8.457 6.869 77.656 63.072
5 SSQ 440.000 386.000 4040.404 3544.536
6 MCSSQ 287.529 233.529 2640.307 2144.439
7 Euc Norm 20.976 19.647 63.564 59.536
8 Minimum 0.000 0.000 0.000 0.000
9 Maximum 11.000 12.000 33.333 36.364

Network Centralization (Outdegree) = 27.732%

Network Centralization (Indegree) = 30.854%

Actor-by-centrality matrix saved as dataset C:\Archivos Proyectos

Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pirovano La
Larga\Dicotomizadas\P3 PLL FreemanDegree

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:39:34
Copyright (c) 1999-2005 Analytic Technologies

91
Henderson – Daireaux

FREEMAN'S DEGREE CENTRALITY MEASURES

--------------------------------------------------------------------------------
Model: ASYMMETRIC
Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Henderson Daireaux\Dicotomizadas\pregunta numero 3 Dic
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1A 10.000 5.000 47.619 23.810
4D 10.000 8.000 47.619 38.095
3C 7.000 8.000 33.333 38.095
7G 7.000 1.000 33.333 4.762
15 O 6.000 5.000 28.571 23.810
2B 6.000 1.000 28.571 4.762
13 M 5.000 2.000 23.810 9.524
6F 4.000 8.000 19.048 38.095
11 K 4.000 9.000 19.048 42.857
8H 4.000 2.000 19.048 9.524
5E 3.000 0.000 14.286 0.000
16 P 3.000 6.000 14.286 28.571
17 Q 2.000 3.000 9.524 14.286
9I 1.000 0.000 4.762 0.000
10 J 1.000 2.000 4.762 9.524
14 N 1.000 1.000 4.762 4.762
12 L 1.000 2.000 4.762 9.524
18 R 0.000 5.000 0.000 23.810
19 S 0.000 4.000 0.000 19.048
20 T 0.000 1.000 0.000 4.762
21 U 0.000 1.000 0.000 4.762
22 V 0.000 1.000 0.000 4.762
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 3.409 3.409 16.234 16.234
2 Std Dev 3.114 2.823 14.828 13.443
3 Sum 75.000 75.000 357.143 357.143
4 Variance 9.696 7.969 219.870 180.703
5 SSQ 469.000 431.000 10634.921 9773.242
6 MCSSQ 213.318 175.318 4837.147 3975.469
7 Euc Norm 21.656 20.761 103.126 98.860
8 Minimum 0.000 0.000 0.000 0.000
9 Maximum 10.000 9.000 47.619 42.857
Network Centralization (Outdegree) = 32.880%
Network Centralization (Indegree) = 27.891%

92
Crea – Pergamino

FREEMAN'S DEGREE CENTRALITY MEASURES

--------------------------------------------------------------------------------
Diagonal valid? NO
Model: ASYMMETRIC
Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pergamino\Dicotomizadas\Pregunta numero 3 Dic
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
9I 16.000 5.000 84.211 26.316
4D 9.000 4.000 47.368 21.053
1A 7.000 2.000 36.842 10.526
2B 4.000 1.000 21.053 5.263
8H 4.000 4.000 21.053 21.053
6F 4.000 4.000 21.053 21.053
5E 4.000 2.000 21.053 10.526
10 J 4.000 2.000 21.053 10.526
11 K 3.000 4.000 15.789 21.053
3C 3.000 2.000 15.789 10.526
7G 2.000 8.000 10.526 42.105
12 L 0.000 8.000 0.000 42.105
13 M 0.000 1.000 0.000 5.263
14 N 0.000 3.000 0.000 15.789
15 O 0.000 1.000 0.000 5.263
16 P 0.000 3.000 0.000 15.789
17 Q 0.000 1.000 0.000 5.263
18 R 0.000 3.000 0.000 15.789
19 S 0.000 1.000 0.000 5.263
20 T 0.000 1.000 0.000 5.263
DESCRIPTIVE STATISTICS
1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 3.000 3.000 15.789 15.789
2 Std Dev 3.924 2.074 20.654 10.914
3 Sum 60.000 60.000 315.789 315.789
4 Variance 15.400 4.300 426.593 119.114
5 SSQ 488.000 266.000 13518.005 7368.421
6 MCSSQ 308.000 86.000 8531.855 2382.271
7 Euc Norm 22.091 16.310 116.267 85.840
8 Minimum 0.000 1.000 0.000 5.263
9 Maximum 16.000 8.000 84.211 42.105
Network Centralization (Outdegree) = 72.022%
Network Centralization (Indegree) = 27.701%

93
Intermediación

Pirovano La Larga

FREEMAN BETWEENNESS CENTRALITY

--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\Pregunta numero 3 Dic

Important note: this routine binarizes but does NOT symmetrize.

Un-normalized centralization: 3852.333

1 2
Betweenness nBetweenness
------------ ------------
1 A 123.333 11.679
15 O 75.583 7.158
10 J 46.667 4.419
3 C 44.000 4.167
7 G 25.583 2.423
4 D 20.917 1.981
13 M 2.750 0.260
2 B 2.167 0.205
8 H 0.000 0.000
6 F 0.000 0.000
9 I 0.000 0.000
12 L 0.000 0.000
5 E 0.000 0.000
14 N 0.000 0.000
11 K 0.000 0.000
16 P 0.000 0.000
17 Q 0.000 0.000
18 R 0.000 0.000
19 S 0.000 0.000
20 T 0.000 0.000
21 U 0.000 0.000
22 V 0.000 0.000
23 W 0.000 0.000
24 X 0.000 0.000

94
25 Y 0.000 0.000
26 Z 0.000 0.000
27 AA 0.000 0.000
28 AB 0.000 0.000
29 AC 0.000 0.000
30 AD 0.000 0.000
31 AE 0.000 0.000
32 AF 0.000 0.000
33 AG 0.000 0.000
34 AH 0.000 0.000

DESCRIPTIVE STATISTICS FOR EACH MEASURE

1 2
Betweenness nBetweenness
------------ ------------
1 Mean 10.029 0.950
2 Std Dev 25.851 2.448
3 Sum 341.000 32.292
4 Variance 668.293 5.993
5 SSQ 26142.002 234.429
6 MCSSQ 22721.971 203.760
7 Euc Norm 161.685 15.311
8 Minimum 0.000 0.000
9 Maximum 123.333 11.679

Network Centralization Index = 11.05%

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos

Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pirovano La
Larga\Dicotomizadas\P3 PLL Intermediación

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:46:22
Copyright (c) 1999-2005 Analytic Technologies

95
Henderson – Daireaux

FREEMAN BETWEENNESS CENTRALITY

--------------------------------------------------------------------------------
Crear\Datos Finales\Crea Henderson Daireaux\Dicotomizadas\pregunta numero 3 Dic
Important note: this routine binarizes but does NOT symmetrize.
Un-normalized centralization: 1875.200
1 2
Betweenness nBetweenness
------------ ------------
4D 101.100 24.071
6F 52.817 12.575
1A 44.883 10.687
7G 42.950 10.226
3C 42.767 10.183
16 P 19.667 4.683
15 O 14.100 3.357
11 K 13.517 3.218
8H 13.000 3.095
17 Q 1.717 0.409
2B 1.533 0.365
10 J 0.683 0.163
13 M 0.267 0.063
14 N 0.000 0.000
9I 0.000 0.000
5E 0.000 0.000
12 L 0.000 0.000
18 R 0.000 0.000
19 S 0.000 0.000
20 T 0.000 0.000
21 U 0.000 0.000
22 V 0.000 0.000
DESCRIPTIVE STATISTICS FOR EACH MEASURE
1 2
Betweenness nBetweenness
------------ ------------
1 Mean 15.864 3.777
2 Std Dev 25.321 6.029
3 Sum 349.000 83.095
4 Variance 641.169 36.347
5 SSQ 19642.139 1113.500
6 MCSSQ 14105.729 799.645
7 Euc Norm 140.150 33.369
8 Minimum 0.000 0.000
9 Maximum 101.100 24.071
Network Centralization Index = 21.26%

96
Crea – Pergamino

FREEMAN BETWEENNESS CENTRALITY

--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Pergamino\Dicotomizadas\Pregunta numero 3 Dic

Important note: this routine binarizes but does NOT symmetrize.

Un-normalized centralization: 1719.000

1 2
Betweenness nBetweenness
------------ ------------
9I 97.150 28.406
4D 37.033 10.828
7G 37.000 10.819
6F 16.517 4.829
3C 16.500 4.825
8H 14.067 4.113
11 K 3.483 1.019
1A 2.000 0.585
5E 0.250 0.073
10 J 0.000 0.000
2B 0.000 0.000
12 L 0.000 0.000
13 M 0.000 0.000
14 N 0.000 0.000
15 O 0.000 0.000
16 P 0.000 0.000
17 Q 0.000 0.000
18 R 0.000 0.000
19 S 0.000 0.000
20 T 0.000 0.000

DESCRIPTIVE STATISTICS FOR EACH MEASURE

1 2
Betweenness nBetweenness
------------ ------------
1 Mean 11.200 3.275

97
 2 Std Dev 22.835 6.677
3 Sum 224.000 65.497
4 Variance 521.445 44.582
5 SSQ 12937.708 1106.127
6 MCSSQ 10428.908 891.634
7 Euc Norm 113.744 33.258
8 Minimum 0.000 0.000
9 Maximum 97.150 28.406

Network Centralization Index = 26.45%

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos

Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pergamino\Dicotomizadas\P3
CP Intermediación

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:49:05
Copyright (c) 1999-2005 Analytic Technologies

Cercanía

Pirovano La Larga

CLOSENESS CENTRALITY
--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\Pregunta numero 3 Dic
Method: Geodesic paths only (Freeman Closeness)
Output dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\P3 PLL Cercanía

Note: Data not symmetric, therefore separate in-closeness & out-closeness computed.

The network is not connected. Technically, closeness centrality

cannot be computed, as there are infinite distances.

Closeness Centrality Measures

98
 1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
18 R 674.000 1122.000 4.896 2.941
19 S 674.000 1122.000 4.896 2.941
17 Q 674.000 1122.000 4.896 2.941
16 P 674.000 1122.000 4.896 2.941
26 Z 677.000 1122.000 4.874 2.941
20 T 678.000 1122.000 4.867 2.941
31 AE 682.000 1122.000 4.839 2.941
34 AH 682.000 1122.000 4.839 2.941
32 AF 682.000 1122.000 4.839 2.941
33 AG 682.000 1122.000 4.839 2.941
21 U 691.000 1122.000 4.776 2.941
22 V 691.000 1122.000 4.776 2.941
1 A 694.000 475.000 4.755 6.947
7 G 698.000 480.000 4.728 6.875
4 D 700.000 479.000 4.714 6.889
15 O 702.000 473.000 4.701 6.977
10 J 703.000 475.000 4.694 6.947
13 M 705.000 491.000 4.681 6.721
2 B 710.000 489.000 4.648 6.748
3 C 711.000 487.000 4.641 6.776
12 L 714.000 485.000 4.622 6.804
28 AB 1023.000 1122.000 3.226 2.941
29 AC 1056.000 1122.000 3.125 2.941
23 W 1089.000 1122.000 3.030 2.941
25 Y 1089.000 1122.000 3.030 2.941
30 AD 1089.000 1122.000 3.030 2.941
27 AA 1089.000 1122.000 3.030 2.941
24 X 1089.000 1122.000 3.030 2.941
6 F 1122.000 360.000 2.941 9.167
5 E 1122.000 461.000 2.941 7.158
14 N 1122.000 441.000 2.941 7.483
11 K 1122.000 1056.000 2.941 3.125
8 H 1122.000 423.000 2.941 7.801
9 I 1122.000 361.000 2.941 9.141

Statistics

1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
1 Mean 845.706 845.706 4.105 4.748
2 Std Dev 198.525 327.637 0.865 2.210
3 Sum 28754.000 28754.000 139.566 161.444

99
 4 Variance 39412.266 107346.266 0.748 4.885
5 SSQ 25657444.000 27967200.000 598.331 932.677
6 MCSSQ 1340017.000 3649773.000 25.430 166.088
7 Euc Norm 5065.318 5288.402 24.461 30.540
8 Minimum 674.000 360.000 2.941 2.941
9 Maximum 1122.000 1122.000 4.896 9.167

Network centralization not computed for unconnected graphs

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos
Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pirovano La
Larga\Dicotomizadas\P3 PLL Cercanía

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:50:46
Copyright (c) 1999-2005 Analytic Technologies

Henderson – Daireaux

CLOSENESS CENTRALITY
--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Henderson Daireaux\Dicotomizadas\pregunta numero 3 Dic
Method: Geodesic paths only (Freeman Closeness)
Output dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Henderson Daireaux\Dicotomizadas\P3 HD Cercanía

Note: Data not symmetric, therefore separate in-closeness & out-closeness computed.

The network is not connected. Technically, closeness centrality

cannot be computed, as there are infinite distances.

Closeness Centrality Measures

1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
18 R 124.000 462.000 16.935 4.545
19 S 161.000 462.000 13.043 4.545

100
14 N 171.000 441.000 12.281 4.762
11 K 173.000 91.000 12.139 23.077
6F 174.000 82.000 12.069 25.610
3C 175.000 79.000 12.000 26.582
4D 175.000 72.000 12.000 29.167
16 P 178.000 95.000 11.798 22.105
1A 178.000 75.000 11.798 28.000
15 O 179.000 82.000 11.732 25.610
22 V 180.000 462.000 11.667 4.545
20 T 180.000 462.000 11.667 4.545
21 U 180.000 462.000 11.667 4.545
17 Q 182.000 110.000 11.538 19.091
13 M 185.000 83.000 11.351 25.301
12 L 185.000 99.000 11.351 21.212
7G 187.000 81.000 11.230 25.926
8H 187.000 82.000 11.230 25.610
10 J 188.000 96.000 11.170 21.875
2B 199.000 79.000 10.553 26.582
5E 462.000 67.000 4.545 31.343
9I 462.000 441.000 4.545 4.762

Statistics

1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
1 Mean 202.955 202.955 11.287 18.606
2 Std Dev 83.054 173.181 2.440 9.901
3 Sum 4465.000 4465.000 248.310 409.342
4 Variance 6897.953 29991.588 5.955 98.026
5 SSQ 1057947.000 1566007.000 2933.633 9772.991
6 MCSSQ 151754.953 659814.938 131.011 2156.580
7 Euc Norm 1028.566 1251.402 54.163 98.858
8 Minimum 124.000 67.000 4.545 4.545
9 Maximum 462.000 462.000 16.935 31.343

Network centralization not computed for unconnected graphs

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos
Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Henderson
Daireaux\Dicotomizadas\P3 HD Cercanía

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:52:02
Copyright (c) 1999-2005 Analytic Technologies

101
Crea – Pergamino

CLOSENESS CENTRALITY
--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Pergamino\Dicotomizadas\Pregunta numero 3 Dic
Method: Geodesic paths only (Freeman Closeness)
Output dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pergamino\Dicotomizadas\P3 CP Cercanía

Note: Data not symmetric, therefore separate in-closeness & out-closeness computed.

The network is not connected. Technically, closeness centrality

cannot be computed, as there are infinite distances.

Closeness Centrality Measures

1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
12 L 174.000 380.000 10.920 5.000
14 N 182.000 380.000 10.440 5.000
18 R 183.000 380.000 10.383 5.000
16 P 185.000 380.000 10.270 5.000
15 O 187.000 380.000 10.160 5.000
13 M 187.000 380.000 10.160 5.000
17 Q 187.000 380.000 10.160 5.000
20 T 188.000 380.000 10.106 5.000
19 S 189.000 380.000 10.053 5.000
7G 192.000 39.000 9.896 48.718
8H 196.000 46.000 9.694 41.304
11 K 196.000 48.000 9.694 39.583
9I 196.000 22.000 9.694 86.364
6F 197.000 53.000 9.645 35.849
4D 198.000 29.000 9.596 65.517
5E 201.000 48.000 9.453 39.583
3C 202.000 42.000 9.406 45.238
1A 204.000 33.000 9.314 57.576
10 J 204.000 37.000 9.314 51.351
2B 205.000 36.000 9.268 52.778

Statistics

102
 1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
1 Mean 192.650 192.650 9.881 30.443
2 Std Dev 8.344 169.590 0.435 25.222
3 Sum 3853.000 3853.000 197.625 608.862
4 Variance 69.628 28760.828 0.189 636.139
5 SSQ 743673.000 1317497.000 1956.560 31258.418
6 MCSSQ 1392.550 575216.563 3.779 12722.779
7 Euc Norm 862.365 1147.823 44.233 176.801
8 Minimum 174.000 22.000 9.268 5.000
9 Maximum 205.000 380.000 10.920 86.364

Network centralization not computed for unconnected graphs

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos
Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pergamino\Dicotomizadas\P3
CP Cercanía

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:53:39
Copyright (c) 1999-2005 Analytic Technologies

103
Pregunta 4:

¿Con quien discute nuevas ideas, innovaciones y mejores formas de hacer las cosas y
con que frecuencia?

Degree

Pirovano La Larga

FREEMAN'S DEGREE CENTRALITY MEASURES

--------------------------------------------------------------------------------

Diagonal valid? NO
Model: ASYMMETRIC
Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\Pregunta numero 4 Dic

1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 A 16.000 13.000 53.333 43.333
11 K 16.000 0.000 53.333 0.000
13 M 14.000 2.000 46.667 6.667
5 E 11.000 4.000 36.667 13.333
15 O 10.000 6.000 33.333 20.000
8 H 9.000 5.000 30.000 16.667
7 G 7.000 11.000 23.333 36.667
10 J 6.000 8.000 20.000 26.667
6 F 6.000 0.000 20.000 0.000
2 B 5.000 9.000 16.667 30.000
12 L 5.000 3.000 16.667 10.000
4 D 4.000 10.000 13.333 33.333
9 I 3.000 1.000 10.000 3.333
3 C 1.000 5.000 3.333 16.667
14 N 1.000 0.000 3.333 0.000
16 P 0.000 9.000 0.000 30.000
17 Q 0.000 5.000 0.000 16.667
18 R 0.000 5.000 0.000 16.667
19 S 0.000 1.000 0.000 3.333
20 T 0.000 1.000 0.000 3.333
21 U 0.000 1.000 0.000 3.333
22 V 0.000 1.000 0.000 3.333

104
23 W 0.000 1.000 0.000 3.333
24 X 0.000 1.000 0.000 3.333
25 Y 0.000 1.000 0.000 3.333
26 Z 0.000 1.000 0.000 3.333
27 AA 0.000 2.000 0.000 6.667
28 AB 0.000 2.000 0.000 6.667
29 AC 0.000 1.000 0.000 3.333
30 AD 0.000 4.000 0.000 13.333
31 AE 0.000 1.000 0.000 3.333

DESCRIPTIVE STATISTICS

1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 3.677 3.677 12.258 12.258
2 Std Dev 5.044 3.578 16.814 11.925
3 Sum 114.000 114.000 380.000 380.000
4 Variance 25.444 12.799 282.715 142.213
5 SSQ 1208.000 816.000 13422.222 9066.666
6 MCSSQ 788.774 396.774 8764.157 4408.602
7 Euc Norm 34.756 28.566 115.854 95.219
8 Minimum 0.000 0.000 0.000 0.000
9 Maximum 16.000 13.000 53.333 43.333

Network Centralization (Outdegree) = 42.444%

Network Centralization (Indegree) = 32.111%

Actor-by-centrality matrix saved as dataset C:\Archivos Proyectos

Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pirovano La
Larga\Dicotomizadas\P4 PLL Degree

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:55:17
Copyright (c) 1999-2005 Analytic Technologies

Henderson – Daireaux

FREEMAN'S DEGREE CENTRALITY MEASURES

105
--------------------------------------------------------------------------------

Diagonal valid? NO
Model: ASYMMETRIC
Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Henderson Daireaux\Dicotomizadas\Pregunta numero 4 Dic

1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
12 L 18 5 90 25
14 N 18 3 90 15
8H 17 4 85 20
1A 14 7 70 35
4D 13 8 65 40
15 O 7 9 35 45
6F 6 11 30 55
3C 6 9 30 45
7G 6 0 30 0
11 K 4 12 20 60
2B 3 4 15 20
16 P 3 9 15 45
13 M 3 6 15 30
5E 2 4 10 20
17 Q 2 7 10 35
10 J 1 7 5 35
9I 0 3 0 15
18 R 0 6 0 30
19 S 0 5 0 25
20 T 0 1 0 5
21 U 0 3 0 15

DESCRIPTIVE STATISTICS

1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 5.857 5.857 29.286 29.286
2 Std Dev 6.136 3.060 30.678 15.298
3 Sum 123.000 123.000 615.000 615.000
4 Variance 37.646 9.361 941.156 234.014
5 SSQ 1511.000 917.000 37775.000 22925.000
6 MCSSQ 790.571 196.571 19764.285 4914.286
7 Euc Norm 38.872 30.282 194.358 151.410
8 Minimum 0.000 0.000 0.000 0.000
9 Maximum 18.000 12.000 90.000 60.000

106
Network Centralization (Outdegree) = 63.750%
Network Centralization (Indegree) = 32.250%

Actor-by-centrality matrix saved as dataset C:\Archivos Proyectos

Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Henderson
Daireaux\Dicotomizadas\P4 HD FreemanDegree

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:56:38
Copyright (c) 1999-2005 Analytic Technologies

Crea – Pergamino

FREEMAN'S DEGREE CENTRALITY MEASURES

--------------------------------------------------------------------------------

Diagonal valid? NO
Model: ASYMMETRIC
Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pergamino\Dicotomizadas\Pregunta numero 4 Dic

1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
8H 17 2 85 10
9I 16 4 80 20
1A 14 3 70 15
7G 5 8 25 40
5E 5 5 25 25
11 K 4 5 20 25
2B 4 4 20 20
10 J 4 5 20 25
4D 4 4 20 20
3C 3 3 15 15
6F 3 4 15 20
12 L 0 6 0 30
13 M 0 3 0 15
14 N 0 5 0 25
15 O 0 3 0 15

107
16 P 0 6 0 30
17 Q 0 2 0 10
18 R 0 4 0 20
19 S 0 1 0 5
20 T 0 1 0 5
21 U 0 1 0 5

DESCRIPTIVE STATISTICS

1 2 3 4
OutDegree InDegree NrmOutDeg NrmInDeg
------------ ------------ ------------ ------------
1 Mean 3.762 3.762 18.810 18.810
2 Std Dev 5.236 1.770 26.182 8.851
3 Sum 79.000 79.000 395.000 395.000
4 Variance 27.420 3.134 685.488 78.345
5 SSQ 873.000 363.000 21825.000 9075.000
6 MCSSQ 575.810 65.810 14395.238 1645.238
7 Euc Norm 29.547 19.053 147.733 95.263
8 Minimum 0.000 1.000 0.000 5.000
9 Maximum 17.000 8.000 85.000 40.000

Network Centralization (Outdegree) = 69.500%

Network Centralization (Indegree) = 22.250%

Actor-by-centrality matrix saved as dataset C:\Archivos Proyectos

Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pergamino\Dicotomizadas\P4
CP FreemanDegree

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:57:57
Copyright (c) 1999-2005 Analytic Technologies

Intermediación

Pirovano La Larga

FREEMAN BETWEENNESS CENTRALITY

--------------------------------------------------------------------------------

108
Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\Pregunta numero 4 Dic

Important note: this routine binarizes but does NOT symmetrize.

Un-normalized centralization: 4545.867

1 2
Betweenness nBetweenness
------------ ------------
1 A 154.867 17.801
7 G 35.450 4.075
15 O 22.583 2.596
8 H 15.833 1.820
13 M 15.333 1.762
5 E 6.867 0.789
10 J 2.250 0.259
2 B 1.117 0.128
4 D 0.700 0.080
3 C 0.000 0.000
11 K 0.000 0.000
9 I 0.000 0.000
6 F 0.000 0.000
14 N 0.000 0.000
12 L 0.000 0.000
16 P 0.000 0.000
17 Q 0.000 0.000
18 R 0.000 0.000
19 S 0.000 0.000
20 T 0.000 0.000
21 U 0.000 0.000
22 V 0.000 0.000
23 W 0.000 0.000
24 X 0.000 0.000
25 Y 0.000 0.000
26 Z 0.000 0.000
27 AA 0.000 0.000
28 AB 0.000 0.000
29 AC 0.000 0.000
30 AD 0.000 0.000
31 AE 0.000 0.000

DESCRIPTIVE STATISTICS FOR EACH MEASURE

109
 1 2
Betweenness nBetweenness
------------ ------------
1 Mean 8.226 0.945
2 Std Dev 27.936 3.211
3 Sum 255.000 29.310
4 Variance 780.405 10.311
5 SSQ 26290.150 347.340
6 MCSSQ 24192.570 319.627
7 Euc Norm 162.142 18.637
8 Minimum 0.000 0.000
9 Maximum 154.867 17.801

Network Centralization Index = 17.42%

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos

Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pirovano La
Larga\Dicotomizadas\P4 PLL Intermediación

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 14:59:12
Copyright (c) 1999-2005 Analytic Technologies

Henderson – Daireaux

FREEMAN BETWEENNESS CENTRALITY

--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Henderson Daireaux\Dicotomizadas\Pregunta numero 4 Dic

Important note: this routine binarizes but does NOT symmetrize.

Un-normalized centralization: 725.950

1 2
Betweenness nBetweenness

110
 ------------ ------------
6F 47.855 12.593
4D 42.374 11.151
1A 36.026 9.481
15 O 34.398 9.052
3C 29.788 7.839
12 L 28.005 7.370
11 K 27.017 7.110
16 P 14.202 3.737
8H 9.636 2.536
14 N 8.333 2.193
10 J 1.367 0.360
7G 0.000 0.000
13 M 0.000 0.000
2B 0.000 0.000
5E 0.000 0.000
9I 0.000 0.000
17 Q 0.000 0.000
18 R 0.000 0.000
19 S 0.000 0.000
20 T 0.000 0.000
21 U 0.000 0.000

DESCRIPTIVE STATISTICS FOR EACH MEASURE

1 2
Betweenness nBetweenness
------------ ------------
1 Mean 13.286 3.496
2 Std Dev 16.370 4.308
3 Sum 279.000 73.421
4 Variance 267.969 18.557
5 SSQ 9334.065 646.403
6 MCSSQ 5627.351 389.706
7 Euc Norm 96.613 25.424
8 Minimum 0.000 0.000
9 Maximum 47.855 12.593

Network Centralization Index = 9.55%

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos

Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Henderson
Daireaux\Dicotomizadas\P4 HD Intermediación

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 15:00:34

111
Copyright (c) 1999-2005 Analytic Technologies

Crea – Pergamino

FREEMAN BETWEENNESS CENTRALITY

--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Pergamino\Dicotomizadas\Pregunta numero 4 Dic

Important note: this routine binarizes but does NOT symmetrize.

Un-normalized centralization: 597.400

1 2
Betweenness nBetweenness
------------ ------------
7G 39.067 10.281
9I 30.700 8.079
3C 26.500 6.974
8H 24.200 6.368
11 K 23.233 6.114
5E 23.000 6.053
2B 15.933 4.193
10 J 15.500 4.079
6F 11.333 2.982
1A 9.000 2.368
4D 4.533 1.193
12 L 0.000 0.000
13 M 0.000 0.000
14 N 0.000 0.000
15 O 0.000 0.000
16 P 0.000 0.000
17 Q 0.000 0.000
18 R 0.000 0.000
19 S 0.000 0.000
20 T 0.000 0.000
21 U 0.000 0.000

112
DESCRIPTIVE STATISTICS FOR EACH MEASURE

1 2
Betweenness nBetweenness
------------ ------------
1 Mean 10.619 2.794
2 Std Dev 12.308 3.239
3 Sum 223.000 58.684
4 Variance 151.497 10.491
5 SSQ 5549.489 384.314
6 MCSSQ 3181.441 220.321
7 Euc Norm 74.495 19.604
8 Minimum 0.000 0.000
9 Maximum 39.067 10.281

Network Centralization Index = 7.86%

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos

Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pergamino\Dicotomizadas\P4
CP Intermediación

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 15:01:49
Copyright (c) 1999-2005 Analytic Technologies

Cercanía

Pirovano La Larga

CLOSENESS CENTRALITY
--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\Pregunta numero 4 Dic
Method: Geodesic paths only (Freeman Closeness)
Output dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pirovano La Larga\Dicotomizadas\P4 PLL Cercanía

113
Note: Data not symmetric, therefore separate in-closeness & out-closeness computed.

The network is not connected. Technically, closeness centrality

cannot be computed, as there are infinite distances.

Closeness Centrality Measures

1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
30 AD 501.000 930.000 5.988 3.226
16 P 515.000 930.000 5.825 3.226
18 R 519.000 930.000 5.780 3.226
17 Q 519.000 930.000 5.780 3.226
19 S 523.000 930.000 5.736 3.226
21 U 523.000 930.000 5.736 3.226
22 V 523.000 930.000 5.736 3.226
20 T 523.000 930.000 5.736 3.226
27 AA 524.000 930.000 5.725 3.226
28 AB 524.000 930.000 5.725 3.226
26 Z 525.000 930.000 5.714 3.226
31 AE 530.000 930.000 5.660 3.226
29 AC 531.000 930.000 5.650 3.226
1 A 540.000 247.000 5.556 12.146
7 G 542.000 259.000 5.535 11.583
4 D 543.000 263.000 5.525 11.407
2 B 544.000 262.000 5.515 11.450
10 J 545.000 260.000 5.505 11.538
15 O 547.000 255.000 5.484 11.765
3 C 548.000 269.000 5.474 11.152
8 H 548.000 256.000 5.474 11.719
5 E 549.000 253.000 5.464 11.858
13 M 551.000 249.000 5.445 12.048
12 L 558.000 261.000 5.376 11.494
9 I 900.000 237.000 3.333 12.658
25 Y 900.000 930.000 3.333 3.226
24 X 900.000 930.000 3.333 3.226
23 W 900.000 930.000 3.333 3.226
11 K 930.000 189.000 3.226 15.873
14 N 930.000 900.000 3.226 3.333
6 F 930.000 145.000 3.226 20.690

Statistics

1 2 3 4

114
 inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
1 Mean 618.871 618.871 5.102 7.494
2 Std Dev 159.406 341.667 0.989 4.986
3 Sum 19185.000 19185.000 158.158 232.328
4 Variance 25410.307 116736.500 0.978 24.862
5 SSQ 12660759.000 15491871.000 837.224 2511.894
6 MCSSQ 787719.500 3618831.500 30.326 770.729
7 Euc Norm 3558.196 3935.971 28.935 50.119
8 Minimum 501.000 145.000 3.226 3.226
9 Maximum 930.000 930.000 5.988 20.690

Network centralization not computed for unconnected graphs

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos
Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pirovano La
Larga\Dicotomizadas\P4 PLL Cercanía

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 15:03:11
Copyright (c) 1999-2005 Analytic Technologies

Henderson – Daireaux

CLOSENESS CENTRALITY
--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Henderson Daireaux\Dicotomizadas\Pregunta numero 4 Dic
Method: Geodesic paths only (Freeman Closeness)
Output dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Henderson Daireaux\Dicotomizadas\P4 HD Cercanía

Note: Data not symmetric, therefore separate in-closeness & out-closeness computed.

The network is not connected. Technically, closeness centrality

cannot be computed, as there are infinite distances.

Closeness Centrality Measures

115
 1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
18 R 114.000 420.000 17.544 4.762
19 S 115.000 420.000 17.391 4.762
20 T 118.000 420.000 16.949 4.762
11 K 123.000 69.000 16.260 28.986
6F 124.000 55.000 16.129 36.364
3C 127.000 53.000 15.748 37.736
15 O 127.000 56.000 15.748 35.714
4D 128.000 46.000 15.625 43.478
21 U 128.000 420.000 15.625 4.762
9I 128.000 420.000 15.625 4.762
16 P 128.000 67.000 15.625 29.851
17 Q 130.000 80.000 15.385 25.000
10 J 131.000 70.000 15.267 28.571
1A 131.000 45.000 15.267 44.444
13 M 133.000 70.000 15.038 28.571
12 L 136.000 41.000 14.706 48.780
2B 138.000 59.000 14.493 33.898
8H 138.000 42.000 14.493 47.619
5E 140.000 71.000 14.286 28.169
14 N 142.000 41.000 14.085 48.780
7G 420.000 34.000 4.762 58.824

Statistics

1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
1 Mean 142.810 142.810 15.050 29.933
2 Std Dev 62.418 155.392 2.474 16.335
3 Sum 2999.000 2999.000 316.050 628.596
4 Variance 3896.059 24146.631 6.121 266.825
5 SSQ 510103.000 935365.000 4885.083 24419.186
6 MCSSQ 81817.234 507079.250 128.541 5603.333
7 Euc Norm 714.215 967.143 69.893 156.266
8 Minimum 114.000 34.000 4.762 4.762
9 Maximum 420.000 420.000 17.544 58.824

Network centralization not computed for unconnected graphs

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos
Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Henderson
Daireaux\Dicotomizadas\P4 HD Cercanía

----------------------------------------
Running time: 00:00:01

116
Output generated: 12 Abr 10 15:04:12
Copyright (c) 1999-2005 Analytic Technologies

Crea – Pergamino

CLOSENESS CENTRALITY
--------------------------------------------------------------------------------

Input dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes

Crear\Datos Finales\Crea Pergamino\Dicotomizadas\Pregunta numero 4 Dic
Method: Geodesic paths only (Freeman Closeness)
Output dataset: C:\Archivos Proyectos Facultad\RedesSociales\Redes
Crear\Datos Finales\Crea Pergamino\Dicotomizadas\P4 CP Cercanía

Note: Data not symmetric, therefore separate in-closeness & out-closeness computed.

The network is not connected. Technically, closeness centrality

cannot be computed, as there are infinite distances.

Closeness Centrality Measures

1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
12 L 205.000 420.000 9.756 4.762
16 P 206.000 420.000 9.709 4.762
14 N 209.000 420.000 9.569 4.762
18 R 213.000 420.000 9.390 4.762
15 O 216.000 420.000 9.259 4.762
13 M 216.000 420.000 9.259 4.762
17 Q 217.000 420.000 9.217 4.762
21 U 218.000 420.000 9.174 4.762
19 S 218.000 420.000 9.174 4.762
20 T 218.000 420.000 9.174 4.762
7G 223.000 41.000 8.969 48.780
11 K 225.000 39.000 8.889 51.282
10 J 226.000 39.000 8.850 51.282
3C 227.000 48.000 8.811 41.667
6F 228.000 63.000 8.772 31.746
5E 228.000 52.000 8.772 38.462

117
 2B 228.000 39.000 8.772 51.282
9I 229.000 24.000 8.734 83.333
4D 230.000 49.000 8.696 40.816
8H 231.000 23.000 8.658 86.957
1A 232.000 26.000 8.621 76.923

Statistics

1 2 3 4
inFarness outFarness inCloseness outCloseness
------------ ------------ ------------ ------------
1 Mean 221.095 221.095 9.058 30.959
2 Std Dev 8.094 189.844 0.338 28.183
3 Sum 4643.000 4643.000 190.223 650.149
4 Variance 65.515 36040.848 0.114 794.275
5 SSQ 1027921.000 1783403.000 1725.495 36808.066
6 MCSSQ 1375.810 756857.813 2.404 16679.781
7 Euc Norm 1013.864 1335.441 41.539 191.854
8 Minimum 205.000 23.000 8.621 4.762
9 Maximum 232.000 420.000 9.756 86.957

Network centralization not computed for unconnected graphs

Output actor-by-centrality measure matrix saved as dataset C:\Archivos Proyectos
Facultad\RedesSociales\Redes Crear\Datos Finales\Crea Pergamino\Dicotomizadas\P4
CP Cercanía

----------------------------------------
Running time: 00:00:01
Output generated: 12 Abr 10 15:05:35
Copyright (c) 1999-2005 Analytic Technologies

118
 Anexo 4: Medidas de Densidad

► Pregunta numero 2

Pirovano La Larga

DENSITY / AVERAGE MATRIX VALUE

--------------------------------------------------------------------------------

Input dataset: Pregunta numero 2

Density No. of Ties

-------------- --------------
Pregunta numero 2 0.0143 100.0000

----------------------------------------
Running time: 00:00:01
Output generated: 11 abr 10 21:50:26
Copyright (c) 1999-2008 Analytic Technologies

Henderson Daireaux

DENSITY / AVERAGE MATRIX VALUE

--------------------------------------------------------------------------------

Input dataset: Pregunta numero 2

Density No. of Ties

-------------- --------------
Pregunta numero 2 0.0139 46.0000

----------------------------------------
Running time: 00:00:01
Output generated: 11 abr 10 21:52:33
Copyright (c) 1999-2008 Analytic Technologies

Pergamino

DENSITY / AVERAGE MATRIX VALUE

--------------------------------------------------------------------------------

Input dataset: Pregunta numero 2

119
 Density No. of Ties
-------------- --------------
Pregunta numero 2 0.0238 10.0000

----------------------------------------
Running time: 00:00:01
Output generated: 11 abr 10 21:53:51
Copyright (c) 1999-2008 Analytic Technologies

► Pregunta numero 3

Pirovano La Larga

DENSITY / AVERAGE MATRIX VALUE

--------------------------------------------------------------------------------

Input dataset: Pregunta numero 3

Density No. of Ties

-------------- --------------
Pregunta numero 3 0.0642 72.0000

----------------------------------------
Running time: 00:00:01
Output generated: 11 abr 10 21:56:27
Copyright (c) 1999-2008 Analytic Technologies

Henderson Daireaux

DENSITY / AVERAGE MATRIX VALUE

--------------------------------------------------------------------------------

Input dataset: Pregunta numero 3

Density No. of Ties

-------------- --------------
Pregunta numero 3 0.1623 75.0000

----------------------------------------
Running time: 00:00:01
Output generated: 11 abr 10 21:57:59
Copyright (c) 1999-2008 Analytic Technologies

Pergamino

120
DENSITY / AVERAGE MATRIX VALUE
--------------------------------------------------------------------------------

Input dataset: Pregunta numero 3

Density No. of Ties

-------------- --------------
Pregunta numero 3 0.1579 60.0000

----------------------------------------
Running time: 00:00:01
Output generated: 11 abr 10 21:59:46
Copyright (c) 1999-2008 Analytic Technologies

► Pregunta numero 4

Pirovano La Larga

DENSITY / AVERAGE MATRIX VALUE

--------------------------------------------------------------------------------

Input dataset: Pregunta numero 4

Density No. of Ties

-------------- --------------
Pregunta numero 4 0.1226 114.0000

----------------------------------------
Running time: 00:00:01
Output generated: 11 abr 10 22:03:00
Copyright (c) 1999-2008 Analytic Technologies

Henderson Daireaux

DENSITY / AVERAGE MATRIX VALUE

--------------------------------------------------------------------------------

Input dataset: Pregunta numero 4

Density No. of Ties

-------------- --------------
Pregunta numero 4 0.2929 123.0000

121
----------------------------------------
Running time: 00:00:01
Output generated: 11 abr 10 22:04:09
Copyright (c) 1999-2008 Analytic Technologies

Pergamino

DENSITY / AVERAGE MATRIX VALUE

--------------------------------------------------------------------------------

Input dataset: Pregunta numero 4

Density No. of Ties

-------------- --------------
Pregunta numero 4 0.1881 79.0000

----------------------------------------
Running time: 00:00:01
Output generated: 11 abr 10 22:05:11
Copyright (c) 1999-2008 Analytic Technologies

122
 Anexo 5: Mapas

Pregunta 2. ¿Con quienes se relaciona se su zona que pertenezcan a Aacrea (miembros, asesores,
autoridades), que tipo de relación/es tiene (grupo Crea, negocios, familiar, amistad, ocio, etc.) y con
que frecuencia interactúa en esa/s relación/es con estas personas?

Grupo: Crea
Pirovano La Larga

123
Líneas: Tipo de relación Nodos: Edades

Entre 21 y 30 años
Más de una relación
Entre 31 y 40 años

Familia Entre 41 y 50 años

Entre 51 y 60 años
Amistad
Entre 61 y 70 años

Negocios No pertenece al grupo

Grupo Crea
Nodos: Actividad de la empresa

Asesor Asesoramiento

Agricultura
Gerente
Producción

Coordinador Ganadería

No pertenece al grupo
No especifica

Líneas: Frecuencia Nodos:

Letra A Asesor Letra O Presidente
Anualmente

Cuatrimestralmente

Mensualmente

Semanalmente

Diariamente o mas

124
 Grupo: Crea
Henderson Daireaux

125
Líneas: Tipo de relación Nodos: Edades

Entre 21 y 30 años
Más de una relación
Entre 31 y 40 años

Familia Entre 41 y 50 años

Entre 51 y 60 años
Amistad
Entre 61 y 70 años

Negocios No pertenece al grupo

Grupo Crea
Nodos: Actividad de la empresa

No responde relación Asesoramiento

Asesor Agricultura

Gerenciamiento

Líneas: Frecuencia
No pertenece al grupo
Anualmente

Cuatrimestralmente
Nodos:
Mensualmente Letra G Asesor Letra O Presidente

Semanalmente

Diariamente o mas

126
Grupo: Crea
Pergamino

127
Líneas: Tipo de relación Nodos: Edades

Entre 30 y 35 años
Más de una relación
Entre 36 y 40 años

Familia Entre 41 y 50 años

No pertenece al grupo
Amistad

Negocios

Grupo Crea

Nodos: Actividad de la empresa

Asesor/es
Ganadería

Producción

Líneas: Frecuencia
Agricultura

Mensualmente
Asesoramiento

No pertenece al grupo

Nodos:
Letra G Asesor Letra F Presidente

128
Pregunta 3. ¿A quienes acude por consulta experta en relación a su trabajo, en que
temas y con que frecuencia?

Grupo: Crea
Pirovano La Larga

129
Líneas: Tipo de relación Nodos: Edades

Entre 21 y 30 años
Técnico
Entre 31 y 40 años

Administración Entre 41 y 50 años

Entre 51 y 60 años
Producción
Entre 61 y 70 años

Profesionales/ Asesor No pertenece al grupo

Negocios
Nodos: Actividad de la empresa

Varios Asesoramiento

Agricultura

Líneas: Frecuencia Producción

Anualmente Ganadería

Cuatrimestralmente No pertenece al grupo

Mensualmente

Semanalmente Nodos:
Letra A Asesor Letra O Presidente
Diariamente o mas

130
 Grupo: Crea
Henderson Daireaux

131
Líneas: Tipo de relación Nodos: Edades

Entre 21 y 30 años
Técnico
Entre 31 y 40 años
Administración/ empresarial Entre 41 y 50 años

Entre 51 y 60 años
Producción y comercial
Entre 61 y 70 años
Negocio No pertenece al grupo

Varios
Nodos: Actividad de la empresa
No especifica
Asesoramiento

Agricultura
Líneas: Frecuencia

Anualmente Ganadería
Cuatrimestralmente
Gerenciamiento
Mensualmente

Semanalmente No responde
Diariamente o mas
No pertenece al grupo

Nodos:
Letra G Asesor Letra O Presidente

132
Grupo: Crea
Pergamino

133
Líneas: Tipo de relación Nodos: Edades

Entre 30 y 35 años
Técnico
Entre 36 y 40 años

Administración y empresarial Entre 41 y 50 años

No pertenece al grupo
Producción/comercial

Negocio Nodos: Actividad de la empresa

Ganadería
Asesor

Producción
Varios

Agricultura
No especifica

Asesoramiento

Líneas: Frecuencia
No pertenece al grupo
Anualmente

Cuatrimestralmente
Nodos:
Mensualmente Letra G Asesor Letra F Presidente

Semanalmente

Diariamente o mas

134
Pregunta 4. ¿Con quien discute nuevas ideas, innovaciones y mejores formas de
hacer las cosas y con que frecuencia?

Grupo: Crea
Pirovano La Larga

135
Líneas: Frecuencia Nodos: Edades

Anualmente Entre 21 y 30 años

Cuatrimestralmente Entre 31 y 40 años

Mensualmente Entre 41 y 50 años

Semanalmente Entre 51 y 60 años

Diariamente o mas Entre 61 y 70 años

No pertenece al grupo
Nodos:
Letra A Asesor Letra O Presidente

Nodos: Actividad de la empresa

Asesoramiento

Agricultura

Producción

Ganadería

No pertenece al grupo

136
 Grupo: Crea
Henderson Daireaux

137
Líneas: Frecuencia Nodos: Edades

Anualmente Entre 21 y 30 años

Cuatrimestralmente Entre 31 y 40 años

Mensualmente Entre 41 y 50 años

Semanalmente Entre 51 y 60 años

Diariamente o mas Entre 61 y 70 años

No pertenece al grupo

Nodos: Nodos: Actividad de la empresa

Letra G Asesor Letra O Presidente
Asesoramiento

Agricultura

Ganadería

Gerenciamiento

No responde

No pertenece al grupo

138
Grupo: Crea
Pergamino

139
Líneas: Frecuencia Nodos: Edades

Anualmente Entre 30 y 35 años

Cuatrimestralmente Entre 36 y 40 años

Mensualmente Entre 41 y 50 años

Semanalmente No pertenece al grupo

Diariamente o mas

Nodos: Nodos: Actividad de la empresa

Letra G Asesor Letra F Presidente
Ganadería

Producción

Agricultura

Asesoramiento

No pertenece al grupo

140