Análisis de redes sociales

El análisis de redes sociales (ARS o SNA por sus siglas en inglés Social network analysis) es el proceso de investigación de estructuras sociales mediante el uso de redes y teoría de grafos. Caracteriza las estructuras en red en términos de nodos (actores individuales, personas o cosas dentro de la red) y los lazos, bordes o enlaces (relaciones o interacciones) que los conectan. Los ejemplos de estructuras sociales comúnmente visualizadas a través del análisis de redes sociales incluyen redes de medios sociales, difusión de memes, circulación de información, redes de amistad y conocidos, redes comerciales, redes de conocimiento, relaciones laborales difíciles,redes sociales, gráficos de colaboración, parentesco, transmisión de enfermedades y relaciones sexuales. Estas redes a menudo se visualizan a través de sociogramas en los que los nodos se representan como puntos y los lazos se representan como líneas. Estas visualizaciones proporcionan un medio para evaluar redes cualitativamente al variar la representación visual de sus nodos y bordes para reflejar atributos de interés.

El análisis de redes sociales se ha convertido en una técnica clave en la sociología moderna. También ha ganado una popularidad significativa en lo siguiente: antropología, biología, demografía, estudios de comunicación, economía, geografía, historia, ciencias de la información, estudios organizacionales, ciencias políticas, salud pública, psicología social, estudios de desarrollo, sociolingüística e informática y es ahora comúnmente disponible como una herramienta de consumo (consulte la lista de software SNA).

Las ventajas de SNA son dos. En primer lugar, puede procesar una gran cantidad de datos relacionales y describir la estructura general de la red relacional. selección de elementos y parámetros para confirmar los nodos influyentes en la red, como la centralidad de grado de entrada y de salida. Contexto SNA y elegir qué parámetros definir el “centro” según las características de la red. A través del análisis de nodos, grupos y relaciones, se puede describir claramente la estructura de comunicación y la posición de los individuos.

Historia

El análisis de redes sociales tiene sus raíces teóricas en el trabajo de los primeros sociólogos como Georg Simmel y Émile Durkheim, quienes escribieron sobre la importancia de estudiar patrones de relaciones que conectan a los actores sociales. Los científicos sociales han utilizado el concepto de "redes sociales" desde principios del siglo XX para connotar conjuntos complejos de relaciones entre miembros de sistemas sociales en todas las escalas, desde interpersonales hasta internacionales.

En la década de 1930, Jacob Moreno y Helen Jennings introdujeron métodos analíticos básicos. En 1954, John Arundel Barnes comenzó a usar el término sistemáticamente para denotar patrones de vínculos, abarcando conceptos tradicionalmente utilizados por el público y los utilizados por los científicos sociales: grupos delimitados (p. ej., tribus, familias) y categorías sociales (p. ej., género, etnicidad). Académicos como Ronald Burt, Kathleen Carley, Mark Granovetter, David Krackhardt, Edward Laumann, Anatol Rapoport, Barry Wellman, Douglas R. White y Harrison White ampliaron el uso del análisis sistemático de redes sociales.

SNA se ha utilizado ampliamente en la investigación sobre la adquisición de un segundo idioma para estudiar en el extranjero. Incluso en el estudio de la literatura, Anheier, Gerhards y Romo, Wouter De Nooy y Burgert Senekal han aplicado el análisis de redes. De hecho, el análisis de redes sociales ha encontrado aplicaciones en varias disciplinas académicas, así como aplicaciones prácticas como la lucha contra el lavado de dinero y el terrorismo.

Métrica

Tamaño: el número de miembros de la red en una red determinada.

Conexiones

Homofilia: La medida en que los actores forman lazos con otros similares versus otros diferentes. La similitud se puede definir por género, raza, edad, ocupación, nivel educativo, estatus, valores o cualquier otra característica destacada. La homofilia también se conoce como asortatividad.

Multiplexidad: El número de formas de contenido contenidas en un lazo. Por ejemplo, dos personas que son amigas y también trabajan juntas tendrían una multiplexidad de 2. La multiplexidad se ha asociado con la fuerza de la relación y también puede comprender la superposición de lazos de red positivos y negativos.

Mutualidad/Reciprocidad: La medida en que dos actores se corresponden mutuamente en la amistad u otra interacción.

Cierre de red: una medida de la integridad de las tríadas relacionales. La suposición del cierre de la red de un individuo (es decir, que sus amigos también son amigos) se denomina transitividad. La transitividad es un resultado del rasgo individual o situacional de la Necesidad de Cierre Cognitivo.

Proximidad: La tendencia de los actores a tener más vínculos con otros geográficamente cercanos.

Distribuciones

Puente: Un individuo cuyos lazos débiles llenan un agujero estructural, proporcionando el único vínculo entre dos individuos o grupos. También incluye la ruta más corta cuando una más larga es inviable debido a un alto riesgo de distorsión del mensaje o falla en la entrega.

Centralidad: la centralidad se refiere a un grupo de métricas que tienen como objetivo cuantificar la "importancia" o "influencia" (en una variedad de sentidos) de un nodo (o grupo) particular dentro de una red. Los ejemplos de métodos comunes para medir la "centralidad" incluyen la centralidad de intermediación, la centralidad de cercanía, la centralidad de vector propio, la centralidad alfa y la centralidad de grado.

Densidad: La proporción de vínculos directos en una red en relación con el número total posible.

Distancia: El número mínimo de lazos requeridos para conectar a dos actores particulares, como popularizó el experimento del mundo pequeño de Stanley Milgram y la idea de los 'seis grados de separación'.

Agujeros estructurales: La ausencia de lazos entre dos partes de una red. Encontrar y explotar un agujero estructural puede darle a un emprendedor una ventaja competitiva. Este concepto fue desarrollado por el sociólogo Ronald Burt y, a veces, se lo denomina una concepción alternativa del capital social.

Fuerza del vínculo: definida por la combinación lineal de tiempo, intensidad emocional, intimidad y reciprocidad (es decir, reciprocidad). Los lazos fuertes se asocian con la homofilia, la proximidad y la transitividad, mientras que los lazos débiles se asocian con los puentes.

Segmentación

Los grupos se identifican como 'camarillas' si cada individuo está directamente relacionado con todos los demás, 'círculos sociales' si hay menos rigor de contacto directo, lo cual es impreciso, o como bloques estructuralmente cohesivos si se quiere precisión.

Coeficiente de agrupamiento: una medida de la probabilidad de que dos asociados de un nodo sean asociados. Un coeficiente de agrupamiento más alto indica una mayor 'cliquidad'.

Cohesión: El grado en que los actores están conectados directamente entre sí por lazos cohesivos. La cohesión estructural se refiere al número mínimo de miembros que, si fueran removidos de un grupo, lo desconectarían.

Modelado y visualización de redes

La representación visual de las redes sociales es importante para comprender los datos de la red y transmitir el resultado del análisis. Se han presentado numerosos métodos de visualización de datos producidos por análisis de redes sociales. Muchos de los software analíticos tienen módulos para la visualización de redes. La exploración de los datos se realiza mostrando nodos y vínculos en varios diseños y atribuyendo colores, tamaño y otras propiedades avanzadas a los nodos. Las representaciones visuales de las redes pueden ser un método poderoso para transmitir información compleja, pero se debe tener cuidado al interpretar las propiedades de los nodos y los gráficos solo a partir de las presentaciones visuales, ya que pueden tergiversar las propiedades estructurales que se capturan mejor a través de análisis cuantitativos.

Los gráficos firmados se pueden usar para ilustrar las buenas y malas relaciones entre humanos. Un borde positivo entre dos nodos denota una relación positiva (amistad, alianza, noviazgo) y un borde negativo entre dos nodos denota una relación negativa (odio, ira). Los gráficos de redes sociales firmados se pueden utilizar para predecir la evolución futura del gráfico. En las redes sociales firmadas, existe el concepto de ciclos "equilibrados" y "desequilibrados". Un ciclo equilibrado se define como un ciclo donde el producto de todos los signos son positivos. De acuerdo con la teoría del equilibrio, los gráficos equilibrados representan un grupo de personas que es poco probable que cambien sus opiniones sobre las demás personas del grupo. Los gráficos desequilibrados representan un grupo de personas que es muy probable que cambien sus opiniones sobre las personas de su grupo. Por ejemplo, un grupo de 3 personas (A, B, y C) donde A y B tienen una relación positiva, B y C tienen una relación positiva, pero C y A tienen una relación negativa es un ciclo desequilibrado. Es muy probable que este grupo se transforme en un ciclo equilibrado, como uno en el que B solo tiene una buena relación con A, y tanto A como B tienen una relación negativa con C. Al utilizar el concepto de ciclos equilibrados y desequilibrados, la evolución de Se pueden predecir gráficos de redes sociales firmados.

Especialmente cuando se utiliza el análisis de redes sociales como una herramienta para facilitar el cambio, los diferentes enfoques de mapeo participativo de redes han resultado útiles. En este caso, los participantes/entrevistadores proporcionan datos de la red trazando un mapa de la red (con lápiz y papel o digitalmente) durante la sesión de recopilación de datos. Un ejemplo de un enfoque de mapeo de red de lápiz y papel, que también incluye la recopilación de algunos atributos de los actores (influencia percibida y objetivos de los actores) es la caja de herramientas * Net-map. Una ventaja de este enfoque es que permite a los investigadores recopilar datos cualitativos y hacer preguntas aclaratorias mientras se recopilan los datos de la red.

Potencial de las redes sociales

El potencial de redes sociales (SNP) es un coeficiente numérico, derivado a través de algoritmos para representar tanto el tamaño de la red social de un individuo como su capacidad para influir en esa red. Los coeficientes SNP fueron definidos y utilizados por primera vez por Bob Gerstley en 2002. Un término estrechamente relacionado es Usuario Alfa, definido como una persona con un SNP alto.

Los coeficientes SNP tienen dos funciones principales:

1. La clasificación de las personas en función de su potencial de redes sociales, y
2. La ponderación de los encuestados en estudios cuantitativos de investigación de mercados.

Al calcular el SNP de los encuestados y al dirigirse a los encuestados de alto SNP, se mejora la fuerza y ​​​​la relevancia de la investigación de marketing cuantitativa utilizada para impulsar las estrategias de marketing viral.

Las variables utilizadas para calcular el SNP de una persona incluyen, entre otras: participación en actividades de redes sociales, pertenencia a grupos, roles de liderazgo, reconocimiento, publicación/edición/contribución a medios no electrónicos, publicación/edición/contribución a medios electrónicos (sitios web, blogs), y la frecuencia de distribución pasada de información dentro de su red. El acrónimo "SNP" y algunos de los primeros algoritmos desarrollados para cuantificar el potencial de redes sociales de un individuo se describieron en el libro blanco "La investigación publicitaria está cambiando" (Gerstley, 2003) Ver Marketing viral.

El primer libro que analizó el uso comercial de los usuarios alfa entre las audiencias de telecomunicaciones móviles fue 3G Marketing de Ahonen, Kasper y Melkko en 2004. El primer libro que analizó a los usuarios alfa de manera más general en el contexto de la inteligencia de marketing social fue Communities Dominate Brands de Ahonen & Moore en 2005. En 2012, Nicola Greco (UCL) presenta en TEDx el Potencial de las Redes Sociales como un paralelismo con la energía potencial que generan los usuarios y deben utilizar las empresas, afirmando que "SNP es el nuevo activo que toda empresa debe aspirar a tener".

Aplicaciones prácticas

El análisis de redes sociales se utiliza ampliamente en una amplia gama de aplicaciones y disciplinas. Algunas aplicaciones comunes de análisis de redes incluyen agregación y extracción de datos, modelado de propagación de redes, modelado y muestreo de redes, análisis de atributos y comportamientos de usuarios, soporte de recursos mantenidos por la comunidad, análisis de interacción basado en la ubicación, intercambio y filtrado social, desarrollo de sistemas de recomendación y predicción de enlaces. y resolución de entidades. En el sector privado, las empresas utilizan el análisis de redes sociales para respaldar actividades como la interacción y el análisis de clientes, el análisis de desarrollo de sistemas de información,necesidades de marketing e inteligencia comercial (ver análisis de redes sociales). Algunos usos del sector público incluyen el desarrollo de estrategias de participación de líderes, el análisis de la participación individual y grupal y el uso de los medios, y la resolución de problemas basados ​​en la comunidad.

Aplicaciones de seguridad

El análisis de redes sociales también se utiliza en actividades de inteligencia, contrainteligencia y aplicación de la ley. Esta técnica permite a los analistas mapear organizaciones encubiertas como una red de espionaje, una familia del crimen organizado o una pandilla callejera. La Agencia de Seguridad Nacional (NSA) utiliza sus programas de vigilancia electrónica para generar los datos necesarios para realizar este tipo de análisis en células terroristas y otras redes consideradas relevantes para la seguridad nacional. La NSA busca hasta tres nodos de profundidad durante este análisis de red. Una vez que se completa el mapeo inicial de la red social, se realiza un análisis para determinar la estructura de la red y determinar, por ejemplo, los líderes dentro de la red.Esto permite que los activos militares o policiales lancen ataques de decapitación de captura o muerte contra objetivos de alto valor en posiciones de liderazgo para interrumpir el funcionamiento de la red. La NSA ha estado realizando análisis de redes sociales en registros de detalles de llamadas (CDR), también conocidos como metadatos, desde poco después de los ataques del 11 de septiembre.

Aplicaciones de análisis textual

Grandes corpus textuales pueden convertirse en redes y luego analizarse con el método de análisis de redes sociales. En estas redes, los nodos son Actores Sociales y los enlaces son Acciones. La extracción de estas redes se puede automatizar mediante el uso de analizadores. Las redes resultantes, que pueden contener miles de nodos, luego se analizan utilizando herramientas de la teoría de redes para identificar a los actores clave, las comunidades o partes clave y las propiedades generales, como la solidez o la estabilidad estructural de la red general, o la centralidad de ciertos nodos. Esto automatiza el enfoque introducido por el Análisis Narrativo Cuantitativo, por el cual los tripletes sujeto-verbo-objeto se identifican con pares de actores vinculados por una acción, o pares formados por actor-objeto.

En otros enfoques, el análisis textual se lleva a cabo considerando la red de palabras que coexisten en un texto. En estas redes, los nodos son palabras y los enlaces entre ellos se ponderan en función de su frecuencia de co-ocurrencia (dentro de un rango máximo específico).

Aplicaciones de internet

El análisis de redes sociales también se ha aplicado para comprender el comportamiento en línea de individuos, organizaciones y entre sitios web. El análisis de hipervínculos se puede utilizar para analizar las conexiones entre sitios web o páginas web para examinar cómo fluye la información a medida que las personas navegan por la web. Las conexiones entre organizaciones se analizaron a través del análisis de hipervínculos para examinar qué organizaciones dentro de una comunidad problemática.

Netocracia

Otro concepto que ha surgido de esta conexión entre la teoría de las redes sociales e Internet es el concepto de netocracia, donde varios autores han surgido estudiando la correlación entre el uso extendido de las redes sociales en línea y los cambios en las dinámicas de poder social.

Aplicaciones de internet de redes sociales

El análisis de redes sociales se ha aplicado a las redes sociales como una herramienta para comprender el comportamiento entre individuos u organizaciones a través de sus vínculos en sitios web de redes sociales como Twitter y Facebook.

En el aprendizaje colaborativo asistido por ordenador

Uno de los métodos más actuales de aplicación de SNA es el estudio del aprendizaje colaborativo asistido por computadora (CSCL). Cuando se aplica a CSCL, SNA se usa para ayudar a comprender cómo colaboran los alumnos en términos de cantidad, frecuencia y duración, así como la calidad, el tema y las estrategias de comunicación. Además, SNA puede centrarse en aspectos específicos de la conexión de red o en toda la red como un todo. Utiliza representaciones gráficas, representaciones escritas y representaciones de datos para ayudar a examinar las conexiones dentro de una red CSCL.Al aplicar SNA a un entorno CSCL, las interacciones de los participantes se tratan como una red social. El enfoque del análisis está en las "conexiones" hechas entre los participantes, cómo interactúan y se comunican, en oposición a cómo se comportó cada participante por su cuenta.

Términos clave

Hay varios términos clave asociados con la investigación del análisis de redes sociales en el aprendizaje colaborativo asistido por computadora, tales como: densidad, centralidad, grado de entrada, grado de salida y sociograma.

• La densidad se refiere a las "conexiones" entre los participantes. La densidad se define como el número de conexiones que tiene un participante, dividido por el total de conexiones posibles que podría tener un participante. Por ejemplo, si hay 20 personas participando, cada persona podría conectarse potencialmente con otras 19 personas. Una densidad del 100% (19/19) es la mayor densidad del sistema. Una densidad del 5% indica que solo hay 1 de 19 conexiones posibles.
• La centralidad se centra en el comportamiento de los participantes individuales dentro de una red. Mide el grado en que un individuo interactúa con otros individuos en la red. Cuanto más se conecta un individuo con otros en una red, mayor es su centralidad en la red.

Las variables de grado de entrada y de salida están relacionadas con la centralidad.

• La centralidad de grado se concentra en un individuo específico como punto de enfoque; la centralidad de todos los demás individuos se basa en su relación con el punto focal del individuo "en grado".
• El grado de salida es una medida de centralidad que aún se enfoca en un solo individuo, pero el analítico se preocupa por las interacciones de salida del individuo; la medida de centralidad fuera de grado es cuántas veces el individuo del punto de enfoque interactúa con otros.
• Un sociograma es una visualización con límites definidos de conexiones en la red. Por ejemplo, un sociograma que muestre puntos de centralidad de grado externo para el Participante A ilustraría todas las conexiones salientes que el Participante A hizo en la red estudiada.

Capacidades únicas

Los investigadores emplean el análisis de redes sociales en el estudio del aprendizaje colaborativo asistido por computadora en parte debido a las capacidades únicas que ofrece. Este método particular permite el estudio de patrones de interacción dentro de una comunidad de aprendizaje en red y puede ayudar a ilustrar el alcance de las interacciones de los participantes con los otros miembros del grupo. Los gráficos creados con las herramientas SNA brindan visualizaciones de las conexiones entre los participantes y las estrategias utilizadas para comunicarse dentro del grupo. Algunos autores también sugieren que el SNA proporciona un método para analizar fácilmente los cambios en los patrones de participación de los miembros a lo largo del tiempo.

Varios estudios de investigación han aplicado SNA a CSCL en una variedad de contextos. Los hallazgos incluyen la correlación entre la densidad de una red y la presencia del docente, una mayor consideración por las recomendaciones de los participantes "centrales", la poca frecuencia de interacción entre géneros en una red y el papel relativamente pequeño que desempeña un instructor en una red de aprendizaje asincrónico..

Otros métodos utilizados junto con SNA

Aunque muchos estudios han demostrado el valor del análisis de redes sociales dentro del campo del aprendizaje colaborativo asistido por computadora, los investigadores han sugerido que SNA por sí solo no es suficiente para lograr una comprensión completa de CSCL. La complejidad de los procesos de interacción y las innumerables fuentes de datos dificultan que SNA proporcione un análisis en profundidad de CSCL. Los investigadores indican que SNA debe complementarse con otros métodos de análisis para formar una imagen más precisa de las experiencias de aprendizaje colaborativo.

Varios estudios de investigación han combinado otros tipos de análisis con SNA en el estudio de CSCL. Esto puede denominarse enfoque multimétodo o triangulación de datos, lo que conducirá a un aumento de la confiabilidad de la evaluación en los estudios CSCL.

• Método cualitativo: los principios de la investigación de estudios de casos cualitativos constituyen un marco sólido para la integración de los métodos SNA en el estudio de las experiencias CSCL.
  • Datos etnográficos como cuestionarios y entrevistas de estudiantes y observaciones de no participantes en el aula
  • Estudios de casos: estudie exhaustivamente situaciones particulares de CSCL y relacione los hallazgos con esquemas generales
  • Análisis de contenido: ofrece información sobre el contenido de la comunicación entre los miembros
• Método cuantitativo: esto incluye análisis estadísticos descriptivos simples sobre las ocurrencias para identificar actitudes particulares de los miembros del grupo que no han podido ser rastreados a través del SCN para detectar tendencias generales.
  • Archivos de registro informático: proporcionan datos automáticos sobre cómo los alumnos utilizan las herramientas colaborativas
  • Escalado multidimensional (MDS): traza las similitudes entre los actores, de modo que los datos de entrada más similares estén más cerca entre sí
  • Herramientas de software: QUEST, SAMSA (Sistema de matriz de adyacencia y análisis basado en sociogramas) y Nud*IST