lunes, 18 de junio de 2018

Reconstrucción de redes con métodos bayesianos


sábado, 16 de junio de 2018

Centralidad en redes de dos modos


Centralidad de nodo en redes de dos modos

Tore Opsahl

La centralidad de los nodos, o la identificación de qué nodos son más "centrales" que otros, ha sido un tema clave en el análisis de redes (Freeman, 1978). Freeman (1978) argumentó que los nodos centrales eran aquellos "en el meollo de las cosas" o puntos focales. Con base en este concepto, formalizó tres medidas: grado, cercanía y entrecruzamiento. Para obtener una información más completa sobre estas medidas, vea Centralidad de nodos en Redes ponderadas.

Grado

Grado es el número de vínculos que tiene un nodo o el número de otros nodos a los que está conectado un nodo. En redes de dos modos, este concepto se puede aplicar directamente. Sin embargo, hay algunas complicaciones. En redes de dos modos, "la cantidad de otros nodos a los que está conectado un nodo" es ambigua. Podría ser el número de nodos secundarios a los que está conectado un nodo primario (y viceversa), o el número de nodos primarios a los que está conectado un nodo primario. Para aclarar la diferencia entre estos dos números, me referí a ellos como nodos de dos modos y un modo, respectivamente. Para ejemplificar la diferencia, la imagen a continuación muestra la red local que rodea a Flora en el Dataset de mujeres sureñas de Davis (1940) (adaptado de Opsahl, 2011).





La red local que rodea a Flora
Como se puede ver en este diagrama, el grado de dos modos de Flora es 2 y el grado de 1 modo es 12. Si la red se proyectó a una red de modo único, la medida de grado estándar sería 12.

También es posible obtener el grado de dos modos de los nodos una vez que se ha proyectado una red utilizando el método de Newman (2001). Este método de proyección fue desarrollado para las redes de coautoría científica, y establece el peso del empate entre dos autores igual a la suma en los trabajos co-autoescritos de 1 sobre el número de autores en ese documento menos 1. En otras palabras, para cada coautoría papel, un nodo divide 1 por los otros autores. Como tal, el peso total del empate es igual al número de documentos coautores. La única diferencia entre este método y el grado de dos modos son los trabajos de autor único. Estos están excluidos en el primero e incluidos en el segundo método.

Cercanía e intermediación

La parte principal de las medidas de proximidad y de interdependencia son los caminos más cortos y su longitud. La cercanía es la suma inversa de las longitudes de las trayectorias más cortas, y la interdependencia es la cantidad de trayectos más cortos que pasan por un nodo. Al aprovechar el algoritmo de ruta más corta de dos modos, es posible ampliar fácilmente estas dos medidas a redes de dos modos. Para recapitular rápidamente este algoritmo: 
  1. Use un método de proyección apropiado 
  2. Utilice el método para identificar las rutas más cortas y calcular su longitud en redes ponderadas de modo único (Brandes, 2001; Dijkstra, 1959; Newman, 2001).
Cuando se encuentre la longitud de las rutas más cortas, la medida de proximidad sería simplemente la suma inversa de ellas. Del mismo modo, la interdependencia se calculará fácilmente mirando los nodos intermedios en las rutas más cortas y contará, para cada nodo, la cantidad de veces que ese nodo es un intermediario. Nota: si hay varias rutas más cortas, es importante dividir por el número de ellas para asegurarse de que cada ruta solo cuente una vez.


Ejemplo

Para ilustrar las cuatro medidas, confío en Davis (1940) Southern Women Dataset. La asistencia a la reunión de 18 mujeres en 14 reuniones se registra en este conjunto de datos. La siguiente tabla muestra el resultado de las cuatro medidas (Newman's, 2001, el método de proyección se utiliza para la cercanía y la interdependencia, ya que es probable que el nivel de interacción entre los participantes en eventos más pequeños sea mayor).

.
nodo two-mode degree one-mode degree closeness betweenness
EVELYN 8 17 0.053 5
LAURA 7 15 0.051 1
THERESA 8 17 0.060 48
BRENDA 7 15 0.050 1
CHARLOTTE 4 11 0.044 0
FRANCES 4 15 0.041 0
ELEANOR 4 15 0.043 0
PEARL 3 16 0.037 0
RUTH 4 17 0.043 0
VERNE 4 17 0.045 0
MYRNA 4 16 0.042 0
KATHERINE 6 16 0.052 0
SYLVIA 7 17 0.054 11
NORA 8 17 0.059 60
HELEN 5 17 0.046 0
DOROTHY 2 16 0.027 0
OLIVIA 2 12 0.035 0
FLORA 2 12 0.035 0

En esta tabla se puede ver una limitación clave de la medida de transición: la mayoría de las personas obtiene un puntaje de 0 (es decir, la medida es cero-inflado). Las correlaciones por pares entre las medidas se informan a continuación. Si bien todas las medidas tienen altas correlaciones, es interesante observar que la medida de grado de dos modos tiene una mayor correlación con la cercanía y la interdependencia que la medida de grado de modo único. Esto podría sugerir que la medida de grado de dos modos computacionalmente barata es más capaz de replicar las medidas de proximidad y de equilibrio computacionalmente costosas.


1 2 3 4
1: two-mode degree 1.00


2: one-mode degree 0.51 1.00

3: closeness 0.95 0.44 1.00
4: betweenness 0.59 0.34 0.64 1.00


¿Quieres probarlo con tus datos?

Las medidas se pueden calcular utilizando tnet. Primero, necesita descargar e instalar tnet en R. Luego, necesita crear un edgelist de su red (vea las estructuras de datos en tnet para redes de dos modos). Los siguientes comandos muestran cómo se crearon las tablas anteriores.


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
# Load tnet and the Southern Women Dataset
library(tnet)
data(tnet)
net <- Davis.Southern.women.2mode
 
# Calculate two-mode degree
out <- degree_tm(net, measure="degree")
 
# Create one-mode projection
net1 <- projecting_tm(net, "Newman")
 
# Calculate one-mode degree
tmp <- degree_w(net1)[,"degree"]
 
# Append to table
out <- data.frame(out, onemodedegree=tmp)
 
# Calculate closeness and append to table
tmp <- closeness_w(net1 )[,"closeness"]
out <- data.frame(out, closeness=tmp)
 
# Calculate betweenness and append to table
tmp <- betweenness_w(net1 )[,"betweenness"]
out <- data.frame(out, betweenness=tmp)
 
# Download and set names
out[,"node"] <- read.table("http://opsahl.co.uk/tnet/ datasets/Davis_southern_club_women-name.txt")
 
# Pair-wise correlation table
tmp <- matrix(nrow=4, ncol=4)
tmp[lower.tri(tmp)] <- apply(which(lower.tri(tmp), arr.ind=TRUE)+1, 1, function(a) cor.test(out[,a[1]], out[,a[2]])$estimate)




Referencias

Brandes, U., 2001. A Faster Algorithm for Betweenness Centrality. Journal of Mathematical Sociology 25, 163-177.
Davis, A., Gardner, B. B., Gardner, M. R., 1941. Deep South. University of Chicago Press, Chicago, IL.
Dijkstra, E. W., 1959. A note on two problems in connexion with graphs. Numerische Mathematik 1, 269-271.
Freeman, L. C., 1978. Centrality in social networks: Conceptual clarification. Social Networks 1, 215-239.
Newman, M. E. J., 2001. Scientific collaboration networks. II. Shortest paths, weighted networks, and centrality. Physical Review E 64, 016132.
Opsahl, T., 2013. Triadic closure in two-mode networks: Redefining the global and local clustering coefficients. Social Networks 35, doi:10.1016/j.socnet.2011.07.001.
Opsahl, T., Agneessens, F., Skvoretz, J., 2010. Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks 32 (3), 245-251.

jueves, 14 de junio de 2018

Red de rutas romanas creadas a través de ánforas


Un grupo científico reconstruye las rutas del antiguo Imperio Romano

Historiadores, con la ayuda de matemáticos, informáticos y físicos, han llevar a cabo una investigación liderada por la UB

Mapa de rutas comerciales del antiguo Imperio Romano (Cortesía de la UB)

La Vanguardia


La ayuda de matemáticos, informáticos y físicos ha permitido a los historiadores reconstruir las rutas comerciales del antiguo Imperio Romano, una investigación que ha encabezado la Universidad de Barcelona. La investigación se ha llevado a cabo en el marco del proyecto europeo que lidera el catedrático de la UB José Remesal.

Un proyecto que ha permitido constatar que el comercio a escala continental, entre las diferentes provincias romanas, tenía "flujos importantes" y que "el Atlántico era la ruta principal para transportar aceite, las conservas de pescado y el vino producidos en la península Ibérica (provincias Bética y Tarraconense) hasta el norte de Europa.

Nueva teoría

Esta propuesta de Remesal, publicada en la revista Journal of Archaeological Science, se contrapone a las teorías que hasta ahora priorizaban la importancia del valle del Ródano como vía comercial. Remesal ha explicado que "el viaje por el Ródano tardaba unos 200 días en llegar a Germania, mientras que la vía atlántica desde la Bética hasta la desembocadura del Rin tardaba unos 22 días, y luego se tardaban otros 22 días en transporte fluvial hasta Maguncia".

Según el arqueólogo, "la vía marítima hasta la boca del Rin permitía más viajes al ser más rápida que la del Ródano, que necesitaba de un cambio constante de barcos, más pequeños al llegar al Mosela y que necesitaba además de un tramo de transporte terrestre".

A esta conclusión se ha llegado tras analizar los sellos de las ánforas: "Hay similitudes en las marcas entre las provincias del valle del Rin (Recia, Germania Superior y Germania Inferior) con las zonas de Britania y Bélgica, y en cambio no existe esa similitud con las provincias de la Galia".


Restos de ánfora como indicador para el estudio 


El transporte atlántico, precisa Remesal, tendría lugar entre abril y principios de noviembre cuando se producían las condiciones climatológicas de "mare apertum", ayudado desde tierra por un sistema de faros como el de La Coruña, que "no era un faro para los pescadores de la zona" y que concluiría en la ínsula de los Batavos en la que "se sabe que había un muelle y un canal, había soldados romanos y también comerciantes, y que hoy permanece bajo tierra en algún lugar de Holanda".

Para llevar a cabo la investigación se ha utilizado la base de datos del Centro para el Estudio de la Interdependencia Provincial en la Antigüedad Clásica (CEIPAC) de la UB, que reúne 43.000 registros arqueológicos de restos de ánforas de toda Europa, en su mayoría de aceite de Hispania, pero también sobre vino de la Layetana, producción de aceite de la zona de Brindisi, y de vino de la Galia.

Estos recipientes se pueden considerar "el mejor indicador para estudiar el comercio de alimentos en la antigua Roma, pues estaban presentes en todo el imperio y llevaban grabados unos sellos o marcas con información precisa sobre el lugar de procedencia, el peso y los fabricantes". La investigación ahora publicada analiza esta inmensa base de datos de epigrafía anfórica con métodos propios de la física y la informática para contrastar las diferentes teorías sobre el comercio en la antigüedad.

La procedencia de las ánforas


Junto al CEIPAC, participan el grupo de investigación de la UB PhysComp, coordinado por Albert Díaz Guillera, que se dedica al estudio de redes complejas desde la perspectiva de la física estadística; el Barcelona Supercomputing Centre (Xavier Rubio e Iza Romanowska) y la consultora SIRIS Academic, especializada en modelos semánticos y gestión del conocimiento (Bernardo Rondelli).

Estos análisis estadísticos han constatado que "las provincias próximas geográficamente tienen coincidencias como ánforas con los mismos sellos de procedencia, seguramente por que compartían las mismas redes comerciales". Igualmente, se observa que las provincias con importantes destacamentos militares también presentan similitudes entre ellas, lo que indica que "unidades del ejército separadas por miles de kilómetros se abastecían con el mismo sistema de proveedores".

Remesal asegura que esta colaboración interdisciplinar, que hasta ahora sólo se había utilizado para analizar las sociedades prehistóricas, "abre nuevas posibilidades para conocer mejor la Roma clásica". Bernardo Rondelli ha subrayado que los investigadores del EPNet han ido más lejos con la creación del Roman Open Data, un conjunto de base de datos de modelo ontológico, propio de los últimos avances en informática, que podrá albergar hasta una cuarentena de bases de datos sobre historia antigua.

En la actualidad, ha precisado Rondelli, ya hay "un millón de datos con las bases del CEIPAC, de la Universidad de Heidelberg sobre personajes históricos, y de la Universidad de Southampton sobre formas de ánforas". El vino de la Layetana se distribuyó a lo largo del Ródano y el Garona, por la Galia, y, sobre todo, en Roma en dos tipos de ánforas, una que imitaba la itálica, que a su vez era copia de la ánfora cretense, y otra ánfora propia, creada cuando el vino local adquirió prestigio.

martes, 12 de junio de 2018

Socilab: Para crear redes egocéntricas desde Linkedin



Socilab


Enlace

Este sitio permite a los usuarios visualizar y analizar su red de LinkedIn utilizando métodos derivados de la investigación social y científica. Muestra completa de salida se muestra aquí. El sitio es gratuito y de código abierto. ¡Que te diviertas!

Explore sus conexiones


Haga clic en un nodo para resaltar sus conexiones con otras personas que conoce. Desplácese para acercar / alejar en clusters particulares. Busque conexiones de larga distancia, ya que podrían generar un momento de 'mundo pequeño'.
<
>

Instrucciones:


  1. Inicie sesión a través de LinkedIn (haciendo clic en el botón de arriba). Si no ve el botón, probablemente tenga su bloqueador de anuncios configurado para bloquear los complementos de redes sociales.
  2. Al igual que la función inMaps ahora retirada, nuestro sitio le permite ver un diagrama de su red de LinkedIn. Espere mientras se producen las métricas de visualización y red. Cuando haya terminado, desplácese hacia abajo para ver su mapa y análisis de red.
  3. En la parte inferior de la página, habrá una serie de medidas de red extraídas de investigaciones sociológicas en redes profesionales, así como barras de percentiles que comparan sus medidas de red agregadas con usuarios anteriores.
  4. Debajo de cada medida habrá una breve interpretación.
  5. Privacidad: el programa utiliza javascript del lado del cliente para realizar los cálculos, por lo que su red se procesa localmente en su propia máquina. No almacenamos ninguna información demográfica sobre sus contactos o su estructura de red, además de las estadísticas agregadas utilizadas en las barras de percentiles.
  6. Este software se lanzó bajo la Licencia Pública General GNU v2.
  7. Proporcionamos una función de mensajería que le permite escribir y enviar un mensaje de LinkedIn al contacto seleccionado dentro de la aplicación. Esta funcionalidad requiere que solicitemos permisos de mensajería. Nunca enviaremos mensajes en nombre de los usuarios sin su autorización expresa.
  8. Debido a las aceleraciones API de LinkedIn, estamos limitados en la cantidad de contactos que podemos mostrar en un día. Podemos mostrar hasta 450 a 500 contactos por usuario por día, donde el límite preciso depende de qué tan densamente conectados estén sus contactos. Aquellos con más de 500 contactos verán que la aplicación dibuja contactos hasta el límite en orden alfabético. Para evitar golpear este límite, no actualice la página. LinkedIn también limita el número de llamadas de contacto que nuestra aplicación puede realizar en un día a 100k. Esto significa que si más de 200 usuarios con 500 contactos inician sesión, el sitio ya no podrá mostrar los contactos hasta el día siguiente. Este límite se restablece todos los días a las 12 a.m. horario UTC, por lo que siempre puede volver a intentarlo mañana. Desafortunadamente, no hay ninguna solución para esto hasta que podamos obtener una asociación oficial con LinkedIn. ¡Gracias por su comprensión!
Si esta página te resulta útil, compártela con tus amigos.

Compatibilidad: este programa funciona mejor con navegadores de escritorio que ejecutan Javascript (Chrome, Firefox, Safari).

viernes, 8 de junio de 2018

Redes, historia y complejidad

Redes e historia

Peter Bearman,
Instituto de Investigación y Política Social y Económica, Universidad de Columbia, Nueva York, NY 

James Moody, y 
Departamento de Sociología, Universidad Estatal de Ohio, Columbus, OH 
Robert Faris
Departamento de Sociología, Universidad de Carolina del Norte en Chapel Hill


Fuente

Los eventos y las estructuras de eventos componen los elementos constitutivos de la historia. Para construir relatos históricos de secuencias de eventos, los historiadores tienen que hacer casos. Este artículo propone un método para encajonar eventos históricos. Ilustramos la estrategia analítica al considerar una compleja población de eventos interrelacionados que conforman una narrativa de revolución, contrarrevolución y revolución en una pequeña aldea en China. Se discuten las implicaciones para la metodología de las ciencias sociales históricas.


En contraste con los argumentos excesivamente deterministas sobre las causas fundamentales, las narrativas imaginativas de la cate nación fortuita de los eventos contingentes como reveladores del proceso histórico son la moda actual en la ciencia social histórica. Al servicio de tales narrativas, las imágenes de red a menudo se despliegan para describir las vías contingentes aparentemente frágiles a través de las cuales ocurren resultados históricos complejos. A primera vista, las redes parecen proporcionar una metáfora apropiada para el azar y la contingencia, pero este no es el caso. En cambio, la consideración de las estructuras de red en el contexto histórico sugiere roles limitados para la contingencia en la dinámica de eventos. En consecuencia, las estructuras de eventos históricos que aparecen como casos en la historia de las ciencias sociales son mucho más sólidas de lo que se suele imaginar. Sin embargo, algunos eventos pueden jugar papeles más importantes que otros en la configuración de la historia, y el problema de la explicación histórica se basa en desarrollar una metodología para modelar estructuras complejas de eventos que revele qué eventos desempeñan papeles críticos en los resultados históricos. Tal metodología es la preocupación de este artículo en el cual proponemos que la aplicación de modelos de red a casos históricos puede proporcionar respuestas a preguntas tan fundamentales como: ¿cuándo, si alguna vez, los eventos únicos cambian la historia? ¿Qué significan las cosas en el contexto histórico y cómo definimos los casos en un contexto histórico?
El argumento que proponemos es simple. El significado de un evento depende de su posición en una secuencia de eventos interrelacionados, lo que los historiadores llaman un caso. En consecuencia, para quienes estén interesados ​​en lo que significan los eventos, las secuencias de eventos de cobertura es el problema más fundamental que enfrentan los historiadores. En la Sección 2, proponemos una solución, que explota los desarrollos en el análisis de redes sociales que son relevantes para el análisis de estructuras complejas de eventos. Nos enfocamos
sobre las similitudes entre las estructuras sociales y las estructuras de eventos que apuntan a la aplicabilidad de los métodos de red para el análisis de datos históricos. Estas similitudes también sugieren que los procesos históricos pueden ser bastante robustos a la perturbación.El encapsulamiento (casing), que está limitando el comienzo y el final de las secuencias de eventos, no es diferente de un problema en el análisis estructural: cómo especificar un límite en una red. El problema para las ciencias sociales históricas implica generar una población de eventos. Las estrategias para generar una población de eventos en contextos históricos se describen brevemente en la Sección 3. En la Sección 4, ilustramos el método con respecto a un único caso complejo; revolución, contrarrevolución y revolución en una aldea china durante el período de 1920 a 1950. Explotamos técnicas de modelado para redes narrativas [1], para transformar las narrativas en redes. Las operaciones en estas redes proporcionan la base para nuestros análisis, en los que "probamos" nuestra solución de creación de un caso es simulando el futuro. Finalmente, consideramos si los eventos se pueden organizar de manera significativa con respecto a su probabilidad de dar forma al historial y describir cómo dicha matriz podría contribuir a un nuevo método histórico. En la conclusión, indicamos cómo el enfoque propuesto aquí podría alterar nuestro pensamiento sobre la naturaleza del azar en la configuración de los resultados, el registro de casos que los historiadores consideran, y la historia en general.

1. EL PROBLEMA DEL CREACIÓN DE UN CASO

El encapsulamiento está necesariamente implicado en la simple tarea de construir una narración histórica. Del mismo modo, la carcasa es un requisito previo para el significado. Precisamente porque es tan importante, la creación de un caso se ve como una cuestión de discernimiento y el juicio que surge de tal idea. Para la mayoría de los historiadores, cómo se crea un caso de estudio es un logro esencialmente artístico. Aquí proponemos una estrategia para cubrir eventos históricos que dependen menos del arte y más del método. No es sorprendente que este no sea un problema simple. Una gran complicación surge del futuro. Debido a que el significado de un evento depende de su posición en una secuencia de eventos interrelacionados, es necesariamente imposible fijar para siempre el significado de un evento, es decir, fijar para siempre el final y el comienzo de una secuencia de eventos, porque el futuro los eventos pueden activarse, es decir, dibujar en una nueva secuencia de eventos, eventos pasados. No podemos encontrar consuelo en la idea de que solo una cierta clase de eventos futuros podría tener ese papel, porque la ocurrencia futura podría ser tan trascendental como la toma de la Bastilla o tan trivial como el descubrimiento de un diario perdido. En este último caso, un elemento del arte de los historiadores, el descubrimiento (de nuevos eventos o relaciones entre eventos) tiene la capacidad de cambiar los comienzos y los fines, y por lo tanto el significado específico de los eventos.El hecho de que sea posible cambiar el significado de los eventos no significa que los historiadores deban abandonar el intento de desarrollar una estrategia para encauzar secuencias de eventos. Primero, aunque algunos eventos pueden activarse por descubrimiento o por el futuro, la mayoría nunca es tan afortunado. Lo que sea que significa que la mayoría de los eventos se han corregido completamente dentro de una única secuencia de eventos específicos, se ha fijado en secuencias de eventos más grandes y complejas. Dicho de otra manera, ni el descubrimiento de nuevos eventos ni sucesos futuros desconocidos pueden alterar en modo alguno la secuencia de eventos en los que están incrustados los eventos "muertos" y, en consecuencia, su significado también es fijo. Sin embargo, algunos eventos ya se han incorporado, y algunos más, en nuevas secuencias de eventos luego del descubrimiento o la ocurrencia de eventos en el futuro. En consecuencia, podemos imaginar una distribución de eventos, definida con respecto a su probabilidad de activación, "fluidez de significado" o susceptibilidad a estar condicionados por el futuro. Si podemos ordenar eventos con respecto a su probabilidad de estar condicionados por el futuro, se deduce que las secuencias de eventos también se caracterizan mediante dicha distribución, y asimismo, los conglomerados de secuencias de eventos densamente interrelacionadas (lo que definimos como "casos") también están sujetos a la misma distribución, con algunos más probables de cambiar que otros. Esto tiene sentido intuitivo y lo confirma el juicio que usan los historiadores. En términos simples, algunos eventos, secuencias de eventos y casos están muertos.Algunos eventos y secuencias de eventos están sujetos a una revisión radical. Podemos hablar con confianza sobre el significado de los eventos muertos. Nuestra confianza recae en aquellos que probablemente estén vivos. El problema práctico implica saber qué eventos, secuencias de eventos y casos son calientes y cuáles no.

Teoría fuerte e historia delgada

Cuanto más sólida es la teoría, más delgada es la historia, una perogrullada que se revela más claramente cuando uno se propone representar la historia como una red de eventos conectados por flujos de causalidad. Las descripciones históricas de los acontecimientos, especialmente las que ofrecen los historiadores de las ciencias sociales, tienden a tener una apariencia uniforme. Comienzan con un grupo relativamente denso de eventos interrelacionados. Estos, típicamente eventos de nivel macro (por ejemplo, crisis fiscal, crisis agraria, crisis de confianza / legitimidad) fluyen hacia una estrecha corriente de eventos específicos de micro nivel. Una vía delgada (escasamente conectada con muy poca redundancia, pocos ciclos, etc.) se mueve a través del tiempo, induciendo finalmente un evento fundamental que se caracteriza por una gran diferencia, impactando múltiples secuencias de eventos y proporcionando (típicamente) el límite del "caso".
La Figura 1 es un grafo de red de una narración histórica estándar, en este caso, la historia de la revolución y la contrarrevolución en una aldea china.



En la Figura 1, los nodos son eventos específicos que tuvieron lugar, y las flechas son enlaces entre eventos (causales o lógicos) implícitos o explícitos en la narración. El tiempo se mueve, en general, de izquierda a derecha. Los eventos pivotales son aquellos en el centro del gráfico, delimitados por el principio y el final de la narrativa, que componen el caso. La narración es muy delgada como una red, solo escasamente conectada. Esto implica que la teoría que dio lugar a la historia específica es fuerte, porque la teoría implica negar datos. Los relatos narrativos finos son el producto de teorías específicas que dirigen al historiador a identificar algunos eventos como sobresalientes y a negar otros eventos como no destacados. La historia implica la selección de eventos para interconectarse en una narrativa. Tener una teoría requiere que sepamos el final de la historia para dirigir la selección de eventos. Pero esto es un problema ¿Cómo vamos a saber el principio y el final si solo nos dicen lo que significan los eventos?


En lugar de centrarse en la selección de eventos, ahora consideramos que la teoría implícita de la historia se caracteriza por líneas finas sin vías independientes que conectan causas y eventos. Una ironía es que con una sólida teoría, pronto nos vemos obligados a contemplar los efectos de la mantequilla como historia de conducción. En la narrativa de la Figura 1, hay muchos puntos críticos a través de los cuales solo fluye un camino. Los efectos de la manteca se pronunciarían si una pequeña perturbación tiene la consecuencia de eliminar (o agregar) un nodo o línea entre los eventos. Si el evento o el enlace no existieran, ¿podríamos realmente imaginar que la revolución no ocurriría? El problema no es la parsimonia de la explicación per se. Muchas cuentas parsimoniosas que atraviesan el mismo campo desde diferentes puntos finales pueden generar poblaciones de estructuras de eventos densas. El problema es que hay muy pocos conjuntos de ojos. El truco metodológico básico es integrar puntos de vista desde múltiples perspectivas.

2. REDES SOCIALES Y CIENCIAS SOCIALES HISTÓRICAS

Durante la última década, se publicaron artículos influyentes que se basan en el análisis de redes, sobre temas históricos sustantivamente importantes, desde la organización de los Medici hasta la construcción del estado otomano y más allá de la Comuna de París [2-7]. Las imágenes y los métodos de red proporcionan información sobre mecanismos y procesos específicos al enfocarse en individuos de rango medio, sobre individuos aislados, pero por debajo de formaciones sociales enteras. Estos estudios han proporcionado una nueva percepción del papel que desempeñan las relaciones sociales en la estructuración y el bloqueo de la acción y, de manera más abstracta, han proporcionado un nuevo lenguaje para describir los niveles densos, a menudo anidados y cíclicos, interrelacionados de relaciones sociales, construcciones simbólicas, y prácticas (vistas como flujos en una red) que componen estructuras sociales tangibles en contextos históricos y contemporáneos.
Estos notables logros no han llegado sin costos. La reconstrucción detallada de la estructura social, definida con respecto al patrón en múltiples relaciones, necesaria para el análisis de red a menudo ha conducido a un mayor compromiso con explicaciones muy particulares, y una renuencia a abstraer la estructura en sí misma de contextos específicos. En consecuencia, gran parte del trabajo en ciencias sociales históricas que utiliza redes parece prosopográfico: un enfoque de datos relacionales que es limitado porque no puede proporcionar un andamiaje analítico para una comparación significativa entre casos con respecto a parámetros estructurales interpretables. Por otro lado, el énfasis en el contexto ha sido un paliativo útil para contrarrestar una tendencia más inquietante en la historia de las ciencias sociales, la idea de que los modelos de elección racional pueden servir para una función explicativa, como frente a la función heurística. Es irónico que un método (análisis de red estructural) diseñado para la comparación entre contextos celebra la particularidad como la principal barrera para una teoría que niega la relevancia de todos los contextos (a pesar de la protesta en sentido contrario). [Los modeladores de opciones racionales lo negarían al señalar cómo sus modelos incorporan el contexto (como valores, bienes, costos, etc.) en los marcos de decisión de los actores. Pero el hecho de que todos los contextos son igualmente fáciles de integrar en el modelo le quita el fantasma.]


Igualmente irónico es el extraño matrimonio entre teóricos relacionales y de contingencia. Al igual que con las redes, la contingencia ha sido un "descubrimiento" importante para los científicos sociales históricos y actualmente sirve como el principal desafío para los modelos más antiguos en las ciencias sociales históricas que se centran en los determinantes a nivel macro del cambio social sin suficiente atención (social, relacional, mecanismos simbólicos, etc.) Las principales metáforas se basan en el hecho de que las observaciones de redes sociales, como las observaciones históricas, están ligadas e interdependientes. En las redes sociales y en la historia, existe la sensación de que el hecho de la interdependencia significa que el cambio sutil puede concatenarse violentamente a través de un sistema y acumularse en cambios históricos y / o estructurales imprevistos [8]. La idea es atractiva, pero incorrecta.

Las estructuras sociales tangibles se basan y dependen de la fluidez local y la interrupción de la estabilidad [9,10]. (Solo podemos observar estructuras sociales que son robustas. Las estructuras sociales no sólidas no duran lo suficiente para observar. Un idioma popular explica lo que fortalece las estructuras. El amor, como un árbol, puede resistir mejor las tormentas si se dobla).
Las estructuras robustas absorben la fluidez en el micronivel en virtud de características estructurales específicas que "explotan" la interdependencia. Los datos de red en una población son localmente densos, pero globalmente escasos, a menudo cíclicos, anudados y caracterizados por una redundancia de vínculos. (Hay muchas más similitudes. Una similitud, que explotamos posteriormente, es que las características de las redes sociales globales pueden determinarse de manera significativa mediante el muestreo de redes locales, un argumento que a menudo está implícito en las narrativas históricas). Las estructuras sociales comparten estas características con estructuras. Además de los revisionistas radicales, la mayoría de los historiadores también estarían de acuerdo en que los datos históricos muestran una redundancia vinculada, por ejemplo, la idea de que existen múltiples vías independientes a través de las cuales fluyen los efectos causales. Los ciclos en los datos históricos aparecen cuando eventos futuros condicionan eventos pasados, sacando de las relaciones nuevas pasadas a otros eventos. En las redes sociales, la densidad local, el nudo, la redundancia y la ciclicidad dan lugar a las complejas estructuras sociales que organizan el mundo relacional.
Aunque analíticamente separables, se relacionan entre sí. La ciclicidad da lugar a la redundancia, la redundancia da lugar a la densidad local y la densidad da lugar a nudos, generando propiedades de cohesión a nivel macro a partir de una serie de microprocesos independientes. Nuestro interés aquí es mostrar que es lo mismo con las estructuras de eventos. Demostramos que las estructuras de eventos reales que surgen de los datos históricos tienen una estructura similar, donde el orden aparece en el nivel agregado, un producto de la fluidez a nivel micro. En consecuencia, las representaciones de estructuras de eventos como narraciones delgadas y, en consecuencia, sujetas a los "efectos de la mantequilla" se equivocan en gran medida.


3. GENERAR UNA POBLACIÓN DE EVENTOS DE NARRATIVAS INTERCALANTES

En los relatos históricos convencionales, el fin determina el comienzo y, por lo tanto, los elementos que deben ordenarse en la narración. Para el caso de un evento, que puede estar en múltiples subsecuencias interrelacionadas, necesitamos una población de eventos alrededor de la cual podamos dibujar un principio y un final. Dos estrategias distintas para construir una población de eventos son posibles, muestras de bola de nieve de corto alcance y narrativas intercalares. La idea del muestreo de bolas de nieve de corto recorrido es comenzar con una gran muestra de eventos y utilizar técnicas de muestreo de bola de nieve para generar una población de eventos. Se puede implementar una variedad de estrategias de muestreo para redes [ver 11,12 para primeros pasos], para construir poblaciones de eventos históricos. Aquí, ilustramos la segunda estrategia, narraciones intercalares, para demostrar nuestro método para la creación de un caso. Los datos que usamos son historias de vida. Al igual que los relatos históricos, las historias de vida presuponen un final (un punto de vista). Contar historias implica organizar elementos seleccionados de un rico e inagotable plato de bienes culturales -personas, lugares, cosas, eventos, ideas, etc.- en secuencias narrativas que están orientadas hacia un fin particular, de tal manera que sea una trama . El final le permite al autor seleccionar de un mar interminable de eventos solo aquellos eventos que él o ella ve como importantes (sobre la base de una teoría) para que la historia sea revelada. En contraste con las historias formales, las historias de vida tienen características que las hacen ideales para nuestro objetivo, la más importante de las cuales es una estructura teórica débil.
Para ilustrar utilizamos 14 historias de vida de pobladores chinos cuyas experiencias abarcaron la revuelta agraria en el campo, la contrarrevolución, una revolución y luego la codificación de un régimen revolucionario en un marco institucional. El contexto es un pequeño pueblo en el norte de China. Las historias están tomadas de Report from a Chinese Village [13]. El libro contiene una colección de historias de vida de los aldeanos de la aldea de Liu Ling, en el norte de China, cerca de Yenan. Myrdal realizó entrevistas allí en 1961. La Figura 2 proporciona una representación gráfica de dos de las historias de vida que usamos.
Al tratar los eventos como nodos y las relaciones entre los eventos como arcos, las secuencias narrativas de los elementos se transforman en redes. Al representar las secuencias de eventos complejos como redes, podemos observar y medir las características estructurales de las narraciones que de otra manera serían difíciles de ver.
En estos gráficos, los elementos de la historia de la vida narrativa se tratan como nodos que están conectados por cláusulas narrativas, representadas por arcos. Una cláusula narrativa es una cláusula que está ordenada temporalmente de tal forma que moverla implica cambiar el significado de la subsecuencia en la que está incrustada. Las cláusulas libres, por el contrario, se pueden mover sin cambiar el significado de una subsecuencia o la narración como un todo [1,14,15]. Codificamos solo cláusulas narrativas como arcos, vinculando un evento (o elemento) a otro a lo largo del tiempo. Los elementos (nodos) de las narrativas son heterogéneos en alcance y rango, desde el saludo a las tropas conquistadoras con té, hasta una batalla escenificada entre el KMT y los comunistas. El evento anterior ató a los hijos de los terratenientes al KMT; este último resultó en una derrota imaginaria de los comunistas. La idea detrás de este espejismo era engañar al liderazgo del KMT para que pensara que los comunistas habían sido aplastados por las fuerzas locales del KMT para que ambas fuerzas pudieran resistir a los japoneses.



En la Figura 2, el tiempo narrativo se mueve de la parte superior a la parte inferior de la página. El eje izquierda-derecha no es substancialmente interpretable. La profundidad narrativa está representada por la cantidad de arcos que conectan eventos. En esta instancia, por ejemplo, los dos eventos en la parte inferior de la Figura 2B tienen una profundidad narrativa de 17, es decir, hay 17 pasos desde la parte inferior hasta un evento inicial en la parte superior del gráfico. Una característica de estas historias es que son estructuralmente muy diferentes de las historias de los historiadores profesionales.
Tienen muchos elementos desconectados. Los eventos se mencionan, pero no necesariamente están vinculados. A través de subsecuencias, es imposible caminar desde los eventos tempranos a eventos posteriores sin interrupción. No es sorprendente que las historias de vida sean más densas y más complejas que las narrativas históricas convencionales. Tienden a tener un flujo narrativo profundo. Son más complejos porque la gente común no está entrenada como teórica. Por lo tanto, tienen problemas para negar los datos. Las historias de vida con las que trabajamos muestran heterogeneidad. Algunas cuentas son delgadas (Figura 2A), mientras que otras son intrincadas (Figura 2B). Cada una de estas historias tiene un punto final diferente. Los narradores están parados en diferentes lugares. El final de las historias implica diferentes resultados.
El hecho de que se encuentren en diferentes lugares dirige la selección de los elementos que eligen representar para su fin. Por analogía, uno podría considerar un conjunto de cuentas profesionales de la misma secuencia de eventos, cada uno de pie en una posición diferente. Todas las historias cubren los mismos eventos de aldea y aldea en el mismo tiempo, y, en consecuencia, el campo que atraviesan y los eventos a los que se refieren, se superponen considerablemente. Explotamos esta superposición intercalando historias para generar una población de eventos interrelacionados, lo que proporciona una nueva estructura de datos y, en consecuencia, señala nuevas estrategias para el análisis. Estas nuevas instrucciones se recogen a continuación en la Sección 4.


4. HACER Y PROBAR UN CASO

Entre 1920 y 1950, China se transformó. La reforma, la revolución y la guerra sacudieron el campo. Nuestros datos surgen de una de las miles de aldeas en el norte de China. Son sobre los eventos en este pueblo y su conexión con eventos lejanos que ocurren en otros pueblos y ciudades y países, cuyo carácter y contexto probablemente era inimaginable para los aldeanos que vivían en Liu Ling. Nuestro problema es desarrollar un método para el caso de secuencias de eventos interrelacionados. Para presentar un caso, primero necesitamos una población de eventos y necesitamos información sobre su relación. El segundo paso es dibujar un límite en los nodos en el gráfico. El problema (y la solución) se conoce como el problema de especificación de límites [16]. Basándonos en una vieja tradición en la literatura de las redes sociales, podemos aislar los casos al definir una partición en la población de eventos.Sin embargo, las técnicas de agrupamiento estándar no son apropiadas para nuestro problema, ya que los arcos que conectan regiones densas de un gráfico (nodos puente) podrían desempeñar un papel importante en la secuencia narrativa que estamos tratando de capturar. En cambio, adoptamos una nueva estrategia, que es identificar todos los bicomponentes en la población [17]. Un componente de un gráfico es un subgrafo conectado máximo. Un subgráfo máximo es uno que no puede hacerse más grande y aún conserva la propiedad de que hay una ruta entre todos los pares de nodos en el subgráfico y que no hay una ruta entre un nodo en el componente y un nodo que no está en el componente. Un bicomponente es un componente que tiene la propiedad de que todos los nodos están conectados por al menos dos caminos independientes diferentes y que la adición de un nodo requiere que esté conectado a dos nodos en el subgráfico. La idea central es que un caso, visto como un conjunto de eventos interconectados producidos por múltiples narraciones intercaladas debe tener la propiedad de al menos un bicomponente. Un bicomponente no es necesariamente un caso. Es un candidato para un caso. Definimos los casos como bicomponentes que son robustos para el descubrimiento o la activación futura. La figura 3 informa todos los eventos mencionados en las 14 historias de los aldeanos chinos con los que trabajamos, intercalados para formar un solo gráfico. Se mencionan casi 2000 eventos únicos, cada evento está representado por un círculo. Los eventos que están en más de una narrativa están sombreados. El tiempo narrativo se mueve desde la parte superior a la parte inferior de la página. En algunas regiones del gráfico, donde los eventos y sus relaciones son especialmente densos, los arcos son invisibles. Los eventos que están vinculados entre sí por arcos en estas regiones densas parecen superponerse en el gráfico. Los eventos al lado izquierdo de la figura están incrustados en secuencias de eventos que no están vinculadas a eventos en el lado derecho de la figura.



Esta es nuestra población de eventos. Por supuesto, hay millones de eventos no presentes. Podrían pertenecer a alguna otra historia pero no a esta historia. Pero algunos de los eventos que están presentes parecen que tampoco pertenecen a esta historia; por ejemplo, ninguna ruta los conecta a otros eventos.
Los happenings sin relaciones son solo acontecimientos. Las relaciones que tienen con otros eventos que no están en nuestra población pueden hacerlos parte de la historia, pero no la historia del caso en el que estamos trabajando. La figura 4 identifica y representa el componente principal. Tenga en cuenta que hemos pasado de los eventos de 1995, muchos de los cuales no estaban relacionados con ningún otro evento, a un conjunto más pequeño de aproximadamente 1476 eventos, todos agrupados en el lado derecho de la Figura 4.




Como antes, el tiempo narrativo se mueve desde la parte superior a la parte inferior de la página, los eventos superpuestos están conectados por arcos invisibles, y los eventos compartidos a través de múltiples narrativas están sombreados. Uno podría considerar un componente como un caso. El problema sustantivo es que es demasiado frágil. La eliminación de cualquier número de arcos o nodos individuales (relaciones causales o eventos) daría como resultado una partición del componente en múltiples subgrafos discretos. Nuestra estrategia es definir un caso candidato como un componente bicomponente, insistiendo en que todos los eventos estén conectados por al menos dos vías independientes y para probar su robustez para el futuro. El bicomponente más grande contiene 493 eventos. La figura 5 representa la estructura de este bicomponente, siguiendo la plantilla utilizada en las figuras anteriores. La Figura 5 destaca eventos compartidos en múltiples narrativas.
Este es el caso candidato.



5. CASOS DE PRUEBA

Para saber qué significa un evento, uno debe incrustarlo en una secuencia de eventos interrelacionados, que a su vez están integrados en secuencias más grandes que componen un caso. Algunos casos son más sólidos que otros. Los casos robustos se componen de elementos que, incluso si se activan en el futuro (o por descubrimiento) no cambian el caso. Es posible evaluar la robustez del caso simulando el efecto del futuro. Los subproductos son una evaluación de la solidez de los casos y un inventario de los eventos ordenados con respecto a la probabilidad de que sean causables. La Figura 6 informa la solidez de nuestro caso candidato, su resistencia a las perturbaciones menores y mayores. El criterio que usamos es la estadística RAND, que informa la extensión del acuerdo de clasificación cuando un par de elementos seleccionados al azar (aquí, eventos) se clasifican de la misma manera (perteneciendo al mismo grupo o perteneciendo a diferentes grupos) a través de dos particiones de una matriz. La estadística ajustada corrige la superposición casual [18, Eq. 9] e informa el acuerdo entre dos subgrafos más allá de la expectativa de azar.
El lado izquierdo de la Figura 6 informa el grado de acuerdo entre los eventos iniciales que componen el bicomponente inicial (n=479) y los eventos que componen un segundo bicomponente potencialmente alterado por la adición aleatoria de 1 a 10 nuevos enlaces a uno o más de los eventos de 1995 que componen el universo de eventos de Liu Ling. En otras palabras, agregamos un número de líneas aleatorias para conectar eventos previamente desconectados en Liu Ling. Agregar enlaces cambia la estructura del grafo original (al igual que el descubrimiento de un nuevo "hecho" podría conectar dos eventos que anteriormente se consideraban desconectados). Luego, reducimos el nuevo gráfico a su bicomponente más grande y comparamos el bicomponente del gráfico original con el nuevo bicomponente. Para cada caso, ejecutamos la misma simulación 500 veces, evaluando el efecto de agregar 1, 2, 3, ... 10 enlaces. La línea horizontal oscura informa el efecto mediano; el sombreado sombreado informa el rango intercuartílico. Al alejarse de las áreas sombreadas hay puntos que informan los efectos extremos de agregar enlaces.
Debería ser obvio que el caso es robusto al impacto de agregar un enlace. En la instancia promedio, no hay cambio. En el peor de los casos, agregar una sola línea resulta en un acuerdo entre los dos casos candidatos, que es un 93% mayor de lo esperado por casualidad. Los efectos de la mantequilla son posibles, pero extremadamente raros. Se observa un patrón similar para la adición de dos o tres relaciones nuevas. La estructura se rompe un poco con alteraciones más y más radicales del gráfico original. En el momento en que se agregan 10 nuevas líneas, la superposición entre los dos casos candidatos cae un 90% más de lo esperado por casualidad. El alcance del cambio es significativo, al igual que el descubrimiento de un nuevo archivo, múltiples adiciones conducirían a (re) conectar elementos de la estructura de datos subyacente, por lo tanto,

El alcance del cambio es significativo, al igual que el descubrimiento de un nuevo archivo, las adiciones múltiples conducirían a (re) conectar elementos de la estructura de datos subyacente, lo que podría cambiar su significado cambiando el caso en el que están integrados. La alteración simultánea de múltiples relaciones causales puede tener un profundo efecto multiplicador. La inestabilidad del caso resulta de combinaciones específicas (conjunciones) de cambios múltiples y simultáneos en los datos subyacentes.El efecto de eliminar relaciones es mucho menos pronunciado. Incluso en casos extremos, eliminando 10 enlaces, y por lo tanto potencialmente hasta 20 nodos, los dos casos candidatos siguen siendo notablemente similares. Aquí, el contraste entre nuestro caso y las narrativas históricas tradicionales (o incluso el componente que identificamos anteriormente) está marcado. Estos hallazgos no son artefactos, y proporcionan una idea de la estructura de un caso. Si se eliminase una ventaja de un bicomponente mínimamente conectado, el resultado sería una partición del componente en subgrafos y, por lo tanto, un acuerdo de clasificación significativamente inferior al que observamos. La solidez del caso para la eliminación implica que el bicomponente está compuesto de múltiples clústeres densos y que los eventos que componen cada grupo están vinculados por más de dos vías independientes. Esta estructura está más cerca de la estructura social escrita en grande. La densidad local de las estructuras de eventos reales protege los casos de colapso de las perturbaciones que tienen el efecto de eliminar las relaciones causales entre los eventos históricos.

Rompedores de casos

Para los casos que colapsan bajo una presión sutil (al agregar o eliminar una o unas pocas líneas), uno podría tener poca confianza en los significados atribuidos a un evento. Con casos robustos para el futuro, el significado de los eventos que componen el caso es fijo. Se sigue que si otros siguieran la misma estrategia de investigación, revelarían el mismo caso. En consecuencia, estarían de acuerdo con el significado del evento. Como útil es un inventario de eventos dispuestos con respecto a su probabilidad de romper el caso. Esta matriz permitiría que los científicos sociales históricos aprendan acerca de las características estructurales de los eventos que tienen el potencial de tocar los efectos de ruptura de casos. De las colas en ambos paneles de la Figura 6, está claro que en algunos casos, agregar o quitar un borde puede romper la caja. Estos son eventos fundamentales. Los eventos pivotales pueden inducirse de maneras que ya no están implícitas en la cohesión proximal de los grupos de eventos iniciales.



Un mecanismo (diferenciación) es que un clúster de evento temprano conecta múltiples clústeres de sucesos posteriores, en cada caso a través de múltiples rutas independientes. Un segundo mecanismo (convergencia) es que los clústeres de eventos iniciales separados se conectan a los mismos conglomerados de eventos subsiguientes, en cada caso a través de múltiples rutas independientes. Varias combinaciones de diferenciación también pueden ser visibles. En el primer caso (diferenciación), lo que parece un clúster de eventos unitarios se divide en múltiples clusters de eventos. En el segundo caso (convergencia) observamos el tipo inverso de estructura.
Una estrategia simple para identificar bordes / nodos de alto impacto es recorrer cada borde (o par de nodos) de a uno por vez, eliminarlo o agregarlo, y calcular una estadística RAND ajustada para los bicomponentes resultantes. Esto genera un puntaje de impacto potencial sistemático para cada borde, bajo la suposición de que podría ser eliminado (o agregado entre nodos) por algún evento futuro. En los límites de nuestro caso se encuentran grupos de eventos más pequeños y relativamente densos. Si los eventos que se encuentran en el límite de los casos son o no fundamentales depende de la estructura de los grupos de eventos más pequeños que, como las lunas, están suspendidos en la periferia del caso focal. En este caso, los eventos pivotales se ubican exclusivamente dentro de las regiones semi-densas del bicomponente.

6. DISCUSIÓN

Este artículo explota los métodos de red para hacer historia. Al centrarse en las redes como útiles para el método de la ciencia social histórica, han aparecido nuevas soluciones a viejos problemas. El problema más profundo es qué significan los eventos. La idea central de este artículo es que el significado de los eventos depende de su posición en una secuencia de eventos y, por lo tanto, el problema central de las ciencias sociales históricas son las secuencias de sucesos de cobertura, con el fin de inducir principios y fines. Las soluciones antiguas para la circunscripción de un caso están por todas partes. Descansan en conocer el final, teniendo una teoría para guiar la selección de eventos hacia un comienzo. La estructura de la historia aparece como un reloj de arena. Toda la energía causal tangible está encerrada en corrientes de comportamiento delgadas que parecen estar sujetas a todo tipo de contingencia. Se necesita poca visión para ver que, al igual que las muñecas rusas anidadas, el interior de una historia proporciona la madeja exterior para otra. En cada eliminación, lo que parece globalmente escaso se revela como denso a nivel local, y viceversa. 

Los métodos de red proporcionan una forma de explotar esta característica fractal de las estructuras de eventos, si podemos revelarlas. Ilustramos una estrategia simple para generar y revelar estructuras de eventos densos, como una nueva unidad de análisis. La estrategia que ilustramos es para intercalar historias múltiples. Las estructuras de eventos históricos que produce nuestro método se caracterizan por su ciclicidad, redundancia y densidad local.

Debido a que son estructuras, tienen parámetros significativos. Se ajustan a nuestra comprensión intuitiva de un caso, como algo que envuelve eventos dentro de un límite, ya sea en virtud de principios estructurales similares que organizan las relaciones entre los elementos, o una estructuración profunda a través de la memoria o la codificación cultural. También se ajustan a nuestra comprensión intuitiva de cómo se desarrolla la historia como resultado de múltiples fuentes que operan a través de múltiples vías en múltiples niveles de observación.
Si la historia tiene esta estructura, se deduce que la contingencia, mientras sea posible, está limitada por estructuras de eventos fractales profundamente complejas que absorben los eventos del presente y del futuro. Difícilmente podría ser de otra manera. ¿Cómo puede ser entonces que la contingencia y el azar desempeñen papeles tan grandes en la comprensión histórica? Una respuesta conservadora se sugiere arriba. Algunos eventos rompen casos. Debido a que este es el caso, una contribución central de la metodología que proponemos es producir una serie consistente de eventos con respecto a su probabilidad de servir como casos quebrantadores. Tal arreglo ayudará, como mínimo, a los historiadores a demostrar empíricamente qué eventos son críticos para su caso. A largo plazo, una mejor comprensión de los casos que interrumpen los casos, dentro de los casos, debería proporcionar una base para la abstracción en todos los casos, el objetivo principal de la sociología histórica.
Hay más posibilidades radicales. Uno podría, por supuesto, con algo de ironía, simplemente afirmar que el énfasis en el azar y la contingencia es el resultado de las presiones disciplinarias. Hay algo de verdad en esta afirmación, aunque tal vez no en el aspecto que uno pueda tener. La verdad radica en el compromiso que la (s) disciplina (s) tiene con los casos antiguos. Si el nuevo trabajo debe permanecer dentro de los límites de los casos aceptados, los nuevos argumentos más convenientes gravitarán hacia la contingencia como explicación. Sin embargo, podría ser de otra manera. Si el juicio ha producido los casos reales a considerar, el método propuesto en este artículo inducirá esos casos, y solo esos casos.
Al mismo tiempo, el método que describimos permite la inducción de casos: estructuras de eventos densas y robustas a una leve permutación, para las cuales no tenemos palabras. Y aquí, quizás, yace la avenida para una nueva percepción del pasado. Nuestra conjetura es que el compromiso de los historiadores con la estructura de casos conocidos ha limitado significativamente nuestra comprensión de los eventos, secuencias de eventos y la naturaleza del pasado, de la misma manera que el compromiso de los sociólogos con la realidad de las descripciones categóricas de la presente comprensión limitada de las estructuras sociales dentro de las cuales se organiza, expresa y representa el material de la vida. Para estar seguros, por supuesto, uno tiene que esperar las aplicaciones posteriores de los métodos de red -más sofisticados que los utilizados aquí- a la historia. 



REFERENCIAS

1. Bearman, P.; Stovel, K. Becoming a Nazi: A model for narrative networks. Poetics, Forthcoming, 1999.
2. Barkey, K.; Van Rossen, R. Networks of contention: Villages and regional structure in the seventeenth century Ottoman empire. Am J Sociol 1997, 102(5), 1345–1382.
3. Bearman, P. Relations into Rhetorics; Rose Monograph Series; ASA: New Brunswick, NJ, 1993.
4. Brudner, L.; White, D. Class, property and structural endogamy: Visualizing networked histories. Theory and Society 1997, 25, 161–208.
5. Gould, R.V. Insurgent Identities: Class, Community, and Protest in Paris from 1848 to the Commune; University of Chicago Press: Chicago, IL, 1995.
6. Gould, R.V. Patron-client ties, state centralization, and the whiskey rebellion. Am J Sociol 1996, 102(5), 400 – 429.
7. Padgett, J.; Ansell, C. Robust action and the rise of the Medici, 1400 –1434. Am J Sociol 1993, 98, 1259 –1319.
8. Emirbayer, M.; Goodwin, J. Network analysis, culture, and the problem of agency. Am J Sociol 1994, 99, 1411–1454.
9. Tilly, C. Durable Inequality; University of California Press: Berkeley, 1999.
10. White, H. Identity and Control; Princeton University Press: Princeton, NJ, 1992.
11. Frank, O. Sampling and estimation in large social networks. Social Networks 1978, 1, 91–101.
12. Granovetter, M. Network sampling: Some first steps. Am J Sociol 1977, 81(6), 1287–1303.
13. Myrdal, J. Report From a Chinese Village; Pantheon Books: New York, NY, 1965.
14. Labov, W. Language in the Inner City; University of Pennsylvania Press: Philadelphia, 1972.
15. Franzosi, R. From Words to Numbers. Unpublished Manuscript. Oxford University, England, 1999.
16. Wasserman, S.; Faust, K. Social Network Analysis. Methods and Applications; Cambridge University Press: Cambridge, MA, 1994.
17. White, D.; Schnegg, M.; Brudner, L.; Nutini, H. Status Groups and Structural Endogamy: Compadrazgo in Rural Tlaxcala, Mexico. Unpublished manuscript, 1999.
18. Morey, R.; Agresti, A. The measurement of classification agreement:An adjustment to the RAND statistic for chance agreement. Educational Psychological Measurement 1984, 44, 33–37.

miércoles, 6 de junio de 2018

Como se forman los grupos humanos

¿Sientes que no encajas? Aquí le mostramos cómo encontrar el lugar donde realmente pertenece

Nilofer Merchant | TED Talk



Algunos consejos nuevos para identificar y buscar su propia comunidad, del innovador comercial Nilofer Merchant.

En 1990, cuando se les preguntó a los estudiantes de la Universidad de Pensilvania si considerarían una carrera en Filadelfia, donde se encuentra la escuela, solo el 35 por ciento de ellos respondieron que sí. Para 2010, ese número fue del 60 por ciento


Parte de ese aumento podría deberse a Alex Hillman. La búsqueda de Alex por su propia gente comenzó porque estaba solo. Como desarrollador web de mentalidad emprendedora, dice: "Me sentía solo en mi campo, en mi trabajo, en mi ciudad".

Alex estaba pensando en mudarse a la costa oeste, donde otros tipos de tecnología creativa parecían dirigirse, y tenía una conexión allí con una compañía de tecnología para un trabajo de tiempo completo. Pero cuando ese trabajo fracasó en enero de 2006, decidió darle otra oportunidad a Filadelfia, y se permitió seis meses reunir tantas personas de ideas afines en Filadelfia como pudo. "Una gran parte de mí pensó que esto sería infructuoso, que lo que estaba buscando no existía", dice.

Quizás el primer paso para encontrar personas como usted es presentarse como usted mismo.

Alex asistió a reuniones de grupos profesionales, pequeñas conferencias, eventos basados ​​en la tecnología y encuentros para encontrar otros "geeks como él". Dejó de usar trajes y mostró más de sí mismo, sugiriendo que tal vez el primer paso para encontrar personas como usted es mostrar como tú mismo Pronto, encontró a algunos que tenían un perfil exterior similar: tatuajes, camisetas irónicas, camisas a cuadros. Y descubrió que tenía mucho en común con algunos de ellos. "Había bastantes de nosotros buscando lo mismo", recuerda David Dylan Thomas, quien dirigió y coprodujo la serie web Developing Philly. "Todos queríamos el valor de trabajar con una gran compañía como Google sin trabajar para una gran empresa".

En septiembre de 2006, este equipo de codificadores, escritores, creadores y diseñadores comenzó a reunirse todos los viernes para trabajar en sus proyectos individuales en la compañía de los demás. Pronto descubrieron que eran más productivos como grupo. "Podríamos mirar hacia arriba y pedir ayuda sobre un problema técnico, o preguntar si alguien más sabe cómo hacer X, Y o Z. Nuestras habilidades colectivas fueron fuertes", dice David. Cuanto más tiempo pasaban juntos, más aprendían unos de otros, se inspiraban unos a otros y se empujaban unos a otros.

En un evento dirigido por un reclutador local, Alex planteó la idea: ¿y si tuviéramos una casa club? El grupo abrazó la idea de Alex de un espacio de trabajo conjunto. La diseñadora UX Lauren Galanter habló: "Se podría decir algo con un tema de Filadelfia, como el Salón de los Independientes. Ya sabes, al igual que el sitio histórico, pero una sala de personas que son independientes ".

Mientras que Alex fue el catalizador del espacio de coworking de la primera ciudad, fue en última instancia la comunidad que creó Indy Hall, que acaba de celebrar su undécimo aniversario y tiene 300 miembros. Incluso antes de que ocuparan un espacio físico juntos, fueron copropietarios de la idea. Todos ocuparon un cierto geekiness; ellos ocuparon una creatividad particular; y en sus "condiciones" compartidas, se unieron como una comunidad unida por un propósito común.

El filósofo Parker Palmer escribió: "Solo cuando estamos en comunión dentro de nosotros mismos podemos estar en comunidad con los demás".

¿Cómo es que Alex pasó de sentirse como el único, a unirse con casi 20 personas para crear un espacio de trabajo común? ¿Había sido inconsciente antes? ¿Era que simplemente necesitaba buscar más a su gente? La respuesta está en las grietas entre estas preguntas. "Mucho antes de que la comunidad asuma forma y forma externa, debe existir dentro de ti. Solo cuando estamos en comunión dentro de nosotros mismos podemos estar en comunidad con otros ", escribió el filósofo Parker Palmer en su libro Let Your Life Speak.

La palabra "individuo" tiene una dualidad inherente: significa el miembro más pequeño de un grupo. Por lo tanto, un individuo nunca está aislado; ella siempre está conectada. Cada uno de los 7.5 billones de humanos en la tierra tiene un valor para ofrecer, especialmente ahora en un mundo distribuido donde puedes hacer cosas a través de las redes. Este es el poder de lo que llamo "exclusividad": estás parado en un lugar en el que solo te paras, que es una función de tu historia, experiencias, visiones y esperanzas, y desde aquí ofreces un punto de vista distinto , ideas e ideas. Cuando puedes crecer y realizar esas ideas a través de tus redes y a través de la conexión, tienes una nueva palanca para mover el mundo. La unicidad es como un individuo, entonces, en que nace de ti y también que te une de manera significativa con los demás; es el tú conectado.

Para encontrar a su gente, debe saber cómo señalar sus pasiones e intereses y buscar los suyos. Pero también puede buscar en Google o escanear los perfiles de LinkedIn y enviar avisos de "Conéctese conmigo". Puedes twittear enlaces sobre lo que te interesa o dejar comentarios en un feed de Instagram. Aquí hay una breve taxonomía que identifica cinco tipos diferentes de comunidades a las que puede acceder.

Tipo de comunidad # 1: Práctica. Este tipo de grupo está unido por una actividad común. Los colegas de Alex eran todos tipos creativos que estaban interesados ​​en diferentes aspectos del desarrollo web. La práctica, sin embargo, no se limita a actividades profesionales; también se aplica a pasatiempos e intereses, como francófonos o corredores de maratón. Una buena manera de encontrar a otros con intereses mutuos es a través de una búsqueda en línea.

Tipo de comunidad # 2: Proximidad. Este es un grupo basado en ser de o en cierto lugar. Durante mi traslado a París, utilicé un sitio web llamado Message Paris. Los miembros pagaron una tarifa de suscripción para encontrar a otros en la ciudad y obtener acceso a información sobre cómo elegir una escuela o tratar con impuestos extranjeros. Otro sitio web llamado Mes Bonnes Copines ("mis buenas amigas") conecta a las personas entre sí para ofrecer servicios útiles, como el canje de niñera. También utilicé geolocalización en Twitter, centrándome en París e incluso en mi distrito particular, lo que me llevó a información sobre próximos eventos, noticias y personas que podría encontrar interesantes.

Internet es un gran lugar para comenzar a buscar su comunidad, pero es simplemente una forma de encontrar a su gente.

Tipo de comunidad # 3: Pasión. Una comunidad de pasión es impulsada por un interés compartido en un tema en particular; difiere ligeramente de uno basado en la práctica. Digamos que eres un amante de los loros, como lo es mi amiga Arikia. Su diario (ella es escritora, por lo que a menudo su libreta está a la vista) tiene un montón de contenido relacionado con los loros, por lo que, después de que sus amigos lo vean, le envían videos y parafernalia de loros. Arikia también comparte peticiones de abuso contra los animales en las redes sociales, por lo que las personas entienden que el tema le importa. Las herramientas digitales la vinculan con otras personas que comparten su pasión.

Tipo de comunidad # 4: Providencia. Las comunidades de previsión son producto de conexiones aparentemente aleatorias, como encontrarse con amigos en la escuela secundaria que le presentan a sus futuros patrocinadores en Kickstarter. Sin embargo, este proceso no es tan aleatorio como parece. Por ejemplo, la defensora del emprendedor Tereza Nemessanyi no era una experta conocida cuando se sumergió por primera vez en ese mundo. Ella comenzó leyendo blogs escritos por capitalistas de riesgo. Ella comenzó a dejar comentarios, lo que llevó a otros a descubrir e involucrarse con ella. Luego creó su propio blog, tuiteando para apoyarlo, y eso la llevó a crear una compañía. Mientras promocionaba su negocio, encontró muchas personas que la conocían de sus comentarios anteriores en el blog. Ahora ella trabaja en Microsoft, ayudando a construir relaciones con nuevas empresas y empresarios. La clave está en descubrir dónde y cómo puede crear oportunidades para la casualidad.

Tipo de comunidad # 5: Propósito. Las comunidades con propósito son aquellas que comparten una visión del mundo. No siempre tienen grupos de usuarios y, a menudo, no dependen de la geografía. Encontrar personas con un propósito común significa encontrar a aquellos que comparten un compromiso concreto con una causa específica, y esto implica un método más sofisticado de señalización y búsqueda. Por ejemplo, Rachel Sklar y Glynnis MacNicol construyeron una tribu de 500 mujeres en tecnología, que se fusionaron en una organización llamada TheLi.st, con quien comparten su propósito más profundo: cambiar la proporción de mujeres en las etapas de la conferencia, en inversiones y como CEOs .

Por supuesto, Internet es un gran lugar para comenzar su búsqueda, pero es simplemente una forma de encontrar a su gente. Alex hizo gran parte de su búsqueda con el trabajo de campo real, utilizando redes en línea para complementarlo. La "nueva" comunidad de Filadelfia, que siempre había estado allí era invisible, se convirtió en realidad cuando Alex localizó personas que se preocupaban por las mismas cosas que él. Para hacer esto, reclamó su historia y experiencia, visiones y esperanzas, en otras palabras, su condición única. Y a medida que Alex cumplía con su trabajo y las necesidades de la comunidad, creó un centro para otros tipos creativos geek, y al hacerlo ayudó a su ciudad a ser más vibrante al atender las necesidades de empresarios similares. Esto es solo en acción, una forma de formar conexiones significativas y hacer que sucedan cosas nuevas.