Mostrando entradas con la etiqueta sociograma. Mostrar todas las entradas
Mostrando entradas con la etiqueta sociograma. Mostrar todas las entradas

miércoles, 4 de julio de 2018

Otra introducción al ARS

Análisis de redes sociales: estado del arte


Contribuido por: Bart Baesens | datamining apps


Introducción

En las últimas décadas, el uso de sitios web de redes sociales en la vida cotidiana de todos está en auge. Las personas pueden continuar sus conversaciones en sitios de redes sociales como Facebook, Twitter, LinkedIn, Google+, Instagram, etc., y compartir sus experiencias con sus conocidos, amigos, familiares, etc. Solo hace falta un clic para actualizar su ubicación al resto de el mundo. Hay muchas opciones para transmitir sus actividades actuales: por una imagen, video, ubicación geográfica, enlaces o simplemente texto sin formato.

Los usuarios de los sitios de redes sociales en línea revelan explícitamente sus relaciones con otras personas. En consecuencia, los sitios de redes sociales son un mapeo casi perfecto de las relaciones que existen en el mundo real. Saben quién eres, cuáles son tus aficiones e intereses, con quién te casas, cuántos hijos tienes, tus amigos con los que trabajas todas las semanas, tus amigos del club del vino, etc. Esta red interconectada de gente que sabe el uno al otro de alguna manera es una fuente de información y conocimiento extremadamente interesante. Los gerentes de marketing ya no necesitan adivinar quién podría influir en quién crear la campaña adecuada. Está todo allí ... cuál es el problema. Los sitios de redes sociales reconocen la riqueza de las fuentes de datos que tienen y no están dispuestos a compartirlos sin costo. Esos datos a menudo se privatizan y regulan, y están bien ocultos para uso comercial. Por otro lado, los sitios de redes sociales ofrecen muchas facilidades incorporadas a los gerentes y otras partes interesadas para lanzar y administrar sus campañas de mercadotecnia explotando la red social, sin publicar la representación exacta de la red.

Sin embargo, las empresas a menudo se olvidan de que pueden reconstruir una parte de la red social utilizando datos internos. Los proveedores de telecomunicaciones, por ejemplo, tienen una base de datos transaccional masiva donde registran el comportamiento de llamadas de sus clientes. Bajo el supuesto de que los buenos amigos se llaman entre sí más a menudo, podemos recrear la red e indicar la fuerza de enlace entre las personas en función de la frecuencia y / o duración de las llamadas. Los proveedores de infraestructura de Internet pueden mapear las relaciones entre las personas que usan las direcciones IP de sus clientes. Las direcciones IP que se comunican frecuentemente están representadas por una relación más fuerte. Al final, la red de IP contemplará la estructura relacional entre las personas desde otro punto de vista, pero hasta cierto punto, como se observa en la realidad. Se pueden encontrar muchos más ejemplos en las industrias de banca, venta minorista y juegos en línea. En este artículo, discutimos cómo se pueden aprovechar las redes sociales para el análisis.

Definiciones de redes sociales

Una red social se compone de nodos (vértices) y enlaces. Ambos deben estar claramente definidos al comienzo del análisis. Un nodo (vértice) podría definirse como un cliente (privado / profesional), hogar / familia, paciente, médico, papel, autor, terrorista, página web ... Un enlace puede definirse como la relación de un amigo, una llamada, la transmisión de un enfermedad, una relación de "seguimiento", una referencia, etc. Tenga en cuenta que los enlaces también se pueden ponderar según la frecuencia de interacción, la importancia del intercambio de información, la intimidad, la intensidad emocional, etc. Por ejemplo: en una configuración de predicción de abandono, el enlace puede ponderarse de acuerdo con el tiempo (total) en que dos clientes se llamaron durante un período específico. Las redes sociales se pueden representar como un sociograma. Esto se ilustra en la figura siguiente por la cual el color de los nodos corresponde a un estado específico (por ejemplo, revuelto o no revuelto).


Ejemplo de sociograma.

Los sociogramas son útiles para representar redes de pequeña escala. Para redes de gran escala, la red se representa típicamente como una matriz (ver a continuación). Estas matrices serán simétricas [1] y típicamente muy dispersas (con muchos ceros). La matriz también puede contener los pesos si se producen conexiones ponderadas.


C1 C2 C3 C4
C1 1 1 0
C2 1 0 1
C3 1 0 0
C4 0 1 0

Representación matricial de una red social.

En lo que sigue, discutimos cómo se pueden aprovechar las redes sociales para los análisis descriptivos y predictivos.


Análisis descriptivo: métricas de redes sociales y minería comunitaria


Recuerde, el objetivo del análisis descriptivo es describir un conjunto de datos utilizando un conjunto de estadísticas o métricas clave. Una red social se puede caracterizar por varias métricas de centralidad. Las medidas de centralidad más importantes se muestran en la siguiente tabla.


Geodésica Ruta más corta entre dos nodos en la red.
Grado Número de conexiones de un nodo (dentro versus fuera de grado si las conexiones están dirigidas).
Cercanía La distancia promedio de un nodo a todos los demás nodos de la red (recíproco de lejanía).
Intermediación Cuenta el número de veces que un nodo o enlace se encuentra en la ruta más corta entre dos nodos de la red.
Centro teórico de grafos El nodo con la distancia máxima más pequeña a todos los otros nodos de la red.



Medidas de centralidad de red común.

Estas métricas ahora se pueden ilustrar con el ejemplo de juguete de red Kite representado en la siguiente figura [2]:




La red barrilete.


Grado CercaníaIntermediación
6 Diane 0.64 Fernando 14 Heather
5 Fernando 0.64 Garth 8.33 Fernando
5 Garth 0.6 Diane 8.33 Garth
4 Andre 0.6 Heather 8 Ike
4 Beverly 0.53 Andre 3.67 Diane
3 Carol 0.53 Beverly 0.83 Andre
3 Ed 0.5 Carol 0.83 Beverly
3 Heather 0.5 Ed 0 Carol
2 Ike 0.43 Ike 0 Ed
1 Jane 0.31 Jane 0 Jane

Medidas de centralidad para la red Kite.

La tabla anterior informa las medidas de centralidad para la red Kite. Según el grado, Diane es la más importante ya que tiene la mayoría de las conexiones. Ella trabaja como un conector o concentrador. Sin embargo, tenga en cuenta que solo conecta a los que ya están conectados entre sí. Fernando y Garth son los más cercanos a todos los demás. Son los mejor posicionados para comunicar mensajes que deben fluir rápidamente a todos los demás nodos de la red. Heather tiene la mayor intersección. Ella se sienta entre dos comunidades importantes (Ike y Jane contra el resto). Ella juega un rol de intermediario entre ambas comunidades, pero también es un punto único de falla. Tenga en cuenta que la medida de intersección a menudo se utiliza para la minería comunitaria. Una técnica popular aquí es el algoritmo de Girvan-Newman que funciona de la siguiente manera [3]:
  • La intersección de todos los enlaces existentes en la red se calcula primero.
  • El enlace con la mayor intersección se elimina.
  • La interdependencia de todos los enlaces afectados por la eliminación se vuelve a calcular.
  • Los pasos 2 y 3 se repiten hasta que no quedan enlaces.
El resultado es esencialmente un dendrograma (similar a, por ejemplo, agrupamiento jerárquico), que luego se puede utilizar para decidir el número óptimo de comunidades. La minería comunitaria sirve para varios propósitos. Permite comprender el comportamiento de subconjuntos homogéneos en su red que pueden ser especialmente relevantes en análisis de marketing (por ejemplo, para recomendaciones específicas) o detección de fraude (para detectar, por ejemplo, anillos de fraude). Además, la información de la comunidad también puede aprovecharse para el análisis predictivo, utilizando, p. procedimientos de producción como explicamos a continuación.


Análisis predictivo: aprendizaje de redes sociales


En el análisis predictivo, el objetivo es medir una variable objetivo de interés. Los ejemplos podrían ser abandono, fraude, valor predeterminado o valor de vida del cliente (CLV). En el aprendizaje de redes sociales, el objetivo es calcular la probabilidad de membresía de clase (por ejemplo, probabilidad de abandono) de un nodo específico, dado el estado de los otros nodos de la red. Varios desafíos importantes surgen cuando se aprende en las redes sociales. Un desafío clave es que los datos no son independientes y están distribuidos de forma idéntica (IID), una suposición que a menudo se hace en modelos estadísticos clásicos (por ejemplo, regresión lineal y logística). El comportamiento de correlación entre los nodos implica que la pertenencia a la clase de un nodo puede influir en la pertenencia a la clase de un nodo relacionado. A continuación, no es fácil crear una división en un conjunto de capacitación para el desarrollo del modelo y un conjunto de prueba para la validación del modelo, ya que toda la red está interconectada y no se puede cortar en dos partes. Además, muchas redes son de gran escala (por ejemplo, un gráfico de llamadas de un proveedor de telecomunicaciones) y es necesario desarrollar procedimientos computacionales eficientes para hacer el aprendizaje. Finalmente, no se debe olvidar la forma tradicional de hacer análisis utilizando solo información específica de nodo (es decir, sin los aspectos de red) ya que esta información puede ser muy valiosa para la predicción también.

Una forma directa de aprovechar las redes sociales para el análisis predictivo es resumir la red en un conjunto de características que luego se pueden combinar con características que no sean de red (es decir, locales) para el modelado predictivo. Un ejemplo popular de esto es la regresión logística relacional según lo introducido por Lu y Getoor (2003) [4]. Este enfoque básicamente parte de un conjunto de datos con características locales específicas del nodo y le agrega características de red de la siguiente manera:
  • La clase de vecino más frecuente (modo-enlace);
  • Frecuencia de las clases de los vecinos (enlace de frecuencia);
  • Indicadores binarios que indican presencia de clase (enlace binario).

Esto se ilustra en la figura siguiente para el cliente Bart.


Regresión logística relacional.


Luego, se puede estimar un modelo de regresión logística o árbol de decisión utilizando el conjunto de datos con características locales y de red. Tenga en cuenta que existe una cierta correlación entre las características de red agregadas, que deben filtrarse durante un procedimiento de selección de entrada. La creación de características de red también se llama Featurization, ya que las características de la red se agregan básicamente como características especiales al conjunto de datos. Estas características pueden medir el comportamiento de los vecinos en términos de la variable objetivo (por ejemplo, abandono o no) o en términos de las características específicas del nodo local (por ejemplo, edad, promociones, etc.). La figura a continuación proporciona un ejemplo en el que se agrega una característica que describe la cantidad de contactos con churners. La columna final etiquetada 'Churn' es la variable objetivo.


Ejemplo de Caracterización con características que describen el comportamiento objetivo de los vecinos.

La figura a continuación proporciona un ejemplo donde se agregan características que describen el comportamiento del nodo local de los vecinos.


Ejemplo de Caracterización con características que describen el comportamiento del nodo local de los vecinos.

Privacidad

Obviamente, el uso de datos de redes sociales para fines analíticos también requiere una reflexión exhaustiva sobre la privacidad. Con frecuencia, los clientes desconocen sus rastreos de datos, tanto en línea como fuera de línea, y cómo pueden analizarse. Por lo tanto, especialmente bajo la regulación GDPR actual, es de vital importancia que las empresas siempre divulguen adecuadamente qué datos recopilan y cómo los usan. Al hacerlo, no solo deben enfocarse en posibles beneficios de privacidad sino también en los beneficios para el cliente, de modo que los clientes puedan tomar una decisión bien informada sobre si, cuándo y cómo se pueden usar sus datos.

Conclusión

En este artículo, nos acercamos al análisis de redes sociales. Comenzamos brindando definiciones clave de redes sociales. A continuación, ilustramos cómo se pueden aprovechar las redes sociales para el análisis descriptivo resumiéndolos mediante métricas de redes sociales como cercanía, interdependencia, etc. A continuación, desarrollamos el uso de redes sociales para el análisis predictivo utilizando varios procedimientos de presentación. Es importante señalar que aunque las redes sociales representan un nuevo tipo de información, definitivamente no se debe sobreestimar su poder. Más específicamente, uno no debería abandonar los datos tradicionales que no pertenecen a la red para hacer análisis. A lo largo de nuestra investigación, encontramos que los mejores modelos analíticos para, p. Predicción de abandono de pagos: la detección de fraudes generalmente se genera utilizando una combinación de datos de red y no de red. Finalmente, es importante tener en cuenta que siempre que se analicen datos de redes sociales, la privacidad siempre debe respetarse.


Referencias y notas

  • [1] Tenga en cuenta que este es solo el caso de las redes no dirigidas. Para redes dirigidas, que representan p. una relación 'siguiente' que no es necesariamente recíproca, la matriz no será simétrica.
  • [2] Krackhardt, D, Assessing the Political Landscape: Structure, Cognition, and Power in Organizations, Administrative Science Quarterly, 35, pp. 342-369, 1990.
  • [3] Girvan M., Newman M. E. J., Community structure in social and biological networks, Proceedings of the National Academy of Sciences, USA 99, pp. 7821–7826, 2002.
  • [4] Lu Q., Getoor L., Link-based Classification, Proceeding of the Twentieth Conference on Machine Learning (ICML-2003), Washington DC, 2003.

sábado, 17 de junio de 2017

ARS: Desarrollos, avances y perspectivas

Análisis de redes sociales: desarrollos, avances y perspectivas
John Scott -  Socian Networks Analysis and Mining

Resumen Este trabajo revisa el desarrollo del análisis de redes sociales y examina sus principales áreas de aplicación en sociología. Se examinan los acontecimientos actuales, incluidos los de fuera de las ciencias sociales, y se examinan sus perspectivas de progreso en el conocimiento sustantivo. En una sección final se examinan las implicaciones de las técnicas de extracción de datos y se destaca la necesidad de una cooperación interdisciplinaria si se quiere lograr un trabajo significativo.
Scott, J. SOCNET (2011) 1: 21. doi:10.1007/s13278-010-0012-6


1. El desarrollo del análisis de redes sociales

Los orígenes de un enfoque de la estructura social explícitamente utilizando las ideas de una "red social" son difíciles de discernir. El pensamiento estructural tiene raíces profundas en la tradición sociológica, pero en realidad sólo en los años treinta se expresó específicamente el pensamiento en red como un enfoque distinto de la estructura social.
Los teóricos sociales alemanes influenciados por Georg Simmel tomaron su énfasis en las propiedades formales de la interacción social para construir una "sociología formal", en la cual los sociólogos fueron obligados a investigar las configuraciones de relaciones sociales producidas por el entretejido de encuentros sociales. Alfred Vierkandt y Leopold von Wiese fueron los principales defensores de esta idea y adoptaron explícitamente una terminología de puntos, líneas y conexiones para describir las relaciones sociales. Sus ideas influyeron en un número de trabajadores en psicología social y psicoterapia que estaban interesados ​​en las formas en que las estructuras de grupos pequeños influenciaron las percepciones individuales y las opciones de acción. Lewin (1936) y Moreno (1934) fueron los principales contribuyentes a las investigaciones sobre el "campo" o "espacio" de las relaciones sociales y sus características de red (véase Bott1928). Fue Moreno quien dio a su enfoque el nombre de sociometría e introdujo la idea de representar las estructuras sociales como diagramas de red -sociogramas- de puntos y líneas. La sociometría se convirtió en un importante campo de investigación en la educación y la psicología social (Jennings, 1948), donde dio lugar al enfoque denominado "dinámica de grupo" (Cartwright y Zander, 1953; Harary y Norman 1953), fuertemente desarrollado en la Universidad de Michigan y en El Instituto Tavistock.
Este trabajo tuvo cierto impacto en la corriente principal de la sociología americana, gracias al trabajo de Lundberg (1936, Lundberg y Steele 1938), pero un desarrollo más fuerte del pensamiento de red comenzó cuando Lloyd Warner y Elton Mayo colaboraron en un estudio de la empresa de servicios eléctricos de Hawthorne en Chicago y fueron a investigar la estructura de la comunidad en ciudades y pueblos americanos. Basándose en las ideas que Radcliffe-Brown había tomado de la sociología de Durkheim, centraron su atención en la estructura de las relaciones de grupo y comenzaron a diseñar diagramas de red para representar esto. Pueden haber sido influenciados por las ideas sociométricas emergentes, pero el estímulo particular a esta forma de pensar puede haber sido los diagramas de cableado eléctrico que encontraron en la fábrica estudiada y que sirvió como una metáfora para las relaciones de grupo. Cualesquiera que sean sus orígenes, la idea de ver a los grupos sociales como redes de relaciones se estableció firmemente cuando su principal informe de investigación apareció una década después del comienzo de la investigación (Roethlisberger y Dickson, 1969). En un estudio de Newburyport, realizado entre 1930 y 1935, Warner desarrolló técnicas para representar las relaciones comunitarias a gran escala en forma de matriz como una representación de Lo que él llamó la "estructura de la camarilla" de la ciudad (Warner y Lunt, 1941). George Homans desarrolló estos métodos matriciales en su reanálisis de la pequeña camarilla (clique) de mujeres del sur estudiada por Warner en Natchez (Homans 1950). Estas dos tradiciones de investigación comenzaron a unirse en el trabajo antropológico llevado a cabo en la década de 1950 por investigadores de la Universidad de Manchester. Al intentar romper con las suposiciones de consenso de la sociología americana dominante y reconocer el conflicto y las divisiones dentro de la estructura de la comunidad, consideraron que el análisis de redes proporcionaba los medios para este fin. Fue Barnes (1954) quien propuso tomar la idea de una red de relaciones en serio, y sus argumentos fueron reforzados por el trabajo de Elizabeth Bott en Londres sobre redes de parentesco (Bott 1955, 1956). Al presentar sus ideas a los investigadores de Manchester inspiraron una declaración sistemática de Nadel (1957) y un programa de investigación sobre las comunidades africanas (Mitchell 1969b). El comentario de Mitchell sobre este trabajo (Mitchell 1969a) cuenta como uno de los primeros resúmenes sistemáticos de una metodología de red social formal. En el momento en que apareció el trabajo de Mitchell, sin embargo, varios investigadores estadounidenses también habían comenzado a desarrollar
Una metodología formal para el análisis de redes sociales. Harrison White había comenzado a explorar los usos del álgebra para representar las estructuras de parentesco (White1963), mientras que Edward Laumann (Laumann 1966) había comenzado a emplear métodos de escalamiento multidimensionales como una extensión del enfoque de Lewin al campo social. White se trasladó a la Universidad de Harvard y reunió a un grupo grande y dinámico de asociados para explorar los métodos de red (véase la discusión en Mullins 1973). Lee (1969) y Granovetter (1973, 1974) utilizaron métodos sociométricos extendidos para investigar, respectivamente, el aborto y el empleo, mientras que White y sus colegas desarrollaron métodos de análisis matricial para estudiar las relaciones sociales (White et al., 1976, Boorman y White, 1976). Fue de este grupo que una nueva generación de investigadores de redes sociales tomó este estilo de investigación en todo el mundo e influyó en el trabajo realizado en muchos países.
Lo más notable de los desarrollos en análisis de redes sociales fuera de Norteamérica fue el trabajo de Barry Wellman sobre la estructura de la comunidad en Canadá (Wellman y Berkowitz 1988), el trabajo de Frans Stokman y sus colegas sobre los patrones holandeses e internacionales de control corporativo (Helmers et al., 1975; Stokman et al., 1985), y mi propio trabajo sobre la propiedad y el control corporativos (Scott, 1979; Scott y Griff, 1984). Desde finales de los años setenta la cantidad de trabajo en la metodología del análisis de redes sociales ha aumentado masivamente, y la gama de aplicaciones impide cualquier resumen fácil. Los principales hitos metodológicos en el desarrollo del análisis de redes sociales son los principales estudios de Burt (1982), Freeman et al. (1989), y por Wasserman y Faust (1994), un volumen editado por Wasserman y Galaskiewicz (1994), un texto introductorio de Scott (2000, publicado originalmente en 1991) y una reciente colección editada por Carrington et al. (2005). Los desarrollos recientes y los avances se publicarán en el próximo Manual de análisis de redes sociales (Scott y Carrington2011).

2 Ideas centrales y aplicaciones de análisis de redes sociales

El enfoque predominante en el análisis de redes sociales hasta hace relativamente poco tiempo ha sido el enfoque matemático llamado teoría de los grafos. Esto todavía, discutible, proporciona el núcleo del análisis formal de la red social. La teoría de los grafos se originó en las investigaciones matemáticas emprendidas por Euler y proporciona un método para estudiar las redes ("grafos") de todo tipo. En el análisis de las redes sociales, los individuos y los grupos están representados por puntos y sus relaciones sociales están representadas por líneas, como en los sociogramas clásicos. La teoría de los grafos proporciona teoremas para analizar las propiedades formales de los sociogramas resultantes. Cuando los datos de la red se registran en forma de matriz, la teoría de los grafos puede operar directamente sobre las matrices sin necesidad de construir una representación visual real de los datos: una gran ventaja al manejar conjuntos de datos a gran escala. A las líneas de un grafo se les puede asignar una "dirección" para representar el flujo de influencia o recursos en una red social y se les puede asignar un "valor" para representar la fuerza de la relación.
Los teoremas de la teoría de grafos usan datos no dirigidos, dirigidos y valorados para construir medidas de la "densidad" global de una red y la "centralidad" relativa de varios puntos dentro de la red. Las medidas de centralidad se han utilizado típicamente como proxies para el poder y la influencia y han permitido la investigación de relaciones de arbitraje (Burt 2005). Un área importante de trabajo dentro de este enfoque ha sido la investigación de cliques y clusters, donde una variedad de medidas alternativas se han ideado para representar las divisiones estructurales dentro de una red social.

Junto a este trabajo ha sido un enfoque basado en la matriz que se origina en las ideas de Harrison White y Doug White, que se centra no en las propiedades de individuos y grupos sino en las características de las posiciones sociales, roles y categorías. Estos enfoques de posición -a veces denominados «modelos de bloques» - son métodos rigurosos de agrupamiento matricial que organizan las redes en posiciones jerárquicas del tipo que Nadel (1957) considera centrales para las preocupaciones teóricas de la sociología. Se han desarrollado varias medidas alternativas de la "equivalencia estructural" y la "sustituibilidad" de los individuos dentro de las posiciones sociales como formas de avanzar en este aspecto del análisis de redes sociales.

Estas ideas se han desarrollado en una serie de piezas generales y específicas de software. El más extendido en uso común ha sido UCINET, desarrollado inicialmente como una implementación de enfoques teóricos de grafos por Lin Freeman, Martin Everett, y otros en la Universidad de California, Irvine. Se ha ampliado en un programa general que maneja medidas posicionales y enfoques gráficos y ofrece una manera intuitiva y eficiente de realizar análisis de red. Más recientemente, PAJEK ha sido desarrollado por Vladimir Batagelj en la Universidad de Ljubljana como forma de manejar conjuntos de datos a gran escala y, en particular, utilizando métodos visuales de representación (véase De Nooy et al., 2005). También es capaz de realizar análisis generales de la estructura de la red y ahora se incluye como un subprograma dentro de UCINET.
Quizás el área principal, y también una de las áreas más tempranas, en las cuales se han aplicado técnicas de redes sociales, es el estudio de las relaciones de poder intercorporadas a través de la investigación de directorios entrelazados. Una de las principales áreas en las que se ha aplicado el análisis de redes sociales La investigación del poder corporativo y los directivos entrelazados. Varios estudios iniciales de escritores como Sweezy (1939) habían adoptado técnicas ad hoc para dibujar diagramas de red de conexiones a nivel de tablero y habían adoptado provisionalmente el lenguaje de redes y redes, especialmente en relación con la formación de camarillas. Durante las décadas de 1960 y 1970 estas sugerencias fueron promovidas en una serie de estudios realizados por analistas de redes en los Estados Unidos y luego en Europa, Australia y Japón. Bearden et al. (1975) elaboró ​​un documento que desarrolló la idea de la centralidad en las redes sociales como una forma de explorar el poder y la influencia de los bancos en el mundo empresarial estadounidense, mientras que Levine (1972) examinó el mapeo de los clusters asociados con Bancos y sus directores en el espacio social, utilizando técnicas de escalamiento multidimensional.
Las medidas clave desarrolladas en los Países Bajos (Helmers et al., 1975) se convirtieron en la base para una investigación de patrones transnacionales (Fennema 1982) y una investigación comparativa internacional (Stokman et al., 1985). Esto se amplió en una investigación comparativa de las redes intercomunales de accionistas (Scott1986) y dio lugar a numerosos estudios en diversas sociedades (véase la revisión en Scott 1997).
Una segunda gran tabla de análisis de redes sociales ha sido la investigación de la estructura de la comunidad. Esta área tiene una larga historia en las investigaciones llevadas a cabo por Lloyd Warner en pequeñas camarillas de ciudades y redes de negocios (Warner y Lunt, 1941) y en estudios antropológicos de comunidades tribales. En la década de 1960, un grupo de antropólogos asociados con los desarrollos en análisis de redes en la Universidad de Manchester comenzó una serie de estudios formales (Mitchell 1969b), pero fue Fisher (1977) y Wellman (1979) quienes generaron el trabajo que movió este campo En una dirección sistemática. Wellman emprendió una serie de investigaciones sobre la estructura cambiante de las relaciones comunales en una ciudad canadiense y examinó el papel de la amistad en la integración social. Se interesó particularmente en cambiar los medios de mantener el contacto y ha elaborado recientemente los medios electrónicos de comunicación como bases para las redes interpersonales (Wellman y Hogan, 2006). Este trabajo ha convergido recientemente con ideas sobre capital social que se desarrollaron a partir del trabajo de Putnam (2000). Las contribuciones más importantes a este trabajo han sido las reflexiones de Lin (2001) y Burt (2005, véase también Lin et al., 2001).
Numerosas otras aplicaciones, demasiado numerosas para citar aquí, han ampliado el análisis de redes sociales en redes políticas y de políticos, movimientos sociales, criminalidad y terrorismo, redes religiosas y en otros lugares. Muchas de estas áreas son revisadas en el próximo Manual Sage de Análisis de Redes Sociales (Carrington y Scott 2011)

3 Entran los físicos

Quizás el desarrollo más llamativo en el análisis de la red ha sido el crecimiento del interés aparente entre los físicos al aplicar las ideas de la red a los fenómenos sociales. En 1998, Duncan Watts y Steven Strogatz publicaron un artículo (Watts y Strogatz1998) que revisaba algunas de las ideas sobre redes aleatorias que habían surgido de la obra de Stanley Milgram sobre "mundos pequeños" (Milgram, 1969, Travers y Milgram, 1969). Tomando estas sugerencias y trabajos previos sobre redes aleatorias, teóricos como Barabasi (2002) y Watts (1999, 2003) propusieron lo que consideran nuevas áreas de aplicación al mundo social. Por desgracia, estos físicos han ignorado o han ignorado la gran cantidad de trabajo previo en las redes sociales y han propuesto investigaciones en, por ejemplo, redes de directorios sobre la base de que ninguno hasta ahora ha sido emprendido! La conciencia pública de las implicaciones del análisis de redes para investigar el mundo social ha sido fuertemente influenciada por las actividades de proselitismo de los físicos, y su trabajo es elogiado a menudo como nuevo e innovador por aquellos que son igualmente inconscientes del trabajo de los sociólogos (véase, Por ejemplo, Buchanan 2002).
Una revisión de estudios publicados por Freeman (2004) ha demostrado que el trabajo de los físicos rara vez ha citado el trabajo de los analistas de redes sociales y los analistas de redes sociales han sido reacios a comprometerse con el trabajo de los físicos. De hecho, un análisis de la red de patrones de citas muestra claramente una separación casi completa de los dos grupos.
Hay indicios de que esta división se está desmoronando, al menos en lo que respecta a los sociólogos. Watts se ha convertido a la sociología, pero Barabasi y otros influenciados por él persisten en ignorar el trabajo de los anteriores. Sin embargo, el trabajo de los físicos ha esbozado áreas de investigación que fueron subestimadas en análisis previos de redes sociales y un acercamiento será fructífero para ambas partes.
Un área clave destacada en el trabajo de los físicos ha sido la dinámica de redes y el cambio con el tiempo y sin duda ha sido un área que ha sido desarrollada sólo débilmente, si es que, por sociólogos que trabajan en análisis de redes sociales. Mucho trabajo sociológico ha sido estático o se ha ocupado simplemente de una secuencia de secciones estáticas de las redes, pero los métodos de los físicos prometen maneras de avanzar hacia los estudios adecuadamente dinámicos de la transformación de la red y la explicación de los procesos de red.

4 Áreas de avance

En el trabajo actual, se pueden identificar cuatro grandes áreas de avance. Estos son el uso de pruebas de significación estadística, el desarrollo de modelos de cambio longitudinal, la exploración de nuevos métodos de visualización y exploraciones en el contexto cultural de los modelos de redes sociales. Aunque ha habido algunos intentos de utilizar medidas estadísticas básicas de probabilidad y significación para probar hipótesis sobre la estructura de la red, sólo recientemente se han hecho avances significativos en esta área. Los procedimientos estadísticos estándar como las pruebas de significación, la regresión y el análisis de la varianza asumen la independencia de las observaciones, y esta suposición no concuerda con los datos típicos de la red. Por esta razón, se han requerido nuevas técnicas estadísticas, siendo el trabajo más importante el trabajo de Stanley Wasserman y sus colegas (Wasserman y Pattison, 1996, Pattison y Wasserman 1999, Robins et al.1999) para generalizar los grafos de Markov a una familia más grande de Modelos. Sus modelos de grafos aleatorios exponenciales -a veces denominados p* modelos- definen una distribución de probabilidad en el conjunto de todas las redes que se pueden construir en un conjunto dado de puntos usando vectores paramétricos específicos. Los grafos generados al azar varían a lo largo de todo el rango de completamente no conectados a completamente conectados, y log odds ratios de las probabilidades se utilizan para producir estimaciones de Monte Carlo que hacen posible una comparación de una red real con el conjunto de lógicamente posibles grafos con el fin de evaluar la probabilidad de su ocurrencia por casualidad.
Además de su enfoque descriptivo, gran parte del análisis de redes sociales también se ha concentrado en las características estáticas de las redes sociales. Esto también ha comenzado a cambiar en los últimos años, ya que se ha prestado más atención a los procesos dinámicos que intervienen en los cambios en el tiempo. Un avance clave en esta dirección ha sido el uso de modelos que ilustran las formas en que el comportamiento de los agentes individuales da lugar a transformaciones globales de la estructura de la red.
En los denominados modelos computacionales basados ​​en agentes, los agentes (ya sean individuos o grupos) son vistos como entidades que siguen las reglas, cuyas decisiones de actuar de una manera u otra son consecuentes para la red global en virtud de su concatenación con las consecuencias de la acción de otros . Por lo tanto, el conocimiento de las reglas bajo las cuales actúan los agentes puede ser utilizado para predecir patrones generales de cambio en la estructura de la red.
La búsqueda de explicaciones de cambio en el tiempo ha sido promovida por el desarrollo de una serie de métodos longitudinales que se han basado en modelos computacionales basados ​​en agentes (ver Monge y Contractor 2003). Tom Snijders (Snijders y van Duijn 1997, Snijders 2001, 2005) ha desarrollado un enfoque que ve el ajuste incremental de la acción individual a la estructura cambiante de la red, resultando en un proceso continuo pero a menudo no lineal de desarrollo de la red. Los agentes actúan «miopically», con sólo la concepción parcial de las consecuencias más amplias de sus opciones y los cambios que han resultado de sus acciones. Las redes evolucionan a través de la iteración continua de acciones y pequeños cambios incrementales pueden acumularse hasta un punto de inflexión en el que puede producirse una transformación no lineal en la estructura de la red. El trabajo actual en esta área está haciendo conexiones importantes con el trabajo temprano de Wasserman (Wasserman1980) y sus modelos exponenciales del grafos aleatorios. El enfoque general se ha implementado en el programa SIENA de Snijders para facilitar su uso.
La visualización de las redes sociales ha sido durante mucho tiempo una meta del análisis de redes sociales, originado en los primeros sociogramas. Sin embargo, una vez que las redes alcanzaron un tamaño mayor que un puñado de puntos, se hizo difícil dibujar sociogramas precisos y legibles. El deseo de recapturar el simple impacto visual del sociograma ha motivado el intento de investigar formas de dibujar diagramas de red que retengan los patrones espaciales inherentes a los datos relacionales. El escalamiento multidimensional emergió como uno de los primeros intentos de superar el revoltijo de líneas entrecruzadas y mostrar puntos según su distancia relativa en el espacio social. Las implementaciones de este enfoque ya están disponibles en los principales paquetes de software, y también están empezando a estar disponibles técnicas como el análisis de correspondencia múltiple. Freeman y otros, sin embargo, han estado explorando bases alternativas para la visualización, incluyendo aquellas que son capaces de prevenir imágenes en movimiento de cambio de red.
El trabajo teórico ha sido durante mucho tiempo subdesarrollado en análisis de redes sociales. Si bien los métodos en sí no requieren ni implican ninguna teoría sociológica en particular, requieren una contextualización teórica en debates más amplios. Los argumentos teóricos recientes más importantes han sido los que han retomado el trabajo de White (1992) en temas de cultura, identidad y agencia.

Ann Mische (Mische2003, véase también Mische 2007) ha desarrollado algunos argumentos interesantes que se basan en el trabajo realizado con Mustafa Emirbayer (Emirbayer y Mische1998). El mismo Emirbayer ha contribuido a un importante trabajo sobre el marco de la "sociología relacional" que él ve como el fundamento del análisis de redes sociales (Emirbayer y Goodwin, 1994).


5. Conclusión

El potencial de las técnicas de minería de datos para el análisis de las fuentes de datos disponibles está comenzando a ser reconocido a través de las ciencias sociales (ver Savage y Burrows 2007), y la formación de esta revista y de Avances en Análisis de Redes Sociales y Minería (ASONAM) es una marca De su potencial para el campo del análisis de redes sociales. Las nuevas técnicas de análisis de redes son las más apropiadas para conjuntos de datos a gran escala del tipo que generalmente no han sido posible investigar utilizando técnicas de análisis de redes sociales convencionales. Las técnicas de minería de datos permiten que tales conjuntos de datos sean examinados de manera que prometan nuevos avances en metodología y conocimiento sustantivo. Sin embargo, es importante que el uso de estas técnicas no conduzca a una reversión al trabajo puramente descriptivo. En los primeros tiempos de las técnicas computarizadas de análisis de redes sociales, la tendencia entre los investigadores era generar datos y "hallazgos" con poca o ninguna consideración de su importancia para cuestiones teóricas sustantivas.
Esto llevó a muchos observadores de las estadísticas y sociogramas producidos a responder "¿y qué?" Análisis de redes sociales luchó para madurar hasta el punto en que las preguntas analíticas se convirtió en el centro de las investigaciones y los datos se utilizó para probar y objetivos explicativos adicionales.
Sería un desastre si el uso de las nuevas técnicas de minería de datos nos devolviera a esa situación anterior, en la que los investigadores estaban más interesados ​​en patrones que en la interpretación sustantiva de esos patrones. Esto no debería ser un tiempo para los especialistas en metodología por sí solo para explorar determinados conjuntos de datos. Se debe aprovechar la oportunidad para la cooperación interdisciplinaria en la que aquellos con un conocimiento sustantivo de un campo particular pueden cooperar productivamente con especialistas técnicos para producir esos poderosos estudios analíticos y explicativos que pueden promover la agenda del análisis de redes sociales en los muchos campos sustantivos de Ciencias Sociales.

Referencias


  • Bearden J et al (1975) The nature and extent of bank centrality in corporate networks. In: Scott J (ed) Social networks, vol 3. Sage, London
  • Barabási A-L (2002) Linked: the new science of networks. Perseus, Cambridge
  • Barnes JA (1954) Class and Committee in a Norwegian Island Parish. Hum Relat 7:39–58
  • Boorman SA, White HC (1976) Social structure from multiple networks: II Am J Sociol 81:1384–1446
  • Bott H (1928) Observation of play activities in a nursery school. Genet Psychol Monogr 4:44–48
  • Bott E (1955) Urban families: conjugal roles and social networks. Hum Relat 8:345–384
  • Bott E (1956) Urban families: the norms of conjugal roles. Hum Relat 9:325–341
  • Buchanan M (2002) Small world: uncovering nature’s hidden networks. Weidenfeld and Nicolson, London
  • Burt RS (1982) Towards a structural theory of action. Academic Press, New York
  • Burt RS (2005) Brokerage and closure: an introduction to social capital. Oxford University Press, New York
  • Carrington PJ, Scott J (eds) (2011) Sage handbook of social network analysis. Sage, London
  • Carrington PJ, Scott J, Wasserman S et al (eds) (2005) Models and methods in social network analysis. Cambridge University Press, Cambridge
  • Cartwright D, Zander A (eds) (1953) Group dynamics. Tavistock, London
  • Clyde MJ (1969a) The concept and use of social networks. In: Mitchell JC (ed) Social networks in urban situations. Manchester University Press, Manchester
  • Clyde MJ (ed) (1969b) Social networks in urban situations. Manchester University Press, Manchester
  • De Nooy W, Mrvar A, Batagelj V (eds) (2005) Exploratory social network analysis with Pajek. Cambridge University Press, New York
  • Emirbayer M (1997) Manifesto for a relational sociology 103(2):281–317
  • Emirbayer M, Goodwin J (1994) Network analysis, culture, and the problem of agency 99:1411–1454
  • Emirbayer M, Mische A (1998) What is agency? Am J Sociol 103(4):962–1023
  • Fennema M (1982) International networks of banks and industry. Martinus Nijhof, Hague
  • Fischer CS (1977) Networks and places: social relations in the urban setting. Free Press, New York
  • Freeman LC (2004) The development of social network analysis: a study in the sociology of science. Empirical Press, Vancouver
  • Freeman LC, White DR, Romney AK (eds) (1989) Research methods in social network analysis. Transaction Books, New Brunswick
  • Granovetter M (1973) The strength of weak ties. Am J Sociol 78(6):1360–1380
  • Granovetter M (1974) Getting a job. Harvard University Press, Cambridge
  • Harary F, Norman RZ (1953) Graph theory as a mathematical model in social science. Institute for Social Research, Ann Arbor
  • Helmers HM et al (1975) Graven Naar Macht. Van Gennep, Amsterdam
  • Homans G (1950) The human group. Routledge and Kegan Paul, London
  • Jennings HH (1948) Sociometry in group relations. American Council on Education, Washington, DC
  • Laumann EO (1966) Prestige and association in an urban community. Bobbs-Merrill, Indianapolis
  • Lee NH (1969) The search for an abortionist. Chicago University Press, Chicago
  • Levine JH (1972) The sphere of influence. Am Sociol Rev 37:14–27
  • Lewin K (1936) Principles of topological psychology. Harper and Row, New York
  • Lin N (2001) Social capital: a theory of social structure and action. Cambridge University Press, New York
  • Lin N, Cook KS, Burt RS (eds) (2001) Social capital: theory and research. Transaction Press, New Brunswicvk, NJ
  • Lundberg G (1936) The sociography of some community relations. Am Sociol Rev 5(1):47–63
  • Lundberg GA, Steele M (1938) Social attraction-patterns in a village Sociometry 1:375–419
  • Milgram S (1967) The small world problem. Psychol Today 2:60–67
  • Mische A (2003) Cross-talk in movements: rethinking the culturenetwork link. In: Diani M, McAdam D (eds) Social movements and networks: relational approaches to collective action. Oxford University Press, Oxford
  • Mische A (2007) Partisan publics: communication and contention across Brazilian youth activist networks. Princeton University Press, Princeton, NJ
  • Monge PR, Contractor NS (2003) Theories of communication networks. Oxford University Press, Oxford
  • Moreno JL (1934) Who shall survive?. Beacon Press, New York
  • Mullins NC (1973) Theories and |theory groups in american sociology. Harper and Row, New York
  • Nadel SF (1957) The theory of social structure. Free Press, Glencoe
  • Pattison P, Wasserman S (1999) Logit models and logistic regressions for social networks: II. Multivariate relations. Br J Math Stat Psychol 52:169–193
  • Putnam RD (2000) Bowling alone: the collapse and revival of American community. Simon and Schuster, New York
  • Robins GL, Pattison P, Wasserman S (1999) Logit models and logistic regressions for social networks. III. Valued relations. Psychometrika 64:371–394
  • Roethlisberger FJ, Dickson WJ (1939) Management and the worker. Harvard University Press, Cambridge
  • Savage M, Burrows R (2007) The coming crisis of empirical sociology. Sociology 41(5):885–899
  • Scott J (1979) Corporations, classes and capitalism, 1st edn. Hutchinson, London
  • Scott J (1986) Capitalist property and financial power. Wheatsheaf Books, Brighton
  • Scott J (1997) Corporate business and capitalist classes. Oxford University Press, Oxford
  • Scott J (2000) Social network analysis, 2nd edn. Sage, London (Originally 1991)
  • Scott J, Carrington PC (eds) (2011) Handbook of social network analysis. Sage, London
  • Scott J, Griff C (1984) Directors of industry. Polity Press, Cambridge Snijders TAB (2001) The statistical evaluation of social network dynamics. In: Sobel ME, Becker MP (eds) Sociological methodology. Basil Blackwell, Oxford
  • Snijders TAB (2005) Models for longitudinal network data. In: Carrington PJ, Scott J, Wasserman S (eds) Models and methods in social network analysis. Cambridge University Press, Cambridge
  • Snijders TAB, van Duijn MAJ (1997) Simulation for statistical inference in dynamic network models. In: Conte R, Hegelmann R, Terna P (eds) Simulating social phenomena. Springer, Berlin
  • Stokman F, Ziegler R, Scott J et al (eds) (1985) Networks of corporate power. Polity Press, Cambridge
  • Sweezy PM (1939) Interest groups in the american economy. In: Sweezy PM (ed) The present as history. Monthly Review Press, New York
  • Travers J, Milgram S (1969) An experimental study of the small world problem. Sociometry 32(4):425–443
  • Warner WL, Lunt PS (1941) The social life of a modern community. Yale University Press, New Haven
  • Wasserman S (1980) Analyzing social networks as stochastic processes. J Am Stat Assoc 75:280–294
  • Wasserman S, Faust K (1994) Social network analysis: methods and applications. Cambridge University Press, New York
  • Wasserman S, Galaskiewicz J (eds) (1994) Advances in social network analysis. Sage, Beverley Hills
  • Wasserman S, Pattison P (1996) Logit models and logistic regressions for social networks: I. An introduction to Markov random graphs and p*. Psychometrika 60:401–426
  • Watts D (1999) Small worlds: the dynamics of networks between order and randomness. Princeton University Press, Princeton
  • Watts D (2003) Six degrees. The science of a connected age. W. W. Norton, New York
  • Watts DJ, Strogatz SH (1998) Collective dynamics of ‘‘small-world’’ networks. Nature 393:440–442
  • Wellman B (1979) The community question: the intimate networks of east yorkers. Am J Sociol 84:1201–1231
  • Wellman B, Berkowitz S (eds) (1988) Social structures. Cambridge University Press, New York
  • Wellman B, Hogan B (2006) Connected lives: the project. In: Purcell J (ed) Networked neighbourhoods. Springer, London
  • White HC (1963) An anatomy of kinship. Prentice-Hall, Englewood Cliffs
  • White H (1992) Identity and control. Princeton University Press, Princeton
  • White HC, Boorman SA, Breiger RL (1976) Social structure from multiple networks. I. Am J Sociol 81:730–780


sábado, 26 de marzo de 2016

Los sociogramas de Moreno revisados (con Gephi)

Análisis de redes sociales y visualización: Los sociogramas de Moreno revisados

Martin Grandjean

Los sociogramas de Moreno se consideran con frecuencia como los primeros ejemplos de análisis y visualización de redes sociales. Mapeando las afinidades sociales de un grupo de individuos, los primeros sociogramas de Moreno visualizan las relaciones entre los alumnos en un aula: ¿quién quiere estar sentado al lado de quién? Cada niño puede elegir otros dos, para obtener resultados que sugieren que las sociabilidades están cambiando con el tiempo: la proporción de atracciones entre los niños y niñas a disminuir, se forman estructuras de la comunidad y luego desaparecen, etc.


Leyenda Izquierda: la red original publicado en Moreno (1934) Who Shall Surive? Centro: rediseñó la red, lo que indica el número de conexiones entrantes (azul = 0, blanco = 3 o más oscuro) Derecha: la red rediseñada, destacando las niñas (naranja) y los niños (blanco). Haga clic en las imágenes para ampliar.

Los intereses sociológicos y matemáticos de este trabajo ya se han discutido en miles de publicaciones. Este post simplemente cuestiona las prácticas visuales introducidos por Moreno y los compara con una forma más moderna de visualización de este tipo de redes. Está claro que el dibujo de la mano provoca una tendencia visual, sobre todo debido a la decisión de Moreno para separar las niñas y los niños en dos grupos predefinidos. Las visualizaciones abajo, para las 8 clases (1º a 8º grado) muestran que esta bipartición no siempre se justifica ya que las comunidades se forman dentro de ellos (los "puentes" inter-sexuales entre los niños y niñas no son los únicos puentes estructurales entre camarillas). Observamos que juega con el tamaño y el color de los nodos permite una comprensión más rápida de la estructura de gráficos. También tenga en cuenta las medidas propuestas por Moreno ( "no elegidos", "estrellas", "triángulos", etc.), que prefiguran algunos de los indicadores utilizados en la actualidad para describir las redes y sus componentes (medidas de centralidad, por ejemplo).

Sociogramas

Estructura de clases, 1er Grado





 21 niños y 14 niñas. 18 no elegidos; 3 pares; 5 estrellas; 0 Cadenas; Triángulos 0; 22 atracciones Inter-sexuales.

Estructura de clases, 2do grado



 14 niños y 14 niñas. 9 no eleido; 11 pares; 2 Estrellas; 0 Cadenas; 1 Triángulo; 5 atracciones Inter-sexuales.

Estructura de clases, 3er Grado




 19 niños y 14 niñas. 7 no elegidos; 14 pares; 3 Estrellas; 1 Cadenas; Triángulos 0; 3 atracciones Inter-sexuales.

Estructura de clases, 4to grado


 

17 niños y 16 niñas. 6 no elegidos; 17 pares; 2 Estrellas; 0 Cadenas; 2 triángulos; 1 atracciones Inter-sexuales.

Estructura de clases, 5to Grado




 19 (+5) niños y 18 niñas (+5). 10 no elegidos; 19 pares; 2 Estrellas; 2 cadenas; 2 triángulos; 1 atracciones Inter-sexuales.

Estructura de clases, 6to Grado



 18 (+3) niños y 21 niñas (+1). 6 no elegidos; 26 pares; 1 estrella; 2 cadenas; Triángulos 3; 0 atracciones Inter-sexuales.

Estructura de clases, 7mo Grado




 14 niños y 18 niñas. 5 no elegidos; 15 pares; 5 estrellas; 2 cadenas; Triángulos 0; 2 atracciones Inter-sexuales.

Estructura de clases, 8vo Grado




  22 (+7) niños y 22 niñas (+4). 12 no elegidos; 13 pares; 2 Estrellas; 0 Cadenas; 1 Triángulo; 8 atracciones Inter-sexuales.

domingo, 17 de enero de 2016

Adolescencia y grupos de adicción

Círculos de humo: Análisis de redes sociales de grupos de amistad, tabaquismo y consumo de drogas

Michael Pearson, Lynn Michell (2000) Smoke Rings: social network analysis
of friendship groups, smoking and drug-taking, Drugs: Education, Prevention and Policy, 7:1,
21-37, DOI: 10.1080/dep.7.1.21.37



RESUMEN: 

El análisis de redes sociales es aplicado a los dos primeros puntos de tiempo de un estudio longitudinal que examina cómo el tabaquismo y el consumo de drogas en la adolescencia se asocia con la posición social dentro de las estructuras del grupo de pares. Ciento cincuenta estudiantes del segundo grado de secundaria en una escuela nombrados hasta seis mejores amigos. Esto permitió la categorización de cada adolescente como un miembro del grupo, un periférico grupo o un aislamiento relativo. Se encontró que las conductas de riesgo se produjo en todas las posiciones sociales. En ambos momentos del estudio del comportamiento de los alumnos en la periferia de los grupos de pares refleja tanto el género y el comportamiento de los propios grupos. En el segundo punto del estudio de tiempos había muchos más alumnos en la periferia y de los grupos de toma de riesgos que en la periferia de los grupos no-riesgo de tomar. La relación parece comprobar que la toma de riesgos y la no asunción de riesgos, la conducta se aprende predominantemente en el contexto de grupos de pares, y que los grupos de pares que toman riesgos actuar como un foco mayor de influencia y selección de alumnos periféricos en una etapa clave en su desarrollo que hacer grupos de pares no tomar riesgo. Nuestros hallazgos son relevantes en el debate sobre la presión de grupo en relación con el tabaquismo y el consumo de drogas.



Introducción

En la literatura de la psicología social, el grupo de pares se identificado una y otra vez como una importante fuente de atracción e influencia, sobre todo durante la adolescencia.
Toda una serie de factores, tales como la dinámica de grupo de poder, jerarquía e influencia, así como otros aspectos del comportamiento de los adolescentes bajo la autoridad entran en juego. Estudios realizados en los EE.UU. sugieren que los adolescentes se diferencian constantemente, reconocer y etiquetar el grupo de pares más amplio en términos de estatus, prestigio y popularidad, y son muy conscientes de una estructura social jerárquica y estratificada entre sus pares (Brown & Lohr, 1987; Larkin, 1979; Rosenberg, 1965).
El tabaquismo se ha asociado con signos de afectación de pares tales como la frecuencia de las citas y estar en contacto con amigos (Eiser et al., 1991; Thorwaldsson y Vilhjalmsson, 1991). Se ha argumentado que los programas de promoción de la salud dirigidas a la prevención del tabaquismo adolescente deben hacer hincapié en la centralidad del grupo de pares adolescentes (van Roosmalen y McDaniel, 1989). Más recientemente, la teoría de la socialización primaria (Oetting y Donnermeyer, 1998) ha sostenido que toma la no-riesgo y las conductas de riesgo son, para los adolescentes como los de nuestro estudio, aprendieron sobre todo en el contexto de la interacción con las fuentes de socialización primaria que, los autores afirman, son grupos de pares, la familia y la escuela. El estudio de las conductas de riesgo es particularmente relevante para el comportamiento de los grupos de pares, ya que a menudo tienden a ser débiles a las otras dos fuentes, la familia y la escuela. Se afirma que la principal fuente de las conductas de riesgo es racimos de pares.


Richards define un grupo como un conjunto de al menos tres personas que:

  • tener más de 50% de su vinculación con los otros;
  • están conectados por algún camino situada totalmente dentro del grupo para cada uno de los otros miembros del grupo;
  • siendo así conectado cuando se retira hasta un 10% del grupo.

Las categorías de conducta como definidos por NEGOPY se ilustran en la Figura 1:
Aislado 1 (I1): Enlaces No correspondido.
Aislado 2 (I2): Un enlace correspondido pero no una díada.
Nodo de árbol (TN): A ttaches uno o más Aislar 2s tipo, puede o no puede estar unido a un grupo.
Enlace 1 (L1): Tiene más de 50% de la vinculación con los miembros de los grupos en general, pero no con los miembros de un solo grupo.
Enlace 2 (L2): Tiene menos de 50% de la vinculación con los miembros de los grupos y la mayor vinculación con otros enlaces.
Díada: par amistad aislado.
Miembro del grupo:  tiene más de 50% de la vinculación con otros miembros del mismo grupo. Debe tener al menos dos enlaces con otros miembros.





Análisis Sociométrico

De los sociogramas, fueron elegidos los patrones adecuados de interacción social para que se dividieron los sujetos en conjuntos mutuamente excluyentes y exhaustivas de los individuos y que eran relevantes y significativas para nuestro estudio.
Decidimos, por ejemplo, para describir algunos aislados que tenían un vínculo como `en la periferia de un grupo '(o' periféricos '), mientras que otros pueden ver como aislamientos relativos, que fueron aislados de todos los grupos. Tales aislamientos relativos incluidos aquellos que tienen vínculos con otro alumno (s) en díadas o estructuras de árboles aislados, así como verdaderos aislamientos que no tenían vínculos en absoluto. Esto fue porque queríamos probar si la cercanía a un tipo de grupo en particular, tal como un grupo de fumar o el consumo de drogas, se asoció con la prevalencia del hábito de fumar o el consumo de drogas comportamiento entre otros temas relacionados.
Los patrones regularizados elegidos fueron:

(i) miembros del grupo.
(ii) periféricos a los grupos.
(iii) aislados relativos.

Los tres de estas posiciones sociales pueden ser identificados a partir de los sociogramas extraídas después de análisis de redes sociales se realizó utilizando NEGOPY.
(i) Los miembros del grupo  son los definidos por el programa NEGOPY.
(ii) Un periférico a un grupo, aunque no es un miembro de ese grupo, tendrá un Linkag más cerca e para ese grupo que a cualquier otro grupo, donde la cercanía de la vinculación se define mediante la suma de los puntos fuertes de los vínculos en el camino (s) desde el periférico al grupo. Periféricos son o aislar 2s tipo, los nodos del árbol o enlaces como se define en NEGOPY.
(iii) los aislados relativas incluyen diadas y nodos de árboles aislados (es decir. no unido a un grupo) definidos en NEGOPY y aislar 2s tipo conectados a los nodos del árbol, así como 1s aislado de tipo (a veces llamados aislamientos verdaderos).


Género y comportamiento pro-fumar y pro-toma de drogas 


Las Tablas 2a y 2c dar el desglose de la conducta de fumar por género de los alumnos S2 y S3. Las pruebas de proporción muestran que, entre los grupos, significativamente más chicas fuman que los varones en ambos momentos ... p <0: 01 †. Pruebas al cuadrado-Chi
espectáculo tha t ha habido un cambio significativo en la asociación entre el consumo de drogas y el sexo en los grupos entre los momentos 1 y 2 ... p <0: 06 †.
Proporcionalmente más chicos se drogan en los grupos que en las niñas en el punto 2 del tiempo en comparación con la relación en el tiempo poin t 1. El examen de la primera sociograma (Figura 2) revela la estructura del grupo de género y tabaquismo en el punto 1 vez.



Mientras que el tabaquismo no ha aumentado significativamente desde el año 1 al año 2, tomando drogas entre los niños que son miembros del grupo ha (p <0:07, À 2 de ensayo; véase la Figura 3, donde los grupos 9, 10, 14 una d 16 son todos los niños, mientras que los grupos 1, 4, 5, 8 y 13 son todas niñas), a pesar de que tuvieron un comienzo lento en comparación con las chicas. La otra área en la que el tabaquismo y el consumo de drogas se ha incrementado de manera significativa es entre los aislados relativos (p <0:01, prueba de proporción). A n interesante desarrollo del estudio longitudinal es la capacidad de identificar el estado anterior al punto en el tiempo 1 de aislar relativa de riesgo que asumen al punto de tiempo 2. Esto se ilustra en la Tabla 3. Hay pruebas que indica que este comportamiento podría aprenderse (o tiene asociación previa con) un contexto de grupo de pares. Una prueba de chi-cuadrado se aplica a la situación en el punto 1 del tiempo y el comportamiento de riesgo en el punto 2 de tiempo indica que más arriesgados aislar provienen de grupo o situación periférica en el punto anterior vez que del estado de aislamiento relativo ... p <0 : 1 †. También hay una mayor proporción de tomadores de riesgo en entrar en estado de aislados que toman de riesgos que los no asumen riesgos en curso en esa condición (prueba de la proporción, p <0: 06). Aún así, más de la mitad de los alumnos que terminan como la toma de riesgos aislamientos comenzó como grupo de no asumir riesgos y miembros periféricos (11/20). Hay espacio para una mayor investigación aquí.




Discusión

Este trabajo se propuso elaborar un análisis sociométrico apropiado para el estudio de fumar y el consumo de drogas comportamiento entre alumnos de secundaria S2 (edades 12 ± 13) y S3 (edades 13 ± 14). Nuestro análisis, efectivamente revelan patrones regularizados de la interacción social. Estos fueron los miembros del grupo, periféricos de grupo y aislamientos relativos, y proporcionan un marco rigurosamente definida y relevante para los sujetos de nuestro estudio. Su relevancia se destaca por dichas cuentas del comportamiento social entre los adolescentes como, por ejemplo, la teoría de la socialización primaria (Oetting y Donnermeyer, 1998), que reconoce la parte central que desempeñan los grupos de pares para los problemas de socialización de la selección e influencia. Por esta y otras razones que hicimos grupos de pares centrales de nuestro estudio y consideramos que los periféricos del grupo eran los objetivos importantes para la toma de riesgos selección y la influencia de los alrededores y no tomar riesgos-comportamiento. Hemos demostrado que las conductas de riesgo no varió por la posición social en el punto 1 tiempo, pero que en el punto de tiempo de 2 más aislados relativos comprometidos en conductas de riesgo que las otras categorías sociales. Comportamiento arriesgado fue fuertemente polarizada dentro de las categorías sociales de modo que, por ejemplo, grupos de individuos (y sus periféricos) fueron ya sea en la toma de riesgos generales o no la toma de riesgos. La polarización también era verdad de su sexo, de manera que en general los grupos (y sus periféricos) eran o bien todos los niños o todas las niñas.

Nuestro estudio longitudinal nos ha permitido entender el comportamiento de riesgo de los alumnos en un contexto histórico. Hay indicios de que tal comportamiento, incluso
para aislados, es tanto una característica de su asociación anterior grupo como lo es ahora de su aislamiento. La mayor parte de las transiciones de un comportamiento opuesto, pero el estatus social similares se producen a nivel de grupo de pares. Hay una desviación significativa de la condición de grupo sin la asunción de riesgos, en el estado del grupo la toma de riesgos, lo que corrobora aún más la opinión de que las conductas de riesgo se asocia con el estado del grupo de pares. En general, es evidente que la deriva de la condición de estado de la toma de riesgos teniendo no riesgo es mucho mayor que la deriva de la condición de la asunción de riesgos a la no asunción de riesgos de estado.

También mostró que los grupos de pares que toman riesgos tenían un mayor apego periferia que los grupos de pares de tomar no por riesgo en el punto 2. E n este punto temporal tiempo allí fue creciente interés acerca de las drogas como el cannabis y el éxtasis, como lo demuestran los miembros del grupo y algunos de sus periféricos que toman este tipo de medicamentos. Esto parece apoyar la afirmación de que una fuente importante de las conductas de riesgo es racimos grupo de pares (Oetting y Donnermeyer, 1998). Es de señalar que, aunque un número significativo hizo humo, muchos de los alumnos que se encontraban en la periferia de dichos grupos no fumaban en realidad, pero que sus queridos y más probablemente fumaban eran los que estaban más periférico (en términos sociométricos `la mayoría de los medios periféricos 'aislados tipo 2s que tiene un solo enlace de amistad como se define por Richards) (ver los periféricos a Grupo 8 de la Figura 3). Pruebas de Chi-cuadrado muestran los valores de p de menos de 0,1 en ambos puntos temporales 1 un d 2. Casi parece como si sintieran que tenían que participar en este tipo de comportamiento para establecer la identidad thei r por estar asociado con un grupo de alguna manera . Hay quizá una lección de que conductas de riesgo periférica es más común en la extrema periferia de los grupos de pares que asumen riesgos. El resultado es notable, aunque no significativa, por el consumo de drogas comportamiento. Esto tendría sentido si tenemos en cuenta que los fumadores periféricos son más capaces de llamar la atención de otros alumnos dentro de un grupo al que están buscando entrada. El consumo de drogas comportamiento no es quizás tan notable.
En general, los niños sorprendentemente fumaban menos que las niñas en comparación con una relativa igualdad en comportamiento de consumo de drogas. La razón dada para esto en los grupos focales y entrevistas fue que los chicos se sentían ambivalentes acerca de fumar, ya que una posible pérdida de destreza deportiva en conflicto con el deseo de ser visto como 'cool' y miembro de un grupo superior. El mensaje parece haber llegado a través de que el tabaquismo afecta el rendimiento deportivo. El mismo no se aplicaban a consumo de drogas, donde había una relativa igualdad en el comportamiento de los niños y niñas, con la excepción notable del interés creciente entre los niños basadas en grupo de pares en el punto de tiempo 2. La implicación es que los chicos no lo hicieron percibir el uso de otras drogas recreativas como ser perjudicial para su rendimiento físico en actividades deportivas. Como corolario, tal vez el valor de las actividades deportivas para las niñas debe ser más altamente promovido.

Un hallazgo importante del estudio fue que los alumnos que fumaban tendían a ser los mismos alumnos que adoptaron las conductas de riesgo. De hecho, hubo una mayor tendencia hacia el consumo de drogas que hacia el fumador de cigarrillos (Tablas 2a ± 2d). Esto tiene implicaciones para la educación para la salud, lo que sugiere que una plataforma de salud solo tema compartimenta artificialmente conductas como fumar o el consumo de cannabis.
El hecho de que los propios (así como los de la periferia) grupos fueron altamente polarizadas por tanto el comportamiento de género y la toma de riesgos plantea un reto para la educación de la salud en cuanto a la forma de concebir y promover mensajes de salud apropiados. Obtención de los grupos para abordar las cuestiones como temas educativos o sociales de relevancia para la comunidad en general de la escuela y famil y es la ruta sugerida por la teoría de la socialización primaria. Esto tiene sentido si tenemos en cuenta que, de acuerdo con esta teoría, las debilidades que dieron lugar a esa participación excesiva en las conductas de riesgo fueron los vínculos débiles con las otras dos fuentes principales, a saber, la familia y la escuela.
Nuestra investigación, sin embargo, indica que hay muchas influencias diversas y poderosas rodean a los niños que no se extienden sólo a la familia y la escuela, sino también a los medios de comunicación, modelos de conducta y los mensajes de los adultos. De esta manera los alumnos de la misma edad, pero que están en diferentes peldaños de la escala social pueden fumar por razones muy diferentes. Hay un fuerte argumento a favor de diferencial dirigido al diseñar los programas de fumar y de prevención de drogas. Los programas actuales basados en supuestos sobre la insuficiencia de habilidades social que pueden ser apropiados para los alumnos de bajo estado no son apropiados para de los grupos "top" (Michell y Amos, 1997). El mismo razonamiento applie s para periféricos. Los alumnos de la periferia de los grupos pueden estar influidos por esos grupos. La identidad social del grupo podría proporcionar información adicional cuando la elaboración de un programa de este tipo. Orientación personas clave que pueden convertirse en un foco de atracción para otros alumnos también es importante.

Por último, ni siquiera los alumnos en grupos de no tomar riesgos estaban a salvo. Hubo una desviación significativa de estos grupos en grupos de toma de riesgos desde el punto 1 vez en el punto 2. tiempo parece que las preguntas deben ser preguntado sobre qué es lo que los tomadores de riesgo no encuentran atractivo sobre estos grupos de toma de riesgos antes la elaboración de programas de prevención adecuadas. Nuestra investigación indica que estas cuestiones dependen de la naturaleza de los grupos de amistad sí mismos, y por lo tanto, formas más sutiles de focalización necesidad diferencial también para idear aquí.

La investigación presentada aquí tiene un número de limitaciones. En primer lugar, nuestro estudio se realizó en una 'escuela media' secundaria en Strathclyde. El modelo que hemos desarrollado ahora necesita ser probado más ampliamente en diversas escuelas. En segundo lugar, la significación de los resultados se ve afectada por el tamaño de la muestra. Aunque el tamaño total de la muestra es razonable (15 0 para el punto de tiempo 1, 149 en el punto de tiempo 2), la información sobre la estructura del grupo se determina por el número de grupos (17 y 16), algunos de los cuales eran pequeñas. En tercer lugar, hemos hecho hincapié en la comparación con el trabajo de Ennett y Bauman (1993), y, aunque creemos que es relevante y significativo, lo hacemos reconocer el hecho tha t hay edad una d las diferencias culturales en los dos grupos de adolescentes estudiados . Los datos recogidos en el punto d e la próxima vez que nos permitirán completar el análisis longitudinal completo que agregará considerablemente a la imagen que ha surgido en los dos primeros puntos de tiempo y resolverá algunas de las preguntas sin respuesta planteadas allí.

lunes, 7 de septiembre de 2015

Libro: The Development of Social Network Analysis: A Study in the Sociology of Science (Linton Freeman)

Revisión de libro

Por Charles Kadushin (en español) y H. Russell Bernard (en inglés)



Linton C. Freeman. The Development of Social Network Analysis: A Study in the Sociology of Science. Vancouver, Canadá:. Booksurge Publishing, 2004, 205 pp, $ 15.95 en rústica comercial; $ 7.99 ebook no imprimible. Disponible: http://www.booksurge.com.
Journal of Social Structure

Opinión escrita por Charles Kadushin, kadushin@brandeis.edu, Universidad Brandeis


Así que usted pensaba que sabía quién "inventó" análisis de redes sociales - Jacob Moreno, ¿verdad? No tan rápido. Para empezar, Moreno no era su nombre de nacimiento, era Jacob Levi y, aunque era tremendamente imaginativa, muchas de las características de "sociometría", el término que él de hecho acuñó en 1934 (dos años después de haber publicado analiza su primera red) fueron probablemente debido a sus colaboradores. En su cuidadosa investigación "historia del análisis de redes sociales por escrito de una perspectiva de redes sociales", Linton Freeman pone las cosas en claro y se vuelve el objetivo de análisis de redes sociales en el campo mismo. El resultado es un ensayo de provocación en la sociología del conocimiento que es una lectura obligada para cualquier persona con el más mínimo interés en las redes sociales, así como a los interesados ​​en la sociología de la ciencia.

Hay pocas dudas de que el análisis de redes sociales ha "llegado". Cada año, desde alrededor de 1984, se ha producido un crecimiento lineal en el número de áreas sustantivas en el que el análisis de redes sociales se ha aplicado (Pág. 5). The New York Times celebra redes sociales como uno de los "nuevas ideas" (sic) de 2003 (Gertner, 2003). Muchas organizaciones tratan de mejorar su eficiencia a través de análisis sociométricos (Krebs, 2003). Laboratorios de Investigación y desarrollo de un mapa los principales guardianes de la información crítica. Hay mapas de quien trabaja con quien en biotecnología. Epidemiología fue fundada en el rastreo de los agentes que llevaron a la enfermedad y los métodos modernos de la red han sido aplicadas al campo del VIH-positivo.

En 2004, el Social Science Citation Index registró aproximadamente 450 visitas a la "red social o redes sociales" (y usted pensó que usted podría seguir el ritmo de la literatura!). En la primera página de resultados, diez títulos de revistas diferentes son citados como fuentes de publicación. Sólo por la cita 53a es una revista de sociología mencionado. Ni siquiera llegar a las redes sociales revista hasta citación 71. Si el análisis de redes sociales se ha convertido en popular y académicamente casi un lugar común, y si los primeros signos del campo estaban en la mitad del siglo 19, lo que llevó tanto tiempo para estar reconocida como una disciplina? Hay muchas sorpresas en esta larga trayectoria, y que cuenta la historia ayuda a Freeman para explicar lo que pasó.

Freeman define análisis de redes sociales como tener cuatro características principales: una intuición estructural, colección sistemática de datos relacionales, imágenes gráficas y modelos matemáticos o computacionales. (Yo añadiría una quinta función accesoria pero crucial:. Un estudio de los flujos a través de la red) Los primeros cuatro características solas tienden a producir una red estática, aunque en los propios flujos de trabajo de Freeman son a menudo importantes. Cuando se agregan los flujos, las redes se convierten en canales por los que las ideas, los valores, la amistad, la estima, el dinero, las ventas, la enfermedad, o casi cualquier cosa puede viajar. La misma estructura de la red puede pasar los flujos de diferentes tipos, o mejor diferentes estructuras puede facilitar diferentes flujos. El impacto del análisis de redes sociales y su utilidad depende en gran medida en la que se estudian los flujos. La forma en que los diferentes flujos de capturar la imaginación popular y académica a determinar, en parte, el lugar del análisis de redes. Pero nos estamos adelantando de nuestra historia.

La mayor parte de las cuatro características de Freeman han existido en varias formas desde el siglo 19 (con importantes empujes de 1930 a través de la década de 1960) y que participan cientos de grandes y no tan grandes teóricos e investigadores que no sean Moreno. Antecedentes de intuiciones estructurales invocan algunos nombres familiares: Henry Maine, Ferdinand Tönnies, Emile Durkheim, Herbert Spencer y Charles Cooley "Todos trataron de especificar los diferentes tipos de lazos sociales que unen los individuos en diferentes formas de colectividades sociales" (p. 15). Y por Georg Simmel, "la sociología era nada más y menos que el estudio de los patrones de interacción" (p. 16). Freeman, sin embargo, se sorprendió al descubrir que el hombre que dio la sociología en su nombre en la década de 1840, Augusto Comte, también creía que la estática de la sociología consistieron en las interconexiones de los actores sociales.

Más sorprendente para los analistas de redes sociales contemporáneos puede ser la sistemática de datos bastante generalizada de que Freeman descubrió había sido recogida en los siglos 19 y 20. En 1810 Pierre Huber, estudió la interacción con dibujos entre hormigas y fue quizás el primero que estudió sistemáticamente la interacción no humano. En la mitad del siglo 19, en el estado de Nueva York, Lewis Henry Morgan se unió a una sociedad secreta llamada "La Gran Unión del Iroquois" - excepto que descubrió nadie sabía nada acerca de los iroqueses. Así que escribió una etnografía y, finalmente, en 1871, publicó los datos elaborados en el parentesco y ascendencia en todo el mundo, junto con gráficos de parentesco sistemáticas que marcan la pauta de los utilizados para este mismo día. En 1834, John Atkinson Hobson estudió y presentó las cartas de dos modos de superposición de las empresas en las finanzas de Sudáfrica (Pág. 18). De hecho, él desarrolló hypergraphs mucho antes los llamábamos así. Y antes de que la obra de Moreno llegó a ser bien conocido, los estudios de desarrollo infantil en los años 1920 y 1930 un seguimiento tanto cuestionario y los datos de observación de la interacción niño. En 1928, Helen Bott (nada menos que la madre de Elizaboth Bott) incluso se utiliza matrices. En 1923, Elizabeth Hagman mostró discrepancias entre los datos de la entrevista y de observación sobre compañeros de juego.

Introduzca Moreno, de soltera Levi. Cuenta de Freeman añade sabor a un personaje ya fantástica. Moreno tuvo lado oscuro: "egocéntrico, egoísta ... admitió escuchar voces, a veces pensaba que era Dios, y estaba convencido de que los demás siempre estaban robando sus ideas" (pág 31).. Aunque para obtener una apreciación completa de su lado extraño, no hay nada como leer Quiénes sobrevivirán, disponible en la edición original de 1934 por alrededor de $ 175 (lo que debe dar a su erudito red favorita) o la edición aún más extraño 1953 que - curiosamente - - cuesta alrededor de la misma. "En su mayor parte Moreno parecía estar fuera de foco, pero, cuando se vio involucrado con una mujer que podría servir como una musa, logró concentrar y fue capaz de escribir" (p. 34). George Homans pensó libro Helen Jennings en el liderazgo una mucho mejor que la de Moreno clásico. Sin embargo, a mediados de la década de 1930, Moreno se convirtió en "una especie de celebridad en ciencias sociales" (Pág. 36). Comenzó Sociometry, y consiguió un virtual quién es quién en la ciencia social estadounidense para reunirse con su empresa: Paul Lazarsfeld hizo un poco de modelado matemático de la probabilidad de elección - pero Allport, Boaz, Bogardus y Bruner (sólo para detenerse en la B) fueron También asociado. Y no se olvide el estudio clásico de Newcomb que aún se analizan y los datos de red distribuidos con UCINET. Muchos de los estudios y gráficos de Moreno también continuará siendo citado: ¿Quiénes sobrevivirán todavía tiene un poco menos de 500 citas en el Science Citation Index y los estudios sociométricos que él hizo con Jennings en la Escuela Hudson para las niñas son modelos para una intervención exitosa red.

Así que ¿por qué la "invención" de la sociometría por parte de Moreno parece desaparecer para la década de 1940? Freeman acredita el otro lado de la personalidad de Moreno para esto - voces, jugar a ser Dios, una serie de matrimonios con mujeres hermosas que lo animaron, y volvió su atención cada vez más a la psicoterapia. (De mis observaciones, Moreno no fue el único famoso científico social que se casó con una serie de mujeres, aunque su pudo haber sido más hermosa -. Sin embargo, a decir verdad, yo nunca las vi) "Su compromiso con el misticismo, su personalidad grandilocuente, y su megalomanía ... eran demasiado para los miembros regulares de la comunidad académica de soportar "(p. 42).

Uno de los capítulos más interesantes de la historia poco conocida de los estudios de la red fue el grupo de Harvard a finales de los años 1920 y 1930. La mayoría de nosotros estamos familiarizados con brillo Homans 'en el cableado de habitaciones Bank, también consagrado en los conjuntos de datos distribuidos de UCINET. Homans vino a este interés de nuevo en la década de 1930, cuando se revisó el material de Western Electric, junto con Elton Mayo, TN Whitehead, Fritz Roethlisberger, y Lloyd Warner. Fue Warner que había sugerido a Mayo que se centran en la estructura social y la interacción con dibujos. Propios estudios famosos de Warner Yankee City habían estudiado las redes interpersonales y "producido" literalmente toneladas 'de datos empíricos "(Pág. 46). Warner organizó el proyecto "Deep South", una vez más consagrado en la red actual analiza. No es coincidencia que esto llevó a la participación de St. Clair Drake, quien más tarde se convirtió en el mentor carismático de pregrado Linton Freeman.

A principios de la década de 1930, funcionalista Henderson había organizado un seminario en torno a la sociología de Pareto que atrajo a los principales sociólogos y luego en Harvard (como Parsons, Merton y Kingsley Davis), así como a estrellas como Crane Brinton y Bernard Devoto, junto a Mayo de multitud escuela de negocios. George Homans ", un reciente graduado de Harvard, un joven aspirante a poeta" fue contratado como administrador seminario (p. 55). [1] Homans se convirtió en un joven becario de Harvard, y en 1939 se convirtió en profesor en la Universidad de Harvard. En este día de la acreditación grado vale la pena señalar que Homans nunca tuvo un Ph.D. Esta falta, obviamente, no le impidió desarrollar teorías de interacción y proposiciones acerca de ellos, los asuntos que había empezado a trabajar en tan pronto como mediados de la década de 1930. Antropólogo Conrad Arensberg, que introdujo Moreno a los miembros de este círculo, así como William Foote Whyte (autor del clásico Esquina Sociedad), también fueron Junior Fellows. Y había otros, como Eliot Chapple, que son ahora bien conocidas por el análisis estructural. Aunque los gráficos y datos abundaban, Chapple y Arensberg abogaron análisis matemáticos más formales (incluso recurriendo a la teoría de circuitos de la red eléctrica [2]) y trataron de aplicarlos a sistemas más abiertos.

Pero el círculo se vino abajo: Warner, Gardner, Davis, Drake y Whyte fueron a la Universidad de Chicago, y Arensberg (que tenía alguna influencia en mí) fue a Columbia. En parte, hubo algunas diferencias intelectuales sobre si se podría o debería hacer avances en lo que Homans llama, de manera despectiva, "micromedición." En quizás mayor medida, la política académica estaban en el trabajo. Como resultado, la Universidad de Harvard en la década de 1930 rara vez se le atribuye haber sido una incubadora de análisis de redes. Yo añadiría que la tensión se hizo evidente que ha sido un motivo subyacente en el desarrollo de análisis de redes: Desarrollo de rigor matemático en los estudios de redes de tamaño limitado y dentro de lo que Russ Bernard llama "red en una" caja "" - es decir, dentro de las paredes de una escuela, salón de clases, la organización o el equivalente. No es que los pequeños sistemas cerrados son fáciles de analizar, pero es mucho más difícil de ser riguroso sobre las grandes redes sociales de sistemas abiertos con límites difusos. El tema fue lanzado en Harvard, en parte, como un interés en el trabajo de campo cualitativo frente a la medición cuantitativa, sino que subyace fue el movimiento de la mayoría del círculo de Harvard, en especial los sociólogos y antropólogos, hacia un interés en los sistemas sociales a gran escala. Simplemente no podían ver por qué las relaciones de gráficos en grupos acotados podían aportar nada a la comprensión de los sistemas sociales. En parte, se trataba de una cuestión de lo que fluye puede y debe ser estudiado: relaciones anónimas informales en sistemas cerrados, o las relaciones de roles instituidos formales y obligaciones entre estados institucionalizados nombradas como madre, o estudiante. El flujo de prestigio en grupos pequeños no parece aplicable al flujo de filas y normas sociales en grandes sistemas.

Luego sigue, casi hasta la década de 1970, lo que Freeman llama la "Edad Oscura", en el que todos los sectores y grupos de investigación de diferentes universidades de todo trabajaron en el análisis de redes y la teoría. Cada hicieron un trabajo muy importante, pero dio lugar a ningún esfuerzo acumulado integrado. Algunos de nosotros que hemos estado alrededor por un tiempo podría molesta que asigna a la Edad Media, pero eso es otro asunto - y Freeman incluye a sí mismo. En parte, no fueron vistos los esfuerzos dispares en este período como vinculado porque el término "red", que podría haber sido aplicado como un término general para todo el trabajo, estaba ausente. Por mucho que la burguesía de Molière Gentilhomme se sorprendió al enterarse de que estaba hablando en prosa, así que la mayoría de los intelectuales Freeman relata que después de haber trabajado en la Edad Media no vio sus esfuerzos por ser estudios en las redes sociales, por lo que se pasa por alto el vulgo entre ellos.

Por ejemplo, Kurt Lewin formó un grupo estelar en el MIT que incluyó a casi todos los que llegó a ser prominente en la post-Mundial de la psicología social de la Segunda Guerra y fundamentalmente define el campo. Pero su teoría fue llamada "teoría del campo" y su tienda era el "Centro de Investigación en Dinámica de Grupos." Estaban interesados ​​en, entre otras cosas, los procesos de comunicación e influencia. Festinger, Schachter y Back produjeron un libro llamado La presión social en grupos informales (Festinger, Schacter y Atrás, 1950), pero sólo el subtítulo ("Un Estudio de Factores Humanos en la Vivienda") revelaron que el principal esfuerzo fue un estudio de la sociometría. Tras la muerte de Lewin y la ruptura del Centro, Alex Bavelas creó la "Redes Grupo Laboratorio" en el que, con la ayuda del matemático Duncan Luce (uno de mis profesores de Columbia) y otros trabajaron en sus estudios experimentales famosos de las comunicaciones en grupos de cinco. Pero una vez más, este grupo se separó ya en 1950. Festinger y Cartwright se trasladó a la Universidad de Michigan, y Festinger continuación, pasó a Minnesota - y el término "red" se perdió. Mientras tanto, el matemático Frank Harary fue reclutado en Michigan, con lo que la teoría de grafos a lo que finalmente se convirtió en el mundo de la red. Pero su clásico, Modelos Estructurales (Harary, normandos y Cartwrwright, 1965), sólo se pone alrededor para hablar de redes en el último capítulo, con un ejemplo de datos hipotéticos sobre los movimientos de población. Aunque hay algunos ejemplos de sociométrico analiza antes en el libro (uno de estudio de la vivienda de Cartwright), que no están asociados a la idea de la red.

Había otros centros y aperturas. En la década de 1940, un grupo en el Estado de Michigan trabajó en la sociometría de influencia en la sociología rural. Esto no creó una escuela permanente, pero los estudios de transmisión de las zonas rurales de la innovación finalmente influyó Everett Rogers, que sociometría en el curso de su tesis, había "descubierto" en 1955. Más tarde, Rogers se mudó a Michigan State y fue responsable de la formación de algunos de las actuales figuras importantes en el campo de la red. Elihu Katz, de la escuela de la influencia personal de la Universidad de Columbia (incluyendo a su mentor Paul Lazarsfeld, James Coleman, y Herbert Menzel) hizo uso de la tradición sociología rural desarrollar el "dos pasos" - después "paso N" - el flujo de la comunicación y influencia, también en la década de 1950. El grupo de Columbia mí (y Ron Burt) influenciado - pero Katz se sorprendió cuando le dije que él era uno de los padres de la red de campo, porque la palabra "red" era originalmente como ajeno a él como lo fue para mí cuando empecé mi trabajo en los círculos sociales. Curiosamente, las teorías de Robert Merton de conjuntos condición y el papel eran teorías de red casi puros, pero ni él ni su alumno Rose Coser, que ha ofrecido la especificación más rigurosa de estas teorías (Coser, 1975), utilizó el término. Una vez discutí con Coser que los métodos y teorías de red realmente podría aclarar su trabajo. Permaneció dudosa, tanto como la gran escuela sistema social de Harvard no pudo ver la utilidad del análisis de redes.

Uno de los descubrimientos que sorprendieron Freeman más fue el trabajo fundamental realizado en el MIT a finales de 1950, provocada por los politólogos Karl Deutsch y Itiel piscina. El famoso artículo "underground" de 1958 que escribió piscina con Manfred Kochen acerca de las probabilidades que participan en el "mundo pequeño" se publicó finalmente en el primer número de las Redes Sociales (piscina y Kochen, 1978).

Freeman traza su propio patrimonio red intelectual, empezando con conferencias de St. Clair Drake (que había trabajado en el estudio "Sur Profundo") y, más tarde, su lectura de Bavelas y los estudios de Leavitt, así como balas y Moreno. En Siracusa, él y su colega Morry Sunshine "fracasó en ese momento para hacer la conexión entre estos varios proyectos" (Pág. 111). El propio trabajo de Freeman en la Universidad de Siracusa, en la década de 1960 se observa como un nuevo enfoque a los estudios de la comunidad, en la que él y sus colegas seguimiento que interactuó con quien más que problemas. Cité que el trabajo en mi propio "poder, influencia y círculos sociales: una nueva metodología para el estudio de los formadores de opinión" (Kadushin, 1968), pero en el estudio de las élites yugoslavas no tuve en el momento utilizo el término "red" y lo hago no cree que Freeman hizo en sus estudios tampoco. Ambos encontraron que el llamado "sesgo" de los estudios de toma de decisiones de las élites (uno tiene una visión diferente de lo que contó en función de que se le pidió) era en realidad la esencia misma de los datos, siempre y cuando uno seguido sistemáticamente que dicho ¿qué pasa con quién y quién hizo qué con quien - en resumen, el análisis de lo que ahora llamaríamos la red social de influencia.

Un contribuyente importante a partir de la década de 1960 era Edward O. Laumann que, como el grupo de Columbia y Freeman en su obra temprana en Siracusa, era esencialmente preocupados por los grandes sistemas y era principalmente un investigador de la encuesta. Trabajando primero en Michigan y más tarde en Chicago, usó el famoso Estudio Área de Detroit para desarrollar los primeros estudios de redes ego a gran escala. Incorporó las ideas de la red en los estudios de estratificación y las élites políticas y muchos de sus antiguos alumnos se convirtió en líderes en estudios de redes. Él es ahora, por supuesto, famoso por sus estudios de la conducta sexual, que es la otra forma de comportamiento de la red y ahora es de gran interés para los epidemiólogos del SIDA.

Los Estados Unidos era casi el único faro de luz durante la Edad Oscura de Freeman. El grupo de la Universidad de Manchester y la London School of Economics en la década de 1950 eran bien conocidos como una fuente de la investigación de la red y la teoría. Gluckman, Barnes, Mitchell y Nadel todos utilizan el término "red", lo que puede explicar su lugar claro en el campo actual de la red. Los antropólogos también hicieron trabajo de campo importante y análisis interesantes. En opinión de Freeman, Radcliff-Brown a todos influenciado y "prevé exactamente los acontecimientos que tuvieron lugar casi cuarenta años después" (p. 103). Curiosamente, Freeman no menciona Boissevain (1974) que tiene como Amigos de Amigos sigue siendo mi favorito de introducción al campo de la red. Boissevain, que estaba estrechamente relacionada con la escuela de Manchester, ataca fuertemente funcionalistas estructurales, sin embargo - Radcliff-Brown, en particular - por no realizar un seguimiento de las relaciones reales y los comportamientos de "gente real" y, en lugar, explicar el comportamiento en cuanto a la "valores dominantes que apoyan el sistema" (Boissevain, p. 12). Esto puede no ser una lectura razonable del funcionalismo estructural, pero la idea central del argumento de Boissevain es que los datos de la red y la teoría proporcionan una visión más fundamentada de lo que pasa en la sociedad.

Lévi-Straus, en Francia, no sólo fue una gran influencia en el estructuralismo en general, sino que se produce gráficos de red y trabajó con un matemático francés que conduce, André Weil. En la década de 1960, Claude Flament escribió una introducción importante para la teoría de grafos. En Amsterdam, Robert Mokken y sus estudiantes trabajado en estudios de élite y consejeros comunes, y tuvo influencia importante en estudios de redes de elites. Alentado por una mejor formación en matemáticas típicas de las escuelas holandesas, los holandeses finalmente se convirtió en líderes mundiales en desarrollos estadísticos matemáticos en la teoría y el análisis de redes.

Sin embargo, Freeman se siente que incluso a finales de la década de 1960, con todos estos desarrollos, tanto en los Estados Unidos y Europa, "no hay ninguna versión del análisis de redes fue todavía reconocido universalmente como proporcionar un paradigma general para la investigación social" (p. 121).

A partir de la década de 1970, al parecer algo diferente sucedió. Mi cuenta de esta diferencia algo de Freeman, en parte porque él modestamente resta importancia a su propio papel. Hubo varios desarrollos interrelacionados. En primer lugar, dos importantes centros de formación desarrollados, uno en la costa oeste de la UC Irvine, que Freeman dirige - y que se beneficiaron de los intereses de red anteriores del antropólogo matemática Doug White y atrajeron otro antropólogo matemática clave, Kim Romney. El otro desarrollado en Harvard bajo la égida de Harrison White, que, básicamente, lo hizo todo por sí mismo. Ambos deben haber sido maestros brillantes porque inspiraron el núcleo de los teóricos de la red y analistas de los últimos 30 años. Fiel a los principios de las redes, mientras que su trabajo escrito era importante, su principal contribución fue la red de alumnos que interpretaron sus ideas.

A continuación, el campo tiene "organizada" y comenzó a usar lo que resultó ser el nombre mágico ("red") de una manera bastante uniforme. La parte organización provino de la iniciativa de Barry Wellman, un estudiante de Harrison White, que era entonces y sigue siendo ahora en Toronto, quien comenzó una organización, INSNA (Red Internacional para el Análisis de Redes Sociales), que durante muchos años se distingue por no tener organización formal, no hay estatutos, y no hay supervisión financiera. Había también un boletín informativo, Conexiones, que Barry editado. Sus esfuerzos prácticos en la creación de la comunidad fueron emparejados por sus estudios teóricos y empíricos de ambas comunidades geográficamente centrados y comunidades distantes virtuales, reafirmando así el famoso aforismo de Kurt Lewin, "No hay nada tan práctico como una buena teoría". La organización creció, en parte, a partir de estos centros, sino también de una red informática llamada EIES. Fue un precursor de la tecnología ya familiar: Se combina algunas de las características desarrollado mucho más tarde por diversas formas de "trabajo en grupo" junto con un sistema de correo electrónico, un tablón de anuncios y un servidor de lista, que Freeman utilizó como fundamento de una red electrónica de redes. Mientras Freeman estaba todavía en Bucknell, obtuvo una beca de la NSF para crear una red electrónica de las redes sociales. Estaba abierto a un grupo de unas 40 personas que participan en el campo de la red que fueron invitados a una conferencia de patada de salida en Bucknell en enero de 1978. Este sistema comenzó a tejer el campo juntos. Yo personalmente no tenía paciencia con el (300 baudios) editor de texto lento porque el DEC20 universidad que he usado desde mi oficina tenía un editor de pantalla completa. Rápidamente me di por vencido. Otros se quedaron con él y creo que ganaron en gran medida de él. En 1978, Freeman también comenzó la revista Redes Sociales, que ayudó a definir y formalizar el campo como un emprendimiento interdisciplinario.

En 1981, en la Florida, Russ Bernard y Al Wolfe comenzaron las conferencias "Sunbelt de red", reunido cada mes de febrero en un lugar cálido. Se aprovechó EIES, y Barry Wellman fue cooptado: en parte, el Sunbelt serviría como la reunión anual de INSNA y traer el campo juntos, y los resúmenes de los trabajos iban a ser publicado en Conexiones. Quizás tan importante, Barry consiguió lejos del frío de Canadá por unos pocos días. Como detalles Freeman en el libro, no había habido reuniones anteriores de las personas que participan en el campo de red que reunió a diversas personas que, en retrospectiva, podemos ver ahora se convirtieron en las principales figuras del campo. Pero estas reuniones siempre fueron por sólo por invitación. El resultado fue que algunas personas sentían dentro y los demás se sintieron excluidos. En contraste, el genio de INSNA era que cualquiera podía pertenecer; todos fueron invitados a la "Sunbelt" y todo el que quisiera pudiera dar un papel. Ahora, como un signo de la madurez del campo, INSNA y el Sunbelt se han institucionalizado, para bien o para mal. INSNA es una organización formal y el Sunbelt realidad rechaza algunos papeles. Conexiones cuenta con un presupuesto y árbitros papeles.

Freeman toma nota de la buena sensación y la falta de competencia abierta o desagradable en el campo de la red, ya que evolucionó. Él atribuye esta civilidad al interés en la teoría matemática y definiciones precisas que se requiere, lo que limita cualquier regateo sobre los conceptos de las ciencias sociales vagas. Estoy de acuerdo con el carácter inusual de las relaciones entre los estudiosos de la red, pero mi relación limitada con los físicos sugiere que las matemáticas no puede ser la respuesta. Y, ciertamente, grandes egos no están ausentes, ya sea física o de las redes sociales. Pero los sistemas sociales tienen una fuerte tendencia a reproducir sus orígenes y por adelantado, ya sea en espirales benévolos o malévolos. Las redes sociales fue la suerte en su inicio organizacional como un espacio para intercambios informales entre las personas que sentían que eran pioneros y que estaban tratando de resolver los problemas. En este último aspecto, la preocupación por los algoritmos que pueden dar sentido a los datos de red desordenado puede haber ayudado, ya que los participantes en el campo siempre estaban buscando algo que podrían utilizar en sus datos recalcitrantes.

Blanca y Freeman, mientras comparten una pasión por la teoría formal y un genio para la enseñanza, eran otra cosa muy diferente en sus intereses. White estaba más interesado que Freeman en los sistemas sociales a gran escala, sin embargo, el programa informático desarrollado por la Universidad de Harvard "blockmodelling" y el álgebra de bloques era fácilmente aplicable sólo a los sistemas pequeños. La ironía es que ambos de sus intereses en la matemática formal condujo a la investigación meticulosa de los sistemas pequeños. No tengo ni la cuenta del número de veces que los datos Monasterio Sampson con sus dieciocho miembros se analizó de acuerdo a diferentes algoritmos, pero hay más de 40 visitas en Google. Los científicos sociales interesados ​​en los sistemas sociales a gran escala tuvieron que buscar en otra parte. El análisis de la encuesta de las redes de ego, con la participación matemáticamente y no redes enteras reales triviales, era una manera de ir que inicialmente atrajo Laumann y más tarde Wellman, Fischer, y Burt. Los interesados ​​en la superposición corporativa y las élites nacionales tuvieron que utilizar métodos de la agrupación que se centraban en torno a cortar grandes sistemas en componentes manejables utilizando métodos de máxima verosimilitud y algoritmos tomados de (de todos los lugares) bibliotecología. La reciente llegada de la computación paralela de bajo costo, a gran escala rápido, hizo posible, en teoría, para cortar extremadamente grandes sistemas sociales en partes analizables - pero por diversas razones estos métodos y algoritmos no han hecho mucha mella en el campo.

Introduzca los físicos, la capitalización de algunas viejas ideas de la teoría de la red como "pequeño mundo", pero armado con excelentes habilidades matemáticas y computacionales y, quizás más importante aún, una tradición de hacer modelos simples de fenómenos complejos. Este trabajo, dirigido por una ola de recién llegados a las redes sociales como Watts, Newman y Barabási, impulsó una nueva literatura que fue, en su comienzo, sin darse cuenta de la mayoría del trabajo en el campo de la red existente. Freeman muestra que la citación utilizando el concepto "mundo pequeño" produce dos comunidades casi distintos de los investigadores: los "viejos" de los expertos de la red y los "nuevos" modeladores físicas científico (que se benefician, como Freeman señala, de diferentes patrones de publicación y las normas de la física en lugar de las ciencias sociales). Pero los recién llegados, que ahora ofrecen herramientas para la posible exploración de sistemas muy grandes, son cada vez integrados en el pequeño mundo de la red social, - aunque su uso inicial de las corrientes de las ciencias sociales clásicas y las ideas clásicas de la estructura social eran limitadas. Supongo que se puede considerar bien integrado al-fácil de usar programas informáticos se desarrollan que analizará enormes conjuntos de datos sin necesidad de sofisticación matemática de un físico que se aplicará a las preocupaciones tradicionales de la teoría del sistema social.

Lo que me lleva a una conclusión necesariamente triunfalista extraño y no. ¿Por qué las redes sociales finalmente despegar como un campo en la década de 1970? Fue la combinación de importantes centros de profesores influyentes, la organización de la red del campo de red (el espejo en el espejo), el uso universal del nombre de "red" - y también el desarrollo de varios equipo relativamente fácil de usar programas que operaban en las computadoras de escritorio, que gestionan datos de la red y que encapsulan los conocimientos matemáticos que Freeman encontró tan crucial para la transformación del campo de uno de los 'red como metáfora' a 'a la red como una expresión matemática.' Estos programas, para bien y sólo a veces para peor, los científicos sociales se permiten con habilidades formales mínimos para emplear técnicas analíticas inflexibles a una enorme variedad de aplicaciones, tanto como las computadoras han permitido estadísticas complejas que se aplicará a los conjuntos de datos cuyos analistas apenas entender lo estan haciendo. Podemos sacudir la cabeza en ese trabajo aparentemente irreflexiva, pero gran parte de ella ha avanzado en ciencias sociales y nos ha dado una nueva comprensión. Lo que ha dado lugar, sin embargo, es que el campo de la red social a menudo ha sido considerado por los forasteros como un conjunto de herramientas y no como un conjunto de conceptos y proposiciones interesantes integrados. Queda un mundo grande para las ideas de redes sociales a tierra por conquistar.

Notas finales

[1] Aunque Freeman admite que Homans se inspiró en la asociación de Pareto de los sentimientos con la interacción, Freeman, reduccionista anti-psicológica confirmada también cree que la sociología de Pareto es "compuesto casi en su totalidad por psicología barata" (p. 54), una organización sin lectura compartida por muchos pensadores estructurales graves (por ejemplo Zetterberg en defensores europeos de Sociología antes de la Primera Guerra Mundial, 1968 y http://www.zetterberg.org/Books/b93e_Soc/b93eCh4.htm). Freeman también observa que, a pesar de ser un psiquiatra, Moreno contribuyó al estructuralismo a la vez ", mientras que la sociología se había convertido en la corriente principal psicologista" (p. 36). Cualquier persona que ha luchado a través de la estructura del párroco de Acción Social podría no leer la sociología dominante como "psicologista".

[2] la teoría de redes clásica en la física de los circuitos eléctricos se ocupa de los flujos a través de nodos, o lo que se llama "puertos". Notables son las leyes de Kirchoff que tienen que ver con la conservación de la energía en los circuitos entre puertos. Estas ideas son seductores, pero resulta que los circuitos eléctricos son demasiado ordenada para su aplicación directa a las redes sociales.

Referencias

Boissevain, J. 1974. Friends of Friends: Networks, Manipulators and Coalitions (London: Basil Blackwell).

Coser, R.L. 1975. "The Complexity of Roles as a Seedbed of Individual Autonomy." In: Coser L. A. (Ed.), The Idea of Social Structure: Papers in Honor of Robert K. Merton (New York: Harcourt Brace Jovanovich), pp. 237-262.

Festinger, L., Schacter, S., Back, K. 1950. Social Pressures in Informal Groups: A Study of Human Factors in Housing (Stanford, CA: Stanford University Press).

Gertner, J. 2003, December 14. "The 3rd Annual Year in Ideas," New York Times Magazine (Late Edition, Final, Section 6): p. 92.

Harary, F., Norman, R.Z., Cartwrwright, D. 1965. Structural Models: An Introduction to the Theory of Directed Graphs (New York: Wiley).

Kadushin, C. 1968. "Power, Influence and Social Circles: A New Methodology for Studying Opinion-Makers," American Sociological Review 33: pp. 685-699.

Krebs, V. E., 2003. Orgnet.com. Available: http://www.orgnet.com/.

Pool, I. D. S., Kochen, M. 1978. "Contacts and Influence," Social Networks 1 (1): pp. 5-51.