Análisis de redes sociales. THAI Bloque I

Transcripción

1 Análisis de redes sociales THAI Bloque I

2 Índice Análisis de redes sociales (SNA) Un ejemplo de un método mixto que utiliza SNA 2

3 Introducción al análisis de redes sociales

4 Índice Introducción Tipos de red Medidas más frecuentes Agrupamientos Visualización Apuntes sobre el uso de SNA en investigación en TIC

5 Análisis de redes sociales (SNA) Una disciplina dedicada el estudio de las estructuras de los grupos sociales. Adoptada por todas las Ciencias Sociales y otras como la Física o la Biología Utiliza métodos formales, basados en la teoría de grafos Pueden aplicarse algoritmos, y por tanto, métodos computacionales, para el análisis Los orígenes fueron establecidos por Moreno en

6 Los experimentos de Moreno (1943) Relación de los alumnos en la clase: Alumnos de varias edades Estudio por géneros «Si pudieras elegir libremente, a qué dos niños elegirías como compañero? Resultados: A <edad> => alumnos tienden a <?> 6-8 años => mezclarse 8-13 años => separase años => mezclarse años => separarse 6

7 Qué es una red social? Red social: Un conjunto de actores y las relaciones entre ellos Ejemplos: es amigo de es vecino de distribuye mercancías a es miembro de Los actores son nodos y las relaciones se traducen en enlaces entre los nodos Representación de las redes sociales: Matriz o grafo (sociograma) 7

8 Representación de redes sociales Grafo o sociograma: Un conjunto de nodos y las relaciones entre ellos Definiendo de forma separada: El conjunto de nodos El conjunto de enlaces Matriz de adyacencia Matriz que define los enlaces entre cada par de nodos Nodos: Gl1, Gl2, Gl4, Gn1, Gn2 Enlaces: (Gn2,Gl4), (Gl4,Gn1) Gl1 Gl2 Gl4 Gn1 Gn2 Gl Gl Gl Gn Gn

9 Índice Introducción Tipos de red Medidas más frecuentes Agrupamientos Visualización Apuntes sobre el uso de SNA en investigación en TIC

10 Tipos de red Según los conjuntos de actores Redes modo 1: un conjunto de actores Redes modo-2 (bipartitas, de afiliación): dos conjuntos de actores Según su construcción Redes completas Redes egocéntricas Según las relaciones Dirigidas o no dirigidas Dicotómicas (1/0) o con valor (los enlaces tienen peso) 10

11 Redes modo-1 y modo-2 Modo 1 Modo 2 Todos del mismo tipo (p.e.: miembros de una empresa) Administradores Sociedades 11

12 Redes dirigidas y no dirigidas Dirigidas No dirigida Ej. Ha elegido como amigo Ej. Ha trabajado con 12

13 Con valor o dicotómica Con valor Ej. Ha escrito # mensajes 13 Dicotómica Ej. Se ha comunicado con Redes Sociales en Internet 14/07/2011

14 Redes egocéntricas Ego: un nodo determinado Otros (vecinos): distancia (Ego, Otros) 1 Enlaces directos con los vecinos Enlaces entre los vecinos Ego-net (x38) Red completa Ego-net (x34) 14

15 Transformaciones Modo 2 Modo 1 Dirigida No dirigida Con valor Sin valor 15 Más informacion Estrategia No reversible Menos información

16 Modo 2 Modo 1 Estrategia qué representar como relación? A) x comparte recurso con y sin valor A B B) x comparte # recursos con y Con valor 16

17 Dirigido No dirigido Qué significado le damos a la nueva relación? A) Están conectados? B) Están conectados De forma reciproca? 17

18 Índice Introducción Tipos de red Medidas más frecuentes Agrupamientos Visualización Apuntes sobre el uso de SNA en investigación en TIC

19 Indicadores de SNA Medidas de red: Densidad Centralización Medidas de actores: Centralidad / Prestigio: Grado Proximidad Intermediación Agrupamientos: Cliqués, componentes 19

20 Medidas de red Densidad de una red no dirigida d = nº effective edges nº possibleedges Eff.=0 Pos.=10 Eff.=2 Pos.=10 Eff.=4 Pos.=10 Eff.=8 Pos.=10 Eff.=10 Pos.=10 d=0 d=0.2 d=0.4 d=0.8 d=1 20

21 Medidas de red Densidad de una red dirigida nº effective edges d = nº possible edges Hay dos enlaces entre cada par de nodos Eff.=0 Poss.=20 Eff.=4 Poss.=20 Eff.=8 Poss.=20 Eff.=16 Poss.=20 Eff.=20 Poss.=20 d=0 d=0.2 d=0.4 d=0.8 d=1 21

22 Medidas de red Expresión matématica Densidad: Actividad global de la red En redes no dirigidas: =L/[g (g -1)/2] En redes dirigidas: Δ = L / g (g -1) L, número de enlaces g, número de nodos Centralización de grado: Dependencia en un solo actor C D = Σ 1<=i<=g [C D (n*) C D ( n i )] / (g-1) (g-2), C D (n*) = max i C D ( n i ) 22

23 Medidas de actor Centralidad Quién es central en esta red? 23

24 Grado en una red no dirigida Para un nodo: El grado es el número de enlaces que tiene ese nodo Es una de las medidas de centralidad. También llamada grado de centralidad 24

25 Grado de salida y de entrada en grafos dirigidos Grado de entrada: Número de enlaces que van al nodo Grado de salida: Número de enlaces que salen del nodo 25 Redes Sociales en Internet 14/07/2011

26 Camino Secuencia de enlaces que conectan dos nodos C G A B E F I J D De A E : 2 caminos posibles (A B C E) o (A B D E) H 26

27 Camino (en grafo no dirigido) C G A B E F I J 27 D De D E: 2 caminos posibles (D E) o (D B C E) H d(d,e) = 1 Distancia geodésica Longitud del camino más corto

28 Diámetro de un grafo Diámetro: Distancia más larga en un grafo = Máxima distancia entre cualquier par de nodos Cuál es el diámetro de este grafo? 28

29 Grado de intermediación Número de caminos más cortos que pasan por el nodo Red dirigida Red no dirigida 29 Redes Sociales en Internet 14/07/2011

30 Otro ejemplo de g. intermediación Más alto Más bajo Fuente: 30

31 Grado de cercanía Mide la cercanía de un nodo a todos los demás Red dirigida Red no dirigida 31 Redes Sociales en Internet 14/07/2011

32 Índice Introducción Tipos de red Medidas más frecuentes Agrupamientos Visualización Apuntes sobre el uso de SNA en investigación en TIC

33 Agrupamientos Componentes: Subgrupos conectados K-cores: Los miembros de un k-core están conectados con (al menos) k-1 otros miembros. K-cliqués: Agrupamiento de k actores, todos conectados entre sí

34 Componentes Si removemos los puentes (cut-points)

35 rompemos el componente

36 K-cores

37 Cliqués / K-cliqués Clique: máximo subconjunto donde todos los nodos están conectados K-clique: cliqué con k miembros Cuántos cliqués? => 6 cliqués Cuáles son? 1 5-clique 1 4-clique 1 3-clique 3 2-cliques

38 Índice Introducción Tipos de red Medidas más frecuentes Agrupamientos Visualización Apuntes sobre el uso de SNA en investigación en TIC

39 Visualización de sociogramas Atributos gráficos (color, grosor) Posición de los nodos es significativa 2. Apoyo computacional a la evaluación 39 d =37,25% d = 17,24% C D = 30.88% C D = 66,43%

40 Visualización de sociogramas 2. Apoyo computacional a la evaluación n i C o (n i ) X00 100% X26 72,2% X33 66,7%... X21 5,5% X38 5,5% X29 0,0% 40

41 Índice Introducción Tipos de red Medidas más frecuentes Agrupamientos Visualización Apuntes sobre el uso de SNA en investigación en TIC

42 Proceso de construcción de una red 42

43 Fuentes de datos Comunicación mediada por ordenador Forums Listas de correo Aplicaciones web 2.0: xing, facebook, etc. Registros / Artefactos Bibliografías Wikis Sistemas de versionado (e.g. CVS) Otros tipos de datos no automáticos Respuestas a encuestas Observaciones directas 43

44 Aplicaciones a las TIC Disciplinas orientadas a lo humano Computer supported collaborative learning (CSCL) Computer supported cooperative work (CSCW) Análisis de redes Identificación de cuellos de botella en redes Tolerancia a errores y su manejo en sistemas distribuídos Estructura del conocimiento Interés creciente en el análisis de las estructuras de conocimiento en red, como la wikipedia Difusión de la información, redes de comunicación Investigación sobre la difusión de la información a través de Internet, las estructuras sociales emergentes en las redes sociales en Internet, etc. 44

45 Limitaciones del método No todas las interacciones tienen lugar a través del ordenador P.ej: trabajo cara a cara, discusiones yendo al café, etc. La interpretación es difícil sin conocimiento del contexto. Por tanto, la replicación de los resultados es difícilmente esperable. Se puede combinar con otros métodos para contrastar estas dificultades 45

46 46 Ejemplo de método mixto de investigación con SNA

47 Research context CSCL Computer Supported Collaborative Learning Emphasises interactions among learners F2F / Distance / Blended Technology and models to support the whole lifecycle Validation in authentic scenarios 47 47

48 Research Context Evaluation of CSCL situations Overall research question: How to help teachers in monitoring participatory aspects of learning by means of technology? Validation research question: How is the evolution of participation structures in a classroom supported by technology? 48 48

49 Research context What we needed Integrate context Study of real situations Participants point of view New forms of interaction Scalable and efficient processes Visualisation processes Participatory aspects Mixed evaluation method Ethnographic data sources Qualitative analysis Automatically recorded data Quantitative analysis Tools Social network analysis

50 Mixed evaluation method Phases Scheme of categories Analysis methods Throughout the experience End of project Observations Daily work Face to face interact. Interviews Initial After milestones Final Questionnaires Previous concepts (individual) Preparation Sociometries After milestones Critics about the project Final Sociometries Automatic data Event logs Quantita tive Qualitati ve SNA Conclusions 50 Data sources

51 Herramientas - Quest Participants CSCL tool QUEST Teacher / evaluator Answer to Designs questionnaires questionnaires Interactions through the computer Event log el2xml XML file Actions (XML) Observations RTF files Tables Interaction maps obs2xml STATISTIC PACKAGE Categories NUD*IST Statistic indexes New categories SAMSA DL File (UCINET format) SNA indexes & sociograms Pedagogical tool Evaluation tool or module File

52 Herramientas Iloca and Nud*IST Participants Respuestas cuestionarios Teacher / evaluator Observations Categories New categories Interactions through the computer NUD*IST CSCL tool Event log QUEST el2xml Actions (XML) Configuration parameters Interaction maps obs2xml STATISTIC PACKAGE iloca Statistic indexes SAMSA DL File (UCINET format) SNA indexes & sociograms Pedagogical tool Evaluation tool or module File

53 Herramientas SAMSA Participants Respuestas cuestionarios Teacher / evaluator Observations Categories New categories Interactions through the computer NUD*IST CSCL tool Event log QUEST el2xml Actions (XML) Configuration parameters Interaction maps obs2xml STATISTIC PACKAGE Statistic indexes SAMSA DL File (UCINET format) SNA indexes & sociograms Pedagogical tool Evaluation tool or module File

54 Resultados Análisis cuantitativo Cuestionarios inicial y final. Cómo es el ambiente en clase? Ambiente colaborativo en clase Inicial Final Muy competitivo 11,7% 6,8% Competitivo 30,6% 18,2% Indiferente 10,6% 9,1% Colab. solo con amigos 30,6% 40,9% Colaboración generalizada 16,5% 25,0% La percepción de los estudiantes mejora 54

55 Análisis de redes Redes sociales indirectas en BSCW Sp2 Spf Δ=17,54% Δ = 35,48% C D =87,03% C D = 68,21% 55

56 Resultados Análisis cualitativo Compartir información BSCW negativo: si todos nosotros compartiéramos todo, todo el mundo haría el mismo trabajo y todo el mundo tendría la misma nota Porque no hemos encontrado nada [interesante] En me caso ha sido fundamental no tener acceso a Internet en casa Compartir información BSCW positivo: Usamos BSCW de forma que la gente a cargo de integrarlo todo pudiera hacerlo en casa y luego teníamos una reunión al día siguiente [ ] BSCW: es un método muy útil para compartir información, a la que puedes volver cuando quieras. Para mí ha sido muy útil para la elaboración del informe final. 56

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