viernes, 27 de septiembre de 2019

Curso de posgrado: Análisis de redes sociales (UNS) - Actualización



LA INSCRIPCIÓN SE EXTENDIÓ AL 11 DE OCTUBRE DE 2019

Profesor: Juan MC Larrosa (jlarrosa@uns.edu.ar)

El curso de posgrado “Análisis de Redes Sociales” pretende transmitir a sus estudiantes conocimientos básicos que permitan mejorar las capacidades de investigación y de análisis de situaciones complejas de interacción entre actores diversos, detectando actores principales, grupos de interacción y propiedades estructurales de una red. Siendo una metodología fuertemente interdisciplinaria a su ámbito de estudio posibilita que los destinatarios sean estudiantes de grado y posgrado, docentes o profesionales del área de ciencias sociales, humanas, ingenierías y profesionales independientes (se introducen los conocimientos desde niveles muy básicos). Es necesario poseer una buena capacidad de lectura de inglés y manejar PC a nivel de usuario.


PROGRAMA TEMÁTICO



1. Introducción

El paradigma del análisis estructural. Categorías y relaciones. Estructura, restricciones y efecto emergente. La posición del análisis estructural. El problema del mundo pequeño. Estructuras de red. Formas de sociabilidad. Relaciones de afinidad. Homogamia y homofilia. Relaciones de sociabilidad. Densidad y multiplexidad. Círculos sociales y la comunidad.
Clase online. Material bibliográfico provisto en el sitio Moodle-UNS del curso.
Trabajo práctico 1.
Foro 1

2. Teoría de grafos

Teoría de grafos básica. Conectividad y jerarquía. Representando datos relacionales. Datos de redes sociales: medición y recolección. Operaciones de matrices. Procedimientos de aglomeración jerárquica. Tipos de red. Álgebra básica relacional. Ejemplos con conjuntos de datos históricos. Software (Pajek, Node XL, Gephi, y otros paquetes).
Clase online. Material bibliográfico provisto en el sitio Moodle-UNS del curso.
Trabajo práctico 2.
Foro 2


3. Poder y centralidad

Centralidad. Centralidad de grado, intermediación, cercanía, de autovector. Autoenlaces y centralidad por caminos aleatorios. Aplicaciones.
Clase online. Material bibliográfico provisto en el sitio Moodle-UNS del curso.
Trabajo práctico 3.


4. Equivalencia y cohesión

Cohesión. Equivalencia. Aproximaciones estadísticas de equivalencia. Equivalencia basada en la vulnerabilidad. Roles duales y atributos. Medidas de cohesión: n-clique, k-core y k-plex. Modularidad. Algoritmos de comunidades. Aplicaciones.
Clase online. Material bibliográfico provisto en el sitio Moodle-UNS del curso.
Trabajo práctico 4.

5. Afiliaciones múltiples


Círculos sociales. Homogeneidad e integración. Entrecruzamiento y sus efectos. Redes bipartitas. Centralidad e interpretación. Redes de coautoría y temáticas. Ejemplos y aplicaciones.
Clase online. Material bibliográfico provisto en el sitio Moodle-UNS del curso.
Trabajo práctico 5.
Foro 4

6. Dinámica

Difusión de innovaciones. Impacto de red en la difusión. Balance estructural. Amistad y acuerdo. Modelo de decisión colectiva. Viralidad. Estudios y aplicaciones.
Clase online. Material bibliográfico provisto en el sitio Moodle-UNS del curso.




7. Capital social

Mercado de trabajo. Capital social: definiciones. Hoyos estructurales. Autonomía y articulación. Posturas de Bourdieu, Coleman y Burt. Visiones más recientes.
Clase online. Material bibliográfico provisto en el sitio Moodle-UNS del curso.

8. Tópicos de redes sociales

Leyes de potencia. Small World. Complejidad en redes. Redes sociales digitales: Twitter, Facebook, Flickr, Youtube. Aplicaciones no tradicionales del ARS.
Clase online. Material bibliográfico provisto en el sitio Moodle-UNS del curso.



Forma de evaluación

Se debe entregar los trabajos prácticos completados y aprobados para tener derecho a un trabajo final aplicado donde se demuestren los conocimientos adquiridos. El trabajo obligatotariamente debe ser defendido en un entrevista en línea con el profesor.

Para inscribirse:

http://www.continuar.uns.edu.ar/Cursos/ECO/eco.html

Costos: 

Para estudiantes de la UNS es gratuito.
Para estudiantes argentinos: $5.000
Para estudiantes extranjeros: USD 100

Consultar por ayuda económica estudiantes de Venezuela.


Para quiénes deseen integrarlo como curso de posgrado a distancia

El curso se realizará en modalidad a distancia desde la plataforma Continuar de la Universidad Nacional del Sur (UNS). La misma interactúa con la plataforma Moodle de la misma casa de altos estudios.
El curso puede otorgar
  1. certificado oficial de la UNS o 
  2. certificado no oficial de participación a necesidad del postulante.  
Para el primer caso requiere que deba inscribirse oficialmente a un curso de posgrado (mientras no este halle realizando alguna carrera de posgrado en la UNS con número de expediente) para lo que debe presentar en forma física (en papel), personalmente, por correo postal/comisionista o como pueda, fotocopia autenticada del título de grado, Lamentablemente una copia digital no puede validarse reglamentariamente por lo que no se presenta como opción. De otra manera no podrá figurar en el acta con sello de la Universidad.


miércoles, 25 de septiembre de 2019

ISA Forum 2020 en Porto Alegre: The Role of Social Capital in Occupational Mobility

The Role of Social Capital in Occupational Mobility


RC28 Social Stratification (host committee)

Language: Spanish and English
Session Type: Oral
ISA Forum


How much does the social capital of individuals contribute to their occupational mobility? The social capital perspective on social mobility challenged the alleged association between education and upward mobility by considering opportunities and constraints from social interaction. We expect that, after controlling for individual qualifications, the structure of individuals social relations shows a strong association with their mobility outcomes. This topic has seldom been studied in Latin America where recent studies have focused on patterns of occupational mobility. Contributions on the following topics will be welcome:
-Studies on access and mobilization of social capital. Under what conditions individuals mobilize the resources available through social contacts.
-Direction of effects and causality in the use of social capital. Is it attainment or mobility a consequence or a condition for the quality of social capital?
-Intersectionality issues in the access and use of social capital; gender, race, ethnic origin, religion, geography.
-Measurement of social capital using the position generator and validation of composite measures.
-Statistical models for access and/or mobilization of social capital.

Session Organizers:
Vicente ESPINOZA, USACH, Chile, vicente.espinoza@usach.cl
Emmanuelle BAROZET, Universidad de Chile, Chile, ebarozet@uchile.cl



 

viernes, 20 de septiembre de 2019

VOSviewer ahora puede mapear la base de Microsoft Research

Mapeo de la ciencia usando datos académicos de Microsoft

Nees Jan van Eck, Ludo Waltman || CWTS






Uno de los desarrollos más emocionantes en los últimos años en el campo de la bibliometría es la aparición de una serie de nuevas fuentes de datos importantes. Dimensiones, creado por Digital Science y puesto a disposición abierta para fines de investigación, es un ejemplo destacado. Otros ejemplos son Crossref y OpenCitations, que proporcionan datos que están completamente abiertos. El lanzamiento de Microsoft Academic en 2016 también representa un desarrollo significativo. En esta publicación de blog, discutimos los datos disponibles por Microsoft Academic y mostramos cómo la versión más reciente de nuestro software VOSviewer puede usarse para crear mapas científicos basados en estos datos.


Microsoft Academic

Al igual que Google Scholar, Microsoft Academic combina datos obtenidos de editores académicos con datos recuperados al indexar páginas web. Sin embargo, a diferencia de Google Scholar, Microsoft Academic hace que sus datos estén disponibles a gran escala, tanto a través de una API como a través de la plataforma Microsoft Azure. Además, los datos se publican bajo una licencia de datos abiertos ODC-BY, que permite que los datos se utilicen bajo restricciones mínimas. Los datos académicos de Microsoft son, por ejemplo, utilizados por Lens, un sitio web cada vez más popular para buscar y analizar literatura y patentes académicas.

Por el momento, la comunidad bibliométrica solo tiene un conocimiento limitado de la cobertura de Microsoft Academic y de la integridad y precisión de sus datos. Un estudio de Anne-Wil Harzing publicado a principios de este año informa que en el campo de los negocios y la economía, Microsoft Academic tiene una cobertura mayor que Web of Science, Scopus y Dimensions. Del mismo modo, un estudio reciente realizado por un equipo de investigación en la Universidad de Curtin encuentra que Microsoft Academic supera a Web of Science y Scopus en términos de cobertura. Sin embargo, este estudio también informa que Microsoft Academic tiene datos de afiliación menos completos. También se han informado otros problemas con la calidad de los datos académicos de Microsoft, por ejemplo, relacionados con años de publicación incorrectos o nombres de revistas incorrectos (por ejemplo, vea esta presentación reciente de uno de nosotros).

En CWTS, actualmente estamos trabajando en una comparación a gran escala de la cobertura de las fuentes de datos bibliométricos, incluido también Microsoft Academic. Nuestro colega Martijn Visser ha desarrollado un algoritmo para hacer coincidir publicaciones en Microsoft Academic con las publicaciones correspondientes en Scopus. Los resultados provisionales para el período 2014–2017 muestran que Microsoft Academic cubre un número mucho mayor de publicaciones que Scopus (consulte la figura a continuación). Sin embargo, Scopus también cubre un número considerable de publicaciones que parecen faltar en Microsoft Academic. También descubrimos que para algunos contenidos cubiertos por Microsoft Academic y no por Scopus, la naturaleza académica puede ser cuestionada. Microsoft Academic, por ejemplo, cubre informes de bodas como este.


Mapeo de la ciencia

Debido a que vemos a Microsoft Academic como una fuente de datos prometedora para el análisis bibliométrico, ahora ofrecemos soporte para datos académicos de Microsoft en nuestro software VOSviewer para crear y visualizar mapas bibliométricos de la ciencia. En la versión más reciente del software, se pueden crear mapas de ciencia basados ​​en datos de Microsoft Academic. Después de obtener una clave API, los usuarios de VOSviewer pueden consultar Microsoft Academic. Los datos se recuperan a través de la API académica de Microsoft. Una característica importante de esta API es su velocidad. La API de Microsoft Academic es mucho más rápida que las API de muchas otras fuentes de datos.

El soporte de VOSviewer para los datos académicos de Microsoft se utilizó en un tutorial reciente de VOSviewer organizado como parte del Open Citations: Opportunities and Ongoing Developments en curso en la conferencia ISSI2019 en Roma. En este tutorial, los participantes, por ejemplo, utilizaron datos académicos de Microsoft para crear el siguiente mapa de coincidencia de términos basado en títulos y resúmenes de publicaciones en Journal of Informetrics.



Los participantes también crearon un mapa de la red de citas de publicaciones en Journal of Informetrics.



Curiosamente, los dos mapas anteriores no se pueden crear en función de los datos de Crossref, otra fuente de datos abierta compatible con VOSviewer. Elsevier, el editor de Journal of Informetrics, no pone resúmenes disponibles en Crossref, mientras que los resúmenes de publicaciones en revistas Elsevier están disponibles en Microsoft Academic. Del mismo modo, Elsevier no está dispuesto a apoyar la Iniciativa para Citas Abiertas, y las listas de referencias de publicaciones en revistas de Elsevier no están disponibles abiertamente en Crossref. Microsoft Academic pone a disposición estas listas de referencias. Esto ilustra algunas de las ventajas de Microsoft Academic sobre otras fuentes de datos abiertas.

Para obtener más ilustraciones de mapas científicos creados con VOSviewer basados ​​en datos de Microsoft Academic, nos remitimos a una reciente publicación de blog de Aaron Tay.

Próximos pasos

En los últimos años, hemos invertido un esfuerzo considerable en ampliar el rango de fuentes de datos bibliométricos compatibles con VOSviewer. El software ahora ofrece soporte para todas las principales fuentes de datos. Los próximos pasos en el desarrollo de VOSviewer incluyen abrir el código fuente del software y lanzar una edición del software basada en la web.

miércoles, 18 de septiembre de 2019

Curso online "Análisis de redes sociales" (UNS)






Mas información será suministrada en breve.

Profesor: Juan MC Larrosa (jlarrosa@uns.edu.ar)


El curso se realizará en modalidad a distancia desde la plataforma Continuar de la Universidad Nacional del Sur (UNS). La misma interactúa con la plataforma Moodle de la misma casa de altos estudios.
El curso puede otorgar
  1. certificado oficial de la UNS o 
  2. certificado no oficial de participación a necesidad del postulante.  
Para el primer caso requiere que deba inscribirse oficialmente a un curso de posgrado (mientras no este halle realizando alguna carrera de posgrado en la UNS con número de expediente) para lo que debe presentar en forma física (en papel), personalmente, por correo postal/comisionista o como pueda, fotocopia autenticada del título de grado, Lamentablemente una copia digital no puede validarse reglamentariamente por lo que no se presenta como opción. De otra manera no podrá figurar en el acta con sello de la Universidad.





sábado, 7 de septiembre de 2019

Plan de 4 pasos para evitar la manipulación de las redes en las elecciones


Un plan de 4 pasos para combatir la manipulación de las redes sociales en las elecciones

Por Meredith Somers || MIT Management Sloan School

Por qué es importante
La manipulación de los votantes en las redes sociales no muestra signos de disminuir. Dos profesores proponen una nueva agenda de investigación para defenderse.

Desde las elecciones presidenciales de 2016, no ha habido escasez de informes sobre noticias falsas que se comparten en plataformas de redes sociales como Facebook y Twitter, y con la votación de 2020 a solo un año de distancia, la pregunta no es cuándo atacará la información errónea, sino cómo podemos protegerse contra eso?

Sinan Aral, profesor de informática y marketing del MIT, y Dean Eckles, profesor asociado de marketing, proponen un proceso de cuatro pasos para que los investigadores midan y analicen la manipulación de las redes sociales y conviertan esos datos en una defensa contra la manipulación futura. "Sin una agenda de investigación organizada que informa las políticas, las democracias seguirán siendo vulnerables a los ataques extranjeros y domésticos ", escriben los profesores en un artículo para la edición del 30 de agosto de la revista Science.

Aquí está la agenda de investigación de cuatro pasos que la pareja propone:

Catálogo de exposiciones a la manipulación


Para defenderse contra la manipulación, escriben Aral y Eckles, los investigadores necesitan indexar una variedad de información de redes sociales:
  • ¿Qué mensajes de texto, imágenes y video se anunciaron?
  • ¿Qué tipo de anuncio se utilizó (publicado orgánicamente, anunciado o "impulsado" a través de la promoción paga)?
  • ¿En qué plataformas sociales aparecían estos mensajes de texto, imágenes y video?
  • ¿Cuándo y cómo fueron compartidos y compartidos por los usuarios (en este caso, los votantes)?
El contenido de estos mensajes, imágenes y textos también necesita ser analizado para medir la efectividad, escriben los investigadores.

Combinar conjuntos de datos de exposición y comportamiento de votación

En el pasado, los registros públicos de votación y las cuentas de redes sociales se compararon utilizando datos como información de perfil autoinformada. Pero este tipo de comparación se puede mejorar mediante el uso de datos de ubicación que ya están siendo recopilados por las empresas de redes sociales, escriben los investigadores.

Esto podría ser algo así como hacer coincidir el registro de votantes con las direcciones de los hogares en función de la información de ubicación móvil: los mismos datos utilizados con fines de marketing por las empresas de redes sociales.

Evaluar la efectividad de los mensajes manipulativos.

Un desafío de estudiar el comportamiento de los votantes, escriben Aral y Eckles, es que los resultados no siempre son lo suficientemente precisos para responder preguntas.

Las compañías de redes sociales ya ejecutan pruebas A / B y algoritmos, escriben Aral y Eckles. Las mismas pruebas podrían usarse para medir los efectos de la exposición.

Calcular las consecuencias de los cambios en el comportamiento de votación.

Aral y Eckles escriben que medidas como el comportamiento predicho de los votantes, con o sin exposición a información errónea, deben combinarse con datos como características geográficas y demográficas para una elección en particular. Esto ayudaría con las estimaciones totales de votos en un área particular.

Las implicaciones de privacidad

Aral y Eckles escriben que no admiten el uso de ninguno de los datos existentes, sino que fomentan la colaboración con plataformas de redes sociales, así como "métodos de preservación de la privacidad para el enlace de registros y el análisis de contenido", para satisfacer las necesidades de privacidad y protección.

"Lograr una comprensión científica de los efectos de la manipulación de las redes sociales en las elecciones es un deber cívico importante", escriben Aral y Eckles. "Cuanto antes comencemos una discusión pública sobre las compensaciones entre la privacidad, la libertad de expresión y la democracia que surgen de la búsqueda de esta ciencia, antes podremos realizar un camino a seguir".