Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Comprendiendo El Comportamiento Del COVID-19 Por Medio Del Análisis de Redes Sociales (ARS) - Versión en Español
Comprendiendo El Comportamiento Del COVID-19 Por Medio Del Análisis de Redes Sociales (ARS) - Versión en Español
net/publication/340568138
CITATIONS READS
0 6,343
1 author:
Marcelo Gambetta
Universidad ORT Uruguay
5 PUBLICATIONS 3 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Marcelo Gambetta on 01 May 2020.
Resumen
El COVID-19 y su incontrolable avance a nivel mundial nos desafían a comprender mejor sus
mecanismos de propagación y contagio a fin de que podamos controlarlo y detenerlo. Desde el
surgimiento de este flagelo, profesionales de la medicina, científicos e investigadores trabajan
sin descanso para encontrar una vacuna para combatirlo, reforzar los mecanismos de
prevención de la enfermedad y mitigar los efectos de esta pandemia. No obstante ello, desde
las ciencias sociales, entendemos que podemos hacer un aporte con el fin de comprender
mejor los orígenes del problema y el porqué de su rápida expansión, en la cual hasta los países
más desarrollados del planeta y con mejores sistemas de salud han sucumbido ante este virus.
En este artículo veremos cómo la rápida expansión del COVID-19 se ha dado por la
socialización provocada por las redes de relaciones humanas y, en este sentido, describiremos
como el análisis de redes sociales (ARS) nos brinda un marco teórico para analizar el
problema, identificar sus causas y potencialmente diseñar mecanismos de prevención para
mitigar los efectos adversos del virus, así como también nos ayudará a establecer un conjunto
de lecciones aprendidas las que podrían ser usadas (aunque esperemos que no haga falta) en
circunstancias similares en el futuro. Finalmente, el trabajo pretende dar luz sobre cómo la
identificación del rol que cada actor tiene en la red social y su potencial para propagar este
flagelo puede hacer una diferencia sobre cómo controlar su expansión y ganar más
rápidamente la batalla contra el coronavirus.
Palabras claves: redes sociales, análisis de redes sociales (ARS), COVID-19, coronavirus.
Abstract
The COVID-19 and its uncontrollable global advancement challenge us to better understand its
spread and contagion mechanisms so that we can control and stop it. Since the emergence of
this scourge, medical professionals, scientists and researchers have been working tirelessly to
find a vaccine to combat it, strengthen mechanisms to prevent the disease and mitigate the
effects of this pandemic. However, from the social sciences, we understand that we can make a
contribution in order to better understand the origins of the problem and the reason for its rapid
expansion, in which even the most developed countries on the planet and with better health
systems have succumbed to this virus. In this article we will see how the rapid expansion of
COVID-19 has been due to the socialization caused by the networks of human relations and, in
this sense, we will describe how the social network analysis (SNA) provides us with a theoretical
framework to analyze the problem, identify its causes and potentially design prevention
mechanisms to mitigate the adverse effects of the virus, as well as help us to establish a set of
lessons learned which could be used (although we hope it is not necessary) in similar
circumstances in the future. Finally, the work aims to shed light on how to identify the role that
each actor has in the social network and its potential to spread this scourge can make a
difference on how to control its expansion and win the battle against the coronavirus more
quickly.
[1]
El COVID-19 (acrónimo del inglés coronavirus disease 2019), también conocida
[2]
como enfermedad por coronavirus es una enfermedad infecciosa causada por el virus SARS-
[3] [4]
CoV-2. Se detectó por primera vez en la ciudad china de Wuhan (provincia de Hubei) en
[5] [6]
Diciembre de 2019. Habiendo llegado a más de 100 territorios, el 11 de Marzo de 2020
la Organización Mundial de la Salud la declaró pandemia. [7]
Ahora bien, ¿cómo fue posible que un virus nuevo, detectado por primera vez en una ciudad
china, en cuestión de pocos meses llegara a rincones tan disímiles como Salerno en Italia,
Guayaquil en Ecuador o Salto en Uruguay, sólo por mencionar unos pocos ejemplos? La
respuesta puede estar dada por el fenómeno de socialización que se da al contactarnos con
otras personas, todo ello potenciado por el contexto actual de globalización en el cual la
socialización se produce internacionalmente y de forma masiva, debido a la frecuencia de
viajes, reuniones y eventos fuera de nuestras ciudades de origen.
Cuando se habla de una red social, se entiende como un grupo de individuos que, en forma
agrupada o individual, se relacionan con otros con un fin específico. Las redes pueden tener
muchos o pocos nodos o actores y una o más clases de relaciones entre pares de actores. Una
red se compone, por tanto, de tres elementos básicos: nodos o actores, vínculos o relaciones y,
[16]
flujos.
Nodos o actores: son las personas o grupos de personas que se encuentran en torno a
un objetivo común. Por ejemplo, en la figura 1 tenemos a un grupo de amigos, dónde
cada uno de ellos constituye un nodo. Usualmente los nodos o actores se representan
por círculos. La suma de todos los nodos representa el tamaño de la red.
Vínculos: son los lazos que existen entre dos o más nodos. En una red de amistad, por
ejemplo, un actor muestra un vínculo directo con otro actor. Los vínculos o relaciones
se representan con líneas.
Flujos: indica la dirección del vínculo. Los flujos se representan por una flecha que
indica el sentido y es posible que también existan flujos mutuos o bidireccionales.
El análisis de redes sociales (ARS o SNA, por sus siglas en inglés) estudia las relaciones y
flujos entre actores tales como individuos, grupos o instituciones, así como otros entes
procesadores de información o de conocimiento. El ARS proporciona un análisis de tipo
matemático y visual sobre entramados humanos complejos. [11]
Este tipo de análisis posee variedad de aplicaciones en los campos más diversos. Es utilizado
con el fin de optimizar la eficiencia del organigrama en una empresa, desarrollar exitosamente
nuevos productos, analizar la diseminación de enfermedades, la transmisión de virus
informáticos, analizar el comportamiento de colectividades y estudiar el capital social, entre
otros. De forma gráfica, una red social es representada por medio de grafos. Los nodos del
grafo son los actores y la forma de vincularse estos actores muestra la relación o flujo entre los
nodos. A estos enlaces usualmente se les otorga un peso que representa la potencia o calidad
de dicha relación. [11]
Las redes sociales se originan a partir de variadas escuelas y teorías como la Psicología Social
y la Antropología. Partiendo de la Psicología Social, el desarrollar investigaciones y obtener de
datos a partir de ciertos trabajos se realiza desde los tiempos de la teoría de Gestalt, empleada
por J. Scott, alcanzando a la Teoría del Campo, la Sociometría, las dinámicas grupales y el
soporte matemático que aporta la teoría de grafos. Además, la Teoría del Campo de Kurt
Lewin, realza lo importante que es la percepción y el comportamiento de cada componente del
conjunto, como también su estructura, siendo delimitada por un área social compuesta por el
grupo y el entorno, conformando lo que se conoce como un área de vínculos. Estos vínculos es
[12]
posible estudiarlos y analizarlos mediante rutinas matemáticas. Al analizar la estructura de
una red social se determinarán los actores participantes y su ubicación en la red, identificando
los vínculos sociales entre ellos.
Respecto a cómo se clasifican las redes sociales que podemos encontrar, existen distintas
[12]
clases de red. Las tres tipologías básicas son, según Alfonso Campiña las siguientes (figura
2):
Red centralizada: en este tipo de red los nodos, excepto uno, se ubican de forma
periférica y únicamente se permite la comunicación entre ellos mediante el nodo
central. Si se pierde el nodo central, esto supone la caída del conducto hacia el resto
de los nodos.
Red descentralizada: se genera interconectando los nodos centrales de diversas redes
de tipo centralizado. La resultante no determina un nodo central sino un eje agrupado
de conectores. El caso de pérdida de uno de los nodos centrales produce que se
desconecten uno o varios nodos de la red general, mientras que la pérdida del grupo
central, supone que desaparezca la red.
Red distribuida: este tipo de red mantiene a todos los nodos conectados entre sí, sin
mantener dependencia de uno o varios centros. En este caso desaparece la división
central o periférica, siendo una red robusta, donde la pérdida de un nodo no supone la
pérdida de conexiones entre los nodos.
El ARS es una herramienta que permite evaluar las redes, y en general, es considerado un
método cuantitativo a través del que se logra determinar la organización social por medio de las
regularidades del esquema de vínculos establecido entre entes de tipo social, como ser
[14]
individuos, grupos, equipos e instituciones.
Para comprender de qué manera fluyen los contactos mediante una red de relaciones, la Dra.
[13]
Karen Stephenson identificó una serie de roles relativos a las personas que componen una
red y que existen en todo sistema social -- personas a las que llama hubs, gatekeepers, y
pulsetakers (figura 3). Juntos, constituyen el ADN del capital social:
Figura 3. El ADN del capital social
Fuente: Stephenson (2005)
Existen un conjunto de mediciones para comprender las redes y sus integrantes. Estas
métricas contribuyen a establecer la relevancia y el rol de determinado integrante de la red.
Algunas de las más comúnmente empleadas son las métricas de centralidad y poder.
El poder que tiene un nodo o actor en la red es la subordinación que poseen los demás nodos
hacia él. El poder es posible medirlo a través de la noción de centralidad, la cual hace
referencia a la cercanía de un nodo respecto del centro de la red, vale decir, de las ubicaciones
[11]
que podrían otorgar más dominación o influencia.
Hubs (concentradores o conectores): a los concentradores, que son las personas más
conectadas, se los puede identificar por su alto grado de centralidad de entrada (in-
degree) o de salida (out-degree).
Gatekeepers (guardianes o intermediarios): usualmente a los intermediarios se los
puede identificar por su alta centralidad de intermediación (betweeness).
Pulsetakers (tomadores de pulso o influenciadores): los influenciadores tienen altas
puntuaciones de centralidad de cercanía (closeness) - una medida que refleja la
proximidad relativa a toda la red.
Otro tipo de métricas aplicadas al análisis de redes sociales son las métricas de cohesión, y
dentro de ellas, una de las más utilizadas es el coeficiente de agrupamiento o clustering de un
nodo. Se define como la relación de los enlaces existentes entre sus vecinos más cercanos
hacia todas sus posibles conexiones. Esto corresponde a cuán bien conectados están los
vecinos de un nodo entre sí. La mayoría de los vecinos de un nodo con alto coeficiente de
agrupamiento podrían colaborar entre sí, incluso si el nodo se eliminara de la red. [15]
Una vez repasados algunos conceptos teóricos claves para comprender la influencia de las
redes sociales en la expansión del COVID-19, analizaremos de qué manera el análisis de
dichas redes nos puede ayudar a comprender mejor el comportamiento y posible evolución de
la pandemia, en el entendido de que la red de relaciones humanas que produce el contagio del
virus se comporta como una red social.
Primero, decir que en el caso del COVID-19 estamos ante la presencia de una red social
distribuida la cual, como vimos, es un tipo de red robusta en la que eliminar o intervenir un
nodo de la red no supone la pérdida de conexiones entre los demás nodos. Por tanto, si bien
aislar a un actor contagiado con COVID-19 corta una vía de propagación, una vez diseminado
el virus a otras personas, la red se seguirá contagiando. También, debemos tener claro que
usualmente una red social se conforma con contactos provocados con un fin específico, y en el
caso del coronavirus, los contactos entre los actores no son provocados ex profeso sino que
son, en su mayoría, casuales, favoreciendo la propagación del virus.
Segundo, a partir de los roles en una red social vistos (hubs, gatekeepers y pulsetakers)
podríamos determinar el potencial de cada persona para diseminar la enfermedad,
dependiendo de su rol en la red:
Hubs o concentradores: al ser lo más conectados de forma directa con otros nodos de
la red, si se los aísla, dejarían de diseminar el virus a sus relaciones.
Gatekeepers o intermediarios: a pesar de estar menos conectados que los
concentradores, como actúan como nexo con otras redes, son potencialmente dañinos
en el sentido de que pueden diseminar con pocos contactos la enfermedad a un gran
número de personas. Seguramente este rol fue el que originó la expansión del virus
internacionalmente, una vez que un contagiado en China viajó a otro país actuando
como huésped e intermediario para la propagación del virus en el nuevo territorio, y así
sucesivamente, hasta alcanzar escala mundial.
Pulsetakers o influenciadores: estos actores, por su potencial de llegar a cada rincón
de la red social, constituyen una vía de diseminación importante en el caso del COVID-
19, al igual que sucede con los intermediarios, pero lo hacen de manera más sutil y
menos visible que los anteriores.
¿Porqué en países como Italia y España, dónde hace tiempo se estableció la cuarentena
obligatoria el virus se sigue propagando? En un mundo “ideal” la cuarentena implicaría que
ninguna persona pudiera salir de su casa. Sin embargo, servicios esenciales deben seguir
funcionando para garantizar la supervivencia de la población (almacenes y supermercados,
servicios de salud, transporte, seguridad pública, etc.). Es por ello que ciertos contactos sean
inevitables entre los actores de la sociedad. También es probable que si los concentradores se
encuentran aislados y sin contactos, si bien en una red social tipo sean los más influyentes y
mejor relacionados, en el caso del COVID-19, no sean éstos los principales propagadores del
virus (aunque sí tal vez lo hayan sido en una etapa temprana del proceso) ya que su
centralidad de grado tendería a 0 y solamente se relacionarían con las personas con las que
co-habitan. Además, los concentradores son fácilmente identificables por su popularidad
debido a sus múltiples relaciones y seguramente sean los primeros en mantenerse
resguardados, evitando realizar contactos con terceros. Sin embargo, contactos esporádicos
con intermediarios o influenciadores pueden tener un efecto multiplicador, por su capacidad de
llegar a ciertos grupos sociales en el caso de los intermediarios o de tener mucho potencial
para alcanzar grandes porciones de la red en el caso de los influenciadores. Por tanto, la idea
que proponemos desde aquí es que para detener el avance del COVID-19 no solo alcanzaría
con minimizar los contactos entre los actores de la red social sino que los contactos deberían
de alguna forma ser identificados en función de cada actor y su rol en la red, prestando
especial atención a aquellos segmentos de la red con un alto coeficiente de agrupamiento entre
los nodos vecinos de un COVID-19 positivo, y que podrían propagar la enfermedad a un gran
número de personas. De esta manera, aplicando el ARS, podríamos estimar la tasa de
propagación del virus, tomar las medidas precautorias respectivas para impedir el avance de la
enfermedad y prepararnos mejor para circunstancias similares en el futuro.
Conclusiones
Referencias
1. Organización Mundial de la Salud (OMS). (Ed.). (2020). Intervención del Director General de
la OMS en la conferencia de prensa sobre el 2019-nCoV del 11 de febrero de 2020.
Recuperado de https://www.who.int/es/dg/speeches/detail/who-director-general-s-remarks-at-
the-media-briefing-on-2019-ncov-on-11-february-2020.
3. Gorbalenya, A., Baker, S., Baric, R., de Groot, R., Drosten, C., Gulyaeva, A., ... Ziebuhr, J.
(2020). Severe acute respiratory syndrome-related coronavirus – The species and its viruses, a
statement of the Coronavirus Study Group. BioRxiv. Recuperado de
https://www.biorxiv.org/content/biorxiv/early/2020/02/11/2020.02.07.937862.full.pdf.
4. Coronavirus officially named Covid-19. (11 de febrero de 2020). BBC News. Recuperado de
http://web.archive.org/web/20200211162411/https://www.bbc.com/news/world-asia-china-
51466362.
5. Hui, D. S., Azhar, E. I., Madani, T. A., Ntoumi, F., Kock, R., Dar, O., ... Petersen, E. (2020).
The continuing 2019-nCoV epidemic threat of novel coronaviruses to global health – The latest
2019 novel coronavirus outbreak in Wuhan, China. International Journal of Infectious Diseases.
91(1), 264-266.
7. Organización Mundial de la Salud (OMS). (Ed.). (2020). Alocución de apertura del Director
General de la OMS en la rueda de prensa sobre la COVID-19 celebrada el 11 de marzo de
2020. Recuperado de
http://web.archive.org/web/20200312170529/https://www.who.int/es/dg/speeches/detail/who-
director-general-s-opening-remarks-at-the-media-briefing-on-covid-19---11-march-2020.
8. Blanco, P. (24 de marzo de 2020). Reporteros Sin Fronteras rastrea cómo la censura china
contribuyó a expandir el coronavirus. El País. Recuperado de
http://web.archive.org/web/20200324193019/https://elpais.com/elpais/2020/03/24/hechos/1585
063368_490254.html.
10. Coronavirus: China reports 17 new cases of Sars-like mystery virus. (19 de enero de
2020). The Guardian. Agence France-Presse (AFP). Recuperado de
https://www.theguardian.com/world/2020/jan/19/coronavirus-china-reports-17-new-cases-of-
sars-like-mystery-virus.
11. Navarro, L. A., & Salazar, J. P. (2007). Análisis de redes sociales aplicado a redes de
investigación en ciencia y tecnología. Sínt. tecnol, 3(2), 69-86.
12. Alfonso Campiña, V. (2015). Influencia del sistema del último planificador en la red social de
una obra: estudio de caso en Chile.
13. Stephenson, K. (2005). Trafficking in Trust: The Art and Science of Human Knowledge
Networks. En Enlightened power: how women are transforming the practice of leadership (pp.
242-265). San Francisco: Jossey-Bass.
16. Velázquez, A., & Aguilar, N. (2005). Manual introductorio al análisis de redes
sociales. Recuperado de http://revista-redes.rediris.es/webredes/talleres/Manual_ARS.pdf.
18. John Hopkins University (2020). Coronavirus COVID-19 Global Cases. Baltimore, Maryland.
Coronavirus Resource Center. Recuperado de https://coronavirus.jhu.edu/map.html.